Econometria

Cos'è l'econometria

In breve

La teoria economica fa affermazioni qualitative: se il prezzo sale, la domanda scende; se aumenta la spesa pubblica, cresce il reddito. Ma di quanto? E queste relazioni sono davvero vere nei dati reali? L'econometria è la disciplina che risponde a queste domande: applica i metodi statistici ai dati economici per misurare le relazioni, verificare le teorie e prevedere. È ciò che trasforma l'economia da insieme di teorie astratte a scienza empirica capace di confrontarsi con la realtà. Con l'econometria si stima l'elasticità della domanda, si valuta se una riforma ha funzionato, si prevede l'inflazione. Lo strumento centrale è il modello di regressione, che quantifica come una variabile dipende da altre. Ma l'econometria affronta anche una sfida cruciale e sottile: distinguere la semplice correlazione dalla vera causalità. Questo capitolo introduce l'oggetto, gli scopi e le sfide dell'econometria, e il tipo di dati con cui lavora.

🎯 Alla fine di questo capitolo saprai:

definire l'econometria e i suoi scopi;

distinguere i tipi di dati economici;

capire il ruolo del modello econometrico;

riconoscere la sfida causalità vs correlazione;

inquadrare le fasi di un'analisi econometrica.

L'oggetto e gli scopi

Perché conta: capire cosa fa l'econometria e a cosa serve orienta tutto il corso e mostra perché è indispensabile per l'economia empirica.

📌 Definizione formale. L'econometria ("misura dell'economia") è la disciplina che applica metodi statistici e matematici ai dati economici per analizzare i fenomeni economici. Combina tre elementi: la teoria economica (che suggerisce le relazioni), la statistica (i metodi di stima e verifica) e i dati reali.

📌 I tre scopi principali:

misurazione (stima): quantificare le relazioni economiche (di quanto la domanda cala se il prezzo sale dell'1%?);
verifica (test): controllare se le teorie economiche sono confermate dai dati;
previsione: prevedere l'andamento futuro delle variabili (inflazione, PIL, vendite).

🔗 Analogia. Se la teoria economica è come la mappa astratta di un territorio, l'econometria è lo strumento di misura che verifica se la mappa corrisponde alla realtà e ne quantifica le distanze reali. Senza econometria, l'economia resterebbe un insieme di teorie eleganti ma non verificate; con essa, diventa una scienza che si confronta coi fatti.

🧩 Esempio. La teoria dice che la domanda di un bene dipende (negativamente) dal prezzo. L'econometria stima quanto: analizzando i dati, può concludere che "un aumento del prezzo dell'1% riduce la domanda dello 0,8%" (elasticità −0,8). Questo numero — impossibile da ricavare dalla sola teoria — è ciò che serve per decisioni concrete (di prezzo, di politica fiscale). L'econometria mette i numeri sulle relazioni economiche.

I tipi di dati economici

Perché conta: il tipo di dati determina i metodi utilizzabili; conoscerli è il presupposto per scegliere l'analisi giusta.

📌 Definizione formale — i principali tipi di dati:

Tipo	Cosa contiene	Esempio
Sezione trasversale (cross-section)	Molte unità in un dato momento	Reddito di 1000 famiglie nel 2025
Serie storica (time series)	Una variabile nel tempo	Il PIL italiano dal 1950 al 2025
Dati panel (longitudinali)	Molte unità seguite nel tempo	Reddito di 1000 famiglie dal 2020 al 2025

📌 Perché conta il tipo di dato. Ogni tipo pone problemi e opportunità diversi:

le serie storiche hanno il problema della dipendenza temporale (i valori vicini nel tempo sono correlati, cap. 11);
le sezioni trasversali confrontano unità diverse in un istante;
i dati panel (cap. 11) combinano i due e permettono analisi più potenti (seguire le stesse unità nel tempo controlla per le loro caratteristiche fisse).

🧩 Esempio. Per studiare l'effetto dell'istruzione sul reddito: con dati trasversali confronto persone con istruzione diversa oggi; con dati panel seguo le stesse persone nel tempo, vedendo come il loro reddito cambia con l'istruzione — un'analisi più robusta, perché "controlla" per le caratteristiche individuali costanti (talento, famiglia). Il tipo di dato apre o chiude possibilità di analisi.

Il modello econometrico

Perché conta: il modello è lo strumento con cui l'econometria traduce le relazioni economiche in forma stimabile; è il cuore di tutto il corso.

📌 Definizione formale. Un modello econometrico esprime la relazione tra una variabile dipendente (Y, ciò che si vuole spiegare) e una o più variabili esplicative/indipendenti (X, i fattori che la influenzano), più un termine di errore (che cattura tutto ciò che il modello non spiega).

La forma base (regressione lineare, cap. 3): $Y = \beta_0 + \beta_1 X + u$

dove $\beta_0, \beta_1$ sono i parametri (da stimare) e $u$ è l'errore.

📌 Il ruolo dell'errore. Nessun modello economico è esatto: ci sono fattori omessi, errori di misura, casualità. Il termine di errore $u$ rappresenta questa parte non spiegata. La sua natura (in particolare il suo rapporto con X) è cruciale per la validità delle stime (cap. 7, 9).

🔗 Analogia. Il modello econometrico è come una ricetta che dice: "il risultato (Y) dipende da questi ingredienti (X) in queste proporzioni ( $\beta$ ), più una parte imprevedibile (l'errore)". L'econometria stima le proporzioni ( $\beta$ ) a partire dai dati osservati, cercando la "ricetta" che meglio spiega i risultati reali. I parametri $\beta$ sono ciò che vogliamo scoprire.

La sfida della causalità

Perché conta: distinguere correlazione e causalità è la sfida più profonda dell'econometria; è ciò che separa un'analisi rigorosa da una fuorviante.

📌 Definizione formale. L'econometria cerca spesso di stabilire relazioni causali (X causa Y), non solo correlazioni (X e Y si muovono insieme). Ma dai dati osservativi (non sperimentali) è difficile inferire la causalità, per gli stessi motivi visti in metodologia della ricerca (Psicologia): la terza variabile (un fattore che influenza sia X sia Y) e il problema della direzione (X→Y o Y→X?).

⚠️ Attenzione (correlazione ≠ causazione). È la sfida centrale. Trovare che X e Y sono correlati non prova che X causi Y. In economia, gran parte dei dati è osservativa (non da esperimenti controllati): due variabili possono correlare per una causa comune, per causalità inversa, o per coincidenza. Gran parte dell'econometria moderna (cap. 9, 12) sviluppa metodi proprio per isolare la causalità dai dati non sperimentali.

🧩 Esempio. I dati mostrano che chi ha più istruzione guadagna di più (correlazione). Ma l'istruzione causa redditi più alti, o le persone più capaci (che avrebbero guadagnato di più comunque) studiano anche di più (terza variabile: capacità)? Distinguere il "vero effetto" dell'istruzione dalla capacità individuale è un problema classico, che richiede tecniche econometriche sofisticate (variabili strumentali, cap. 9; esperimenti naturali, cap. 12). La sfida causale è il cuore dell'econometria applicata.

🗺️ Come si collega il tutto

Questo capitolo introduce l'oggetto e gli strumenti del corso. Il modello di regressione è il protagonista: si sviluppa dalla forma semplice (cap. 3) alla stima OLS (cap. 4), alla regressione multipla (cap. 5), all'inferenza (cap. 6). Il ruolo del termine di errore e il suo rapporto con le X sono la chiave delle ipotesi del modello (cap. 7) e delle loro violazioni (cap. 8-9). I tipi di dati determinano i metodi: le serie storiche e i panel hanno capitoli dedicati (cap. 11). La sfida della causalità — distinguere correlazione ed effetto causale — attraversa tutto il corso e culmina nell'endogeneità (cap. 9) e nella valutazione causale (cap. 12). Il ripasso di probabilità e statistica (cap. 2) fornisce le basi matematiche. L'econometria è lo strumento che rende l'economia una scienza empirica.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Econometria	Metodi statistici applicati ai dati economici	Statistica pura (l'econometria è applicata all'economia)
Variabile dipendente vs esplicativa	Ciò che si spiega (Y) vs i fattori (X)	—
Termine di errore	La parte di Y non spiegata dal modello	Errore di misura (una delle sue componenti)
Sezione trasversale vs serie storica	Unità in un istante vs una variabile nel tempo	Panel (unità nel tempo, combina i due)
Correlazione vs causalità	Muoversi insieme vs uno causa l'altro	—

📝 Riepilogo

L'econometria applica metodi statistici ai dati economici, combinando teoria, statistica e dati, per misurare, verificare e prevedere.
I tipi di dati: sezione trasversale (unità in un istante), serie storica (una variabile nel tempo), panel (unità seguite nel tempo, il più potente).
Il modello econometrico lega una variabile dipendente (Y) a variabili esplicative (X) più un termine di errore (la parte non spiegata); si stimano i parametri $\beta$ .
La sfida della causalità: dai dati osservativi è difficile distinguere la causalità dalla semplice correlazione (terza variabile, direzione).
Gran parte dell'econometria moderna sviluppa metodi per isolare la causalità dai dati non sperimentali (cap. 9, 12).

▶️ Prossimo capitolo: Il ripasso di probabilità e statistica

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Il ripasso di probabilità e statistica

In breve

L'econometria poggia sulle fondamenta della probabilità e della statistica: prima di stimare relazioni economiche, bisogna padroneggiare gli strumenti che descrivono l'incertezza e permettono di trarre conclusioni dai dati. Questo capitolo ripassa i concetti essenziali che saranno usati in tutto il corso: le variabili casuali e le loro distribuzioni, gli indici che le riassumono (media, varianza), i concetti chiave che legano due variabili (covarianza e correlazione), e — cruciale per l'econometria — l'inferenza statistica: come dai dati di un campione si traggono conclusioni sulla popolazione, con stime, intervalli di confidenza e test d'ipotesi. Sono gli stessi principi visti in statistica e in metodologia della ricerca, qui richiamati nella prospettiva econometrica. Padroneggiare questi strumenti è indispensabile: la regressione (cap. 3-6) e tutta l'inferenza econometrica ne sono un'applicazione. Chi ha basi solide qui, capirà facilmente il resto.

🎯 Alla fine di questo capitolo saprai:

definire variabili casuali e distribuzioni;

usare media, varianza e deviazione standard;

distinguere covarianza e correlazione;

capire la logica dell'inferenza statistica;

richiamare stime, intervalli di confidenza e test.

Variabili casuali e distribuzioni

Perché conta: le variabili casuali sono il linguaggio con cui l'econometria descrive fenomeni incerti; sono la base di ogni modello.

📌 Definizione formale. Una variabile casuale (o aleatoria) è una quantità il cui valore è incerto, determinato dall'esito di un fenomeno casuale. La sua distribuzione di probabilità descrive quali valori può assumere e con quali probabilità.

📌 Valore atteso e varianza.

il valore atteso (media) $E[X]$ è il valore "medio" della variabile, ponderato per le probabilità: il centro della distribuzione;
la varianza $\text{Var}(X)$ e la deviazione standard ( $\sigma$ ) misurano la dispersione: quanto i valori si allontanano in media dalla media.

📌 La distribuzione normale. La distribuzione normale (a campana) è centrale in statistica ed econometria: molti fenomeni vi si approssimano, e — grazie al teorema del limite centrale — le medie campionarie tendono a distribuirsi normalmente, il che giustifica gran parte dell'inferenza.

🔗 Analogia. Una variabile casuale è come un dado (di cui non conosciamo l'esito prima di lanciarlo): la distribuzione dice quali facce può dare e con quali probabilità, il valore atteso è la "media dei lanci", la varianza dice quanto gli esiti sono dispersi. In econometria, il reddito, i prezzi, gli errori sono variabili casuali di cui studiamo le distribuzioni.

Covarianza e correlazione

Perché conta: covarianza e correlazione misurano il legame tra due variabili, il concetto su cui si fonda la regressione; sono strumenti centrali.

📌 Definizione formale.

la covarianza $\text{Cov}(X, Y)$ misura come due variabili variano insieme: positiva se tendono a crescere insieme, negativa se una cresce quando l'altra cala, zero se non c'è relazione lineare;
la correlazione $\rho$ è la covarianza normalizzata (divisa per le deviazioni standard), che varia tra $-1$ e $+1$ : misura forza e direzione della relazione lineare, indipendentemente dalle unità di misura.

🧩 Esempio. La covarianza tra reddito e consumo è positiva (crescono insieme), ma il suo valore numerico dipende dalle unità (euro, migliaia di euro...). La correlazione normalizza: se è 0,9, la relazione lineare è forte e positiva; se 0,1, debole. La correlazione è più interpretabile perché "adimensionale". È lo stesso concetto visto in metodologia della ricerca (Psicologia) e statistica.

⚠️ Attenzione (già noto, ma cruciale). La correlazione misura solo la relazione lineare: due variabili possono avere una relazione forte ma non lineare e correlazione bassa. E — ancora — correlazione ≠ causazione (cap. 1): due variabili correlate non implicano che una causi l'altra. La covarianza/correlazione è il "materiale grezzo" della regressione, ma va interpretata con cautela.

L'inferenza statistica

Perché conta: l'inferenza è ciò che permette di passare dai dati del campione a conclusioni sulla popolazione; è il cuore dell'econometria applicata.

📌 Definizione formale. L'inferenza statistica usa i dati di un campione per trarre conclusioni sulla popolazione (l'insieme di tutti i casi di interesse), tenendo conto dell'incertezza. Concetti chiave (già visti in statistica e metodologia):

parametro: una caratteristica (ignota) della popolazione (es. la vera relazione tra istruzione e reddito);
stimatore/stima: il valore calcolato sul campione per approssimare il parametro;
l'inferenza quantifica quanto la stima campionaria è affidabile.

📌 Le proprietà di un buon stimatore. Uno stimatore è desiderabile se è:

corretto (non distorto): in media coglie il vero valore del parametro (nessun errore sistematico);
efficiente: ha la minima variabilità possibile (stime più precise);
consistente: all'aumentare del campione, converge al vero valore.

🔗 Analogia. L'inferenza è come stimare quanto è profondo un lago (parametro) misurando in alcuni punti (campione): uno stimatore corretto in media dà la profondità giusta; uno efficiente varia poco tra misurazioni diverse; uno consistente diventa sempre più preciso con più misurazioni. In econometria, si vogliono stimatori con queste proprietà per fidarsi delle stime dei parametri $\beta$ (cap. 4).

Test d'ipotesi e intervalli di confidenza

Perché conta: sono gli strumenti con cui si valuta la significatività dei risultati econometrici; il loro uso è pervasivo nel corso.

