Econometria

ECONOMETRIA

Autore: Federica Andreani

ECONOMETRIA

1 Capitolo 1 – L’analisi statistica dei dati economici

Domande economiche

L’econometria è la scienza di usare la teoria economica e le tecniche statistiche per analizzare i dati economici al

fine di:

- quantificare le relazioni causali tra variabili.

- prevedere l’andamento futuro delle variabili economiche.

I metodi econometrici sono utilizzati in molti campi dell’economia, quali la finanza, la microeconomia, la macroe-

conomia, il marketing e la politica economica.

Molte decisioni economiche richiedono stime quantitative di come la variazione di una variabile influenzi un’altra

variabile. Esaminiamo varie domande quantitative tratte da problemi economici attuali:

1) Ridurre la dimensione delle classi migliora il livello di istruzione nella scuola primaria? Di quanto?

2) Vi è discriminazione razziale nel mercato dei prestiti per abitazioni?

3) Di quanto riducono il fumo le imposte sulle sigarette?

4) Qual è l’effetto sul PIL di una riduzione del tasso d’interesse da parte della BCE?

Ciò che accomuna le domande poste in econometria è la relazione causale tra variabili; nell’accezione comune

causalità significa che un’azione specifica determina una conseguenza diretta, specifica e misurabile. Per farla

semplice un fornello caldo causa un’ustione, bere acqua toglie la sete, fertilizzare piante di pomodoro (azione spe-

cifica) fa sì che queste producano più pomodori (conseguenza diretta misurabile).

Stima di effetti casuali

Qual è il modo migliore per misurare l’effetto sulla produzione di pomodori (in chilogrammi per metro quadrato)

di una certa quantità di fertilizzante (100 grammi per metro quadrato)?

Condurre un esperimento controllato casualizzato

(randomized controlled experiment)!

In pratica si piantano pomodori in vari appezzamenti di terreno, ognuno dei quali è curato in modo identico, con

una sola eccezione: alcuni appezzamenti ricevono 100 grammi di fertilizzante per metro quadro, mentre gli altri

non ricevono nulla.

Perché controllato? Perché ci sono appezzamenti che non ricevono il fertilizzante (gruppo di controllo) e ap-

pezzamenti che lo ricevono (gruppo di trattamento).

Perché casualizzato? Perché il trattamento (nel nostro caso il fertilizzante) è assegnato casualmente.

L’assegnazione casuale elimina la possibilità di una relazione sistematica tra altre caratteristiche (ad esempio

l’esposizione al sole) e l’assegnazione a uno dei due gruppi, cosicché la sola differenza sistematica tra il gruppo di

trattamento e il gruppo di controllo è il trattamento stesso.

Se dividessimo in due gli appezzamenti potremmo attribuire al fertilizzante un effetto che magari è dato dalla

maggiore esposizione al sole (fattore di confusione) degli appezzamenti trattati rispetto a quelli non trattati.

Quindi sarebbe necessario: ECONOMETRIA

2

Gli esperimenti controllati casualizzati sono difficili da realizzare in un contesto di decisioni economiche, e più in

generale in contesti sociali, perché spesso contrari all’etica, impossibili da realizzare in modo soddisfacente o proi-

bitivamente costosi.

Nonostante questo, il concetto di esperimento controllato casualizzato fornisce un riferimento teorico ideale per

l’analisi econometria degli effetti causali tramite dati non sperimentali (osservazionali).

Dati: fonti e tipi

Abbiamo due tipi di dati: dati sperimentali e dati non sperimentali:

- I dati sperimentali provengono da esperimenti disegnati esplicitamente per valutare effetti casuali tra

variabili.

- I dati non sperimentali (osservazionali) sono ottenuti osservando il comportamento reale al di fuori

di un contesto sperimentale (questionari, indagine telefoniche, registri amministrativi,…).

Entrambe le tipologie si possono dividere in tre tipi principali:

- Dati sezionali

- Serie temporali

- Dati panel

I dati sezionali sono dati osservati su più unità statistiche diverse (lavoratori, consumatori, imprese, unità go-

vernative, …) per un solo periodo.

Le serie temporali consistono di una singola entità osservata in più periodi.

I dati panel (dati longitudinali) consistono di più entità, ciascuna delle quali è osservata in due o più periodi.

Effetti causali con dati non sperimentali

1) Il problema delle variabili omesse

Si supponga di osservare in un campione di distretti scolastici una relazione negativa tra dimensione me-

dia delle classi e performance media degli studenti. È sufficiente per inferire che esiste una relazione causa-

le?

No poiché non siamo certi che l’osservazione sia avvenuta in modo casuale; potrebbe essere che la per-

formance migliore delle classi più piccole sia dovuta al collocamento territoriale, ovvero si trovano in

zone in cui le condizioni economiche sono migliori (quindi esistono altre variabili che non vengono con-

siderate).

2) Il problema della causalità simultanea

Si supponga di osservare in un campione di Stati nazionali una relazione negativa tra prezzo delle sigarette

e consumo delle sigarette. E’ sufficiente per inferire che esiste una relazione causale?

No, in realtà non siamo neanche sicuri su quale tre le due sia la variabile causa e quale la variabile effetto.

Ovviamente questi due problemi non risultano con i dati sperimentali.

ECONOMETRIA

3 Capitolo 2 – Richiami di probabilità

Individuato il fenomeno oggetto di studio, l'informazione disponibile è costituita dai seguenti oggetti:

- le unità statistiche: le singole entità su ciascuna delle quali il fenomeno è osservabile (es. intervistati);

- il carattere statistico: la quantità/qualità mediante la quale viene osservato il fenomeno.

Si dice popolazione statistica l'insieme delle unità statistiche sulle quali è possibile osservare il fenomeno.

→

Es. intervistati unità statistiche

→

intervistabili popolazione statistica

Indicheremo con:

- Ω la popolazione statistica

- l'unità statistica i-esima per