ECONOMETRICS AND BIG DATA

Academic year when starting the degree: 
2023/2024
Year: 
3
Academic year in which the course will be held: 
2025/2026
Language: 
Italian
Credits: 
6
Period: 
First Semester
Standard lectures hours: 
45
Detail of lecture’s hours: 
Lesson (45 hours)
Requirements: 

Non è richiesto alcun prerequisito.

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 (4/5) domande sono a risposta chiusa, le restanti sono a risposta aperta. Le risposte sbagliate non portano ad una riduzione di punteggio. L’esame premia la capacità di ragionare in modo critico e di giustificare la soluzione scelta.

Assessment: 
Voto Finale

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. Pertanto, il corso ha l’obiettivo di introdurre lo studente allo studio statistico delle relazioni tra fenomeni economici. Al termine del corso ci si attende che lo studente sia in grado di - interpretare i risultati di un modello di regressione, - condurre test e - fare previsioni.

Esempi di dati. Probabilità, statistica e programmazione in R. Storia della regressione. Il metodo dei minimi quadrati come strumento geometrico. Il modello di regressione semplice. Il modello di regressione multipla. Il metodo dei minimi quadrati come strumento statistico. Proprietà degli stimatori. Previsioni. Intervalli di confidenza. Test statistici.

Per il corso si prevedono lezioni frontali e a distanza con proiezione di lucidi (in lingua inglese), esercizi ed esempi di programmazione con software open source, e materiale caricato con lo svolgimento di alcuni esercizi. Durante la spiegazione in aula gli studenti sono invitati ad interagire con il docente.

Ricevimento studenti previo appuntamento, da concordare via e-mail all’indirizzo istituzionale del docente. Ulteriori informazioni sul corso (come il calendario preciso delle lezioni e materiale utile) verranno fornite su elearning.