📌 Definizione formale.

un intervallo di confidenza è un intervallo di valori entro cui, con una data probabilità (es. 95%), si stima cada il vero parametro: esprime l'incertezza della stima;
un test d'ipotesi valuta un'affermazione sul parametro (ipotesi nulla H₀ vs alternativa H₁, come in metodologia): si rifiuta H₀ se i dati sono molto improbabili sotto di essa.

📌 Gli strumenti del test. Si usano una statistica test (es. la statistica t) e il valore p (la probabilità dei dati sotto H₀); se p < 0,05 (per convenzione) si rifiuta H₀ e il risultato è "statisticamente significativo".

🧩 Esempio. In una regressione (cap. 6), si testa se un coefficiente $\beta_1$ (l'effetto di X su Y) è diverso da zero: H₀ è " $\beta_1 = 0$ " (X non ha effetto), H₁ è " $\beta_1 \neq 0$ " (X ha effetto). Se il test rifiuta H₀ (p < 0,05), si conclude che X ha un effetto statisticamente significativo su Y. È l'applicazione diretta alla regressione del test d'ipotesi.

⚠️ Attenzione (ripasso critico). Come in metodologia della ricerca: il valore p non è la probabilità che H₀ sia vera; la significatività statistica non è la stessa cosa dell'importanza pratica (un effetto minuscolo può essere significativo con grandi campioni); servono anche la dimensione dell'effetto (il valore del coefficiente) e gli intervalli di confidenza. Questi principi, già visti, sono centrali per interpretare correttamente i risultati econometrici.

🗺️ Come si collega il tutto

Questo capitolo fornisce le fondamenta statistiche dell'intero corso. Le variabili casuali e le distribuzioni descrivono le variabili economiche e il termine di errore (cap. 1, 7). La covarianza e la correlazione sono il materiale su cui si costruisce la regressione (cap. 3): il coefficiente di regressione è strettamente legato alla covarianza tra X e Y. Le proprietà degli stimatori (correttezza, efficienza, consistenza) sono ciò che si richiederà allo stimatore OLS (cap. 4) e la cui violazione è il tema delle ipotesi del modello (cap. 7-9). L'inferenza (intervalli, test, valore p) è la base del capitolo sull'inferenza nella regressione (cap. 6). Sono gli stessi concetti di statistica e metodologia della ricerca, qui strumenti operativi dell'econometria. Basi solide qui rendono comprensibile tutto il resto.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Variabile casuale	Quantità con valore incerto e una distribuzione	Costante (valore fisso e noto)
Valore atteso / varianza	Centro / dispersione di una distribuzione	Media / varianza campionaria (sui dati)
Covarianza vs correlazione	Variazione congiunta / normalizzata ( $-1$ a $+1$ )	Causalità (né l'una né l'altra la provano)
Stimatore corretto	In media coglie il vero parametro	Efficiente (minima varianza) / consistente
Test d'ipotesi	Valutare un'affermazione sul parametro (H₀ vs H₁)	Intervallo di confidenza (range del parametro)

📝 Riepilogo

Una variabile casuale ha valore incerto e una distribuzione; il valore atteso (media) ne è il centro, la varianza/deviazione standard la dispersione; la normale è centrale.
La covarianza misura la variazione congiunta di due variabili; la correlazione ( $-1$ a $+1$ ) la normalizza (solo relazione lineare; ≠ causalità).
L'inferenza statistica trae dal campione conclusioni sulla popolazione; un buon stimatore è corretto, efficiente, consistente.
Il test d'ipotesi (H₀ vs H₁, statistica test, valore p < 0,05) valuta la significatività; l'intervallo di confidenza esprime l'incertezza della stima.
Significatività ≠ importanza: servono anche dimensione dell'effetto e intervalli di confidenza (come in metodologia).

▶️ Prossimo capitolo: La regressione lineare semplice

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La regressione lineare semplice

In breve

La regressione è lo strumento centrale dell'econometria, e la sua forma più semplice — la regressione lineare semplice — è il punto di partenza per capire tutto il resto. L'idea è elegante: descrivere la relazione tra due variabili, una dipendente (Y) e una esplicativa (X), tracciando la "retta migliore" che le lega. Questa retta ha un'intercetta e una pendenza: la pendenza è il numero più importante, perché dice di quanto Y cambia quando X aumenta di un'unità — esattamente la misura quantitativa che l'econometria cerca (cap. 1). Il modello riconosce che la relazione non è esatta: attorno alla retta c'è dispersione, catturata dal termine di errore. Questo capitolo presenta il modello di regressione lineare semplice, l'interpretazione dei suoi coefficienti, il ruolo dell'errore e il significato della retta di regressione. È la base concettuale su cui si costruiscono la stima OLS (cap. 4) e la regressione multipla (cap. 5).

🎯 Alla fine di questo capitolo saprai:

definire il modello di regressione lineare semplice;

interpretare intercetta e pendenza;

capire il ruolo del termine di errore;

distinguere modello della popolazione e retta stimata;

riconoscere il significato della regressione.

Il modello di regressione lineare semplice

Perché conta: è il modello fondamentale dell'econometria; capirne la struttura è il presupposto di tutto il corso.

📌 Definizione formale. Il modello di regressione lineare semplice descrive la relazione tra una variabile dipendente $Y$ e una variabile esplicativa $X$ :

$Y = \beta_0 + \beta_1 X + u$

dove:

$\beta_0$ = intercetta (il valore di Y quando X = 0);
$\beta_1$ = pendenza (di quanto cambia Y per un aumento unitario di X);
$u$ = termine di errore (tutto ciò che influenza Y ma non è X).

📌 La linearità. Il modello è lineare nei parametri: Y è una funzione lineare di X (una retta). È un'approssimazione, ma potente e flessibile (si possono trasformare le variabili, es. usando i logaritmi, per catturare relazioni non lineari).

🔗 Analogia. La regressione lineare è come tracciare la "linea di tendenza" in una nuvola di punti: i dati sono sparsi, ma la retta ne cattura l'andamento generale. La pendenza di questa linea riassume la relazione: "in media, quando X aumenta, Y tende a cambiare così". È il modo più semplice ed efficace di sintetizzare come due variabili sono legate.

L'interpretazione dei coefficienti

Perché conta: saper interpretare intercetta e soprattutto pendenza è l'abilità pratica centrale; i coefficienti sono ciò che l'econometria produce e comunica.

📌 Definizione formale.

l'intercetta $\beta_0$ è il valore atteso di Y quando X = 0 (spesso ha poco significato pratico, se X = 0 è irrealistico, ma è necessaria per posizionare la retta);
la pendenza $\beta_1$ è il coefficiente chiave: misura l'effetto marginale di X su Y, cioè di quanto varia (in media) Y quando X aumenta di un'unità.

🧩 Esempio. Regressione del salario (Y) sugli anni di istruzione (X): $\text{Salario} = 800 + 300 \cdot \text{Istruzione} + u$ . L'interpretazione: la pendenza 300 dice che ogni anno aggiuntivo di istruzione è associato a un salario più alto di 300 euro (in media). L'intercetta 800 sarebbe il salario con zero anni di istruzione (interpretazione limitata). Il coefficiente 300 è esattamente la misura quantitativa che serve — il "rendimento dell'istruzione".

⚠️ Attenzione (associazione vs causa). L'interpretazione "ogni anno di istruzione è associato a +300 euro" è corretta; dire che "causa +300 euro" è più forte e richiede che siano soddisfatte condizioni precise (cap. 7, 9). La regressione, di per sé, misura un'associazione (come la correlazione); trasformarla in un'affermazione causale richiede ipotesi aggiuntive. È la sfida ricorrente del cap. 1.

Il termine di errore

Perché conta: il termine di errore è ciò che rende la regressione un modello statistico e non deterministico; la sua natura è cruciale per la validità delle stime.

📌 Definizione formale. Il termine di errore $u$ (o disturbo) rappresenta tutti i fattori che influenzano Y diversi da X: variabili omesse, errori di misura, imprevedibilità, casualità. Rende la relazione statistica (in media) anziché esatta.

📌 Perché esiste. Nessuna relazione economica è perfetta:

ci sono altri fattori che influenzano Y (nell'esempio: esperienza, settore, fortuna...) non inclusi nel modello semplice;
ci sono errori di misura nei dati;
c'è un'intrinseca casualità nei comportamenti umani.

🔗 Analogia. Il termine di errore è come il "rumore" attorno al segnale: la retta di regressione è il segnale (la tendenza generale), l'errore è tutto ciò che fa deviare i singoli punti dalla retta. Due persone con la stessa istruzione hanno salari diversi: quella differenza è l'errore (dipende da altri fattori). Il modello coglie la tendenza media, non ogni caso individuale.

⚠️ Attenzione (l'ipotesi cruciale). Perché la stima della pendenza $\beta_1$ sia valida (e interpretabile causalmente), è cruciale che il termine di errore non sia correlato con X (esogeneità): i fattori omessi non devono essere sistematicamente legati a X. Se lo sono (endogeneità, cap. 9), la stima è distorta. Questa ipotesi sull'errore è il fulcro di tutta l'affidabilità della regressione — la si approfondirà nei cap. 7 e 9.

Popolazione e campione: retta vera e retta stimata

Perché conta: distinguere la relazione "vera" (ignota) da quella stimata dai dati è essenziale per capire cosa fa e cosa non può fare la regressione.

📌 Definizione formale. Si distinguono:

la retta di regressione della popolazione (population regression): la relazione "vera" ma ignota tra X e Y, coi veri parametri $\beta_0, \beta_1$ ;
la retta di regressione stimata (sample regression): la relazione calcolata dai dati del campione, con le stime $\hat{\beta}_0, \hat{\beta}_1$ (con il "cappello", per distinguerle dai veri valori).

$\hat{Y} = \hat{\beta}_0 + \hat{\beta}_1 X$

📌 Il compito dell'econometria. Non conosciamo i veri $\beta$ (della popolazione): li stimiamo dai dati del campione (con il metodo OLS, cap. 4). Le stime $\hat{\beta}$ sono la nostra migliore approssimazione dei veri parametri, con un margine di incertezza (l'inferenza, cap. 6).

🔗 Analogia. La retta vera della popolazione è come la ricetta segreta che genera i dati (che non possiamo vedere); la retta stimata è la nostra ricostruzione di quella ricetta a partire dagli assaggi (i dati del campione). Più dati abbiamo e migliore è il metodo, più la nostra ricostruzione ( $\hat\beta$ ) si avvicina alla ricetta vera ( $\beta$ ). L'econometria è l'arte di ricostruire la relazione vera dai dati osservati.

🗺️ Come si collega il tutto

La regressione lineare semplice è il modello fondamentale dell'econometria, che concretizza il "modello econometrico" del cap. 1 e si basa sulla covarianza/correlazione del cap. 2 (la pendenza è legata alla covarianza tra X e Y). La distinzione tra parametri veri (popolazione) e stimati (campione) applica l'inferenza del cap. 2. La stima concreta dei coefficienti è il metodo OLS (cap. 4), che trova la "retta migliore". L'estensione a più variabili esplicative è la regressione multipla (cap. 5), essenziale per isolare gli effetti. L'incertezza delle stime e i test sui coefficienti sono l'inferenza nella regressione (cap. 6). L'ipotesi cruciale che l'errore non sia correlato con X è il fulcro delle ipotesi del modello (cap. 7) e, quando violata, dell'endogeneità (cap. 9). Tutto il corso ruota attorno a questo modello di base.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Regressione lineare semplice	Relazione tra Y e una X: $Y=\beta_0+\beta_1 X+u$	Regressione multipla (più X, cap. 5)
Pendenza $\beta_1$	Di quanto cambia Y per +1 di X (effetto marginale)	Intercetta $\beta_0$ (valore di Y con X=0)
Termine di errore $u$	Tutti i fattori su Y diversi da X	Residuo (l'errore stimato sul campione)
Retta della popolazione vs stimata	Relazione vera ignota vs calcolata dai dati	Parametri $\beta$ vs stime $\hat\beta$
Associazione vs causa	La regressione misura associazione	Causalità (richiede ipotesi aggiuntive)

📝 Riepilogo

Il modello di regressione lineare semplice ( $Y = \beta_0 + \beta_1 X + u$ ) descrive la relazione tra Y e una X con una retta più un errore.
L'intercetta $\beta_0$ è Y quando X=0; la pendenza $\beta_1$ è il coefficiente chiave: l'effetto marginale di X su Y (di quanto cambia Y per +1 di X).
La regressione misura un'associazione; l'interpretazione causale richiede ipotesi aggiuntive (cap. 7, 9).
Il termine di errore $u$ cattura tutti i fattori diversi da X (variabili omesse, errori, casualità); ipotesi cruciale: non correlato con X (esogeneità).
Si distingue la retta vera della popolazione (parametri $\beta$ ignoti) dalla retta stimata dal campione (stime $\hat\beta$ ): l'econometria stima la prima dalla seconda (OLS, cap. 4).

▶️ Prossimo capitolo: I minimi quadrati ordinari (OLS)

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

I minimi quadrati ordinari (OLS)

In breve

Sappiamo che vogliamo tracciare la "retta migliore" attraverso i dati (cap. 3), ma cosa significa "migliore"? Il metodo più usato per rispondere è quello dei minimi quadrati ordinari (OLS, Ordinary Least Squares): la retta migliore è quella che rende minima la somma dei quadrati degli scarti tra i valori osservati e quelli previsti dalla retta. È un criterio semplice, intuitivo e con proprietà matematiche eccellenti. Gli scarti tra dati e retta si chiamano residui, e OLS li rende complessivamente più piccoli possibile (elevandoli al quadrato per pesare di più gli errori grandi e trattare simmetricamente scarti positivi e negativi). Il risultato sono le stime dei coefficienti $\hat\beta$ . Ma OLS non è solo un criterio arbitrario: sotto certe ipotesi, produce gli stimatori "migliori" in senso preciso (il teorema di Gauss-Markov). Questo capitolo spiega come funziona OLS, il ruolo dei residui, la misura della bontà di adattamento (R²) e perché OLS è il metodo di riferimento.

🎯 Alla fine di questo capitolo saprai:

spiegare il criterio dei minimi quadrati;

definire i residui e distinguerli dagli errori;

interpretare l'R² (bontà di adattamento);

enunciare le proprietà di OLS (Gauss-Markov);

capire perché OLS è lo stimatore di riferimento.

Il criterio dei minimi quadrati

Perché conta: capire cosa OLS minimizza è il cuore del metodo; definisce cosa significa "retta migliore".

📌 Definizione formale. Il metodo dei minimi quadrati ordinari (OLS) sceglie i coefficienti $\hat\beta_0, \hat\beta_1$ che rendono minima la somma dei quadrati dei residui (SSR):

$\min \sum_{i=1}^{n} \hat{u}_i^2 = \min \sum_{i=1}^{n} (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i)^2$

dove $\hat{u}_i = Y_i - \hat{Y}_i$ è il residuo (scarto tra valore osservato e valore previsto dalla retta).

