CODICE CORSO: I-WS23/4 LINGUA:

Analisi dei Micro Dati in Stata

Il corso Analisi dei Micro Dati in Stata offre ai partecipanti un’introduzione esaustiva alle principali metodologie utilizzate nell’analisi dei dati microeconomici. Il corso approfondisce, sia dal punto di vista teorico, sia da quello applicato, le seguenti metodologie: modelli lineari, modelli Count, modelli a variabile dipendente binaria, modelli multinomiali, modelli Tobit e Interval Regression, modelli con variabili di treatment e modelli con Sample Selection. Inoltre, verrà illustrato l’approccio Control Function per la stima di modelli non-lineari con variabili continue endogene. Si esamineranno infine i più recenti comandi di Stata per Extended Regression Models (ERM), che implementano stimatori Maximum Likelihood in grado di trattare simultaneamente Sample Selection ed endogeneità dei regressori e delle variabili di treatment.

 

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, nonché i criteri per la scelta e l’implementazione dello strumento di analisi statistica più appropriato per il problema oggetto di studio. Durante i due moduli, particolare attenzione sarà dedicata anche all’interpretazione e alla presentazione dei risultati. Al termine, i partecipanti saranno in grado di implementare autonomamente le metodologie utilizzate durante il corso nel proprio specifico contesto di ricerca.

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

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

PROGRAMMA MODULO A

 

SESSIONE I: MODELLO LINEARE

Identificazione, stima e test nel modello lineare con regressori esogeni: OLS (regress, estat imtest, estat hettest, estat bgodfrey, actest)
Identificazione, stima e test nel modello lineare con regressori endogeni: stimatori IV, LIML e GMM (ivregress, gmm, ivhettest, actest, estat overid, estat endogenous, estat firststage, weakivtest)

 

SESSIONE 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 e generalized negative binomial (nbreg, gnbreg)
Stima e interpretazione degli effetti marginali con margins

 

SESSIONE III: MODELLI A VARIABILE DIPENDENTE BINARIA

Stimatori per modelli lineari a variabile dipendente binaria in Stata: Probit, Logit e Linear Probability Model (probit, logit, regress)
Probit eteroschedastico e test di eteroschedasticità (hetprobit)
Misure di Goodness of fit e test di specificazione (tabulate, estat classification, estat gof)
Eterogeneità latente non correlata nei modelli probit
Stima degli effetti marginali (margins)
Problemi numerici in probit e logit

 

SESSIONE IV: MODELLI PROBIT CON REGRESSORI ENDOGENI

L’approccio Control Function (CF) in presenza di regressori endogeni continui
Test di esogeneità nell’approccio CF
Stimatori bootstrap degli standard errors nell’approccio CF
Stimatore 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)
Misure di Goodness of fit (tabulate, estat classification, estat correlation)
Stima e interpretazione degli effetti marginali con margins

 

SESSIONE V: MODELLI MULTINOMIALI

Modelli con categorie ordinate: Ordered Probit e Ordered Logit (oprobit e ologit)
Ordered Probit eteroschedastico e test di eteroschedasticità (hetoprobit)
Modelli con categorie non ordinate: Multinomial Logit (mlogit) Multinomial Probit (mprobit)
Modelli con categorie non ordinate e regressori alternative specific (cmclogit, cmcprobit)
Misure di Goodness of fit e test di specificazione
Stima e interpretazione degli effetti marginali con margins

 

SESSIONE VI: TOBIT, INTERVAL REGRESSION E SAMPLE SELECTION

Tobit: ML e Two-step Least Squares (tobit, heckman)
L’approccio CF in presenza di regressori endogeni continui, test di esogeneità e standard error bootstrap
Stimatore di massima verosimiglianza dei modelli Tobit con regressori endogeni: (ivtobit)
Una generalizzazione di Tobit: Interval regression (intreg)
Stimatori per modelli di Sample Selection (heckman)
Stima e interpretazione degli effetti marginali con margins

 

PROGRAMMA MODULO B

 

SESSIONE I: STIMA DI AVERAGE TREATMENT EFFECT

Il framework Potential Outcome
Stimatori Regression-adjustment (regress, teffects ra)
Stimatori Inverse-probability-weighting (teffects ipw)
Stimatori IPW RA (teffects ipwra)
Stimatori Propensity-score-matching (teffects psmatch)
Stimatori per modelli con treatment endogeno (eteffects, etregress, etpoisson)
Stimatori Diff-in-Diff (regress con factor variables, diff)

 

SESSIONE II: MODELLI DI REGRESSIONE ESTESA CON REGRESSORI E TREATMENT ENDOGENI E CON SAMPLE SELECTION

Modelli lineari estesi (eregress)
Modelli probit estesi (eprobit)
Modelli ordered probit estesi (eoprobit)
Modelli interval regression estesi (eintreg)

 

LETTURE CONSIGLIATE

Econometric Analysis of Cross Section and Panel Data, Wooldridge, MIT Press (2010)
Microeconometrics Using Stata, Revised Edition Cameron e Trivedi, StataPress (2010)
Microeconometrics: Methods and Applications, Cameron e Trivedi, Cambridge University Press (2005)

Il corso è previsto a Milano dal 6 al 9 Luglio 2020.

Nello specifico, il Modulo A vedrà coinvolte le giornate dal 6 al 8 Luglio mentre il Modulo B, la giornata del 9 luglio.

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

 

MODULI A+B (4 GIORNI) dal 6 al 9 Luglio 2020
Studenti*: € 1400.00
Università: € 1900.00
Commerciale: € 2500.00

 

MODULO A (3 GIORNI) dal 6 al 8 Luglio 2020
Studenti*: € 1050.00
Università: € 1425.00
Commerciale: € 1875.00

 

MODULO B (1 GIORNO) 9 Luglio 2020
Studenti*: € 350.00
Università: € 475.00
Commerciale: € 625.00

 

*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. Studenti lavoratori dovranno considerare la tariffa riservata alle Università.

 

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 (si consiglia di venire muniti del proprio computer o di chiedere informazioni alla segreteria per l’eventuale noleggio, al momento dell’iscrizione). Dà inoltre diritto ad uno sconto sull’acquisto di una nuova licenza per singolo utente del Software Stata (ad esclusione della versione per Studenti e del programma GradPlan).

 

L’iscrizione al corso dovrà avvenire tramite lo specifico modulo di registrazione e pervenire a TStat S.r.l. entro il 16 Giugno 2020. Lo svolgimento è condizionato dal raggiungimento di un numero minimo di 5 partecipanti ed un numero massimo di 10.

 

 


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*
Ho preso visione della Privacy
Accetto il trattamento dei dati



[recaptcha]


Il corso Analisi dei Micro Dati in Stata offre ai partecipanti un’introduzione esaustiva alle principali metodologie utilizzate nell’analisi dei dati microeconomici. Il corso approfondisce, sia dal punto di vista teorico, sia da quello applicato, le seguenti metodologie: modelli lineari, modelli Count, modelli a variabile dipendente binaria, modelli multinomiali, modelli Tobit e Interval Regression, modelli con variabili di treatment e modelli con Sample Selection. Inoltre, verrà illustrato l’approccio Control Function per la stima di modelli non-lineari con variabili continue endogene. Si esamineranno infine i più recenti comandi di Stata per Extended Regression Models (ERM), che implementano stimatori Maximum Likelihood in grado di trattare simultaneamente Sample Selection ed endogeneità dei regressori e delle variabili di treatment.