92816 - ANALYSIS OF PANEL DATA: METHODS AND APPLICATIONS

Anno Accademico 2023/2024

  • Docente: Maria Elena Bontempi
  • Crediti formativi: 5
  • SSD: SECS-P/05
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea Magistrale in Economia e politica economica (cod. 8420)

Conoscenze e abilità da conseguire

The lectures aim to provide an overview, both methodological and applied, of the econometric models for panel data. In a panel dataset we have at least two dimensions of the observations: classically we can have time-series cross-sectional data (CSTS); recently we talk about multilevel data (for example, companies within industries within regions within countries, observed over time). Models can be both static and dynamic. At the beginning of the course, to ease the comprehension and to introduce important topics, some introductory econometrics will be revised. At the end of the course, students are expected to be able to: (1) understand, estimate and interpret the main models for panel data; (2) use an econometric software and conduct their own research; (3) critically evaluate some applications of panel data presented in the empirical literature.

Contenuti

Il programma si articola nei seguenti punti:

1. Introduzione ai dati di panel; longitudinal data, cross-section time-series data, multilevel data.
2. Il fondamentale ruolo dell'eterogeneita': come considerarla.
3. Modelli per panel statici: due o più livelli, struttura a componenti dell'errore; effetti fissi ed effetti random; test di Hausman robusto.
4. Mixed and hierarchical models.
5. Introduzione ai modelli dinamici nei dati di panel.

Testi/Bibliografia

Il materiale, composto da articoli, note teoriche ed applicate, programmi e dati per procedere con analisi preliminari e stima di modelli empirici, sarà distribuito nel corso delle lezioni e sarà reso disponibile sulla piattaforma Virtuale.

Si consiglia agli studenti di consultare i seguenti testi (l'ordine riflette il grado di difficolta'):
Wooldridge J.M. 2020 Introductory Econometrics. A Modern Approach, Cengage, 7th Edition, Ch. 13-14;
Verbeek M. 2017 A guide to Modern Econometrics, Wiley, 5th Edition, Ch. 10.
Chi ne avesse necessita', potrebbe preliminarmente rivedere le tematiche di base, nei capitoli 1, 2, 3 e 4 del Verbeek.

Metodi didattici

Le metodologie presentate in classe dal punto di vista teorico verranno accompagnate da applicazioni pratiche tramite utilizzo di software econometrico (Stata, disponibile agli studenti grazie alla licenza CAMPUS utilizzabile con le proprie credenziali istituzionali).
Al termine del corso, gli studenti dovrebbero essere in grado di comprendere i principali articoli di base sui dati di panel, sapere modellare empiricamente una propria analisi di interesse e scegliere criticamente i metodi di stima più appropriati: modelli statici e dinamici, POLS, FE, RE, CRE, GMM. 

Modalità di verifica e valutazione dell'apprendimento

Durante il corso verranno assegnati alcuni compiti a casa. Questi "esercizi" hanno lo scopo di rafforzare i concetti visti in classe, di replicare le analisi empiriche svolte insieme sui dati e di familiarizzare gli studenti con il software. Gli studenti sono incoraggiati a lavorare insieme sui compiti (sono ammessi gruppi di massimo 4 partecipanti). Ogni compito consegnato entro la scadenza offrirà una valutazione aggiuntiva. L'esame finale, obbligatorio, prevede la presentazione e la discussione in classe di un'analisi empirica su un tema di ricerca fornito dal docente.

Gli studenti non frequentanti dovranno sostenere un esame scritto su temi teorici e applicati, con domande aperte volte a valutare la loro capacità di comprendere le specifiche dei modelli e i risultati stimati, e di valutare i punti di forza e di debolezza di metodi di stima alternativi.

La registrazione su Almaesami è obbligatoria per l'esame finale.

Valutazione dei compiti a casa e in classe:
3/28-30L: gli elaborati rivelano una conoscenza competente ed esaustiva dell'argomento e un'ottima capacità di comprensione e di esecuzione analitica.
2/24-27: dagli elaborati emerge un apprezzabile grado di conoscenza dell'argomento e una buona capacità di comprensione ed esecuzione analitica.
1/18-23: gli elaborati sono disordinati, con imprecisioni teoriche e metodologiche.
0/<18: elaborati sbagliati o non consegnati.

Strumenti a supporto della didattica

Le lezioni di introduzione agli aspetti teorici sono associate a sessioni di analisi empirica svolte al computer (gli studenti possono portare il proprio laptop). Durante le sessioni applicate, gli studenti riceveranno i dati, i programmi ed i suggerimenti necessari per svolgere le proprie analisi. Tutto il materiale distribuito durante le lezioni (articoli, note, programmi e dati) saranno resi disponibili sulla piattaforma Virtuale. 

STATA software HERE


Orario di ricevimento

Consulta il sito web di Maria Elena Bontempi

SDGs

Sconfiggere la povertà Istruzione di qualità Parità di genere Partnership per gli obiettivi

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.