📌 Perché i quadrati. Si elevano gli scarti al quadrato per due motivi:

rende tutti gli scarti positivi (positivi e negativi non si annullano tra loro);
penalizza di più gli scarti grandi (un errore doppio pesa quattro volte), spingendo la retta a evitare grossi errori.

🔗 Analogia. OLS è come cercare la posizione di un tavolo che minimizza il "traballio" complessivo rispetto a un pavimento irregolare: si cerca la retta che sta il più "vicino possibile" a tutti i punti insieme, dove la vicinanza si misura con i quadrati delle distanze verticali. La retta OLS è un compromesso ottimale che bilancia gli scarti da tutti i punti.

🧩 Esempio. Con pochi punti sparsi, esistono infinite rette possibili. OLS ne seleziona una sola: quella per cui, sommando i quadrati di tutte le distanze verticali punto-retta, si ottiene il valore minimo. Matematicamente, questo minimo ha una soluzione esplicita (formule per $\hat\beta_0$ e $\hat\beta_1$ in funzione di medie, varianze e covarianza dei dati, cap. 2). Il computer la calcola istantaneamente.

Residui ed errori

Perché conta: distinguere residui (osservabili) ed errori (non osservabili) è concettualmente cruciale e spesso fonte di confusione.

📌 Definizione formale.

l'errore $u_i$ è la deviazione dalla retta vera della popolazione (cap. 3): non osservabile (non conosciamo i veri $\beta$ );
il residuo $\hat{u}_i$ è la deviazione dalla retta stimata (OLS): $\hat{u}_i = Y_i - \hat{Y}_i$ , osservabile (lo calcoliamo dai dati).

Il residuo è la "stima" dell'errore: è ciò che vediamo, l'errore è ciò che vorremmo conoscere.

🔗 Analogia. L'errore è la distanza dalla "verità" (che non vediamo); il residuo è la distanza dalla nostra "migliore ipotesi" (la retta stimata). Come un arciere che non conosce l'esatto centro nascosto (errore) ma può misurare la distanza dal centro che ha stimato (residuo). I residui sono lo strumento con cui, in pratica, analizziamo la qualità del modello e verifichiamo le ipotesi (cap. 7-8).

⚠️ Attenzione. L'analisi dei residui è fondamentale in econometria: esaminandoli si diagnosticano problemi del modello (eteroschedasticità, autocorrelazione, cap. 8; non linearità; valori anomali). I residui sono la "finestra" sull'errore non osservabile: ci dicono se le ipotesi del modello (cap. 7) sono ragionevoli.

La bontà di adattamento: l'R²

Perché conta: l'R² è la misura più usata (e abusata) per valutare quanto bene il modello si adatta ai dati; interpretarlo correttamente è essenziale.

📌 Definizione formale. L'R² (coefficiente di determinazione) misura la quota della variabilità di Y spiegata dal modello (dalle X). Varia tra 0 e 1:

R² = 1: il modello spiega perfettamente Y (tutti i punti sulla retta);
R² = 0: il modello non spiega nulla;
R² = 0,7: il modello spiega il 70% della variabilità di Y.

Formalmente, è la quota di variabilità totale di Y "catturata" dai valori previsti, rispetto a quella lasciata ai residui.

🧩 Esempio. Se in una regressione del salario sull'istruzione l'R² è 0,3, significa che l'istruzione spiega il 30% della variabilità dei salari; il restante 70% dipende da altri fattori (esperienza, settore, fortuna...) non nel modello. Un R² di 0,3 non è "basso" in assoluto: nei dati economici individuali (molto rumorosi) è normale, mentre nelle serie storiche macro può essere molto più alto.

⚠️ Attenzione (l'R² non è tutto). Errori comuni sull'R²:

un R² alto non significa che il modello sia "giusto" o causale (si può avere R² alto con una relazione spuria);
un R² basso non significa che il modello sia inutile (in molti contesti economici è normale);
l'R² aumenta sempre aggiungendo variabili (anche irrilevanti): per questo si usa l'R² aggiustato, che penalizza le variabili in più. L'R² misura l'adattamento, non la validità causale né la correttezza del modello. Non va inseguito ciecamente.

Le proprietà di OLS: Gauss-Markov

Perché conta: capire perché OLS è "il migliore" (sotto certe ipotesi) giustifica la sua centralità e introduce il ruolo delle ipotesi del modello.

📌 Definizione formale — il teorema di Gauss-Markov. Sotto un insieme di ipotesi (cap. 7) — in particolare che l'errore abbia media zero, sia non correlato con X (esogeneità), e abbia varianza costante e non correlazione (omoschedasticità, no autocorrelazione) — lo stimatore OLS è BLUE: Best Linear Unbiased Estimator, ovvero il migliore (a minima varianza) tra tutti gli stimatori lineari corretti (non distorti).

📌 Cosa significa BLUE:

Unbiased (corretto): OLS in media coglie i veri parametri (nessuna distorsione sistematica);
Best (efficiente): tra gli stimatori lineari corretti, OLS ha la minima varianza (le stime più precise).

🔗 Analogia. Il teorema di Gauss-Markov è come una "garanzia di qualità" per OLS: se valgono certe condizioni (le ipotesi), allora OLS è lo strumento migliore possibile (nella sua classe). È il motivo per cui OLS è lo standard. Ma la garanzia vale solo se le condizioni sono rispettate: quando le ipotesi sono violate (cap. 8-9), OLS perde alcune proprietà e servono correzioni o metodi alternativi.

⚠️ Attenzione. La potenza di OLS dipende dalle ipotesi. Il teorema di Gauss-Markov ci dice esattamente quando fidarci di OLS e ci indica cosa può andare storto: le violazioni delle ipotesi (cap. 7) sono il programma del resto del corso. In particolare, la violazione dell'esogeneità (endogeneità, cap. 9) rende OLS addirittura distorto — il problema più grave.

🗺️ Come si collega il tutto

OLS è il metodo di stima che concretizza la regressione (cap. 3): trova la "retta migliore" minimizzando i quadrati dei residui, applicando l'inferenza del cap. 2 (le stime $\hat\beta$ approssimano i veri $\beta$ ). Si estende senza modifiche alla regressione multipla (cap. 5). I residui che OLS produce sono lo strumento diagnostico per verificare le ipotesi del modello (cap. 7) e diagnosticare eteroschedasticità e autocorrelazione (cap. 8). Il teorema di Gauss-Markov stabilisce le condizioni (ipotesi) sotto cui OLS è ottimale, definendo il programma dei capitoli successivi: cosa succede quando le ipotesi sono violate (cap. 8-9) e come rimediare. L'inferenza sui coefficienti stimati da OLS è il cap. 6. OLS è il cavallo di battaglia dell'econometria, il metodo su cui tutto si costruisce.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
OLS (minimi quadrati)	Minimizza la somma dei quadrati dei residui	Altri stimatori (IV, cap. 9)
Residuo	Scarto dalla retta stimata (osservabile)	Errore (scarto dalla retta vera, non osservabile)
R²	Quota di variabilità di Y spiegata dal modello	Validità causale (l'R² non la misura)
R² aggiustato	R² che penalizza le variabili in più	R² semplice (aumenta sempre con più variabili)
BLUE / Gauss-Markov	OLS è il miglior stimatore lineare corretto (sotto ipotesi)	Validità incondizionata (dipende dalle ipotesi)

📝 Riepilogo

Il metodo OLS (minimi quadrati ordinari) stima i coefficienti minimizzando la somma dei quadrati dei residui (gli scarti tra dati e retta); i quadrati rendono positivi gli scarti e penalizzano quelli grandi.
Il residuo (scarto dalla retta stimata, osservabile) è la stima dell'errore (scarto dalla retta vera, non osservabile); l'analisi dei residui diagnostica il modello.
L'R² misura la quota di variabilità di Y spiegata dal modello (0-1); non indica validità causale né correttezza; aumenta sempre con più variabili (si usa l'R² aggiustato).
Il teorema di Gauss-Markov: sotto certe ipotesi, OLS è BLUE (miglior stimatore lineare corretto, a minima varianza).
La qualità di OLS dipende dalle ipotesi; le loro violazioni (cap. 7-9), specie l'endogeneità, sono il programma del resto del corso.

▶️ Prossimo capitolo: La regressione multipla

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La regressione multipla

In breve

La regressione semplice (cap. 3) ha un limite grave: considera un solo fattore alla volta, ignorando che nella realtà economica Y dipende da molte cose insieme. Il salario dipende dall'istruzione, ma anche dall'esperienza, dal settore, dal genere. La regressione multipla supera questo limite includendo più variabili esplicative contemporaneamente. Ma il suo valore non è solo descrittivo: è la chiave per affrontare la sfida centrale dell'econometria, il controllo delle variabili confondenti. Includendo nel modello i fattori che potrebbero confondere la relazione, si può stimare l'effetto "a parità di" tutto il resto, avvicinandosi a una stima dell'effetto causale. Il coefficiente di ogni variabile misura ora il suo effetto al netto degli altri fattori inclusi. Questo capitolo presenta la regressione multipla, l'interpretazione dei coefficienti parziali, il ruolo del controllo delle variabili, e i problemi come la distorsione da variabili omesse e la multicollinearità.

🎯 Alla fine di questo capitolo saprai:

definire il modello di regressione multipla;

interpretare i coefficienti "a parità di altro";

capire il controllo delle variabili confondenti;

riconoscere la distorsione da variabili omesse;

inquadrare il problema della multicollinearità.

Il modello di regressione multipla

Perché conta: è l'estensione essenziale che rende la regressione utile per la realtà economica multifattoriale.

📌 Definizione formale. Il modello di regressione multipla include più variabili esplicative ( $X_1, X_2, \dots, X_k$ ):

$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k + u$

Ogni $\beta_j$ è il coefficiente della variabile $X_j$ . Il modello si stima ancora con OLS (cap. 4), minimizzando la somma dei quadrati dei residui, ma ora rispetto a più variabili (geometricamente, si adatta un "piano" o iperpiano invece di una retta).

🔗 Analogia. Se la regressione semplice è come spiegare i voti degli studenti guardando solo le ore di studio, la multipla è come considerare insieme ore di studio, frequenza, background, difficoltà del corso. È un modello molto più realistico, perché nel mondo reale ogni risultato dipende da molti fattori simultaneamente. La multipla "smonta" l'effetto complessivo nei contributi dei singoli fattori.

L'interpretazione dei coefficienti parziali

Perché conta: l'interpretazione "a parità di altro" è la caratteristica più potente e sottile della regressione multipla; è ciò che la rende uno strumento di analisi causale.

📌 Definizione formale. Nella regressione multipla, ogni coefficiente $\beta_j$ è un effetto parziale: misura l'effetto di $X_j$ su Y tenendo costanti tutte le altre variabili esplicative incluse (in latino ceteris paribus, "a parità di tutto il resto").

🧩 Esempio. Regressione del salario su istruzione ed esperienza: $\text{Salario} = \beta_0 + \beta_1 \text{Istruzione} + \beta_2 \text{Esperienza} + u$ . Ora $\beta_1$ misura l'effetto di un anno in più di istruzione a parità di esperienza: confronta persone con la stessa esperienza ma istruzione diversa. Questo è più utile del coefficiente della regressione semplice, che confondeva istruzione ed esperienza (chi ha più istruzione può avere anche più/meno esperienza). Il coefficiente parziale "isola" l'effetto dell'istruzione.

🔗 Analogia. L'effetto parziale è come chiedere: "a parità di tutte le altre condizioni, quanto conta questo fattore?". È come confrontare due auto identiche tranne che per il motore, per isolare l'effetto del motore. La regressione multipla fa questo statisticamente: confronta osservazioni che differiscono in $X_j$ ma sono simili nelle altre variabili incluse. È il cuore del "controllo statistico".

⚠️ Attenzione. L'interpretazione "a parità di altro" vale solo per le variabili incluse nel modello. Se un fattore rilevante è omesso (non incluso), non è tenuto costante, e la stima può essere distorta. La potenza della multipla dipende da quali variabili si includono — il che porta al problema più importante: la distorsione da variabili omesse.

Il controllo delle variabili confondenti

Perché conta: è il motivo principale per cui si usa la regressione multipla: avvicinarsi alla causalità controllando i confondenti.

📌 Definizione formale. Una variabile confondente (confonditore) è un fattore che influenza sia Y sia una X di interesse, e che — se non incluso — distorce la stima dell'effetto di quella X (è la "terza variabile" del cap. 1 e della metodologia). La regressione multipla permette di controllare i confondenti includendoli nel modello.

🧩 Esempio. Voglio stimare l'effetto dell'istruzione sul salario, ma la capacità individuale confonde: le persone più capaci studiano di più e guadagnano di più a prescindere. Se avessi una misura della capacità, potrei includerla nella regressione multipla, stimando l'effetto dell'istruzione a parità di capacità — depurato dalla confusione. Includere i confondenti giusti avvicina la stima dell'associazione a una stima dell'effetto causale.

⚠️ Attenzione (i limiti del controllo). La regressione multipla controlla solo i confondenti osservati e inclusi. Se un confondente è non osservabile (come la "capacità", difficile da misurare) o semplicemente omesso, il controllo è incompleto e resta distorsione. È il limite fondamentale: si può controllare solo ciò che si misura. Per i confondenti non osservabili servono metodi più avanzati (variabili strumentali, cap. 9; esperimenti, cap. 12). La regressione multipla è un potente passo verso la causalità, ma non risolve tutto.

Distorsione da variabili omesse e multicollinearità

Perché conta: sono i due problemi principali della regressione multipla; conoscerli è essenziale per costruire e interpretare modelli correttamente.

📌 Definizione formale — la distorsione da variabili omesse (omitted variable bias, OVB). Se si omette dal modello una variabile che (a) influenza Y e (b) è correlata con una X inclusa, la stima del coefficiente di quella X è distorta: attribuisce a X anche l'effetto della variabile omessa. È forse il problema più importante dell'econometria applicata.

🧩 Esempio (OVB). Se stimo il salario sull'istruzione omettendo la capacità (che aumenta sia istruzione sia salario), il coefficiente dell'istruzione sarà sovrastimato: cattura sia il vero effetto dell'istruzione sia parte dell'effetto della capacità (a lei correlata). La direzione della distorsione dipende dalle correlazioni. Riconoscere le possibili variabili omesse è cruciale per giudicare l'affidabilità di una stima — la domanda "cosa potrebbe essere omesso?" è la prima da porsi.

📌 Definizione formale — la multicollinearità. Si ha multicollinearità quando due o più variabili esplicative sono fortemente correlate tra loro. Conseguenza: diventa difficile separare i loro effetti (il modello "fatica" a distinguere il contributo di ciascuna), e le stime diventano imprecise (grandi errori standard), pur restando corrette.

