72883 - MODELLI ECONOMETRICI PER LE DECISIONI AZIENDALI

Conoscenze e abilità da conseguire

Al termine del corso lo studente è in grado di comprendere i metodi di regressione lineari e non lineari di base (modelli logit e probit), utili per l'analisi di dati sezionali che possono essere di supporto alle decisioni degli agenti economici che operano nell'impresa. In particolare, lo studente è in grado di: i) comprendere e leggere in maniera critica le applicazioni dei diversi metodi nella recente letteratura empirica; ii) applicare gli strumenti acquisiti per l'analisi di dati utilizzando un apposito pacchetto econometrico STATA (in caso sia disponibile licenza CAMPUS) o equivalente software econometrico disponibile gratuitamente (come ad esempio GRETL).

Contenuti

Il corso viene erogato solo in lingua italiana

1. Modello di Regressione Lineare Semplice e Multipla su dati sezionali: teoria e applicazioni con STATA (in caso sia disponibile licenza CAMPUS) o equivalente software econometrico disponibile gratuitamente (come ad esempio GRETL). Esempio di applicazioni: a) andamento delle vendite di un prodotto in negozi di una catena di franchising ed aderenza al formato; b) valutazione dell'efficacia di azioni di marketing. 

NOTA: il corso CLAMDA organizza in autunno corsi di allineamento su pre-requisiti di Statistica ed Econometria (corso di allineamento di Econometria). La frequenza di questi corsi è fortemente consigliata per il conseguimento di idoneità. Il modello di regressione lineare semplice è illustrato nel pre-corso e rappresenta un pre-requisito. Gli aspetti teorici e formali della regressione lineare multipla vengono anche illustrati nel corso della prof. Billè ed in questo corso verrà posta enfasi sulle applicazioni.

2. Associazione o relazione causale? Discussione critica delle condizioni che permettano un'interpretazione casuale delle stime di un modello di regressione. 

2. Introduzione alla stima con il metodo della massima verosimiglianza anche tramite alcune applicazioni, come ad esempio: verifica della presenza di truffe nel 'Gioco della Fortuna'; valutazione della difficolta' degli esami in diversi appelli

3. Modelli logit e probit su dati sezionali: teoria e applicazioni con STATA (in caso sia disponibile licenza CAMPUS) o equivalente software econometrico disponibile gratuitamente (come ad esempio GRETL). Esempio di applicazioni: modellare la probabilita' della scelta di acquisto di un prodotto tra due marche. 

 

Materiale didattico relativo alle esercitazioni in laboratorio sara' reso disponibile agli studenti attaverso la piattaforma e-learning di Ateneo.

Il corso considera come pre-requisiti da parte degli studenti conoscenze di base sui seguenti temi: a) Formati tipici di dati economici (dati sezionali, serie storiche, dati longitudinali);b) variabile casuale, distribuzione di una variabile casuale, momenti della distribuzione marginale e condizionata; popolazione, parametri e campionamento casuale; verifica di ipotesi sulla media campionaria (errore di primo e secondo tipo, livello di significatività, p-value). Riferimenti utili per il ripasso di questi argomenti si possono trovare in qualunque libro di testo di introduzione all'econometria (ad esempio Stock e Watson (2012; terza edizione italiana) capitoli 1,2,3,4; Hill et al. (2008) capitoli 1,2,3 e Appendice B.

Per gli studenti sprovvisti di conoscenze di base, il corso CLAMDA offrirà un pre-corso di allineamento di Econometria, che includerà anche un introduzione al software STATA. Tutti gli studenti sono caldamente invitati ad approfittare di questa opportunità. La frequenza del corso è fortemente consigliata anche a studenti con pre-requisiti, in modo da avere occasione per una revisione guidata delle competenze acquisite in passato

La selezione del tutor che terrà le lezioni del pre-corso/corso di allineamento in Econometria è in corso e non è quindi possibile pubblicare il calendario delle lezioni. Esso verrà reso noto appena possibile.

Si segnala come opportuna anche la frequenza del pre-corso/corso di allineamento in Statistica. La selezione del tutor che terrà le lezioni del pre-corso è in corso e non è quindi possibile pubblicare il calendario delle lezioni. Esso verrà reso noto appena possibile.

