ID:
ECO0373
Durata (ore):
45
CFU:
6
SSD:
ECONOMETRIA
Anno:
2026
Dati Generali
Periodo di attività
Primo Semestre (14/09/2026 - 11/12/2026)
Syllabus
Obiettivi Formativi
L'avvento dei computer e di Internet ha portato alla disponibilità di una quantità enorme di dati, in forme e quantità impensabili fino ad alcuni anni fa. Questo fenomeno, a volte chiamato "big data" o "data deluge", sta per realizzare la profezia di H. G. Wells, secondo cui la capacità di "pensare in termini di medie e massimi e minimi" sarà in futuro necessaria "come è ora essere in grado di leggere e scrivere". Questo è vero a fortiori in economia.
Il corso ha l'obiettivo di introdurre lo studente all'econometria, fornendo le conoscenze di base dello studio statistico delle relazioni tra fenomeni economici. Al termine del corso lo studente sarà in grado di:
- Descrivere le origini e la logica del metodo dei minimi quadrati ordinari (OLS) e le sue proprietà statistiche;
- Interpretare i coefficienti di un modello di regressione in termini economici;
- Valutare la bontà di adattamento di un modello e identificare potenziali problemi di specificazione;
- Condurre test di ipotesi e costruire intervalli di confidenza sui parametri stimati;
- Produrre e interpretare previsioni a partire da un modello di regressione.
Il corso ha l'obiettivo di introdurre lo studente all'econometria, fornendo le conoscenze di base dello studio statistico delle relazioni tra fenomeni economici. Al termine del corso lo studente sarà in grado di:
- Descrivere le origini e la logica del metodo dei minimi quadrati ordinari (OLS) e le sue proprietà statistiche;
- Interpretare i coefficienti di un modello di regressione in termini economici;
- Valutare la bontà di adattamento di un modello e identificare potenziali problemi di specificazione;
- Condurre test di ipotesi e costruire intervalli di confidenza sui parametri stimati;
- Produrre e interpretare previsioni a partire da un modello di regressione.
Prerequisiti
Non è richiesto alcun prerequisito.
Metodi didattici
Il corso alterna lezioni teoriche ed esempi
pratici con il software R. Le slide del corso sono
in lingua inglese. Durante le lezioni gli studenti
sono incoraggiati a interagire attivamente con
il docente.
Il 40% delle ore è erogato in presenza. Il restante
60% è erogato a distanza, in modalità sincrona
e/o asincrona tramite le piattaforme e-learning e Microsoft Teams.
Il calendario preciso delle lezioni in presenza e di quelle a distanza sarà comunicato all'inizio
del corso sulla piattaforma e-learning.
pratici con il software R. Le slide del corso sono
in lingua inglese. Durante le lezioni gli studenti
sono incoraggiati a interagire attivamente con
il docente.
Il 40% delle ore è erogato in presenza. Il restante
60% è erogato a distanza, in modalità sincrona
e/o asincrona tramite le piattaforme e-learning e Microsoft Teams.
Il calendario preciso delle lezioni in presenza e di quelle a distanza sarà comunicato all'inizio
del corso sulla piattaforma e-learning.
Verifica Apprendimento
L’esame di basa su una prova scritta, di durata pari a un’ora e mezza, costituita da 8-10 esercizi di difficoltà e punteggi variabili. Alcune domande sono a risposta chiusa, le restanti sono a risposta aperta. Le risposte sbagliate non portano ad una riduzione di punteggio. Durante l'esame, è possibile consultare il materiale didattico stampato. L’esame premia la capacità di ragionare in modo critico e di giustificare la soluzione scelta.
Contenuti
Il corso è organizzato in 4 blocchi tematici per un totale di 45 ore di didattica frontale, con la seguente ripartizione indicativa:
1. Introduzione e storia della regressione (8 ore): esempi di dati economici; origini e sviluppo storico del metodo dei minimi quadrati; probabilità e statistica di base; introduzione alla programmazione in R.
2. OLS come strumento descrittivo (15 ore): il modello di regressione semplice; il modello di regressione multipla; il metodo dei minimi quadrati come strumento geometrico; misure di bontà di adattamento.
3. OLS come strumento statistico (12 ore): proprietà degli stimatori; il teorema di Gauss-Markov; distribuzione degli stimatori OLS.
4. Inferenza statistica (10 ore): intervalli di confidenza; test di ipotesi; previsioni.
Il corso include esempi pratici con il software R, integrati nei blocchi tematici.
1. Introduzione e storia della regressione (8 ore): esempi di dati economici; origini e sviluppo storico del metodo dei minimi quadrati; probabilità e statistica di base; introduzione alla programmazione in R.
2. OLS come strumento descrittivo (15 ore): il modello di regressione semplice; il modello di regressione multipla; il metodo dei minimi quadrati come strumento geometrico; misure di bontà di adattamento.
3. OLS come strumento statistico (12 ore): proprietà degli stimatori; il teorema di Gauss-Markov; distribuzione degli stimatori OLS.
4. Inferenza statistica (10 ore): intervalli di confidenza; test di ipotesi; previsioni.
Il corso include esempi pratici con il software R, integrati nei blocchi tematici.
Lingua Insegnamento
ITALIANO
Altre informazioni
Il programma può essere soggetto a modifiche durante il corso. Si invitano gli studenti a consultare periodicamente la pagina del corso sulla piattaforma e-learning per aggiornamenti e comunicazioni da parte del docente.
Ricevimento studenti: previo appuntamento, da concordare via e-mail all'indirizzo istituzionale del docente.
Ulteriori informazioni saranno fornite sulla piattaforma e-learning all'inizio del corso.
Tutorato: https://www.uninsubria.it/servizi/tutti-i-servizi/tutorato-dieco
L'insegnamento contribuisce al perseguimento dei seguenti Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU: Goal 4 — Istruzione di qualità.
Ricevimento studenti: previo appuntamento, da concordare via e-mail all'indirizzo istituzionale del docente.
Ulteriori informazioni saranno fornite sulla piattaforma e-learning all'inizio del corso.
Tutorato: https://www.uninsubria.it/servizi/tutti-i-servizi/tutorato-dieco
L'insegnamento contribuisce al perseguimento dei seguenti Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU: Goal 4 — Istruzione di qualità.
Corsi
Corsi
No Results Found
Persone
Persone
Ricercatori a tempo determinato
No Results Found