🧩 Esempio (multicollinearità). Se includo sia "anni di istruzione" sia "titolo di studio" (fortemente correlati, misurano quasi la stessa cosa), il modello non riesce a distinguere bene i due effetti: i coefficienti diventano instabili e imprecisi. Non è un errore fatale (le stime restano non distorte), ma rende difficile interpretare i singoli coefficienti. La soluzione spesso è togliere le variabili ridondanti o combinarle.

⚠️ Attenzione (OVB vs multicollinearità). Sono problemi opposti: l'omettere una variabile rilevante causa distorsione (grave); includere variabili troppo correlate causa imprecisione (meno grave, le stime restano corrette). C'è un trade-off nella scelta delle variabili: includere abbastanza da evitare l'OVB, senza esagerare creando multicollinearità o "sovracontrollo". Costruire il modello giusto è un'arte guidata dalla teoria e dal buon senso.

🗺️ Come si collega il tutto

La regressione multipla estende la regressione semplice (cap. 3) e si stima con lo stesso OLS (cap. 4). È lo strumento centrale per avvicinarsi alla causalità (cap. 1): controllando i confondenti osservati, stima effetti "a parità di altro". La distorsione da variabili omesse è la violazione dell'ipotesi di esogeneità (errore non correlato con X, cap. 3, 7) ed è strettamente legata all'endogeneità (cap. 9), il problema centrale che le variabili strumentali e gli esperimenti (cap. 12) cercano di risolvere. L'inferenza sui coefficienti parziali è il cap. 6. Le variabili qualitative (cap. 10) sono spesso incluse come controlli. Il limite del controllo (solo i confondenti osservabili) è la motivazione dei metodi di valutazione causale avanzati (cap. 12). La multipla è il cavallo di battaglia dell'analisi econometrica applicata.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Regressione multipla	Più variabili esplicative insieme	Regressione semplice (una sola X)
Effetto parziale (ceteris paribus)	Effetto di X_j a parità delle altre incluse	Effetto totale (della regressione semplice)
Variabile di controllo	Confondente incluso per depurare la stima	Variabile di interesse (l'effetto che si cerca)
Distorsione da variabili omesse	Omettere un confondente distorce la stima	Multicollinearità (variabili incluse correlate)
Multicollinearità	Variabili esplicative correlate → stime imprecise	OVB (omissione → stime distorte)

📝 Riepilogo

La regressione multipla ( $Y = \beta_0 + \beta_1 X_1 + \dots + \beta_k X_k + u$ ) include più variabili esplicative, stimate con OLS (adatta un iperpiano).
Ogni coefficiente $\beta_j$ è un effetto parziale: l'effetto di $X_j$ a parità delle altre variabili incluse (ceteris paribus).
La multipla permette di controllare i confondenti (includendoli), avvicinando l'associazione a una stima causale — ma solo per i confondenti osservati.
La distorsione da variabili omesse (OVB): omettere un confondente (che influenza Y ed è correlato a X) distorce la stima; problema centrale dell'econometria.
La multicollinearità (variabili esplicative correlate) rende le stime imprecise (ma non distorte); trade-off: includere per evitare l'OVB senza creare multicollinearità.

▶️ Prossimo capitolo: L'inferenza e i test di ipotesi

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

L'inferenza e i test di ipotesi

In breve

Stimare i coefficienti (cap. 4-5) non basta: le stime sono calcolate da un campione, quindi soggette a incertezza. Un coefficiente stimato di 300 potrebbe riflettere un vero effetto, oppure essere frutto del caso campionario. L'inferenza risponde a queste domande: quanto è affidabile una stima? L'effetto stimato è statisticamente significativo o potrebbe essere zero? Con quale precisione conosciamo il vero parametro? Gli strumenti sono quelli della statistica (cap. 2) applicati alla regressione: l'errore standard (che misura la precisione della stima), il test t (che valuta se un coefficiente è diverso da zero), l'intervallo di confidenza (il range plausibile del vero valore) e il test F (per ipotesi congiunte su più coefficienti). Questo capitolo mostra come si passa dalle stime alle conclusioni, come si interpretano i risultati di una regressione e — importante — come evitare le trappole nell'interpretazione della significatività.

🎯 Alla fine di questo capitolo saprai:

interpretare l'errore standard di una stima;

applicare il test t sui coefficienti;

costruire e leggere gli intervalli di confidenza;

usare il test F per ipotesi congiunte;

evitare le trappole nell'interpretazione.

L'errore standard e la precisione

Perché conta: l'errore standard è la misura base dell'incertezza di una stima; senza di esso una stima è un numero muto.

📌 Definizione formale. L'errore standard (standard error) di un coefficiente stimato $\hat\beta_j$ misura la sua variabilità campionaria: quanto la stima cambierebbe se ripetessimo l'analisi su campioni diversi. Un errore standard piccolo indica una stima precisa; uno grande, una stima incerta.

📌 Da cosa dipende. L'errore standard è più piccolo (stime più precise) quando:

il campione è più grande (più dati = più precisione);
la variabilità dei residui è minore (il modello spiega meglio);
la variabilità della X è maggiore (più informazione su come X influenza Y).

🔗 Analogia. La stima è come un tiro a segno: il coefficiente $\hat\beta$ è dove ho colpito, l'errore standard è quanto i miei tiri sono dispersi (la mia precisione). Un errore standard piccolo significa tiri raggruppati (posso fidarmi che il centro sia lì vicino); uno grande, tiri sparsi (il vero valore potrebbe essere molto diverso dalla mia stima). Ogni stima va sempre accompagnata dal suo errore standard.

Il test t sui coefficienti

Perché conta: il test t è lo strumento più usato in econometria: dice se una variabile ha un effetto "significativo"; è pervasivo in ogni output di regressione.

📌 Definizione formale. Il test t valuta l'ipotesi che un coefficiente sia uguale a zero (cioè che la variabile non abbia effetto su Y):

H₀: $\beta_j = 0$ (X_j non ha effetto);
H₁: $\beta_j \neq 0$ (X_j ha effetto).

La statistica t è il rapporto tra la stima e il suo errore standard: $t = \frac{\hat\beta_j}{SE(\hat\beta_j)}$

Se t è grande (in valore assoluto, tipicamente > 2), si rifiuta H₀: il coefficiente è statisticamente significativo (probabilmente diverso da zero).

📌 Il valore p. Associato al test t, il valore p (cap. 2) dà la probabilità di osservare un coefficiente così grande se il vero valore fosse zero. Se p < 0,05, si rifiuta H₀ (significatività al 5%).

🧩 Esempio. In una regressione, il coefficiente dell'istruzione è 300 con errore standard 100: $t = 300/100 = 3$ . Poiché 3 > 2, il coefficiente è statisticamente significativo: possiamo concludere (al 5%) che l'istruzione ha un effetto sul salario. Se l'errore standard fosse stato 250, $t = 1{,}2 < 2$ : la stima sarebbe troppo imprecisa per distinguere l'effetto da zero (non significativo), pur essendo il coefficiente pari a 300.

L'intervallo di confidenza

Perché conta: l'intervallo di confidenza comunica l'incertezza in modo più informativo del solo test; è spesso preferibile per interpretare i risultati.

📌 Definizione formale. L'intervallo di confidenza (al 95%, tipicamente) per un coefficiente è un intervallo di valori entro cui, con il 95% di confidenza, si stima cada il vero parametro. Approssimativamente:

$\hat\beta_j \pm 2 \cdot SE(\hat\beta_j)$

📌 L'interpretazione. Un intervallo stretto indica una stima precisa; uno largo, incerta. Se l'intervallo non contiene lo zero, il coefficiente è significativo (equivale al test t); se lo contiene, non lo è.

🧩 Esempio. Coefficiente dell'istruzione 300, errore standard 100: intervallo di confidenza $\approx 300 \pm 200 = [100, 500]$ . Interpretazione: siamo confidenti al 95% che il vero effetto di un anno di istruzione sia tra 100 e 500 euro. L'intervallo non contiene lo zero, quindi l'effetto è significativo. L'intervallo dice più del test: non solo che l'effetto è ≠ 0, ma quanto plausibilmente vale (tra 100 e 500) — informazione preziosa e spesso trascurata.

🔗 Analogia. Riportare solo "l'effetto è significativo" è come dire "il tesoro è da qualche parte in questa direzione"; riportare l'intervallo di confidenza è come dire "il tesoro è tra 100 e 500 metri in questa direzione": molto più utile. Per questo molti statistici raccomandano di privilegiare gli intervalli di confidenza rispetto al solo test di significatività.

Il test F e le trappole dell'interpretazione

Perché conta: il test F estende l'inferenza a ipotesi congiunte, e conoscere le trappole della significatività è essenziale per non trarre conclusioni sbagliate.

📌 Definizione formale — il test F. Il test F valuta ipotesi che coinvolgono più coefficienti insieme (congiuntamente). Usi tipici:

testare se un gruppo di variabili è congiuntamente significativo;
testare la significatività complessiva del modello (tutti i coefficienti sono zero?);
confrontare modelli (uno ristretto vs uno più ampio).

🧩 Esempio. Voglio sapere se un gruppo di variabili (es. le variabili di controllo settoriale) è congiuntamente rilevante, anche se nessuna singola è significativa. Il test F valuta l'ipotesi congiunta "tutti questi coefficienti sono zero". A volte variabili singolarmente non significative (magari per multicollinearità, cap. 5) lo sono congiuntamente: il test F lo rivela dove i singoli test t non basterebbero.

⚠️ Attenzione — le trappole dell'interpretazione (cruciali, già viste in metodologia):

significatività statistica ≠ importanza pratica: con grandi campioni, anche effetti minuscoli e irrilevanti risultano significativi. Guardare sempre la dimensione del coefficiente, non solo il p-value;
non significativo ≠ effetto zero: una stima non significativa può riflettere solo poca precisione (campione piccolo), non l'assenza di effetto;
il p-hacking: provare molte specificazioni finché una risulta significativa distorce i risultati (come nella crisi di replicabilità, metodologia);
la significatività non prova la causalità: un coefficiente significativo può riflettere una relazione spuria o distorta (OVB, endogeneità, cap. 5, 9).

🔗 Analogia. Interpretare bene una regressione è come leggere una diagnosi medica: il test dice "c'è un segnale", ma bisogna chiedersi quanto è forte (dimensione), quanto è affidabile (precisione, campione), e se il segnale è davvero causato da ciò che pensiamo (causalità) o da un artefatto. Il solo "p < 0,05" è un'informazione parziale e facilmente fuorviante.

🗺️ Come si collega il tutto

L'inferenza applica gli strumenti della statistica (cap. 2: test d'ipotesi, valore p, intervalli di confidenza) alle stime della regressione (cap. 4-5). L'errore standard e il test t permettono di giudicare se i coefficienti stimati (cap. 5) sono significativi. La validità dell'inferenza dipende dalle ipotesi del modello (cap. 7): se le ipotesi (specie su varianza e correlazione dell'errore) sono violate, gli errori standard sono sbagliati e l'inferenza fuorviante — è il tema di eteroschedasticità e autocorrelazione (cap. 8). Le trappole dell'interpretazione (significatività ≠ importanza ≠ causalità) collegano l'econometria alla metodologia della ricerca e alla crisi di replicabilità. Un coefficiente significativo non prova la causalità: resta il problema dell'endogeneità (cap. 9). L'inferenza è ciò che trasforma le stime in conclusioni — da usare con rigore e cautela.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Errore standard	Misura la precisione/variabilità di una stima	Errore/residuo (scarto dei dati dalla retta)
Test t	Valuta se un coefficiente è ≠ 0 (t = stima/SE)	Test F (ipotesi congiunte su più coefficienti)
Significatività statistica	Il coefficiente è probabilmente ≠ 0 (p < 0,05)	Importanza pratica (dimensione dell'effetto)
Intervallo di confidenza	Range plausibile del vero parametro	Test t (dà solo sì/no sulla significatività)
Test F	Significatività congiunta di più coefficienti	Test t (un coefficiente alla volta)

📝 Riepilogo

L'errore standard misura la precisione di una stima (piccolo = precisa); dipende da dimensione del campione, variabilità dei residui e della X.
Il test t ( $t = \hat\beta/SE$ ) valuta se un coefficiente è diverso da zero; se |t| > 2 (o p < 0,05) è statisticamente significativo.
L'intervallo di confidenza ( $\hat\beta \pm 2 SE$ ) dà il range plausibile del vero parametro; se non contiene zero, l'effetto è significativo — spesso più informativo del solo test.
Il test F valuta ipotesi congiunte su più coefficienti (significatività di gruppi o del modello).
Trappole: significatività ≠ importanza (dimensione), non significativo ≠ effetto zero, attenzione al p-hacking, e la significatività non prova la causalità.

▶️ Prossimo capitolo: Le ipotesi del modello e le loro violazioni

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Le ipotesi del modello e le loro violazioni

In breve

Abbiamo visto (cap. 4, Gauss-Markov) che OLS produce stime ottimali sotto certe ipotesi. Ma quali sono esattamente queste ipotesi, e cosa succede se non sono rispettate? Questo capitolo, cerniera del corso, presenta sistematicamente le ipotesi del modello di regressione classico e le conseguenze delle loro violazioni. È un capitolo cruciale perché nella pratica economica le ipotesi sono spesso violate, e sapere quale ipotesi cade e cosa comporta è la differenza tra un'analisi affidabile e una fuorviante. Le violazioni si dividono in due grandi categorie per gravità: quelle che rendono le stime imprecise ma corrette (come eteroschedasticità e autocorrelazione, cap. 8, che si correggono) e quelle che rendono le stime distorte (come l'endogeneità, cap. 9, il problema più grave). Comprendere le ipotesi e la mappa delle loro violazioni è il presupposto per usare l'econometria con consapevolezza e per capire i capitoli successivi.

🎯 Alla fine di questo capitolo saprai:

elencare le ipotesi del modello di regressione;

capire il ruolo dell'ipotesi di esogeneità;

distinguere violazioni "gravi" e "meno gravi";

collegare ogni violazione alle sue conseguenze;

inquadrare la mappa dei problemi del modello.

Le ipotesi del modello classico

Perché conta: conoscere le ipotesi è il presupposto per sapere quando fidarsi di OLS e per diagnosticare i problemi.

📌 Definizione formale — le ipotesi principali del modello di regressione lineare classico:

Ipotesi	Cosa richiede
Linearità	Il modello è lineare nei parametri
Campionamento casuale	I dati sono un campione rappresentativo
Esogeneità	L'errore ha media zero e non è correlato con le X
No multicollinearità perfetta	Le X non sono perfettamente correlate tra loro
Omoschedasticità	L'errore ha varianza costante
No autocorrelazione	Gli errori non sono correlati tra loro
Normalità (per l'inferenza esatta)	Gli errori sono distribuiti normalmente

📌 La gerarchia delle ipotesi. Non tutte hanno lo stesso peso:

l'esogeneità è la più importante: se cade, OLS è distorto (stime sbagliate);
omoschedasticità e no autocorrelazione servono per l'efficienza e la validità degli errori standard: se cadono, OLS resta corretto ma l'inferenza è sbagliata (cap. 8);
la normalità serve solo per l'inferenza esatta in piccoli campioni (in grandi campioni è meno necessaria).

