Topic outline
- General
- Lezione 1 (7/5/19)
Introduzione al corso. I modelli per dati panel "pooled time series". Lo stimatore SUR.
- Lezione 2 (10/5/19, Laboratorio 1)
Stima della curva di Kuznets ambientale.
N.B. I laboratori si tengono in modalità WebEx. A tal fine, gli studenti possono collegarsi alla Personal Room del docente avviando il software WebEx (per esempio attraverso il sito di Ateneo, selezionando Service desk - Videoconferenze e multimedia - Web collaboration e Web conferencing - Accesso al servizio per studenti) e inserendo il codice 840 878 420
Il link diretto è: https://unimib.webex.com/meet/matteo.manera
- Lezione 3 (13/5/19)
Modelli per dati panel longitudinali. Eterogeneità individuale e numero di parametri da stimare. I modelli a effetti fissi e a effetti casuali. Il modello a effetti fissi: stimatore OLS. Formula dell'inversa partizionata.
- Lezione 4 (14/5/19)
Modello a effetti fissi. Le trasformazioni within e between. Lo stimatore within. Test della significatività degli effetti individuali fissi.
- Lezione 5 (17/5/19, Laboratorio 2)
- Lezione 6 (20/5/19)
Modello per dati panel a effetti random. Stimatore GLS. La trasformazione GLS. Lo stimatore FGLS.
- Lezione 7 (21/5/19)
Il modello panel a effetti random. La trasformazione "between". Stima dei parametri s21, s2u e s2m. Stima degli effetti individuali random. Test LM di Breusch-Pagan della significatività degli effetti individuali random.
- Lezione 8 (24/5/19, Laboratorio 3)
- Lezione 9 (27/5/19)
Modelli panel statici a effetti fissi e random two-way. Modelli panel a effetti random con effetti correlati con i regressori. Stima consistente (a variabili strumentali) dei parametri di interesse.
- Lezione 10 (28/5/19)
Modelli per dati panel statici con effetti casuali correlati con i regressori: stimatore efficiente (a variabili strumentali) dei parametri di interesse. Modelli per dati panel dinamici. Il problema e le soluzioni: stimatori a variabili strumentali di Anderson-Hsiao e di Arellano-Bond (introduzione).
- Lezione 11 (31/5/2019, Laboratorio 4)
- Lezione 12 (3/6/19)
Modelli per Variabili Dipendenti Qualitative (VDQ). Il Modello di Probabilità Lineare (LPM). I modelli Probit e Logit: giustificazioni statistiche ed economiche. Interpretazione dei coefficienti ed effetti marginali.
- Lezione 13 (4/6/19)
I modelli Logit e Probit. Effetti marginali in presenza di regressori qualitativi. Misure di bontà del fit (presudo-R2). Misure di bontà delle previsioni (MSFE).
- Lezione 14 (7/6/19, Laboratorio 5)
- Lezione 15 (10/6/19)
Modelli per variabili dipendenti qualitative: scelte multiple. I modelli Multinomial Logit (MLM) e Conditional Logit (CLM). Ipotesi di Indipendenza delle Alternative Irrilevanti (IIA). Il modello Nested Logit.
- Lezione 16 (11/6/2019)
Modelli per scelte multiple ordinate: Ordered Probit. Modelli per variabili dipendenti limitate. Censura e troncamento. Giustificazioni economiche. Distorsione e inconsistenza dello stimatore OLS.
- Lezione 17 (14/6/19, Laboratorio 6)
- Lezione 18 (17/6/19)
Modelli con variabili dipendenti limitate e soglie stocastiche. OLS corretti. Modelli per dati panel e variabili dipendenti qualitative: il modello Logit a effetti fissi. Statistica sufficiente e Conditional Maximum Likelihood.
- Esame del 7/4/20 (scritto)