CODICE CORSO: I-EF11 LINGUA:

Econometria dei Dati Panel con Applicazioni all’Economia e alla Finanza – Corso Avanzato

Il corso offre ai partecipanti l’opportunità di acquisire la strumentazione teorica ed applicata necessaria per svolgere autonomamente analisi empiriche con le tecniche panel più recenti e avanzate. Il corso si concentra sui panel dinamici, l’utilizzo dei quali si è diffuso per la loro capacità di tener conto degli effetti di breve e di lungo periodo e dell’eterogeneità latente tra diversi individui. Utilizzando una serie di esempi illustrativi, il docente offre una panoramica, sia teorica sia applicata, della stima con variabili strumentali e GMM (Generalized Method of Moments), due importanti classi di stimatori per modelli dinamici lineari con dati panel. Successivamente si affrontano questioni più recenti nell’analisi dei dati panel, quali la stima degli errori standard in presenza di correlazione seriale e le tecniche di più recente sviluppo per il calcolo delle matrici di varianza e covarianza degli stimatori. Il corso si conclude con cenni ai modelli di dati panel non-lineari e ai modelli utilizzati per l’analisi di fenomeni le cui osservazioni possono assumere valori all’interno di intervalli specifici, quali decisioni di investimento o la decisione  del numero di ore lavorative.

Il corso si articola in cinque sessioni. La prima sessione di fondamenti si concentrerà dapprima sui principi per un utilizzo “professionale” del software, come richiesto dai metodi e dagli argomenti trattati dal corso; si passerà poi ad una breve rassegna dei principali modelli lineari statici; per finire con una introduzione ai modelli lineari dinamici, il cui studio costituirà la parte preponderante del corso.

 

Considerate queste due semplici constatazioni:

Spesso nei mercati emergono rigidità che in varie forme implicano un adeguamento non immediato dei comportamenti – in termini di prezzi, retribuzioni, risorse, formazione delle aspettative – al mutare dello scenario economico;

I soggetti economici – siano questi economie nazionali, settori di attività, imprese, famiglie – sono differenti tra di loro e spesso lo sono anche per caratteristiche non osservate.

 

Ebbene, è oramai opinione largamente diffusa tra economisti ed operatori di mercato in genere che il riuscire a considerare insieme questi due aspetti sia cruciale per la comprensione dell’andamento delle variabili economiche nel lungo periodo. E questo spiega il crescente successo dei modelli panel dinamici, in grado proprio di trattare congiuntamente aggiustamento di breve periodo, dinamica di lungo periodo ed eterogeneità non osservata. Obiettivo della seconda sessione sarà quindi lo studio e l’applicazione di una prima importante classe di stimatori per modelli dinamici lineari con dati panel: variabili strumentali (IV) e metodo generalizzato dei momenti (GMM). L’operato degli stimatori sarà messo alla prova replicando la stessa applicazione di Arellano e Bond (1991) alla stima di una employment equation su microdati di impresa. Il numero limitato di osservazioni cross-section utilizzabili tipicamente nei dati macroeconomici, ma anche nei dati micro in presenza di una popolazione d’interesse fortemente stratificata, ha portato di recente ad un rapido sviluppo delle tecniche di correzione della distorsione per piccoli campioni degli stimatori Within e di massima verosimiglianza in ambito di panel dinamici. Su queste tecniche lavoreremo nella terza sessione, con un’applicazione alla stima della domanda di lavoro su dati settoriali di paesi OCSE. La presenza di correlazione, nel tempo e cross-section, negli errori delle regressioni con dati panel finanziari ha reso necessario un affinamento degli strumenti di inferenza statistica ed in particolare della stima degli standard error. Nella quarta sessione ci concentreremo quindi sulle tecniche di stima, tradizionali e più recenti, della matrice di varianza-covarianza degli stimatori panel, con applicazioni a dati finanziari in ambito di regressioni asset-pricing e di finanza aziendale. Molto spesso in economia e finanza i fenomeni d’interesse hanno natura qualitativa, con una variabile dipendente di tipo binario. Si pensi per esempio alla decisione di una impresa se effettuare un investimento in un dato macchinario, o alla decisione di una famiglia se stipulare un mutuo, ecc. In altre situazioni la variabile dipendente ancorché continua, può assumere valori solo all’interno di un dato intervallo, come nel caso dell’offerta di ore di lavoro per il singolo lavoratore, che è sempre non negativa e può assumere valore zero. I modelli più appropriati in tutti questi casi ricadono all’interno della categoria dei modelli non-lineari nei parametri, in cui la presenza di eterogeneità individuale pone delicati problemi di stima. Un’introduzione a queste importanti tematiche è offerta nella quinta sessione.

 

MATERIALI: I materiali del corso includono i lucidi con la parte teorica, i do-file e le banche dati per l’implementazione di tutte le applicazioni empiriche. Questo consentirà ad ogni partecipante di esercitarsi sui contenuti del corso, eseguendo autonomamente i file distribuiti.

Il corso è di interesse per ricercatori e analisti che hanno la necessità di  effettuare analisi empiriche avanzate utilizzando i dati panel dinamici.

Una buona conoscenza degli argomenti trattati nel corso introduttivo “Analisi Econometrica dei Dati Panel in Stata”. Inoltre, è consigliata una buona conoscenza del software Stata.