🔗 Analogia. Le ipotesi sono come le condizioni di garanzia di uno strumento: se le rispetti, lo strumento (OLS) funziona come promesso (Gauss-Markov, cap. 4). Se le violi, alcune violazioni sono lievi (lo strumento è meno preciso ma ancora utilizzabile) e altre gravi (lo strumento dà risultati sbagliati). Sapere quali condizioni valgono nel tuo caso ti dice quanto fidarti dei risultati.

L'esogeneità: l'ipotesi cruciale

Perché conta: l'esogeneità è l'ipotesi che decide se le stime sono corrette o distorte; è la più importante di tutte.

📌 Definizione formale. L'ipotesi di esogeneità richiede che il termine di errore $u$ non sia correlato con le variabili esplicative X. Intuitivamente: i fattori non inclusi nel modello (nell'errore) non devono essere sistematicamente legati alle X.

📌 Perché è cruciale. Se l'esogeneità vale, OLS è corretto (non distorto): stima in media i veri parametri. Se è violata (endogeneità, cap. 9), OLS è distorto: le stime sono sistematicamente sbagliate, e nessuna quantità di dati risolve il problema. È la differenza tra una stima affidabile e una fuorviante.

🧩 Esempio. Nella regressione salario-istruzione, se la capacità (non inclusa, quindi nell'errore) è correlata con l'istruzione (i più capaci studiano di più), l'esogeneità è violata: il coefficiente dell'istruzione è distorto (cattura anche l'effetto della capacità). Questa è la distorsione da variabili omesse (cap. 5), una forma di violazione dell'esogeneità. Il problema non si risolve con più dati: si risolve solo controllando la capacità o con metodi come le variabili strumentali (cap. 9).

⚠️ Attenzione. L'esogeneità è un'ipotesi non verificabile direttamente (l'errore non è osservabile). Bisogna ragionare teoricamente se sia plausibile: quali fattori sono omessi? Sono correlati con le X? C'è causalità inversa? La credibilità di ogni stima causale dipende dalla plausibilità dell'esogeneità — è il giudizio più importante e delicato dell'econometria applicata.

Le violazioni "meno gravi": stime corrette ma imprecise

Perché conta: capire che alcune violazioni non distorcono le stime (ma solo l'inferenza) permette di trattarle con le correzioni giuste senza panico.

📌 Definizione formale. Le violazioni di omoschedasticità (→ eteroschedasticità) e di no autocorrelazione (→ autocorrelazione) — cap. 8 — sono meno gravi: OLS resta corretto (non distorto), ma:

perde efficienza (non è più il "migliore", BLUE);
gli errori standard calcolati normalmente sono sbagliati, quindi l'inferenza (test t, intervalli, cap. 6) è fuorviante.

📌 Le soluzioni. Poiché le stime restano corrette, il problema è "solo" l'inferenza. Si corregge:

usando errori standard robusti (corretti per eteroschedasticità/autocorrelazione);
o con metodi di stima alternativi più efficienti.

🔗 Analogia. Queste violazioni sono come un orologio che segna l'ora giusta in media (corretto) ma con un margine di errore mal calcolato: l'ora indicata è affidabile (stime corrette), ma la fiducia che ci ripongo (inferenza) è sbagliata. La correzione è ricalibrare il margine di errore (errori standard robusti), non buttare l'orologio. È un problema serio ma gestibile.

⚠️ Attenzione. Anche se "meno gravi", queste violazioni non vanno ignorate: usare errori standard sbagliati porta a conclusioni errate sulla significatività (dichiarare significativo ciò che non lo è, o viceversa). Nella pratica moderna si usano quasi sempre errori standard robusti per prudenza (cap. 8).

La mappa delle violazioni

Perché conta: una mappa d'insieme delle violazioni e delle loro conseguenze orienta l'intera diagnostica del modello e i capitoli successivi.

📌 Definizione formale — la mappa dei problemi:

Violazione	Conseguenza	Gravità	Capitolo
Endogeneità (esogeneità violata)	Stime distorte	Grave	cap. 9
Eteroschedasticità	Stime corrette, inferenza sbagliata	Media	cap. 8
Autocorrelazione	Stime corrette, inferenza sbagliata	Media	cap. 8
Multicollinearità	Stime corrette ma imprecise	Lieve	cap. 5
Forma funzionale sbagliata	Stime distorte (mal specificazione)	Grave	—
Non normalità	Problema solo in piccoli campioni	Lieve	—

📌 Il principio guida. La distinzione fondamentale è tra:

violazioni che rendono OLS distorto (endogeneità, mal specificazione): gravi, richiedono metodi alternativi (cap. 9);
violazioni che lasciano OLS corretto ma inefficiente/con inferenza sbagliata (eteroschedasticità, autocorrelazione, multicollinearità): gestibili con correzioni (cap. 8).

🧩 Esempio. Di fronte a una regressione, l'econometra si chiede sistematicamente: le X sono esogene (o c'è endogeneità)? La forma funzionale è giusta? Gli errori sono omoschedastici e non autocorrelati? Ci sono variabili omesse? Ogni domanda corrisponde a un'ipotesi, e la risposta guida le correzioni. Questa diagnostica sistematica è il mestiere dell'econometra applicato: non basta far girare la regressione, bisogna verificarne le fondamenta.

🔗 Analogia. Verificare le ipotesi è come il controllo pre-volo di un pilota: prima di fidarsi dei risultati (decollare), si controllano sistematicamente tutte le condizioni (le ipotesi). Alcune anomalie sono minori (si correggono e si vola), altre sono gravi (bisogna intervenire prima). Saltare il controllo significa rischiare conclusioni sbagliate.

🗺️ Come si collega il tutto

Questo capitolo è la cerniera del corso: sistematizza le ipotesi sotto cui OLS (cap. 4) è valido (Gauss-Markov) e apre l'analisi delle loro violazioni. L'esogeneità — l'ipotesi cruciale — collega la distorsione da variabili omesse (cap. 5) all'endogeneità (cap. 9), il problema centrale della causalità (cap. 1). Le violazioni "meno gravi" (eteroschedasticità, autocorrelazione) sono il tema del cap. 8, con le correzioni (errori standard robusti). La validità dell'inferenza (cap. 6) dipende da queste ipotesi. La distinzione tra violazioni che distorcono e violazioni che rendono imprecisi è il principio organizzatore dei capitoli successivi. Verificare le ipotesi è il "controllo di qualità" di ogni analisi econometrica: senza, i risultati sono inaffidabili.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Ipotesi di esogeneità	Errore non correlato con le X (la più cruciale)	Omoschedasticità (varianza costante dell'errore)
Endogeneità	Violazione dell'esogeneità → stime distorte	Eteroschedasticità (stime corrette, inferenza errata)
Omoschedasticità	Varianza dell'errore costante	Autocorrelazione (errori correlati tra loro)
Violazione grave vs lieve	Distorce le stime vs le rende imprecise/inferenza errata	—
Errori standard robusti	Correzione per etero./autocorrelazione	Stime robuste (le stime OLS restano le stesse)

📝 Riepilogo

OLS è valido sotto ipotesi (Gauss-Markov): linearità, campionamento casuale, esogeneità, no multicollinearità perfetta, omoschedasticità, no autocorrelazione, normalità.
L'esogeneità (errore non correlato con le X) è cruciale: se violata (endogeneità), OLS è distorto (stime sbagliate, non risolvibili con più dati); è non verificabile direttamente (giudizio teorico).
Le violazioni di omoschedasticità ed assenza di autocorrelazione sono meno gravi: OLS resta corretto ma inefficiente e con errori standard sbagliati (inferenza fuorviante); si correggono con errori standard robusti (cap. 8).
Distinzione fondamentale: violazioni che distorcono (endogeneità, mal specificazione: gravi) vs che rendono imprecisi/inferenza errata (gestibili).
Verificare le ipotesi (diagnostica) è il "controllo di qualità" di ogni analisi econometrica.

▶️ Prossimo capitolo: Eteroschedasticità e autocorrelazione

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Eteroschedasticità e autocorrelazione

In breve

Tra le ipotesi del modello classico (cap. 7), due riguardano la struttura del termine di errore: l'omoschedasticità (varianza costante degli errori) e l'assenza di autocorrelazione (errori non correlati tra loro). Nella pratica economica, entrambe sono spesso violate: la variabilità degli errori può cambiare (eteroschedasticità) e gli errori possono essere correlati nel tempo (autocorrelazione, tipica delle serie storiche). La buona notizia, vista nel capitolo precedente, è che queste violazioni sono "meno gravi": OLS resta corretto (non distorto). La cattiva notizia è che rendono inaffidabile l'inferenza (errori standard sbagliati, test t e intervalli fuorvianti). Fortunatamente, esistono soluzioni collaudate: gli errori standard robusti e metodi di stima alternativi. Questo capitolo spiega cosa sono l'eteroschedasticità e l'autocorrelazione, come si diagnosticano, quali conseguenze hanno e come si correggono — competenze pratiche essenziali per ogni analisi econometrica applicata.

🎯 Alla fine di questo capitolo saprai:

definire eteroschedasticità e autocorrelazione;

capire le loro conseguenze sull'inferenza;

riconoscere come diagnosticarle;

applicare le correzioni (errori standard robusti);

collegare questi problemi ai tipi di dati.

L'eteroschedasticità

Perché conta: l'eteroschedasticità è la violazione più comune nei dati economici; saperla riconoscere e correggere è una competenza pratica fondamentale.

📌 Definizione formale. Si ha eteroschedasticità quando la varianza del termine di errore non è costante ma varia con le osservazioni (spesso al variare delle X). L'ipotesi violata è l'omoschedasticità (varianza costante).

📌 Quando si presenta. È comune nei dati trasversali, dove la variabilità dipende dalla dimensione delle unità:

la variabilità della spesa cresce col reddito (i ricchi hanno spese più variabili);
la variabilità dei profitti cresce con la dimensione dell'impresa.

🔗 Analogia. L'omoschedasticità è come un tiratore la cui dispersione è la stessa a ogni distanza; l'eteroschedasticità è come un tiratore che è preciso da vicino ma sempre più disperso da lontano. La "dispersione" (varianza dell'errore) cambia sistematicamente. Il modello prevede bene alcune osservazioni (poca varianza) e male altre (molta varianza).

🧩 Esempio. Regressione della spesa familiare sul reddito: le famiglie povere hanno poca varietà di spesa (spendono quasi tutto in necessità, errore piccolo), le famiglie ricche hanno spese molto più variabili (possono spendere o risparmiare molto, errore grande). La varianza dell'errore cresce col reddito: eteroschedasticità classica. Graficamente, i residui formano un "cono" che si allarga.

L'autocorrelazione

Perché conta: l'autocorrelazione è tipica delle serie storiche (frequenti in economia); capirla è essenziale per l'analisi dei dati temporali.

📌 Definizione formale. Si ha autocorrelazione (o correlazione seriale) quando gli errori di osservazioni diverse sono correlati tra loro. L'ipotesi violata è l'assenza di autocorrelazione.

📌 Quando si presenta. È tipica delle serie storiche (cap. 11): i valori vicini nel tempo tendono a essere correlati. Se un errore è positivo in un periodo, tende a esserlo anche nel successivo (autocorrelazione positiva, la più comune): gli shock persistono nel tempo.

🔗 Analogia. L'autocorrelazione è come il meteo: se oggi piove (errore positivo), è più probabile che piova anche domani (gli errori sono correlati nel tempo). Gli errori non sono "indipendenti" come lanci di dado, ma "si trascinano". Questo è naturale in economia, dove gli shock (una crisi, una politica) hanno effetti che perdurano su più periodi.

🧩 Esempio. In una regressione su serie storiche del consumo, se un anno c'è uno shock positivo non spiegato (errore positivo, es. un boom di fiducia), è probabile che l'effetto persista l'anno dopo (ancora errore positivo). Gli errori sono autocorrelati positivamente. Ignorarlo porta a sottostimare gli errori standard e a sopravvalutare la significatività (dichiarare significativo ciò che non lo è).

Le conseguenze

Perché conta: capire esattamente cosa queste violazioni rompono (e cosa no) permette di reagire correttamente, senza né ignorarle né sovradrammatizzarle.

📌 Definizione formale — le conseguenze (comuni a entrambe le violazioni):

le stime OLS restano corrette (non distorte): i coefficienti $\hat\beta$ sono ancora affidabili in media;
OLS perde efficienza (non è più BLUE, cap. 4);
gli errori standard calcolati con le formule standard sono sbagliati (di solito sottostimati);
di conseguenza, test t, intervalli di confidenza e valori p (cap. 6) sono fuorvianti: si rischia di dichiarare significativi effetti che non lo sono.

⚠️ Attenzione (il punto chiave). Il problema non è nelle stime (corrette), ma nell'inferenza (errori standard sbagliati). Questo è rassicurante: i coefficienti si possono ancora usare, ma la valutazione della loro significatività va corretta. Ignorare il problema porta a conclusioni errate sulla significatività — l'errore più comune è credere in effetti che in realtà non sono statisticamente solidi.

La diagnosi e le correzioni

Perché conta: saper diagnosticare e correggere queste violazioni è la competenza pratica che rende l'analisi affidabile.

📌 Definizione formale — come si diagnosticano:

grafici dei residui: esaminare i residui (cap. 4) rivela pattern (il "cono" dell'eteroschedasticità; l'andamento ondulatorio dell'autocorrelazione);
test statistici: esistono test appositi (es. il test di Breusch-Pagan o White per l'eteroschedasticità; il test di Durbin-Watson o Breusch-Godfrey per l'autocorrelazione).

📌 Le correzioni:

errori standard robusti: la soluzione più usata e semplice. Si calcolano errori standard "corretti" (robusti all'eteroschedasticità — errori di White; o all'autocorrelazione — errori HAC/Newey-West), che danno un'inferenza valida pur mantenendo le stime OLS;
metodi di stima alternativi (es. minimi quadrati generalizzati, GLS) più efficienti, se si conosce la struttura della varianza;
per l'autocorrelazione, a volte si rispecifica il modello (aggiungere dinamiche, cap. 11).

🧩 Esempio (la prassi moderna). Nella pratica econometrica contemporanea, si usano quasi sempre errori standard robusti per prudenza, anche senza aver formalmente diagnosticato l'eteroschedasticità: dato che sono validi sia in presenza sia in assenza del problema (in grandi campioni), è una scelta di cautela. Un output di regressione moderno riporta di default gli errori standard robusti. È diventato lo standard proprio perché l'eteroschedasticità è così comune.

