Economia dell'ambiente, lavoro e sviluppo sostenibile
Cod 112651
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-56 R
SECS-S/01
Advanced topics in Statistical learning
Codice: 21210418
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Economia e Gestione della Trasformazione Digitale
- Periodo di erogazione
- Primo semestre
- CFU
- 9 CFU
- Lingua
- Inglese
- SSD
- SECS-S/01
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027.
- Docente
- Maria Maddalena Barbieri
- Curriculum
- Economia della trasformazione digitale LM-56 R
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 60
- CUIN
- 260003713
Programma
Richiami sul modello di regressione lineare multipla.
Introduzione all’analisi delle serie storiche e alla previsione. Stazionarietà e radici unitarie.
Modelli per serie storiche univariate: ARMA, ARIMA, ARCH e GARCH.
Modelli di regressione per dati in serie storica.
Serie storiche multivariate: cointegrazione e modelli a correzione dell’errore; modelli VAR.
Dati panel: modelli a effetti fissi e a effetti casuali; modelli panel dinamici.
Utilizzo del software R e dell’ambiente RStudio per la stima e l’applicazione dei modelli a dati reali.
Il programma dettagliato e altri materiali didattici saranno resi disponibili nello spazio Moodle dell'insegnamento.
Prerequisiti
L’insegnamento presuppone la conoscenza dei principali strumenti di statistica descrittiva e inferenziale e dei fondamenti del modello di regressione lineare semplice e multipla.
Testi adottati
Verbeek M., A guide to modern econometrics, 2004, Wiley.
File di appunti a cura della docente saranno resi disponibili nello spazio Moodle dell’insegnamento.
Bibliografia di riferimento
Hanck C, Arnold M., Gerber A., and Schmelzer M.. Introduction to Econometrics with R., 2024, University of Duisburg-Essen.
Stock J.H. and Watson M.W., Introduction to Econometrics, Global edition, 4th Edition, 2020, Pearson.
Wooldridge, J.M., Introductory econometrics: A modern approach, 2025, Cengage
Hansen, B.. Econometrics. 2022, Princeton University Press.
Tsay, R.S., An introduction to analysis of financial data with R, 2014, Wiley.
Modalità di erogazione
Lezioni frontali.
Modalità di frequenza
La frequenza è consigliata, ma non obbligatoria.
Modalità di valutazione
Il voto finale è determinato sulla base delle seguenti attività:
• compiti assegnati tramite Moodle durante il periodo delle lezioni: 20% del voto finale;
• esame scritto: 80% del voto finale.
Il voto finale è espresso in trentesimi. L’esame si considera superato con una votazione pari o superiore a 18/30.
Gli studenti che non consegnano i compiti assegnati durante il periodo delle lezioni possono sostituire tale componente della valutazione con una tesina, avente per oggetto l’analisi di un insieme di dati scelto autonomamente, e con una prova orale. La tesina e la prova orale sono volte ad accertare le medesime conoscenze e competenze oggetto dei compiti e concorrono complessivamente per il 20% alla determinazione del voto finale. La tesina viene discussa e valutata durante la prova orale.
I compiti possono comprendere domande a risposta multipla, domande aperte ed esercizi di analisi dei dati da svolgere con il software R.
L’esame scritto ha una durata massima di due ore. Durante la prova non è consentito consultare libri o appunti. L’esame è costituito da domande aperte relative all’intero programma dell’insegnamento e può richiedere anche l’interpretazione e il commento di output ottenuti mediante il software R.
Durante il periodo delle lezioni sono previste due prove intermedie, ciascuna relativa a una parte del programma. Il sostenimento di entrambe le prove sostituisce l’esame scritto. Il voto relativo a questa componente è determinato attribuendo un peso del 30% alla prima prova e del 70% alla seconda. Gli studenti che non sostengono entrambe le prove intermedie devono sostenere l’esame scritto sull’intero programma.
Le modalità di svolgimento, le scadenze e i criteri di valutazione saranno illustrati all’inizio del semestre e pubblicati in un apposito documento disponibile tra i materiali didattici nello spazio Moodle dell’insegnamento.
Prove previste
- Prova orale
- Prova scritta
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: A scelta dello studente
The aim of the course is to provide students with a coverage of a set of methods used in the analysis of economic data to answer a variety of specific, quantitative questions and with the computational tools to be used in the empirical applications. The program includes further topics on the classical regression model, time series analysis and some recent proposal to deal with applications having many observations and/or many predictors relative to the number of observations.
The course applies the widely used freeware programming environment for statistical analysis, known as R (through the RStudio interface).
Risultati di apprendimento attesi
Al termine dell’insegnamento, lo studente sarà in grado di:
Conoscenza e capacità di comprensione: conoscere e comprendere i principali concetti e metodi econometrici per l’analisi dei dati in serie storica e dei dati panel, nonché i fondamenti della previsione econometrica.
Capacità di applicare conoscenza e comprensione: specificare, stimare e validare i modelli econometrici introdotti durante il corso; utilizzare il software R per la gestione e l’analisi dei dati, la rappresentazione grafica dei risultati e la produzione di previsioni.
Autonomia di giudizio: selezionare il modello econometrico più appropriato in relazione alle caratteristiche dei dati e alla domanda di ricerca; valutare criticamente le ipotesi, l’adeguatezza e i limiti dei modelli stimati; interpretare correttamente i risultati empirici e formulare conclusioni coerenti con l’evidenza disponibile.
Abilità comunicative: presentare metodi, risultati e implicazioni di un’analisi econometrica; utilizzare in modo appropriato la terminologia specialistica; documentare e illustrare le analisi empiriche svolte con R, anche mediante tabelle e rappresentazioni grafiche.
Capacità di apprendimento: approfondire autonomamente i metodi econometrici per l’analisi delle serie storiche e dei dati panel; consultare la letteratura scientifica e la documentazione tecnica dei pacchetti di R; applicare le competenze acquisite a nuovi problemi economici e a differenti basi di dati.
Obiettivi di sostenibilità
- 4 Istruzione di qualità
- 1 Sconfiggere la povertà
- 2 Sconfiggere la fame
- 3 Salute e benessere
- 5 Parità di genere
- 6 Acqua pulita e servizi igienico-sanitari
- 7 Energia pulita e accessibile
- 8 Lavoro dignitoso e crescita economica
- 9 Imprese, innovazione e infrastrutture
- 10 Ridurre le disuguaglianze
- 13 Lotta contro il cambiamento climatico
Esempi di domande d’esame
Nello spazio Moodle dell’insegnamento sono disponibili alcuni esempi di domande tratte dagli esami degli anni precedenti.