Didattica - Università degli Studi di Padova

Syllabus

Prerequisiti:	Il corso prevede le conoscenze di Statistica I e Modelli I
Conoscenze e abilita' da acquisire:	Lo scopo del corso è di introdurre gli studenti alla comprensione delle principali caratteristiche delle serie storiche e di guidarli alla costruzione e all'uso di semplici modelli per questo tipo di dati. Al termine del corso lo studente dovrà essere in grado di: (i) riconoscere la tipologia e la struttura dei dati da analizzare; (ii) confrontare metodi e modelli presentati durante il corso e scegliere quelli più adatti alla soluzione; (iii) identificare, partendo dai dati ed usando la giusta metodologia, il/i modello/i corretto/i da utilizzare e, nel caso di più modelli identificati, confrontare e selezionare il migliore seguendo specifici criteri; (iv) acquisire la capacità di analizzare e interpretare in modo critico i risultati ottenuti; (v) leggere ed interpretare i risultati derivanti da un’analisi statistica applicata a serie storiche reali; (vi) effettuare autonomamente delle semplici analisi empiriche su dati reali utilizzando il pacchetto statistico GRETL.
Modalita' di esame:	L'esame è scritto e consiste di una prova pratica e di una prova scritta. La prova pratica consiste nell'analisi di una o più serie storiche in laboratorio, mediante l'utilizzo del pacchetto statistico GRETL, ed ha una durata di 45 minuti. La prova scritta consiste di esercizi e domande teoriche.
Criteri di valutazione:	Tramite le due prove in cui si articola l'esame si valuteranno: 1. la conoscenza e la comprensione degli argomenti trattati durante il corso; 2. la capacità di risolvere semplici problemi di natura teorica, applicando in modo non meccanico quanto appreso durante il corso; 3. la capacità di analizzare serie di dati reali applicando in modo critico le tecniche acquisite
Contenuti:	1. Presentazione e discussione delle principali caratteristiche di serie storiche principalmente attraverso analisi esplorative di esempi reali. 2. Le componenti delle serie storiche: trend, ciclo, stagionalità e componente accidentale. Identificazione, stima mediante funzioni matematiche, analisi ed interpretazione delle componenti. 3. Destagionalizzazione: procedure di destagionalizzazione basate su medie mobili e modelli di regressione. 4. Processi stocastici, concetti di base: - processi stocastici - stazionarietà, invertibilità - media, autocovarianza, autocorrelazione 5. Modelli lineari stazionari: - processi autoregressivi a media mobile, ARMA(p,q) - procedura di Box-Jenkins (identificazione, stima, analisi dei residui) - criteri di informazione automatica per la selezione del modello (AIC, BIC, HIC) 6. Modelli non stazionari e stagionali: - non stationarietà in media: trend deterministici e stocastici - processi a radici unitarie ARIMA(p,d,q) - test per radici unitarie - processi stagionali SARIMA(p,d,q)(P,D,Q) 7. Previsione: - criterio dell'errore quadratico medio di previsione - calcolo delle previsioni per modelli ARMA e ARIMA - valutazione della bontà di previsione 4. Processi stocastici, concetti di base: - processi stocastici - stazionarietà, invertibilità - media, autocovarianza, autocorrelazione 5. Modelli lineari stazionari: - processi autoregressivi a media mobile, ARMA(p,q) - procedura di Box-Jenkins (identificazione, stima, analisi dei residui) - criteri di informazione automatica per la selezione del modello (AIC, BIC, HIC) 6. Modelli non stazionari e stagionali: - non stationarietà in media: trend deterministici e stocastici - processi a radici unitarie ARIMA(p,d,q) - test per radici unitarie - processi stagionali SARIMA(p,d,q)(P,D,Q) 7. Previsione: - criterio dell'errore quadratico medio di previsione - calcolo delle previsioni per modelli ARMA e ARIMA - valutazione della bontà di previsione
Attivita' di apprendimento previste e metodologie di insegnamento:	Le attività prevedono 48 ore di lezioni frontali che comprendono lezioni teoriche accompagnate da esercizi alla lavagna per meglio far comprendere quanto enunciato. A queste ore saranno affiancate 16 ore di lezione in aula informatica, con gli scopi: (i) di insegnare ad utilizzare un pacchetto statistico di libero dominio (GRETL) disegnato per l'analisi delle serie storiche e (ii) di applicare a serie di dati reali, le metodologie statistiche illustrate a lezione.
Eventuali indicazioni sui materiali di studio:	Tutto il materiale didattico presentato durante le lezioni frontali è disponibile, contestualmente alle lezioni, sulla piattaforma Moodle. Su tale piattaforma verranno, inoltre, messi a disposizione: - un eserciziario contenente esercizi risolti, affinché lo studente possa prepararsi alla prova scritta - gli insiemi di dati reali utilizzati per le lezioni in aula didattica, in modo che lo studente volonteroso possa replicare, ed eventualmente approfondire, l'analisi autonomamente - prove di esame, sia relative alla parte scritta sia alla parte pratica, degli anni precedenti
Testi di riferimento:	Di Fonzo T., Lisi F., Serie storiche economiche: analisi statistiche e applicazioni. Roma: Carocci, 2005.