🔗 Analogia. Correggere con errori standard robusti è come ricalibrare il margine di errore di uno strumento che misura bene la media ma sbaglia la precisione dichiarata (cap. 7): non cambio la misura (le stime OLS restano), ma correggo la fiducia che le attribuisco (gli errori standard). È una soluzione elegante: mantiene i vantaggi di OLS correggendo solo ciò che serve.

🗺️ Come si collega il tutto

Questo capitolo affronta due delle violazioni delle ipotesi introdotte nel cap. 7 — quelle "meno gravi", che lasciano OLS corretto ma invalidano l'inferenza (cap. 6). L'eteroschedasticità è tipica dei dati trasversali, l'autocorrelazione delle serie storiche (cap. 11): il tipo di dato (cap. 1) determina quale problema aspettarsi. La diagnosi usa i residui prodotti da OLS (cap. 4). Le correzioni (errori standard robusti) ripristinano la validità dell'inferenza senza toccare le stime. A differenza dell'endogeneità (cap. 9, che distorce le stime e richiede metodi diversi), queste violazioni sono gestibili. La distinzione tra problemi che intaccano le stime e problemi che intaccano l'inferenza — chiave del cap. 7 — trova qui la sua applicazione pratica. Padroneggiare queste correzioni è routine per l'econometra applicato.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Eteroschedasticità	Varianza dell'errore non costante	Autocorrelazione (errori correlati tra loro)
Autocorrelazione	Errori di osservazioni diverse correlati	Eteroschedasticità (varianza variabile)
Conseguenza	Stime corrette, ma inferenza fuorviante	Endogeneità (stime distorte, cap. 9)
Errori standard robusti	Correzione dell'inferenza (White, HAC)	Stime robuste (le stime OLS non cambiano)
Test diagnostici	Breusch-Pagan/White; Durbin-Watson	Test t/F sui coefficienti (cap. 6)

📝 Riepilogo

L'eteroschedasticità (varianza dell'errore non costante) è comune nei dati trasversali (es. la variabilità della spesa cresce col reddito).
L'autocorrelazione (errori correlati tra loro) è tipica delle serie storiche (gli shock persistono nel tempo, autocorrelazione positiva).
Conseguenze: OLS resta corretto (stime affidabili) ma inefficiente, e gli errori standard sono sbagliati (di solito sottostimati) → inferenza fuorviante (test e intervalli errati).
Il problema è nell'inferenza, non nelle stime: si corregge con errori standard robusti (White per etero.; HAC/Newey-West per autocorr.) o metodi come GLS.
Nella prassi moderna si usano quasi sempre errori standard robusti per cautela; a differenza dell'endogeneità (cap. 9), queste violazioni sono gestibili.

▶️ Prossimo capitolo: Endogeneità e variabili strumentali

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Endogeneità e variabili strumentali

In breve

Arriviamo al problema più grave e importante dell'econometria: l'endogeneità, cioè la violazione dell'ipotesi cruciale di esogeneità (cap. 7). Quando una variabile esplicativa è correlata con il termine di errore, OLS produce stime distorte — sistematicamente sbagliate — e il problema non si risolve con più dati. L'endogeneità è la ragione per cui è così difficile stabilire la causalità in economia: nasce da variabili omesse (cap. 5), causalità inversa, ed errori di misura. La soluzione più celebre è il metodo delle variabili strumentali (IV): trovare una variabile "strumento" che influenzi la X problematica ma sia scollegata dall'errore, e usarla per isolare l'effetto causale. È una tecnica ingegnosa ma delicata, che richiede strumenti "validi" — spesso difficili da trovare. Questo capitolo spiega cos'è l'endogeneità, le sue cause, il metodo delle variabili strumentali e le sue condizioni. È il capitolo più impegnativo, ma anche quello che affronta la sfida centrale: misurare la causalità.

🎯 Alla fine di questo capitolo saprai:

definire l'endogeneità e le sue cause;

capire perché rende OLS distorto;

spiegare il metodo delle variabili strumentali;

riconoscere le condizioni di uno strumento valido;

inquadrare i limiti e le difficoltà dell'approccio IV.

Cos'è l'endogeneità

Perché conta: l'endogeneità è il problema che distorce le stime e impedisce l'interpretazione causale; capirla è la chiave della sfida dell'econometria.

📌 Definizione formale. Si ha endogeneità quando una variabile esplicativa X è correlata con il termine di errore $u$ : l'ipotesi di esogeneità (cap. 7) è violata. La variabile X si dice "endogena".

📌 La conseguenza. Con endogeneità, OLS è distorto e inconsistente: le stime sono sistematicamente sbagliate, e — a differenza dell'eteroschedasticità (cap. 8) — il problema non scompare con campioni più grandi. La stima non coglie il vero effetto causale, ma un misto tra l'effetto di X e quello dei fattori confondenti.

🔗 Analogia. L'endogeneità è come voler misurare l'effetto di una medicina, ma i pazienti che la prendono sono anche quelli più malati (o più attenti alla salute): la correlazione tra medicina e guarigione è "contaminata" da questa selezione. OLS attribuisce alla medicina un effetto che in parte è dovuto ad altro. È il "peccato originale" dei dati osservativi: chi sceglie X non è casuale, e questa non-casualità distorce.

Le cause dell'endogeneità

Perché conta: riconoscere le fonti dell'endogeneità è il primo passo per diagnosticarla e affrontarla; sono situazioni ricorrenti in economia.

📌 Definizione formale — le tre cause principali:

1. Variabili omesse (cap. 5). Un confondente omesso, correlato con X, finisce nell'errore e crea correlazione X-errore. (Es. la capacità omessa nella regressione salario-istruzione.)

2. Causalità inversa (simultaneità). Quando non solo X influenza Y, ma anche Y influenza X: la direzione causale è ambigua. (Es. prezzo e quantità si determinano a vicenda; polizia e criminalità: più criminalità → più polizia, e più polizia → meno criminalità.)

3. Errori di misura nelle X. Se X è misurata con errore, la X osservata è correlata con l'errore, distorcendo la stima (attenuandola verso zero).

🧩 Esempio (causalità inversa). Voglio stimare l'effetto della polizia (X) sulla criminalità (Y). Ma le città con più criminalità assumono più polizia (Y influenza X): la correlazione osservata potrebbe mostrare più polizia associata a più criminalità, un risultato assurdo dovuto alla causalità inversa. OLS non distingue le due direzioni. Serve un metodo che isoli l'effetto della polizia sulla criminalità, "pulendo" dalla causalità inversa: le variabili strumentali.

⚠️ Attenzione. L'endogeneità è pervasiva in economia, perché i dati sono raramente sperimentali: le persone e le imprese scelgono i valori delle variabili (l'istruzione, il prezzo, l'investimento) in base a fattori che influenzano anche l'esito. Questa "auto-selezione" è endemica. Riconoscere l'endogeneità è la differenza tra un'analisi ingenua (che scambia correlazione per causa) e una rigorosa.

Le variabili strumentali

Perché conta: le variabili strumentali sono il metodo classico per risolvere l'endogeneità; l'idea è ingegnosa e centrale nell'econometria moderna.

📌 Definizione formale. Il metodo delle variabili strumentali (IV, Instrumental Variables) risolve l'endogeneità usando uno strumento Z: una variabile che influenza la X problematica ma non è correlata con l'errore. Lo strumento fornisce una "variazione pulita" di X, scollegata dai confondenti, con cui isolare l'effetto causale.

📌 L'idea intuitiva. Lo strumento Z genera variazione in X che è "come casuale" (indipendente dai confondenti). Usando solo questa variazione pulita di X per spiegare Y, si stima l'effetto causale depurato dall'endogeneità. Tecnicamente si realizza coi minimi quadrati a due stadi (2SLS): prima si "predice" X con Z, poi si usa la X predetta (pulita) per spiegare Y.

🔗 Analogia. Lo strumento è come una "leva esterna" che muove X senza toccare i confondenti. Immagina di voler misurare l'effetto del peso su una molla, ma qualcuno spinge anche la molla (confondente): usi una fonte di peso esterna e controllata (lo strumento) che agisce solo attraverso il peso, isolando l'effetto puro. Lo strumento è quella spinta "pulita" che ti permette di isolare la relazione causale.

🧩 Esempio (uno strumento classico). Per stimare l'effetto dell'istruzione sul salario (endogena per la capacità omessa), si è usata come strumento la distanza da casa all'università o le regole sull'età di inizio scuola: fattori che influenzano quanto uno studia (rilevanza), ma plausibilmente non correlati con la capacità individuale o direttamente col salario (esogeneità dello strumento). La variazione di istruzione "indotta" da questi fattori è più vicina a casuale, e permette di stimare l'effetto causale dell'istruzione.

Le condizioni e i limiti degli strumenti

Perché conta: un buon strumento è difficile da trovare, e uno cattivo peggiora le cose; conoscere le condizioni è essenziale per usare l'IV con giudizio.

📌 Definizione formale — le due condizioni di uno strumento valido:

Rilevanza (relevance): lo strumento Z deve essere correlato con X (influenzarla davvero). Verificabile dai dati.
Esogeneità/validità (exclusion restriction): lo strumento Z deve essere non correlato con l'errore (influenzare Y solo attraverso X, non direttamente né tramite confondenti). Non verificabile dai dati (richiede argomentazione teorica).

⚠️ Attenzione — le difficoltà:

Strumenti deboli: se lo strumento è poco correlato con X (rilevanza debole), le stime IV sono imprecise e possono essere più distorte di OLS. Serve uno strumento "forte".
Validità non verificabile: la condizione di esogeneità dello strumento non si può testare (come l'esogeneità in generale, cap. 7): va argomentata in modo convincente. È il punto più criticato di ogni studio IV: "sei sicuro che lo strumento influenzi Y solo attraverso X?".
Trovare buoni strumenti è difficile: deve influenzare X ma essere plausibilmente scollegato da tutto il resto — una combinazione rara.

🧩 Esempio (la critica agli strumenti). Nell'esempio della distanza dall'università come strumento per l'istruzione, un critico potrebbe obiettare: la distanza potrebbe essere correlata con il contesto socioeconomico (chi vive vicino alle università è spesso più benestante), che influenza direttamente il salario (violazione dell'esclusione). Ogni strumento è oggetto di questo scrutinio: la sua validità è una questione di plausibilità argomentata, mai di certezza. Per questo l'IV va usato con onestà e cautela.

🔗 Analogia. Un buon strumento è come un testimone ideale in tribunale: deve sapere qualcosa di rilevante sul fatto (rilevanza) ed essere imparziale, non coinvolto in altro (esogeneità). Trovare un testimone così è raro e prezioso; fidarsi di uno inaffidabile (strumento debole o non valido) porta a verdetti sbagliati. L'econometra deve difendere la credibilità del suo "testimone".

🗺️ Come si collega il tutto

L'endogeneità è la violazione dell'esogeneità (cap. 7), l'ipotesi cruciale, e la causa profonda per cui è difficile passare dalla correlazione alla causalità (cap. 1). Nasce dalle variabili omesse (cap. 5), dalla causalità inversa e dagli errori di misura. È il problema grave che distingue OLS distorto (endogeneità) dalle violazioni gestibili (eteroschedasticità, cap. 8). Le variabili strumentali (IV/2SLS) sono la soluzione classica, ma richiedono strumenti validi — difficili da trovare e non pienamente verificabili. Questo prepara i metodi di valutazione causale moderni (cap. 12: esperimenti, esperimenti naturali, differenza-in-differenze, discontinuità), che cercano fonti di variazione "quasi-sperimentale" per isolare la causalità. L'endogeneità e le sue soluzioni sono il cuore dell'econometria applicata contemporanea, ossessionata dalla ricerca di stime causali credibili.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Endogeneità	X correlata con l'errore → OLS distorto	Eteroschedasticità (stime corrette, cap. 8)
Causalità inversa	Anche Y influenza X (simultaneità)	Variabili omesse (confondente escluso)
Variabile strumentale (IV)	Z influenza X ma è scollegata dall'errore	Variabile di controllo (inclusa nel modello)
Rilevanza	Lo strumento è correlato con X (verificabile)	Esogeneità dello strumento (non verificabile)
Strumento debole	Poco correlato con X → stime IV inaffidabili	Strumento forte (buona rilevanza)

📝 Riepilogo

L'endogeneità (X correlata con l'errore, violazione dell'esogeneità) rende OLS distorto e inconsistente: il problema non si risolve con più dati. È il più grave.
Cause: variabili omesse (cap. 5), causalità inversa (simultaneità, es. polizia-criminalità), errori di misura; è pervasiva in economia (dati osservativi, auto-selezione).
Le variabili strumentali (IV/2SLS) la risolvono con uno strumento Z che influenza X ma è scollegato dall'errore, isolando una variazione "pulita" di X.
Uno strumento valido deve essere rilevante (correlato con X, verificabile) ed esogeno (scollegato dall'errore, non verificabile, va argomentato).
Difficoltà: strumenti deboli (rilevanza scarsa → stime inaffidabili), validità non testabile (solo plausibilità), e la rarità di buoni strumenti; prepara i metodi di valutazione causale (cap. 12).

▶️ Prossimo capitolo: Modelli con variabili qualitative

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Modelli con variabili qualitative

In breve

Finora abbiamo trattato variabili quantitative (reddito, prezzo, anni). Ma molte variabili economiche importanti sono qualitative (categoriali): il genere, il settore, l'essere occupato o meno, l'aver ricevuto un trattamento. L'econometria le gestisce in due modi. Quando la variabile qualitativa è esplicativa (X), si usano le variabili dummy (o indicatrici): variabili che valgono 0 o 1 per rappresentare l'appartenenza a una categoria, permettendo di includere fattori qualitativi nella regressione e di stimare, per esempio, il divario salariale di genere. Quando invece è la variabile dipendente (Y) a essere qualitativa — tipicamente binaria (sì/no, occupato/disoccupato) — la regressione lineare ordinaria non è adatta, e servono modelli speciali come il logit e il probit. Questo capitolo presenta le variabili dummy, la loro interpretazione, i modelli di interazione, e i modelli per variabili dipendenti qualitative — strumenti indispensabili per l'analisi economica applicata, dove le categorie sono ovunque.

🎯 Alla fine di questo capitolo saprai:

definire e usare le variabili dummy;

interpretare i coefficienti delle dummy;

capire le interazioni tra variabili;

riconoscere il problema delle Y qualitative;

inquadrare i modelli logit e probit.

Le variabili dummy

Perché conta: le dummy sono lo strumento base per includere fattori qualitativi nella regressione; sono onnipresenti nell'analisi applicata.

