Ateneo - UPO

Il corso coprirà i seguneti argomenti:

- introduction to Econometrics
- survey design;
- ordinary least square models
- binary choice models and models for categorical data;
- anchoring vignettes and hierarchical models;
- count data regression;
- models and methods for panel data
- instrumental variable estimation

Colin Cameron, Pravin Trivedi, Microeconometrics using STATA, STATA Press, 2009.

Jeffrey M. Wooldridge, Introductory Econometrics: A Modern Approach (5th Edition), Cengage Learning, 2012.

Andrew M. Jones, Nigel Rice, Teresa Bago d'Uva, Silvia Balia; Applied Health Economics (2nd Edition); Taylor & Francis Ltd, 2012.

Il corso offrirà agli studenti/esse la comprensione delle più rilevanti tecniche micro-econometriche.
L'enfasi del corso è sulle applicazioni empiriche e sull'illustrazione dell'uso di rilevanti software informatici (STATA)

Statistica (calcolo delle probabilità e statistica inferenziale)

Il corso è "computer based". Le metodologie rilevanti sono presentate a fianco dei codici di STATA ed i risultati empirici sono discussi nelle lezioni.

Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studentidisabili-e-dsa Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle modalità di esame, in merito agli aspetti didattici.

Tesina scritta da svolgere a casa

Alla fine del corso, i partecipanti dovrebbero essere in grado di:
-formulare problemi empirici che implicano l'utilizzo di microdati
- selezionare i metodi econometrici appropriati
- comprendere i metodi di stima ed essere abili ad implementarli usando i software apprppriati
- costruire dataset utilizzabili e conoscere le limitazioni dei dati
- interpretare i risultati delle analisi