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

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. 

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.

 

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 il corso nell'anno accademico 2020-2021: per favore contattare il docente prima di acquistare libri di 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: dott. Giovanni Righetto

Modalità di verifica e valutazione dell'apprendimento

Progetto finale e discussione.

Dovrà essere presentato un elaborato scritto di massimo 5 facciate (incluse la lista dei riferimenti bibliografici e le informazioni sull'output). L'elaborato dovrà essere consegnato almeno 10 giorni lavorativi prima della discussione. Durante la discussione orale potranno essere fatte domande di approfondimento di tipo metodologico e applicato (ossia sia dimostrazioni e definizioni della teoria, sia richieste di analisi aggiuntivi)

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)

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 e, ove opportuno e possibile, anche modelli logit e probit. Se una delle due classi di modelli non è utilizzabile per l'analisi empirica, va data giustificazione nell'elaborato nella sezione sulla scelta degli strumenti per l'analisi empirica. 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

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)

c3) Tutti i gruppi sono invitati ad utilizzare modelli di regressione lineare multipla e, ove opportuno e possibile, anche modelli logit e probit. Se una delle due classi di modelli non è utilizzabile per l'analisi empirica, va data giustificazione nell'elaborato nella sezione sulla scelta degli strumenti per l'analisi empirica. 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)

D. Valutazione

La valutazione finale del progetto terrà conto della difficoltà posta dalla pulizia e dalla preparazione dei dati, dell'originalità del progetto, della congruenza tra motivazione e dati.

La valutazione finale del progetto pondererà la valutazione del progetto e la discussione orale.

Secondo le indicazioni del consiglio della scuola di Economia e Management, le indicazioni sulla graduazione del voto sono riportate.

• <18 insufficiente

• 18-23 sufficiente

• 24-27 buono

• 28-30 ottimo

• 30 e lode eccellente

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.

 

Strumenti a supporto della didattica

Lucidi, dispense di materiale didattico per il laboratorio, esercitazioni pratiche condivisi tramite la piattaforma di Ateneo (https://elearning-cds.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 (in caso sia disponibile licenza CAMPUS) o equivalente software econometrico disponibile gratuitamente (come ad esempio GRETL).

Software GRETL per lezioni pratiche disponibile gratuitamente via web:http://gretl.sourceforge.net/

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

Orario di ricevimento

Consulta il sito web di Margherita Fort