INGLESE

L’insegnamento introduce i fondamenti dell’econometria applicata con particolare riferimento al modello di regressione lineare semplice e multipla stimato mediante OLS. Il corso analizza in dettaglio le assunzioni del modello classico, le proprietà degli stimatori e i principali strumenti di inferenza statistica. Viene dato ampio spazio all’uso di dati cross-section e panel data, con attenzione ai problemi di specificazione del modello, eteroschedasticità, correlazione seriale e interpretazione causale dei risultati. Sono inoltre introdotti elementi di analisi delle forme funzionali e applicazioni empiriche su dati economici reali.

J. M. Wooldridge, Introductory Econometrics: A Modern Approach (8th edition), South-Western Cengage Learning, 2025.

Al termine dell’insegnamento, lo studente dovrà raggiungere i seguenti risultati:

Conoscenza e capacità di comprensione
Comprendere il modello di regressione lineare classico e le assunzioni alla base degli stimatori OLS in contesti cross-section e panel data.

Utilizzazione delle conoscenze e capacità di comprensione.
Saper stimare modelli di regressione lineare semplice e multipla e interpretare correttamente i coefficienti stimati, i test di inferenza e le misure di bontà dell’adattamento nell’analisi di dati economici.

Capacità di trarre conclusioni (Autonomia di giudizio)
Saper valutare criticamente i risultati di un’analisi econometrica basata su OLS, individuando potenziali problemi di specificazione del modello (omissione di variabili rilevanti, eteroschedasticità, correlazione seriale, multicollinearità) e comprendendo le implicazioni dell’uso di dati cross-section e panel per l’interpretazione economica e causale delle stime. Lo studente sarà in grado di distinguere tra correlazione e causalità e di giudicare la robustezza dei risultati empirici al variare delle specificazioni del modello.

Abilità comunicative
Saper esporre e discutere in modo chiaro e rigoroso i risultati di un’analisi econometrica, utilizzando un linguaggio tecnico appropriato.

Capacità di apprendere
Acquisire le basi metodologiche necessarie per affrontare corsi avanzati di econometria e analisi empirica applicata.

Fondamenti di Probabilità e Fondamenti di Statistica Matematica.

Lezioni frontali teoriche ed esercitazioni pratiche (totale 48h).

L’esame consiste in una prova scritta volta a verificare la capacità di stimare modelli di regressione OLS, interpretare correttamente i risultati e discutere criticamente le ipotesi del modello.

Rubrica qualitativa di valutazione
30 – 30L: Eccellente capacità di stima e interpretazione; piena padronanza dell’inferenza e valutazione critica delle assunzioni del modello.
26 – 29: Ottima conoscenza dei modelli di regressione multipla e corretta analisi dei problemi di specificazione.
22 – 25: Buona comprensione delle proprietà degli stimatori OLS e capacità di risolvere esercizi standard.
18 – 21: Conoscenza essenziale della regressione lineare semplice e dei concetti base di inferenza.

Nessuna informazione aggiuntiva fornita.

1. Natura dell’Econometria (0,5 CFU): Introduzione ai dati economici e all’analisi empirica (Cap. 1, 19).

2. Regressione Lineare Semplice (1,5 CFU): Modello a due variabili e stimatori OLS (Cap. 2).

3. Regressione Lineare Multipla (2 CFU): Stima, inferenza e problemi di specificazione (Cap. 3, 4, 6, 9).

4. Variabili Qualitative (0,5 CFU): Modelli di regressione con regressori dummy (Cap. 7).

English

The course introduces the foundations of applied econometrics, with a particular focus on simple and multiple linear regression models estimated by Ordinary Least Squares (OLS). It provides a detailed analysis of the assumptions of the classical linear regression model, the properties of OLS estimators, and the main tools of statistical inference. Special emphasis is placed on the use of cross-section and panel data, addressing key issues such as model specification, heteroskedasticity, serial correlation, and the causal interpretation of empirical results. The course also covers functional form analysis and empirical applications using real economic data.

J. M. Wooldridge, Introductory Econometrics: A Modern Approach, South-Western Cengage Learning, 2019.

At the end of the course, students are expected to achieve the following learning outcomes:

Knowledge and understanding
Understand the classical linear regression model and the assumptions underlying OLS estimators in cross-section and panel data settings.

Applying knowledge and understanding
Be able to estimate simple and multiple linear regression models and correctly interpret estimated coefficients, inference tests, and goodness-of-fit measures in the analysis of economic data.

Making judgements (autonomy of judgement)
Critically evaluate the results of OLS-based econometric analyses by identifying potential model specification issues (such as omitted variable bias, heteroskedasticity, serial correlation, and multicollinearity) and understanding the implications of using cross-section and panel data for economic and causal interpretation. Students will be able to distinguish between correlation and causality and assess the robustness of empirical findings across alternative model specifications.

Communication skills
Clearly and rigorously present and discuss the results of an econometric analysis using appropriate technical language.

Learning skills
Acquire the methodological foundations necessary to undertake advanced courses in econometrics and applied empirical analysis.

Basic knowledge of Probability Theory and Mathematical Statistics.

The course consists of theoretical lectures and practical exercises (total of 48 hours).

The assessment consists of a written exam aimed at evaluating students’ ability to estimate OLS regression models, correctly interpret empirical results, and critically discuss the underlying model assumptions.

Qualitative grading criteria
30 – 30L: Excellent ability in model estimation and interpretation; full mastery of inference and critical evaluation of model assumptions.
26 – 29: Very good knowledge of multiple regression models and correct analysis of specification issues.
22 – 25: Good understanding of the properties of OLS estimators and ability to solve standard problems.
18 – 21: Basic knowledge of simple linear regression and fundamental inference concepts.

No additional information provided.

1. Nature of Econometrics (0.5 CFU): Introduction to economic data and empirical analysis (Chapters 1, 19).

2. Simple Linear Regression (1.5 CFU): Two-variable model and OLS estimators (Chapter 2).

3. Multiple Linear Regression (2 CFU): Estimation, inference, and specification issues (Chapters 3, 4, 6, 9).

4. Qualitative Variables (0.5 CFU): Regression models with dummy regressors (Chapter 7).