DOMENICA 4 GIUGNO 2017
MODULO A: INTRODUZIONE A STATA
L’obiettivo del corso è quello di fornire all’utente le nozioni introduttive che consentono di lavorare autonomamente in Stata oltre a una panoramica completa delle funzioni di base, che sono illustrate attraverso una miscela di esempi concreti.
SESSIONE I: INTRODUZIONE A STATA
Organizzazione dei files di Stata: pwd, cd, mkdir
Interfaccia utente: le finestre di Stata
I file di Stata – tipi ed estensioni
Il lavoro interattivo
Organizzazione del lavoro in Stata
Help
Web resources in Stata – caricare updates e nuovi comandi tramite internet
Come interrompere un’esecuzione in Stata
Caricamento di banche dati in formato Stata
La sintassi di Stata
Il file log
L’uso dei commenti in Stata
SESSIONE II: ELEMENTI FONDAMENTALI DI STATA
Visione di sintesi dei dati: describe, summarize, table
Tipi di variabili
Il prefisso by
Etichette di valore (Value Labels)
Altri tipi di etichette
Visualizzazione dei dati – diverse modalità
Come creare, eliminare e trasformare dati
Il comando count
Il comando sort
Il comando assert
Il comando foreach
Le variabili di tipo categorico
Come lavorare con valori mancanti
SESSIONE III: IL FILE “DO” – UN PRIMO SGUARDO
SESSIONE IV: COME CARICARE I DATI IN STATA
Importare ed esportare banche dati ASCII create da spreadsheet: insheet – outsheet
Accenno al comando infile
Visualizzazione dei dati: edit, browse, list, describe, codebook
Caricamento di dati in formato string
Trattamento di numeri interi di grande dimensione
Il software Stat/Transfer
SESSIONE V: GESTIONE DEI DATI – FUSIONE DI BANCHE DATI
Il comando append
L’importanza delle banche dati master e using
Unione Match
Unione assicurandosi che gli elementi siano unici
Errori di unione
Updates
I dati in formato wide invece di long
SESSIONE VI: GRAFICI
Aspetti di base del comando graph (matrix, box, bar, pie, twoway)
Personalizzazione di un grafico
DA LUNEDÌ 5 A VENERDÌ 9 GIUGNO 2017
MODULO B: INTRODUZIONE ALLA MICROECONOMETRIA
SESSIONE I: ANALISI DI REGRESSIONE LINEARE IN STATA
Un semplice esempio
Un primo esame dei dati
Ottenere le “predizioni”
Regressione multipla e interpretazione dei coefficienti
Tipologie di coefficienti standardizzati
Testare ipotesi lineari sui coefficienti
SESSIONE II: I TEST
Identificazione e trattamento di dati anomali ed influenti
Verifica e trattamento della multicollinearità
Verifica della normalità dei residui
Controllo e trattamento dell’omoschedasticità dei residui
Verifica della linearità
Test di corretta specificazione del modello
Test di autocorrelazione dei residui (cenni)
Predizioni marginali
SESSIONE III: STIMATORI IV PER MODELLI LINEARI
Stimatori IV in Stata: ivregress, ivreg2
Stimatore IV nel caso esattamente identificato
Stimatori per il caso sovra identificato: 2SLS e GMM
Stimatori per modelli con regressori binari endogeni: treatreg
Limited Information Maximum Likelihood: LIML
Stimatore per sistemi di equazioni simultanee: 3SLS
Test di validità delle restrizioni di sovra-identificazione, test di rilevanza degli strumenti (weak instruments)
SESSIONE IV: MODELLI A VARIABILE DIPENDENTE BINARIA E CATEGORICA
Stimatori per modelli a variabile dipendente binaria in Stata: probit, logit, hetprob, ivprobit, regress
Test di specificazione e test delle ipotesi
Stima degli effetti marginali
Stimatore probit con eteroschedasticità: hetprob
Modelli binari con regressori endogeni: ivprobit
Stimatori per modelli multinomial logit: mlogit, clogit, asclogit, nlogit
Stimatori per modelli con categorie ordinate: oprobit, ologit.
SESSIONE V: I FONDAMENTI, GESTIONE E ANALISI ECONOMETRICA DEI DATI PANEL
Cenni preliminari:
Stata
Il modello classico di regressione lineare multivariata
Data-set in formato panel:
Gestione dei dati
Gli operatori Time Series in Stata
Benefici dei dati panel per l’analisi econometria
SESSIONE VI: MODELLI STATISTICI PER DATI PANEL
Il modello di regressione ad effetti “fissi”
Un metodo di stima semplice: lo stimatore in differenze prime (FD).
Stimatori più “precisi” nel caso di errori idiosincratici, white-noise: lo stimatore Least Squares dummy variable (LSDV) e lo stimatore Within. Equivalenza tra gli stimatori Within e LSDV.
Ma se l’errore idiosincratico è persistente?
Allora FD è più preciso di LSDV
Una trasformazione utile nei modelli panel: Forward Orthogonal Deviations (FOD)
Cautele da seguire per l’implementazione in Stata: significato della costante nella stima FD; significato alla costante nella stima LSDV; correzione degli standard errors nella stima Within
Eterogenità individuale: Test di significatività congiunta degli effetti fissi
Il modello di regressione ad effetti “random”
Stimatore Pooled Ordinary Least Squares (POLS)
Stimatore Within
Stimatore Between
Stimatore Generalised Least Squares (GLS)
Stimatore Feasible Generalised Least Squares (FGLS)
Eterogeneità individuale: test di Breusch e Pagan
Effetti “fissi” o effetti “random”?
Test di Hausman
Un test robusto per eteroschedasticità e autocorrelazione: l’approccio della regressione ausiliaria a la Mundlak
SESSIONE VII: APPROFONDIMENTI
Test di autocorrelazione
Test di eteroschedasticità
Correzione degli standard errors per autocorrelazione e eteroschedasticità
La correzione di White per autocorrelazione ed eteroschedasticità suggerita da Arellano
Il risultato di Stock & Watson sulla inconsistenza della correzione di White per sola eteroschedasticità nei modelli con effetti individuali
Sbilanciamento nei dati
Modelli per dati multi-level
La critica di Moulton ai modelli che non specificano adeguatamente le componenti dell’errore con dati multi-level
Stimatori GLS per modelli con componenti multiple dell’errore
Test di specificazione
Modelli con variabili esplicative predeterminate e endogene
Stimatori LSDV e Random effects a variabili strumentali
Stimatore di Hausman-Taylor
Stimatore FD a variabili strumentali
Stimatore FOD a variabili strumentali
Cenni di stima per i modelli dinamici
Analisi di corretta specificazione: test di validità e rilevanza degli strumenti, test di autocorrelazione
Considerazioni sugli sviluppi futuri