 

 

Testi/Bibliografia

Wooldridge, J. (2016) Introductory Econometrics: A Modern Approach, 6e

R. C. Hill, W. E. Griffiths, G. C. Lim, (2011) Principles of Econometrics (4th edition, International Student Version), Wiley

Joshua Angrist and Jörn-Steffen Pischke (2009) Mostly Harmless Econometrics: an empiricist's companion

Joshua Angrist and Jörn-Steffen Pischke (2015) Mastering 'Metrics: The Path from cause to effect

Franses, P.H. and Paap, R. (2007) Quantitative Methods for Marketing Research

Per gli studenti che hanno seguito corsi di econometria in precedenza e dispongono già di un libro di testo che tratta gli argomenti in programma: per favore contattare il docente prima di acquistare libri di testo.

Il docente userà materiale estratto da questi volumi di riferimento ma non seguirà strettamente uno specifico testo.

 

Metodi didattici

Le lezioni riguarderanno la presentazione di argomenti teorici ed applicati relativi ai vari strumenti econometrici. Le applicazioni saranno illustrate in aula e successivamente riprese nelle lezioni pratiche utilizzando  STATA (in caso sia disponibile licenza CAMPUS) o equivalente software econometrico disponibile gratuitamente (come ad esempio GRETL).

Tutor didattico: in corso di definizione (selezioni in corso)

Modalità di verifica e valutazione dell'apprendimento

 ESAME SCRITTO 

L'esame scritto prevederà domande di natura teorica e pratica, a scelta multipla o domande aperte. L'esame scritto prevederà di essere in grado di commentare i risultati dell'output di STATA e fare elaborazioni su di essi (ad esempio calcolare intervalli di confidenza, effetti marginali, test statistici, valore critico e p-value relativi a test statistici). L'esame scritto si sosterrà in laboratorio informatico se il numero di iscritti lo consentirà. Sarà prevista una simulazione d'esame in aula alla fine del corso.

Secondo le indicazioni del consiglio della scuola di Economia e Management, le indicazioni sulla graduazione del voto dell'esame scritto sono riportate qui sotto

• <18 insufficiente

• 18-23 sufficiente

• 24-27 buono

• 28-30 ottimo

• 30 e lode eccellente

PER GLI STUDENTI FREQUENTANTI:

Sarà possibile concordare con il docente la consegna di un PROGETTO (TAKE-HOME) IN GRUPPO che contribuirà alla valutazione finale utilizzando strumenti della regressione lineare multipla. I tempi per la consegna saranno indicati all'inizio del corso ed indicativamente la consegna sarà prevista 15 giorni prima della fine del corso.

L' elaborato scritto da presentare sarà costituito di massimo 3 facciate (incluse la lista dei riferimenti bibliografici e le informazioni sull'output).

Le caratteristiche e la struttura del progetto finale è definita dal docente come sotto. 

1. Motivazione

Il gruppo di lavoro deve definire l'obiettivo dell'analisi empirica (massimo 200 parole). Il gruppo di lavoro può essere composto da massimo 4 persone e minimo 2 persone.

2. Descrizione dati e congruenza con l'obiettivo dell'analisi empirica

Il gruppo di lavoro deve scrivere un paragrafo che: a) chiarisca la fonte dei dati utilizzati; b) chiarisca le caratteristiche dei dati utilizzati (sezionali vs longitudinali, survey vs censimento, etc) e l'adeguatezza degli stessi all'obiettivo dell'analisi

3. Esplorazione dei dati: analisi descrittive e documentazione relativa alla pulizia dati effettuata (eliminazione outliers, armonizzazione dati da diverse fonti)

4. Impostare, stimare e valutare modelli adatti a rispondere alla domanda. Tutti i gruppi sono invitati ad utilizzare modelli di regressione lineare multipla. In questa sezione gli studenti devono dare prova di saper utilizzare in modo appropriato adeguati strumenti diagnostici (test per la verifica di ipotesi, opportunamente definite; indici di bontà di adattamento e/o indicatori di capacità previsiva)

5. Conclusione sezione riservata alla discussione critica dei risultati.

Altre informazioni utili p 

A. Dati

I gruppi di lavoro devono reperire dati per il proprio progetto. I dati devono consentire l'esplorazione e l'analisi empirica e devono essere adeguati all'obiettivo del progetto. Non devono necessariamente essere data base molto grandi. I dati dovranno essere condivisi al momento della consegna dell'elaborato.