📌 Definizione formale. Una variabile dummy (o indicatrice, binaria) è una variabile che assume solo i valori 0 o 1, per indicare l'appartenenza o meno a una categoria:

1 se l'osservazione ha una certa caratteristica (es. è donna, è del Nord, ha ricevuto il trattamento);
0 altrimenti.

📌 L'uso nella regressione. Includendo una dummy tra le esplicative, si permette al modello di avere un'intercetta diversa per le due categorie. Il coefficiente della dummy misura la differenza nella Y tra la categoria "1" e la categoria "0" (di riferimento).

🧩 Esempio. Regressione del salario con una dummy "donna" (1 se donna, 0 se uomo): $\text{Salario} = \beta_0 + \beta_1 \text{Donna} + \dots + u$ . Il coefficiente $\beta_1$ misura la differenza salariale media tra donne e uomini, a parità delle altre variabili incluse. Se $\beta_1 = -200$ , le donne guadagnano in media 200 euro in meno degli uomini (il "gender pay gap", a parità di altri fattori). Le dummy permettono di quantificare i divari tra gruppi.

⚠️ Attenzione (la trappola della dummy). Con una variabile categoriale a più categorie (es. quattro aree geografiche), si includono dummy per tutte le categorie tranne una (quella di riferimento). Includerle tutte più l'intercetta crea multicollinearità perfetta (la "trappola della variabile dummy", dummy variable trap), e il modello non è stimabile. Una categoria fa sempre da riferimento, e i coefficienti delle altre si interpretano rispetto ad essa.

L'interpretazione e le interazioni

Perché conta: interpretare correttamente le dummy e le loro interazioni permette analisi ricche (effetti diversi per gruppi diversi).

📌 Definizione formale — le dummy spostano l'intercetta. Il coefficiente di una dummy sposta l'intercetta (il livello di Y) per la categoria indicata, mantenendo la stessa pendenza per le altre variabili. Cattura differenze di livello tra gruppi.

📌 Le interazioni. Un termine di interazione (il prodotto di due variabili, es. dummy × variabile continua) permette a una variabile di avere un effetto diverso a seconda della categoria. Cattura differenze non solo di livello ma di pendenza (l'effetto di X su Y cambia tra gruppi).

🧩 Esempio (interazione). Voglio sapere se il rendimento dell'istruzione (l'effetto di un anno di studio sul salario) è diverso per uomini e donne. Includo un'interazione "Donna × Istruzione": il suo coefficiente dice quanto l'effetto dell'istruzione differisce tra i due gruppi. Se è negativo, l'istruzione "rende" meno per le donne che per gli uomini. Le interazioni permettono di analizzare come gli effetti variano tra sottogruppi — analisi molto ricche e usate.

🔗 Analogia. Una dummy semplice è come dire "le donne partono da un livello salariale diverso" (intercetta diversa); un'interazione è come dire "per le donne, ogni anno di istruzione conta diversamente" (pendenza diversa). Insieme, permettono di modellare gruppi che differiscono sia nel punto di partenza sia nel modo in cui reagiscono ai fattori. È come avere rette diverse per gruppi diversi.

Il problema delle variabili dipendenti qualitative

Perché conta: quando è la Y a essere qualitativa, la regressione lineare fallisce; capire perché motiva i modelli speciali.

📌 Definizione formale. Quando la variabile dipendente Y è binaria (0/1: occupato/disoccupato, acquista/non acquista, fallisce/sopravvive), si vuole modellare la probabilità che Y = 1 in funzione delle X. Usare la regressione lineare ordinaria (il modello di probabilità lineare) è possibile ma problematico.

⚠️ Attenzione — i problemi del modello di probabilità lineare (regressione OLS con Y binaria):

può prevedere probabilità fuori dall'intervallo [0,1] (assurde: probabilità negative o > 1);
gli errori sono intrinsecamente eteroschedastici (cap. 8);
assume un effetto lineare e costante sulla probabilità, spesso irrealistico (l'effetto di X sulla probabilità dovrebbe attenuarsi vicino a 0 e 1).

🧩 Esempio. Modello della probabilità di essere occupati in funzione dell'età, con regressione lineare: per età molto alte o molto basse, il modello potrebbe prevedere una probabilità di 1,3 o −0,2 — valori privi di senso (le probabilità stanno tra 0 e 1). La linearità non rispetta i vincoli della probabilità. Serve un modello che "schiacci" le previsioni nell'intervallo [0,1]: logit e probit.

I modelli logit e probit

Perché conta: logit e probit sono i modelli standard per le Y binarie; conoscerli è essenziale per l'analisi di scelte e eventi discreti.

📌 Definizione formale. I modelli logit e probit sono modelli per variabili dipendenti binarie che modellano la probabilità che Y = 1 attraverso una funzione non lineare (una curva a S) che vincola le previsioni tra 0 e 1:

il logit usa la funzione logistica;
il probit usa la funzione di ripartizione della normale.

Le due sono molto simili nella pratica; si stimano col metodo della massima verosimiglianza (non OLS).

🔗 Analogia. La curva a S di logit/probit è come una risposta "realistica" a uno stimolo: la probabilità di un evento cresce con X, ma si appiattisce avvicinandosi a 0 e a 1 (non può superarli). Come la probabilità di superare un esame in funzione delle ore di studio: da zero ore è bassa, cresce con lo studio, ma si satura vicino al 100% (studiare 200 ore invece di 100 aggiunge poco). La forma a S rispetta i limiti naturali della probabilità.

⚠️ Attenzione (l'interpretazione). In logit e probit, i coefficienti non si interpretano direttamente come nella regressione lineare (l'effetto sulla probabilità non è costante, dipende dal punto). Si interpretano il segno (direzione dell'effetto) e gli effetti marginali (calcolati a valori specifici). È una complicazione rispetto alla regressione lineare, il prezzo per modellare correttamente le probabilità. Questi modelli sono la base dell'analisi delle scelte discrete (comprare o no, lavorare o no), molto usata in microeconomia applicata e marketing.

🗺️ Come si collega il tutto

Questo capitolo estende la regressione (cap. 3-5) alle variabili qualitative, onnipresenti in economia. Le dummy come esplicative si inseriscono nella regressione multipla (cap. 5), spesso come variabili di controllo o per stimare divari tra gruppi (gender gap). Le interazioni arricchiscono l'analisi permettendo effetti eterogenei. Le dummy sono fondamentali per la valutazione causale (cap. 12): la dummy "trattato/non trattato" è il cuore dei metodi di valutazione delle politiche (differenza-in-differenze). I modelli logit/probit per Y binarie ampliano il toolkit oltre la regressione lineare, per le scelte discrete. Il problema dell'eteroschedasticità (cap. 8) intrinseca al modello di probabilità lineare collega questo capitolo alle violazioni delle ipotesi. Le variabili qualitative rendono l'econometria applicabile alla vasta gamma di fenomeni economici categoriali.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Variabile dummy	Variabile 0/1 per una categoria	Variabile continua (quantitativa)
Coefficiente della dummy	Differenza di Y tra categoria e riferimento	Pendenza di una variabile continua
Interazione	Effetto di X diverso tra gruppi (dummy × X)	Dummy semplice (solo differenza di livello)
Modello di probabilità lineare	OLS con Y binaria (problematico)	Logit/probit (rispettano [0,1])
Logit / probit	Modelli non lineari (curva a S) per Y binaria	Regressione lineare (Y continua)

📝 Riepilogo

Le variabili dummy (0/1) includono fattori qualitativi come esplicativi; il coefficiente misura la differenza di Y tra la categoria e quella di riferimento (es. gender pay gap).
Con più categorie si usano dummy per tutte tranne una (riferimento), per evitare la trappola della dummy (multicollinearità perfetta).
Le interazioni (dummy × variabile) permettono a una X di avere effetti diversi tra gruppi (differenze di pendenza, non solo di livello).
Quando la Y è binaria, il modello di probabilità lineare (OLS) è problematico (probabilità fuori [0,1], eteroschedasticità).
I modelli logit e probit modellano la probabilità con una curva a S (tra 0 e 1), stimati per massima verosimiglianza; i coefficienti si interpretano via segno ed effetti marginali.

▶️ Prossimo capitolo: Dati panel e serie storiche

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

Dati panel e serie storiche

In breve

Fin qui abbiamo lavorato soprattutto con dati trasversali (unità diverse in un istante). Ma l'economia dispone anche di due tipi di dati con una dimensione temporale, che aprono possibilità di analisi più potenti ma pongono problemi propri. I dati panel (o longitudinali) seguono le stesse unità nel tempo (le stesse imprese, persone o paesi per più anni): la loro grande forza è permettere di controllare le caratteristiche non osservabili costanti nel tempo, avvicinandosi alla causalità là dove i dati trasversali fallirebbero. Le serie storiche osservano una o più variabili nel tempo (il PIL, l'inflazione, i tassi): pongono problemi specifici come l'autocorrelazione (cap. 8), la non stazionarietà e i trend, ma sono essenziali per l'analisi macroeconomica e la previsione. Questo capitolo presenta i modelli per dati panel (effetti fissi) e i concetti chiave delle serie storiche (stazionarietà, trend, previsione), due estensioni fondamentali dell'econometria alla dimensione temporale.

🎯 Alla fine di questo capitolo saprai:

definire dati panel e i loro vantaggi;

spiegare il modello a effetti fissi;

capire come i panel controllano l'eterogeneità non osservata;

riconoscere i problemi delle serie storiche (stazionarietà);

inquadrare i modelli di serie storiche e la previsione.

I dati panel e i loro vantaggi

Perché conta: i panel sono uno degli strumenti più potenti dell'econometria moderna per la causalità; capirne il vantaggio è fondamentale.

📌 Definizione formale. I dati panel (o longitudinali) contengono osservazioni sulle stesse unità (individui, imprese, paesi) osservate in più periodi di tempo. Combinano la dimensione trasversale (molte unità) e quella temporale (molti periodi).

📌 Il grande vantaggio. I panel permettono di controllare le caratteristiche non osservabili delle unità, purché siano costanti nel tempo. Seguendo la stessa unità nel tempo, si possono "eliminare" i fattori individuali fissi (anche non misurabili) che confondono le stime trasversali — attenuando il problema dell'endogeneità da variabili omesse (cap. 5, 9).

🧩 Esempio. Voglio stimare l'effetto dell'istruzione sul salario, ma la capacità individuale (non osservabile) confonde (cap. 5, 9). Con dati panel (le stesse persone seguite negli anni), posso confrontare ogni persona con se stessa nel tempo: la capacità (costante per l'individuo) si "cancella", e ciò che resta è l'effetto dei cambiamenti nell'istruzione sui cambiamenti nel salario, depurato dalla capacità. Il panel controlla per un confondente non osservabile che i dati trasversali non potrebbero gestire — un vantaggio enorme.

🔗 Analogia. I dati panel sono come seguire i pazienti prima e dopo una cura, invece di confrontare pazienti diversi: ogni persona fa da "controllo di se stessa", eliminando le differenze individuali fisse. È un passo verso l'ideale sperimentale, ottenuto sfruttando la dimensione temporale.

Il modello a effetti fissi

Perché conta: gli effetti fissi sono il metodo panel più usato per sfruttare questo vantaggio; è centrale nell'econometria applicata moderna.

📌 Definizione formale. Il modello a effetti fissi (fixed effects) controlla per tutte le caratteristiche costanti nel tempo di ciascuna unità, includendo un "effetto" individuale (un'intercetta propria per ogni unità). In pratica, sfrutta solo la variazione entro ogni unità nel tempo (within), depurando dalle differenze fisse tra unità.

📌 Cosa elimina e cosa no. Gli effetti fissi eliminano i confondenti costanti nel tempo (osservabili e non: la capacità, la cultura di un'impresa, la geografia di un paese). Non eliminano i confondenti che variano nel tempo (per quelli servono ancora controlli o altri metodi).

🧩 Esempio. Studiando l'effetto di una politica su dati panel di regioni, gli effetti fissi regionali controllano per tutte le caratteristiche stabili di ogni regione (storia, geografia, cultura economica) che potrebbero confondere. Rimane da preoccuparsi solo dei fattori che cambiano nel tempo insieme alla politica. È il motivo per cui i modelli a effetti fissi sono lo standard in moltissimi studi applicati: eliminano "gratis" un'enorme fonte di confusione.

⚠️ Attenzione. Il prezzo degli effetti fissi: usano solo la variazione temporale entro le unità, quindi non possono stimare l'effetto di variabili costanti nel tempo (come il genere di una persona, che non cambia). E se la variazione temporale è poca, le stime sono imprecise. C'è anche l'alternativa degli effetti casuali (random effects), più efficiente ma con ipotesi più forti; la scelta tra i due si valuta con test appositi (Hausman).

Le serie storiche e la stazionarietà

Perché conta: le serie storiche pongono problemi peculiari; la stazionarietà è il concetto chiave per evitare analisi fuorvianti.

📌 Definizione formale. Una serie storica è una sequenza di osservazioni di una variabile nel tempo (il PIL trimestrale, l'inflazione mensile). Problemi peculiari:

autocorrelazione (cap. 8): i valori vicini nel tempo sono correlati;
trend: molte serie economiche crescono nel tempo (tendenza);
stagionalità: pattern che si ripetono (es. le vendite a Natale);
non stazionarietà: le proprietà statistiche cambiano nel tempo.

📌 La stazionarietà. Una serie è stazionaria se le sue proprietà statistiche (media, varianza) sono costanti nel tempo. È una condizione importante: molte tecniche econometriche la richiedono. Le serie economiche sono spesso non stazionarie (hanno trend), il che crea problemi.

⚠️ Attenzione (le regressioni spurie). Un pericolo classico: regredire due serie non stazionarie con trend può produrre una correlazione spuria (falsa), altissima ma priva di senso, solo perché entrambe crescono nel tempo. (Es. il numero di divorzi e il consumo di margarina possono correlare per anni solo perché entrambi hanno trend.) Per evitarlo, si rendono le serie stazionarie (es. usando le differenze: analizzare le variazioni invece dei livelli) o si usano tecniche apposite (cointegrazione). È un errore in cui è facile cadere ignorando la stazionarietà.

🔗 Analogia. Regredire serie con trend è come notare che due amici, che camminano entrambi verso nord, si "muovono insieme": la correlazione è reale ma non significa che uno guidi l'altro — vanno solo entrambi nella stessa direzione (il trend). La stazionarietà è ciò che permette di distinguere una relazione vera da una coincidenza di trend.

I modelli di serie storiche e la previsione

Perché conta: i modelli di serie storiche sono lo strumento per l'analisi dinamica e la previsione macroeconomica, un uso centrale dell'econometria.

📌 Definizione formale — i modelli principali:

modelli autoregressivi (AR): il valore attuale dipende dai propri valori passati (es. l'inflazione di oggi dipende da quella di ieri);
modelli a media mobile (MA) e combinati (ARMA, ARIMA);
modelli multivariati (VAR, Vector Autoregression): più serie che si influenzano a vicenda nel tempo.