SESSIONE I: Fondamenti

Il software: verso un utilizzo ottimale delle risorse di Stata

Dofile e adofile

Cenni di programmazione in Stata

User-written programs: ricerca, download e utilizzo

I principali modelli statici lineari per dati panel

Modelli a effetti fissi e random

Modelli con esplicative endogene

Introduzione ai modelli dinamici lineari per dati panel

Identificazione

Semi-inconsistenza dello stimatore Within

Analisi Monte Carlo

Metodi tradizionali per il trattamento delle condizioni iniziali

Il metodo di McLeod e Hipel per il trattamento delle condizioni iniziali

 

SESSIONE II: Stima e inferenza nei modelli dinamici lineari per dati panel: stimatori IV e GMM

Stima

Stimatori a variabili strumentali

Stimatori GMM

Lo stimatore GMM: introduzione generale

Lo stimatore GMM in differenze prime di Arellano e Bond

Il contributo informativo delle ipotesi sulle condizioni iniziali: lo stimatore System GMM

Inferenza

Test sulla validità delle restrizioni di sovra-identificazione negli stimatori GMM:

Risultati asintotici

Esperimenti Monte Carlo su campioni finiti (Bowsher, 2002).

La correzione di Windmeijer (2005) per la stima degli standard error negli stimatori GMM a due stadi

Applicazioni empiriche su dati reali

Stima di una employment equation su microdati d’impresa

 

SESSIONE III: Stima e inferenza nei modelli dinamici lineari per dati panel: Stimatori LSDV Corretti per il BIAS

Stima

La correzione di Kiviet basata sulla stima di approssimazioni asintotiche della distorsione

Affinamenti delle approssimazioni: Kiviet (1999), Bun & Kiviet (2003)

Approssimazioni asintotiche della distorsione nel caso di regressori predeterminati: Bun & Kiviet (2005)

Estensioni della procedura di correzione a panel sbilanciati nei vari casi: Bruno (2005a), (2005b) e (2006)

Inferenza

Stima asintotica della matrice di varianza-covarianza degli stimatori corretti

Stima bootstrap della matrice di varianza-covarianza degli stimatori corretti

Risultati Monte Carlo sulla performance relativa degli stimatori GMM e Within corretti

Applicazioni empiriche su dati reali

La stima della domanda di lavoro su dati settoriali di Paesi OCSE

 

SESSIONE IV: La stima degli standard error nei dati panel economici e finanziari

I metodi di stima degli SE utilizzati nelle applicazioni panel di Finanza

OLS

Fama-MacBeth

White

Rogers

Newey-West

Bootstrap standard errors

Risultati Monte Carlo sulle performance relative dei vari metodi

Il risultato di Stock and Watson (2008) sull’inconsistenza della correzione per sola eteroschedasticità in modelli con effetti individuali

Applicazioni empiriche su dati reali e simulati

 

SESSIONE V: Modelli panel multidimensionali (MULTI-WAY)

Il modello Error components multidimensionale

Modelli nested

Modelli non-nested

 Stimatori GLS e Feasible GLS

Algoritmi per il calcolo della matrice inversa della var-cov dell’errore composito in modelli nested and non-nested sbilanciati

Stimatori non distorti e/o consistenti per le componenti della varianza

Tests di specificazione

Risultati Monte Carlo

Non sono inserite date in programma per l’anno in corso.

In caso di interesse sulle prossime edizioni, contattare la segreteria organizzativa scrivendo a formazione@tstat.it

La quota di iscrizione è di Euro 1315,00 + IVA 22%.

 

L’aliquota IVA non sarà applicata per Enti Pubblici soggetti ad esenzione IVA a norma dell’art. 14 c. 10 della L. 537/93 per la partecipazione a corsi di formazione dei propri dipendenti. In caso contrario sarà necessario comunicare se l’ente è soggetto al regime dello “SPLIT PAYMENT” con IVA esposta di cui all’articolo 17-ter DPR 633/1972.

 

SCONTO PER GRUPPI: In caso di più iscritti provenienti da una stessa azienda o istituzione, verrà applicato uno sconto del 15% sulla quota di iscrizione al secondo iscritto e del 20% dal terzo iscritto in poi.

 

PACCHETTI FORMATIVI TSTAT: chi si iscrive a più di un corso nell’arco di un anno solare può usufruire di uno sconto sul prezzo di listino di ciascun corso addizionale (sconto del 10% su corsi di una giornata, 15% da due giornate in su).

 

STUDENTI: Gli studenti residenti in Italia devono presentare copia del libretto universitario o un certificato di iscrizione (in carta semplice) all’Università. (Gli studenti di master e dottorandi possono usufruire di uno sconto del 40% sul prezzo standard accademico).

 

La quota di iscrizione include il pranzo, il materiale didattico e una licenza temporanea del software Stata. Gli sconti sopra descritti non sono cumulabili tra loro. La partecipazione al corso dà inoltre diritto ad uno sconto sull’acquisto di una nuova licenza per singolo utente del software Stata (ad esclusione della versione GradPlan) e sull’acquisto di testi in Catalogo editi Stata Press.


L’iscrizione al corso dovrà avvenire tramite lo specifico modulo di registrazione e pervenire a TStat S.r.l. almeno 15 giorni prima dell’inizio del corso stesso. E’ possibile richiedere il modulo di registrazione compilando il seguente form oppure inviando una mail a formazione@tstat.it


NOME*


EMAIL*


OGGETTO


IL TUO MESSAGGIO


Termini e condizioni*
Autorizzo il trattamento dei dati personali ai sensi dell'articolo 13 del D.lgs. n.196/2003 - Testo completo



Il corso offre ai partecipanti l’opportunità di acquisire la strumentazione teorica ed applicata necessaria per svolgere autonomamente analisi empiriche con le tecniche panel più recenti e avanzate.