CODICE CORSO: I-WS23 LINGUA:

Microeconometria con Stata

Il Workshop Microeconometria con Stata offre ai partecipanti un’introduzione esaustiva alle principale metodologie utilizzate nell’analisi dei dati microeconomici.

 

Il Workshop approfondisce, sia dal punto di vista teorico, sia da quello applicato, le seguenti metodologie: modelli con variabili strumentali, minimi quadrati nonlineari, modelli con variabili dipendenti binarie, modelli multinomiali, modelli Tobit e modelli di selezione, modelli di count data. Benché il titolo del corso faccia specificamente riferimento alla microeconometria, le tecniche illustrate sono utilizzate in tutte le scienze sociali, nonché in biostatistica ed epidemiologia.

 

In linea con la nostra filosofia di formazione, le sessioni teoriche sono affiancate da illustrazioni pratiche ed esempi provenienti da diverse discipline sia sociali che biomediche, in cui il docente chiarisce le limitazioni e i punti di forza di ogni metodologia, nonchè i criteri per la scelta e l’implementazione dello strumento di analisi statistica più appropriato per il problema oggetto di studio.

Il Workshop è rivolto a ricercatori e analisti provenienti da biostatistica, economia, epidemiologia, finanza, psicologia, scienze politiche, sociologia che vogliano acquisire le competenze statistiche per effettuare analisi empiriche autonomamente su micro dati.

Conoscenza di base di econometria/statistica e del Software Stata.

SESSIONE I: NOZIONI PRELIMINARI

Stata 15 – Cenni
Modelli lineari e non-lineari in Econometria
Stimatori e test di specificazione per modelli lineari in presenza di variabili endogene: Stimatori IV e GMM (ivregress, ivreg2, gmm, treatreg)
Stimatori e test di specificazione per modelli non-lineari
Stima e interpretazione degli effetti marginali con margins

 

SESSION II: COUNT MODELS

Stimatori per modelli count in Stata: Il modello Poisson

Minimi quadrati non-lineari in Stata (nl), GMM (gmm), Maximum likelihood (poisson)
Regressori endogeni (gmm and ivpoisson)

Stima e test con overdispersion: regressione negative binomial: (nbreg, gnbreg)

 

SESSION III: MODELLI A VARIABILE DIPENDENTE DISCRETA

Modelli Univariati

Stimatori per modelli lineari a variabile dipendente binaria in Stata: Probit e Logit (regress, probit, logit)
Stimatori per modelli con categorie ordinate: (oprobit, ologit)

Modelli multivariati

modelli Probit bivariati e multivariati (biprobit, mvprobit, cmp)
modelli multinomiali

Eterogeneità individuale latente non correlata nei modelli Probit

Stima di average partial effects (APE)

Modelli Probit con regressori endogeni

L’approccio control function (CF) in presenza di regressori endogeni continui: stima e test
Stimatori bootstrap degli standard errors nell’approccio CF
Stima di massima verosimiglianza in presenza di regressori endogeni continui (ivprobit)
Lo stimatore probit multivariato recursivo come soluzione al problema dei regressori endogeni binari (biprobit, mvprobit, cmp)

 

SESSION IV: MODELLI PANEL PROBIT E LOGIT

Il problema dell’incidental parameter nei modelli nonlineari con eterogeneità individuale latente correlata
I modelli Panel Logit e Probit con eterogeneità individuale latente correlata

Modelli con eterogeneità individuale latente non correlata: modelli random effect (xtlogit, xtprobit)
Modelli con eterogeneità individuale latente correlata: modelli con effetti fissi
L’approccio Chamberlain-Mundlak ai modelli Probit
Il modello Logit con effetti fissi: (xtlogit)

 

SESSION V: MODELLI A VARIABILE DIPENDENTE CENSURATA E DI SAMPLE SELECTION

Stimatori per modelli a variabile dipendente censurata in Stata
Modelli Tobit: ML e Two-step Least Squares (tobit)
L’approccio CF in presenza di regressori endogeni continui: stima e test
Stima di massima verosimiglianza dei modelli Tobit con regressori endogeni: (ivtobit)
I modelli panel-data Tobit con eterogenità latente
Stimatori per modelli di Sample selection

Test e correzioni a la Heckman per i modelli lineari
Test e correzioni per modelli panel lineari
Problemi di attrition nei modelli panel: inverse probability weighting (IPW)
Stimatori Bootstrap degli standard errors con IPW

Il workshop è previsto a Milano il 9-10-11 Ottobre 2017, dalle 9.00 alle 17.30.

 

SEDE DI SVOLGIMENTO: NH Hotel Machiavelli ♦ Via del Lazzaretto, 5 ♦ 20124 Milano

 

La partecipazione al workshop è soggetta al pagamento della seguente quota di iscrizione:

 

Studenti*: € 788,00

Università: € 1314,00

Governo / No-Profit: € 1478,00

Commerciale: € 1643,00

 

*Per usufruire dello status “studente” è necessario presentare copia del libretto universitario o un certificato di iscrizione (in carta semplice) all’Università ed essere studenti a tempo pieno.

 

I prezzi si intendono IVA 22% esclusa. L’aliquota IVA non sarà applicata per Enti Pubblici soggetti ad esenzione a norma dell’art. 14 c. 10 della L. 537/93 per la partecipazione a corsi di formazione dei propri dipendenti.

 

La quota di iscrizione include il pranzo, il materiale didattico e una licenza temporanea del software Stata (valida 30 giorni dalla data di inizio corso).

 

La partecipazione al workshop da 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.

 

SCADENZA ISCRIZIONE: 25.09.2017.

Lo svolgimento è condizionato dal raggiungimento di un numero minimo di 8 partecipanti ed un numero massimo di 15.


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 Workshop Microeconometria con Stata offre ai partecipanti un’introduzione esaustiva alle principale metodologie utilizzate nell’analisi dei dati microeconomici.