📌 La previsione. Una funzione centrale delle serie storiche è la previsione (forecasting): usare i pattern del passato per prevedere il futuro (l'inflazione, il PIL, le vendite). I modelli AR/ARIMA e VAR sono ampiamente usati da banche centrali, governi e imprese per le previsioni economiche.

🧩 Esempio. Una banca centrale usa modelli di serie storiche (spesso VAR) per prevedere l'inflazione e il PIL, e per valutare gli effetti della politica monetaria. Analizzando come le variabili si sono influenzate nel tempo, stima come reagiranno a una variazione dei tassi. Le previsioni economiche — pur incerte — sono uno strumento essenziale per le decisioni di politica economica e aziendale. L'econometria delle serie storiche è la "sfera di cristallo" (imperfetta) dell'economia.

⚠️ Attenzione. Le previsioni economiche hanno limiti intrinseci: il futuro non è mai identico al passato, shock imprevedibili accadono, e i modelli si basano su relazioni stimate che possono cambiare. La previsione econometrica è utile ma va presa come uno scenario probabile con incertezza, non come una certezza. La crisi del 2008, non prevista dai modelli, ne è un monito.

🗺️ Come si collega il tutto

Questo capitolo estende l'econometria alla dimensione temporale, introdotta coi tipi di dati (cap. 1). I dati panel e gli effetti fissi sono uno strumento potente contro l'endogeneità da variabili omesse (cap. 5, 9): controllano i confondenti non osservabili costanti nel tempo, avvicinandosi alla causalità — collegandosi ai metodi di valutazione causale (cap. 12). Le serie storiche portano in primo piano l'autocorrelazione (cap. 8) e il nuovo problema della stazionarietà (regressioni spurie). La previsione è un uso centrale che collega l'econometria alla macroeconomia e alla politica economica. Entrambi i tipi di dati richiedono strumenti oltre la regressione base (cap. 3-6) ma ne condividono i principi. La dimensione temporale arricchisce enormemente le possibilità dell'analisi economica empirica.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Dati panel	Stesse unità seguite nel tempo	Serie storica (una variabile nel tempo)
Effetti fissi	Controllano i confondenti costanti nel tempo	Effetti casuali (più efficienti, ipotesi più forti)
Variazione within	Variazione entro le unità nel tempo	Variazione between (tra unità diverse)
Stazionarietà	Proprietà statistiche costanti nel tempo	Non stazionarietà (trend, rischio di spurie)
Regressione spuria	Falsa correlazione tra serie con trend	Relazione vera (tra serie stazionarie)

📝 Riepilogo

I dati panel seguono le stesse unità nel tempo; il loro grande vantaggio è controllare i confondenti non osservabili costanti nel tempo (attenuando l'endogeneità da variabili omesse).
Il modello a effetti fissi usa la variazione entro ogni unità (within), eliminando le caratteristiche fisse (anche non misurabili); non elimina i confondenti che variano nel tempo né stima variabili costanti.
Le serie storiche pongono problemi peculiari: autocorrelazione, trend, stagionalità, non stazionarietà.
La stazionarietà (proprietà statistiche costanti) è cruciale: regredire serie non stazionarie con trend dà regressioni spurie (false); si rimedia con le differenze o la cointegrazione.
I modelli AR/ARIMA/VAR analizzano la dinamica e permettono la previsione (inflazione, PIL), uso centrale ma con limiti intrinseci di incertezza.

▶️ Prossimo capitolo: La valutazione causale e temi contemporanei

Econometria

Hai letto. Ora impara.

L'AI trasforma questo modulo in strumenti di studio personalizzati.

La valutazione causale e temi contemporanei

In breve

L'econometria moderna è ossessionata da una domanda: come stabilire relazioni causali credibili dai dati? Abbiamo visto che l'endogeneità (cap. 9) rende difficile questo passaggio, e che le variabili strumentali offrono una soluzione, per quanto delicata. Negli ultimi decenni, una vera "rivoluzione della credibilità" ha trasformato l'econometria applicata, sviluppando un arsenale di metodi per la valutazione causale — soprattutto per valutare l'effetto di politiche e interventi. L'idea unificante è cercare fonti di variazione "quasi-sperimentale": situazioni in cui, per qualche ragione, alcune unità ricevono un "trattamento" e altre no in modo (quasi) casuale, permettendo un confronto pulito come in un esperimento. Metodi come gli esperimenti controllati (RCT), la differenza-in-differenze, la regressione discontinua hanno reso l'economia molto più capace di rispondere a domande causali. Questo capitolo conclusivo presenta questi metodi e i temi contemporanei — big data, machine learning — chiudendo il corso con la frontiera dell'econometria.

🎯 Alla fine di questo capitolo saprai:

capire la "rivoluzione della credibilità";

descrivere gli esperimenti controllati (RCT);

spiegare la differenza-in-differenze;

riconoscere la regressione discontinua;

inquadrare i temi contemporanei (big data, machine learning).

La rivoluzione della credibilità

Perché conta: questa svolta ha ridefinito l'econometria applicata; capirla inquadra tutti i metodi del capitolo.

📌 Definizione formale. La "rivoluzione della credibilità" (credibility revolution) è la trasformazione dell'econometria applicata, dagli anni '90-2000, verso un'enfasi sull'identificazione causale credibile: invece di modelli complessi con assunzioni fragili, si cercano disegni di ricerca che isolino la causalità in modo trasparente e convincente, spesso sfruttando variazioni "quasi-sperimentali" nei dati reali.

📌 L'idea centrale. Per stimare l'effetto causale di un "trattamento" (una politica, un intervento) serve un buon controfattuale: cosa sarebbe successo alle unità trattate se non fossero state trattate (come nella valutazione delle politiche, Analisi delle politiche pubbliche cap. 8, e in metodologia della ricerca). I metodi di valutazione causale sono modi ingegnosi di costruire il controfattuale dai dati.

🔗 Analogia. La rivoluzione della credibilità ha spostato l'econometria dal chiedersi "che modello complicato spiega i dati?" al chiedersi "che situazione, nei dati, assomiglia a un esperimento?". È il passaggio da un approccio da "teorico che modella" a uno da "detective che cerca l'esperimento naturale nascosto nella realtà". L'attenzione si sposta dal modello statistico al disegno di ricerca.

⚠️ Attenzione. Questa rivoluzione riflette la stessa preoccupazione della metodologia della ricerca (Psicologia): la differenza tra correlazione e causa, l'importanza del controfattuale, il valore dell'esperimento. L'econometria moderna importa la logica sperimentale nel mondo dei dati economici osservativi, cercando "esperimenti naturali".

Gli esperimenti controllati (RCT)

Perché conta: gli esperimenti randomizzati sono il "gold standard" per la causalità, ora usati anche in economia; capirli è il riferimento per tutti gli altri metodi.

📌 Definizione formale. In un esperimento controllato randomizzato (Randomized Controlled Trial, RCT), le unità sono assegnate casualmente a un gruppo trattato (riceve l'intervento) o a un gruppo di controllo (non lo riceve). La randomizzazione (come nel disegno sperimentale, metodologia della ricerca) rende i due gruppi equivalenti in partenza, così che la differenza negli esiti sia attribuibile al trattamento.

📌 Perché è il gold standard. La randomizzazione elimina l'endogeneità (cap. 9): poiché il trattamento è assegnato a caso, non è correlato con alcun confondente (osservabile o no). È il modo più pulito di isolare la causalità.

🧩 Esempio. Per valutare se un programma di microcredito riduce la povertà, si assegnano casualmente alcuni villaggi al programma (trattati) e altri no (controllo), poi si confrontano gli esiti. Questo approccio — gli RCT nello sviluppo economico — è stato premiato col Nobel (Banerjee, Duflo, Kremer) per aver trasformato la valutazione delle politiche di sviluppo, portando il rigore sperimentale sul campo. Gli RCT sono sempre più usati in economia, pur con limiti (costi, etica, generalizzabilità).

⚠️ Attenzione. Gli RCT non sono sempre possibili: costano, richiedono tempo, e a volte è impraticabile o non etico randomizzare (non si può assegnare a caso l'istruzione o una recessione). Per questo servono i metodi "quasi-sperimentali", che cercano nei dati osservativi situazioni simili a un esperimento.

Differenza-in-differenze e regressione discontinua

Perché conta: sono i metodi quasi-sperimentali più usati per valutare politiche dai dati osservativi; competenze centrali dell'econometria applicata.

📌 Definizione formale — la differenza-in-differenze (difference-in-differences, DiD). Confronta la variazione dell'esito nel tempo tra un gruppo trattato (colpito da una politica) e un gruppo di controllo (non colpito). L'idea: sottraendo la variazione del gruppo di controllo (cosa sarebbe successo comunque) dalla variazione del trattato, si isola l'effetto della politica. Richiede l'ipotesi dei "trend paralleli" (i due gruppi avrebbero seguito lo stesso andamento senza la politica).

🧩 Esempio (DiD). Una regione introduce una nuova politica del lavoro, un'altra simile no. Confronto l'occupazione prima e dopo in entrambe: la variazione nella regione trattata, meno la variazione in quella di controllo (che cattura le tendenze generali), stima l'effetto della politica. Il celebre studio di Card e Krueger sull'effetto del salario minimo usò questo metodo, confrontando contee al confine tra due stati con politiche diverse. È uno dei metodi più usati per valutare le politiche.

📌 Definizione formale — la regressione discontinua (Regression Discontinuity, RD). Sfrutta una soglia netta che determina chi riceve un trattamento: confrontando le unità appena sopra e appena sotto la soglia (quasi identiche, ma trattate diversamente), si isola l'effetto causale, perché attorno alla soglia l'assegnazione è "come casuale".

🧩 Esempio (RD). Una borsa di studio è assegnata a chi supera un punteggio-soglia all'esame. Confrontando gli studenti appena sopra (che la ricevono) e appena sotto (che non la ricevono) la soglia — praticamente identici per capacità — si stima l'effetto causale della borsa, perché la differenza tra i due gruppi vicino alla soglia è quasi casuale. La soglia crea un "esperimento naturale" locale.

🔗 Analogia. Questi metodi sono modi di trovare "esperimenti nascosti" nella realtà: una politica che colpisce un gruppo e non un altro (DiD), una soglia arbitraria che divide simili in trattati e non (RD). L'econometra moderno è come un detective che cerca, nei dati osservativi, quelle situazioni fortunate in cui il caso (o le regole) ha creato qualcosa di simile a un esperimento.

I temi contemporanei

Perché conta: collegare l'econometria alle frontiere attuali ne mostra l'evoluzione e apre al futuro della disciplina.

📌 Definizione formale — le grandi tendenze contemporanee:

big data: la disponibilità di enormi quantità di dati (transazioni, web, sensori, dati amministrativi) apre possibilità e sfide nuove per l'analisi economica;
machine learning: metodi di apprendimento automatico (dall'informatica) sempre più integrati con l'econometria, potenti per la previsione e per gestire molti predittori, ma con sfide per l'inferenza causale (il ML eccelle nel predire, meno nello stimare effetti causali);
l'integrazione tra ML e causalità (causal machine learning) è una frontiera attiva.

🧩 Esempio. Il machine learning è eccellente per la previsione (prevedere le vendite, il rischio di credito, la domanda) sfruttando molti dati e pattern complessi. Ma per le domande causali ("questa politica ha funzionato?") resta insostituibile la logica dei disegni di identificazione (RCT, DiD, RD): predire bene non significa capire le cause. La distinzione predizione vs causalità è centrale: sono obiettivi diversi che richiedono strumenti diversi. Il futuro dell'econometria integra la potenza predittiva del ML con il rigore causale dei disegni di ricerca.

⚠️ Attenzione (la sfida di fondo). Nonostante tutti i progressi, la sfida centrale resta quella del cap. 1: distinguere correlazione e causalità. Big data e ML danno più dati e più potenza predittiva, ma non risolvono da soli il problema causale: più dati su una relazione spuria restano spuri. La lezione permanente dell'econometria — che la causalità richiede un buon disegno di identificazione, non solo tanti dati — è più attuale che mai nell'era dei big data.

🗺️ Come si collega il tutto

Questo capitolo conclusivo culmina la sfida centrale del corso (cap. 1): stabilire la causalità. Risponde al problema dell'endogeneità (cap. 9) con un arsenale di metodi (RCT, DiD, RD) che, come le variabili strumentali (cap. 9), cercano variazione "pulita" per identificare gli effetti causali. Applica la logica del controfattuale e del disegno sperimentale vista in metodologia della ricerca (Psicologia) e nella valutazione delle politiche (APP cap. 8). Usa le dummy trattato/controllo (cap. 10) e spesso i dati panel (cap. 11, DiD è un metodo panel). I temi contemporanei (big data, ML) collegano l'econometria all'informatica e al futuro. Il corso, partito dal definire l'econometria come misura delle relazioni economiche (cap. 1), si chiude sulla frontiera della valutazione causale credibile — la capacità di rispondere, coi dati, alla domanda "cosa causa cosa", che è il cuore dell'economia empirica.

🔑 Concetti chiave

Termine	In una frase	Da non confondere con
Rivoluzione della credibilità	Enfasi sui disegni di identificazione causale	Modellazione complessa con assunzioni fragili
RCT	Esperimento con assegnazione casuale (gold standard)	Metodi quasi-sperimentali (dati osservativi)
Differenza-in-differenze	Variazione trattati meno variazione controlli	Confronto semplice prima-dopo (senza controllo)
Regressione discontinua	Confronto attorno a una soglia di trattamento	RCT (randomizzazione esplicita)
Predizione vs causalità	Prevedere bene vs stimare effetti causali	— (obiettivi e strumenti diversi)

📝 Riepilogo

La "rivoluzione della credibilità" ha spostato l'econometria verso disegni di identificazione causale credibili, cercando variazione "quasi-sperimentale" e un buon controfattuale.
Gli RCT (esperimenti randomizzati) sono il gold standard: la randomizzazione elimina l'endogeneità (Nobel a Banerjee-Duflo-Kremer); ma non sempre sono possibili/etici.
La differenza-in-differenze (DiD) confronta la variazione nel tempo tra trattati e controlli (ipotesi di trend paralleli); molto usata per valutare politiche.
La regressione discontinua (RD) sfrutta una soglia netta: confronta unità appena sopra e sotto (quasi identiche), isolando l'effetto causale.
Temi contemporanei: big data e machine learning (potente per la previsione, meno per la causalità); la sfida di fondo — distinguere correlazione e causa — resta centrale e i dati da soli non la risolvono.

🎓 Fine del corso.

▶️ Torna all'indice del corso

Econometria

Hai finito il corso. Ora studia davvero.

Usa l'AI per consolidare tutto quello che hai studiato.