ECONOMETRIA CORSO AVANZATO

Insegnamento
ECONOMETRIA CORSO AVANZATO
Insegnamento in inglese
ECONOMETRY ADVANCED COURSE
Settore disciplinare
SECS-P/05
Corso di studi di riferimento
Economia finanza e assicurazioni
Tipo corso di studio
Laurea Magistrale
Crediti
12.0
Ripartizione oraria
Ore Attività Frontale: 96.0
Anno accademico
2018/2019
Anno di erogazione
2019/2020
Anno di corso
2
Lingua
ITALIANO
Percorso
CURRICULUM ECONOMICO
Docente responsabile dell'erogazione
MASTROMARCO CAMILLA
Sede
Lecce

Descrizione dell'insegnamento

Sono richieste conoscenze di matematica - in particolare algebra matriciale -, statistica inferenziale e di econometria di base.

Il corso di Econometria Avanzato è dedicato a introdurre le metodologie parametriche e non parametriche avanzate per l'analisi quantitativa di modelli finanziari, microeconomici e macroeconomici. In particolare verranno trattati i modelli di analisi multivariata e la teoria asintotica degli stessi, i modelli panel, i modelli della frontiera di efficienza e le serie storiche. 

ll corso intende fornire allo studente metodi avanzati di analisi empirica per la trattazione quantitativa dei modelli della teoria finanziaria ed economica, con particolare enfasi allo studio della funzione di produzione, della produttività e all'efficienza produttiva.

Lezioni frontali e al computer con l'utilizzo di software econometrici.

Frequentanti: consegna di tre tesine su analisi econometriche utilizzando modelli di dati panel, serie storiche e frontiere di efficienza.

"Lo studente, disabile e/o con DSA, che intende usufruire di un intervento individualizzato per lo

svolgimento della prova d’esame deve contattare l'ufficio Integrazione Disabili dell'Università del

Salento all'indirizzo paola.martino@unisalento.it"

Tutto il materiale didattico,completo di dispense, esercitazioni, è disponibile nel sito web personale: www.camillamastromarco.it

  • Modello di regressione multivariato classico.
  • I modelli di serie storica univariata.
  • Integrazione e cointegrazione delle serie storiche.
  • I modelli di serie storica multivariata VAR (vector autoregressive model)
  • I modelli di dati panel con effetti fissi.
  • I modelli di dati panel con effetti casuali.
  • I modelli dinamici di dati panel.
  • Innovazione tecnologica, efficienza e crescita economica.
  • Introduzione ai modelli di frontiera di efficienza.
  • I modelli Growth Accounting e frontiere stocastiche di efficienza.
  • Approccio non parametrico e parametrico della stima della frontiera di efficienza.
  • Lo stimatore non parametrico Data Development Analysis (DEA) per la stima della frontiera di efficienza.
  • Lo stimatore non parametrico Free Disposal Hull (FDH) per la stima della frontiera di efficienza.
  • Approfondimenti computazionali sullo stimatore DEA e FDH.
  • L’analisi bootstrapping per la stima consistente dei modelli di efficienza e degli intervalli di confidenza proposta da Simar e Wilson (1998, 2000).
  • L’analisi a due stadi per l’analisi delle determinanti dell’efficienza (Simar e Wilson 2007).

Badi H. Baltagi, (2013), Econometric Analysis of Panel Data, 5th Edition.

Coelli, T. J., Rao, D.S.P., O'Donnell, C.J. and G. E. Battese (2005), An Introduction to Efficiency and Productivity Analysis (second edition), Springer.

Daraio, C. and Simar, L. (2007), Advanced Robust and Nonparametric Methods in Efficiency Analysis. Methodology and Applications, Springer Verlag.

Hamilton, J. (1994), Time Series Analysis, Princeton University Press.

Hsiao, Cheng, (2015), Analysis of Panel Data, Cambridge University Press, 3rd Edition.

Kumbhakar, S. and Lovell, C. (2000), Stochastic Frontier Analysis, Cambridge University Press, Cambridge.

Lutkepohl, H.: 2005, New Introduction to Multiple Time Series Analysis, Springer, Berlin, Heidelberg, New York, Tokio.

Mastromarco, C.: 2009, Stochastic Frontier Models, Department of Economics and Quantitative Methods.

Simar, L. and Wilson, P. W., 1998. Sensitivity analysis of efficiency scores: how to bootstrap in nonparametric frontier models, Management Science 44, 49-61.

Simar, L. and Wilson, P. W., 2000. A general methodology for bootstrapping in non-parametric frontier models, Journal of Applied Statistics, 27, 779-802.

Simar, L. and Wilson, P. W., 2007. Estimation and inference in two-stage, semi-parametric models of production process, Journal of Econometrics, 136, 31-64.

Verbeek, M. (2004), Econometria, Zanichelli.

Woitek, U.: 2009, Structural Vectorautoregressive Models, University of Zurich.

- Dispense delle lezioni.

Semestre
Annualità Singola (dal 16/09/2019 al 31/05/2020)

Tipo esame
Obbligatorio

Valutazione
Orale - Voto Finale

Orario dell'insegnamento
https://easyroom.unisalento.it/Orario

Scarica scheda insegnamento (Apre una nuova finestra)(Apre una nuova finestra)