Trovate in allegato 18 pagine di cui è autore Matteo Pelagatti, Professore di Statistica Economica presso l'Università degli Studi di Milano Bicocca, intitolate
"La regressione lineare applicata a dati economici".
E' la cosa più semplice e funzionale al nostro corso che abbia sinora trovato.
In essa trovate spiegate le così dette ipotesi classiche, le conseguenze del loro venir meno sulle stime, i processi stazionari, i processi integrati e il concetto di co-integrazione.
Inoltre tutte le stime presentate sono ricavate utilizzando il nostro stesso software - Gretl.
A queste note aggiungo alcune cosette, che ho già detto in aula e che forse vi fa comodo avere nero su bianco:
I coefficienti delle variabili sono stati stimati ricorrendo al metodo OLS (o dei minimi quadrati ordinari). Si tratta in parole semplici di una tecnica di stima che permette di trovare una funzione (detta retta di regressione) in grado di approssimare il meglio possibile un insieme di dati. Il metodo OLS minimizza la differenza fra i valori veri e quelli stimati (cioè minimizza i residui o meglio gli errori).
Accanto ai coefficienti figurano i valori del così detto t-test, un test parametrico che ha lo scopo di verificare se il valore medio di una distribuzione si discosta significativamente da un certo valore di riferimento, in un contesto in cui la varianza non è nota. I test t sono abbinati al così detto p-value. il valore p è "la probabilità di ottenere un risultato altrettanto estremo o più estremo di quello osservato se la diversità è interamente dovuta alla sola variabilità campionaria, assumendo quindi che l'ipotesi iniziale nulla sia vera”. Notare che p è una probabilità e quindi può assumere solo valori compresi fra 0 e 1. Un valore p che si avvicina a 0 testimonia una bassa probabilità che la differenza osservata possa essere ascritta al caso.
L’R-quadro, o coefficiente di determinazione, rappresenta una proporzione fra la variabilità dei dati e la correttezza del modello statistico utilizzato; quando è 0 il modello utilizzato non spiega per nulla i dati; quando è 1 il modello spiega perfettamente i dati.
Sia sul p-value che sull'R-quadro c'è un bel po' di discussione fra gli addetti in materia. Cose intelligenti - per chi è interessato - le trovate ai due link che vi segnalo. Entrambi gli autori invitano alla cautela quando si interpreta la bontà delle stime guardando solo al p-value e all'R-quadro (cosa che invece accade spesso soprattutto fra gli studiosi di management).
http://utenti.dises.univpm.it/palomba/Mat/Rsquared.pdf
Per coloro che - posseduti dal demone dell'econometria delle serie storiche - volessero andare ancor più in profondità con lo studio (non è necessario per il mio corso, ma non si sa mai nella vita), consiglio gli Appunti del prof. Riccardo "Jack" Lucchetti, scaricabili al seguente link
http://www2.econ.univpm.it/servizi/hpp/lucchetti/didattica/matvario/procstoc.pdf
Buon pomeriggio