79210 - LABORATORIO DI ANALISI DEI DATI ECONOMICI E DI MERCATO

Anno Accademico 2024/2025

  • Docente: Luca Trapin
  • Crediti formativi: 6
  • Lingua di insegnamento: Italiano
  • Moduli: Anna Gloria Billè (Modulo 1) Luca Trapin (Modulo 2)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
  • Campus: Bologna
  • Corso: Laurea Magistrale in Statistica, economia e impresa (cod. 8876)

    Valido anche per Laurea in Scienze statistiche (cod. 8873)

Conoscenze e abilità da conseguire

Il corso si propone l'obiettivo di fornire gli strumenti operativi per l'analisi di casi di studio in ambito economico e delle ricerche di mercato tramite l'ausilio del software SAS. Al termine del corso lo studente possiede gli strumenti operativi per l’analisi quantitativa di dati di tipo economico e aziendale; è in grado di scegliere, tra i principali metodi presentati, quello più idoneo all’analisi di uno specifico problema empirico utilizzando il software SAS; è in grado di leggere ed interpretare criticamente i risultati prodotti.

Contenuti

Modulo 1

  1. Analisi di dati sulle performance economiche (vendite) di imprese e possibili determinanti: applicazioni su R.
  2. Relazione tra innovazione e performance economiche d’impresa (profittabilità): applicazioni su STATA
  3. Analisi delle reti su un campione di brevetti ambientali (eco-innovazioni) relativi all’industria mineraria. 

Modulo 2

  1. Analisi delle limitazioni del modello di regressione lineare multipla
  2. Analisi di regressione per dati longitudinali
  3. Introduzione all’econometria spaziale

Testi/Bibliografia

Modulo 1

  1. Wooldridge, J.M. (2015). Introductory econometrics: A modern approach. South-Western Pub.
  2. Peng, R. (2018). R Programming for Data Science.
  3. OECD (2009). OECD Patent Statistics Manual. Chapters 2, 5 and 6.
  4. Liu, J. S. and Lu, L. Y. Y. (2012). An integrated approach for main path analysis: development of the Hirsh Index as an example. Journal of the American Society for Information Science and Technology, Vol. 63, No. 3; pp. 528-542.
  5. Filippin, F. (2021). Do main paths reflect technological trajectories? Applying main path analysis to the semiconductor manufacturing industry. Scientometrics, Vol. 126; pp. 6443-6477.
  6. Alessandri, E. (2023). Identifying technological trajectories in the mining sector using patent citation networks. Resources Policy, Vol. 80. https://doi.org/10.1016/j.resourpol.2022.103130

Modulo 2

  1. Stock, J. H., & Watson, M. W. (2005). Introduzione all'econometria. Quinta Edizione. Pearson Italia Spa.
  2. INSEE, Eurostat (2018). Handbook of Spatial Econometrics – Theory and Applications with R. ISSN : 1259-4768. ISBN: 978-2-11-139686-9. URL: Handbook of Spatial Analysis | Insee [https://www.insee.fr/en/information/3635545] .

Metodi didattici

Modulo 1

Le lezioni vengono svolte trattando sia aspetti metodologici che pratici con l'ausilio dei software statistici R, Stata e Pajek (analisi di reti). R e Pajek sono scaricabili gratuitamente dal Web (verranno forniti gli appositi link). Anche Stata è disponibile gratuitamente per gli studenti iscritti, che possono scaricare il software e la licenza utilizzando le proprie credenziali studente al seguente link: https://www.unibo.it/secure/software-stata/

Modulo 2

Le lezioni vengono svolte trattando sia aspetti metodologici che pratici con l'ausilio del software statistico R, scaricabile gratuitamente dal Web (verranno forniti gli appositi link).

Modalità di verifica e valutazione dell'apprendimento

L'esame si compone di due sezioni:

  • Sezione teorica: consiste in una serie di domande a scelta multipla sugli argomenti trattati durante il corso, volte a verificare la comprensione dei concetti fondamentali e delle proprietà dei modelli studiati.

  • Sezione pratica: richiede allo studente di dimostrare la capacità di applicare le metodologie apprese. In questa parte, vengono forniti codici di software statistici utilizzati nel corso e output di analisi statistiche simili a quelli prodotti durante le lezioni. Lo studente deve interpretare correttamente i risultati e rispondere a una serie di domande. Inoltre, è richiesta l’esecuzione di analisi empiriche utilizzando i software statistici discussi nel corso, dimostrando così padronanza nell’implementazione dei modelli studiati.

L’esame valuta sia la comprensione teorica sia la capacità di applicare i metodi empirici in modo critico e rigoroso.

Strumenti a supporto della didattica

PC, videoproiettore, diapositive, articoli accademici, capitoli di libri, dati e codici relativi ai software statistici.

Orario di ricevimento

Consulta il sito web di Luca Trapin

Consulta il sito web di Anna Gloria Billè