ITA | ENG
B008896 - ECONOMETRIC MODELS AND NUMERICAL METHODS
Main information
Teaching Language
Course Content
Suggested readings
Learning Objectives
Prerequisites
Teaching Methods
Type of Assessment
Course program
Academic Year 2016-17
Course year
First year - Second Semester
Belonging Department
Statistics, IT and its applications "G. Parenti" (DISIA)
Course Type
Single education field course
Scientific Area
SECS-P/05 - ECONOMETRICS
Credits
6
Teaching Hours
48
Teaching Term
27/02/2017 ⇒ 01/06/2017
Attendance required
No
Type of Evaluation
Final Grade
Course Content
show
Course program
show
Lectureship
Teaching Language
ENGLISH
Course Content
Linear and nonlinear models for macroeconomic application; simultaneous equation systems, structural form, reduced form; numerical solution techniques, Jacobi and Gauss-Seidel method.. Identification in linear systems..Static and dynamic solution, forecast, multipliers. Instrumental variables, limited information and full information estimation methods for linear systems (2SLS, LIVE, IIV, 3SLS, FIVE
Maximum likelhood estimation; numerical maximization techniques
Maximum likelhood estimation; numerical maximization techniques
Suggested readings (Search our library's catalogue)
1) Notes prepared by the lecturer, downloadable from: http://mpra.ub.uni-muenchen.de/43952
2) Greene, W. H. (2002): Econometric Analysis (5th edition). Upper Saddle River, NJ: Prentice-Hall, Inc.
oppure
3) Johnston, J. (1984): Econometric Methods (3rd edition). New York: McGraw-Hill, Inc. Traduzione dall'inglese a cura di M. Costa e P. Paruolo (1993): Econometrica (terza edizione). Milano: Franco Angeli.
(Capitoli relativi a: elementi di teoria asintotica, minimi quadrati generalizzati, modello a equazioni apparentemente non collegate, modello a equazioni simultanee, forma strutturale e forma ridotta, soluzione analitica e metodi di soluzione numerica, soluzione statica e dinamica, previsione, moltiplicatori d'impatto, moltiplicatori dinamici, identificazione, metodi di stima a informazione limitata e a informazione completa, massima verosimiglianza, test basati sulla verosimiglianza, metodi numerici di ottimizzazione).
Software per le esercitazioni: “R” installato al Laboratorio di Statistica in Viale Morgagni 59. Le dispense fornite dal docente contengono, nelle prime pagine, l'elenco dettagliato di tutti gli argomenti relativi al modello di regressione lineare classico che “dovrebbero” essere gia' conosciuti dagli studenti (perche' trattati in corsi precedenti), e che verranno rapidamente “ripassati” nelle prime lezioni del corso. Le pagine successive contengono una traccia di tutti gli argomenti che saranno trattati durante il corso e i risultati “numerici” degli esercizi che lo studente deve essere in grado di replicare per poter sostenere l'esame.
2) Greene, W. H. (2002): Econometric Analysis (5th edition). Upper Saddle River, NJ: Prentice-Hall, Inc.
oppure
3) Johnston, J. (1984): Econometric Methods (3rd edition). New York: McGraw-Hill, Inc. Traduzione dall'inglese a cura di M. Costa e P. Paruolo (1993): Econometrica (terza edizione). Milano: Franco Angeli.
(Capitoli relativi a: elementi di teoria asintotica, minimi quadrati generalizzati, modello a equazioni apparentemente non collegate, modello a equazioni simultanee, forma strutturale e forma ridotta, soluzione analitica e metodi di soluzione numerica, soluzione statica e dinamica, previsione, moltiplicatori d'impatto, moltiplicatori dinamici, identificazione, metodi di stima a informazione limitata e a informazione completa, massima verosimiglianza, test basati sulla verosimiglianza, metodi numerici di ottimizzazione).
Software per le esercitazioni: “R” installato al Laboratorio di Statistica in Viale Morgagni 59. Le dispense fornite dal docente contengono, nelle prime pagine, l'elenco dettagliato di tutti gli argomenti relativi al modello di regressione lineare classico che “dovrebbero” essere gia' conosciuti dagli studenti (perche' trattati in corsi precedenti), e che verranno rapidamente “ripassati” nelle prime lezioni del corso. Le pagine successive contengono una traccia di tutti gli argomenti che saranno trattati durante il corso e i risultati “numerici” degli esercizi che lo studente deve essere in grado di replicare per poter sostenere l'esame.
Learning Objectives
Saper costruire un semplice pacchetto software per la stima e soluzione di un modello macro-econometrico e per la massimizzazione numerica di una funzione di verosimiglianza non quadratica.
Capacità acquisite al termine del corso: Identificare, stimare e utilizzare in pratica un modello macro-econometrico, svolgendo anche esercizi di previsione e di politica economica.
Capacità acquisite al termine del corso: Identificare, stimare e utilizzare in pratica un modello macro-econometrico, svolgendo anche esercizi di previsione e di politica economica.
Prerequisites
Basic knowledge of the linear regression model, of the OLS method with its algebraic and statistical properties (with the linear algebra methods: vectors and matrices). Knowledge of "a programming Language" (for instance R, Gauss, Matlab, Octave, Apl, Maple, Matematica).
Teaching Methods
Lessons (with blackboard and chalk): about 40 hours
Computer labs: about 8 hours
Computer labs: about 8 hours
Type of Assessment
Written exam in the computer laboratory.
Course program
Linear and nonlinear models for macroeconomic application; simultaneous equation systems, structural form, reduced form; numerical solution techniques, Jacobi and Gauss-Seidel method.. Identification in linear systems..Static and dynamic solution, forecast, multipliers. Instrumental variables, limited information and full information estimation methods for linear systems (2SLS, LIVE, IIV, 3SLS, FIVE
Maximum likelhood estimation; numerical maximization techniques
Maximum likelhood estimation; numerical maximization techniques