View syllabus
ADVANCED ECONOMETRICS
GIUSEPPE RAGUSA
Academic year2019/20
CourseECONOMICS
Code246PP
Credits9
PeriodSemester 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
ADVANCED ECONOMETRICS SECS-P/05LEZIONI63
ANGELA PARENTI unimap
GIUSEPPE RAGUSA unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

L'obiettivo del corso è quello di fornire agli studenti i principi fondamentali dell'econometria teorica e gli strumenti computazionali utilizzati nell'analisi empirica moderna on una particolare enfasi alla stima delle relazioni causali tra le variabili economiche. Applicazioni sia di microeconomia che di macroeconomia saranno considerate a tal fine.

Knowledge

The objective of the course is to provide students with thorough coverage of the classical
econometric theory and with the computational tools commonly used in modern empirical
analyses with an emphasis on the estimation of causal relations between economic
variables. Applications in the areas of microeconomics and macroeconomics will be considered.

Modalità di verifica delle conoscenze

Per l'accertamento delle conoscenze saranno svolte delle prove in itinere.

Assessment criteria of knowledge

Ongoing assessment to monitor academic progress will be carried out.

Capacità

Alla fine del corso gli studenti dovrebbero avere una comprensione critica delle idee alla base della teoria econometrica e dovrebbero essere in grado di applicare queste idee al mondo reale. Gli studenti inoltre acquisiranno familiarità con il software statistico R che sarà utilizzato durante tutto il corso.

Skills

By the end of the course, students should have a good and critical understanding
of the core ideas of econometric theory, and they should be able to apply these ideas to
real-world cases. Another expected learning outcome is that students be familiar with R,
the statistical software used throughout the course.

Modalità di verifica delle capacità

Alcune lezioni saranno dedicate alle appliazioni empiriche per le quali sarà usato il software statistico R. Durante le sessioni di laboratorio, molti esempi saranno presentati al dine di far comprendere agli studenti la giusta specificazione econometrica da utlizzare e la corretta interpretazione dei risultati empirici.

Assessment criteria of skills

Some lectures will be devoted to empirical applications and will require the use of the
statistical software R. During the computer lab sessions, many example will be carried out in order to understand how to use the right econometric specification and correctly interpret the empirical results.

 

Comportamenti

Frequenza

La frequenza alle lezioni è consigliata, così come una preparazione per una piena partecipazione alla lezione. Gli studenti che hanno problemi possono fare domande durante la lezione o durante l'orario di ricevimento.

Imbrogli o altre forme di disonestà

Non ci saranno tolleranze nei confronti di qualsiasi tipo di imbroglio. Gli studenti che saranno trovati a copiare non supereranno l'esame e il loro comportamento sarà riportato agli uffici competenti.

Behaviors

Attendance
It is expected that all students attend the lectures, be up to date with their readings, and
be prepared to participate fully in class. If you have problems mastering the material
covered in class, please ask questions in class or during office hours.

Cheating and other forms of dishonesty
I have no tolerance for cheating. I regard academic dishonesty as a very serious offense.
Students caught cheating during exams will fail the class and will be reported to the
appropriate officer of the college.

 

Modalità di verifica dei comportamenti

Durante le lezioni la partecipazione attiva degli studenti sarà valutata, così come la correttezza del loro comportamento nello svolgimento degli esami.

Assessment criteria of behaviors

During the lecture the active participation of students will be evaluated, as well as their honesty during the exams.

Prerequisiti (conoscenze iniziali)

Gli studenti devono essere familiari con i concetti base della probabilità, della statistica e dell'algebra lineare. Il corso include comunque un ripasso di statistica e probabilità. Gli studenti che non hanno familiarità con questi strumenti dovrebbero riverderli in dettaglio per loro conto.

Importante: Chi non avesso mai seguito corsi di introduzione all'econometria è fortemente consigliato di colmare le proprie lacune utilizzando un testo non avanzato, come ad esempio:
Wooldridge, Jeffrey M. Introductory econometrics: A modern approach. Nelson
Education, 2016.

 

Una conoscenza base del software R è richiesta. Gli studenti che non sono familiari con le funzionalità base di R devono cercare di recuperare il loro gap. A tal fine possono far riferimento al testo Using R for Introductory Econometrics by Florian Heiss.

Prerequisites

Students need to be familiar with basic concepts in probability and statistics, as well as
linear algebra. The course includes a brief statistics and probability refresher. However,
students lacking familiarity with this material should make time out of class to review it
in detail.