La fonte dei dati deve essere sempre chiaramente indicata: non verranno ammessi progetti che non rispettano questa caratteristica.

Alcuni repository di dati e/o motori di ricerca dati potenzialmente interessanti sono

Motore di ricerca data set di Google: https://datasetsearch.research.google.com/

Motore di ricerca:  Data Portals [http://dataportals.org/]

Motore di ricerca: http://opendatamonitor.eu/

Archivio: Kaggle [https://www.kaggle.com/]

Archivio: GitHub - awesomedata/awesome-public-datasets: A topic-centric list of HQ open datasets. [https://github.com/awesomedata/awesome-public-datasets]

Dati che alcune riviste mettono a disposizione per replicare i risultati di articoli pubblicati e che potete eventualmente considerare come spunto per le analisi (ad esempio aggiornando i dati e replicando l'analisi su dati più recenti e/o di altri paesi e/o raccogliendo tramite survey dei dati analoghi). Questi repositori forniscono anche esempi di codice.

JOURNAL OF APPLIED ECONOMETRICS DATA ARCHIVE http://qed.econ.queensu.ca/jae/

AMERICAN ECONOMIC JOURNALS; esempi

AMERICAN ECONOMIC JOURNAL:APPLIED ECONOMICS [https://www.aeaweb.org/articles.php?doi=10.1257/app.6.4]

AMERICAN ECONOMIC JOURNAL:ECONOMIC POLICY [https://www.aeaweb.org/articles.php?doi=10.1257/pol.6.3]

B. Codice per replicare l'analisi

Il gruppo di lavoro dovrà condividere il codice utilizzato per le analisi contestualmente alla consegna dell'elaborato e dei dati.

C. Strumenti

c1) I gruppi di lavoro devono essere forniti da un minimo di 2 ed un massimo di 4 studenti. La composizione dei gruppi di lavoro (autogestita dagli studenti) dovrà essere comunicata al docente secondo le scadenze indicate a lezione. 

c2) I gruppi di lavoro dovranno compilare un modulo (fornito dal docente, secondo le scadenze che verranno concordate a lezione) dove si indicano le responsabilità ed attività in cui ciascun membro del gruppo è coinvolto e le scadenze per l'organizzazione delle attività (incluse eventuali riunioni dal vivo o online)

D. Valutazione componente take-home

Previa verifica di fattibilità (a seconda del numero di studenti interessati a questa possibilità), l'elaborato consegnato entro i termini contribuirà per massimo 8 punti su 30.

 

Il corso fa parte di un corso integrato per il quale verrà verbalizzato un unico voto. Il voto finale del corso integrato è rappresentato dalla media aritmetica dei voti dei due moduli del corso integrato. Il voto del modulo di "Modelli Econometrici per le Decisioni Aziendali" contribuirà alla media suddetta solo se pari o superiore a 18. Salvo diversa richiesta inviata tramite e-mail dallo studente, i voti positivi (>= 18) saranno trasmessi. E' possibile rifiutare il voto  una volta.  Successivamente, i voti superiori o pari a 18 verranno trasmessi (anche se il voto del re-take fosse inferiore al voto rifiutato). 

 

Strumenti a supporto della didattica

Lucidi, dispense di materiale didattico per il laboratorio, esercitazioni pratiche condivisi tramite la piattaforma di Ateneo (https://virtuale.unibo.it/)

Le lezioni riguarderanno la presentazione di argomenti teorici ed applicati relativi ai vari strumenti econometrici. Le applicazioni saranno illustrate in aula e successivamente riprese nelle lezioni pratiche STATA (licenza CAMPUS)

Software STATA per lezioni pratiche disponibile agli studenti iscritti a corsi del Dipartimento di Scienze Economiche (tramite licenza CAMPUS) e in laboratorio informatico.

 

Verranno utilizzati strumenti di autovalutazione tramite la piattaforma mcEmpirics [https://www.mcempirics.com/], qualora fosse disponibile licenza che autorizzi accesso gratuito agli studenti.

Orario di ricevimento

Consulta il sito web di Margherita Fort