Important: If you have not taken an introductory econometric course, we suggest students
to fill the gap in their preparation by using undergraduate material. A good
reference for this purpose is:
Wooldridge, Jeffrey M. Introductory econometrics: A modern approach. Nelson
Education, 2016.

 

Basic knowledge of R is assumed. If students feel they are not confident in using the
basic functionalities of R, they should get up to speed. A very useful resource to this
regard is Using R for Introductory Econometrics by Florian Heiss.

Indicazioni metodologiche

Lezioni frontali ed esercitazioni in laboratorio.

Teaching methods

Lectures and lab sessions.

Programma (contenuti dell'insegnamento)

1. Basic Asymptotic Theory
2. Single equation Linear Model and Ordinary Least Squares Estimatioj
3. Instrumental Variables of Single Equation Models
4. Additional Topics: Generated Regressors, Control function approach
5. Basic Linear Unobserved Panel Data Models
6. Binary Response Models
7. Other Nonlinear Models and estimators
8. Special topics: Program Evaluation

Syllabus

1. Basic Asymptotic Theory
2. Single equation Linear Model and Ordinary Least Squares Estimatioj
3. Instrumental Variables of Single Equation Models
4. Additional Topics: Generated Regressors, Control function approach
5. Basic Linear Unobserved Panel Data Models
6. Binary Response Models
7. Other Nonlinear Models and estimators
8. Special topics: Program Evaluation

Bibliografia e materiale didattico

Principale libro di testo:

  • Wooldridge, J. M.: Introductory Econometrics: A Modern Approach 5th edition), South-Western Publishing.

Agli studenti saranno anche forniti degli Handout.

Per R:

  • Heiss, F.: Using R for Introductory Econometrics (http://www.urfie.net/)

 

 

 

Bibliography

The main reference for this courses is:

  • Wooldridge, J. M.: Econometric analysis of cross section and panel data. MITpress, 2010.

We will also provide students with handouts.

 

For R:

  • Heiss, F.: Using R for Introductory Econometrics (http://www.urfie.net/)

 

Indicazioni per non frequentanti

Tutti gli homoework coterranno sia una parte empirica che una teorica sulla parte svolta durante le lezioni. Gli homework saranno consegnati agli studenti periodocamente e caricati su Moodle. Gli homework saranno 5, 3 prima del midterm e 2 dopo.

Non-attending students info

All homework assignments contain a mixture of empirical and theoretical exercises covering
the material discussed during lectures. Homework assignments are made available
to students periodically (they will be posted on Moodle). There would be five HW, three
before the midterm and two after the midterm.

Modalità d'esame

EMERGENZA COVID19:

Vista le modalite di insegnamento remoto, per gli appelli della sessione estivi il voto finale consiste:

 

1) Homework 

2) Esami scritto in modalita' remota

3) Esame orale (verifica della prova scritta)

 

Queste tre componenti costituiranno il voto finale. Il voto degli homowork verra' mantenuto fino e non oltre la sessione di settembre. 

 

Per gli studenti che non hanno consegnato gli homework, il voto finale consistera' esclusivamente della componente scritta e orale. 

 

 

Assessment methods

COVID19 EMERGENCY:

Given the online teaching regime we have been subjected due to the COVID19 health emergency, the final grade for this class will be calculated as follow:

 

1) Homework assignments

2) Written exam (to be held remotely)

3) Oral examination (discussion of written exam)

 

All these three components will be factored in determining your final grade. 

 

The homework component will be valid only up to the September exam. After that, the grade of the course will result from the written and oral exam.

For those students that have not turned back in the homework assignments, the final grade will be that of the writtena and oral exam.  

Note

Lezioni
Mercoledì: 12:15-13:45 (P2)
Giovedì: 14:00-15:30 (D1)
Venerdì: 12:15-13:45(L2)

Ricevimento:                                                                                                                                    Ragusa: Ven: 10:30-11:30                                                                                                                Parenti: Lun: 11:00-12:00   

Notes

Lecture times and locations
Wednesday: 12:15-13:45 (P2)
Thursday: 14:00-15:30 (D1)
Friday: 12:15-13:45(L2)

Office hours:                                                                                                                                    RagusaFriday: 10:30-11:30                                                                                                                Parenti: Mon: 11:00-12:00   

 

Updated: 20/05/2020 17:04