Dati economici,
analisi rigorose.
Consulenza econometrica per ricercatori, economisti e policy analyst. Modelli causali (DiD, RDD, IV), analisi di serie storiche, dati panel e valutazione di politiche — con la solidità metodologica che la pubblicazione scientifica e i report istituzionali richiedono.
Econometria come
strumento di risposta
L’econometria non è un fine in sé — è lo strumento con cui si risponde a domande concrete: questa politica ha funzionato? questo fattore causa davvero quell’effetto? cosa accadrà se cambiano queste condizioni? Ogni analisi parte dalla domanda di ricerca, non dal software.
La scelta del modello econometrico non è mai neutrale. Regressione OLS, modelli a effetti fissi, variabili strumentali, difference-in-differences — ogni metodo risponde a domande diverse e richiede assunzioni diverse. Verifichiamo sempre la tenuta di quelle assunzioni prima di trarre conclusioni.
La sfida centrale dell’econometria applicata è distinguere correlazione da causalità. Utilizziamo i metodi di identificazione più appropriati — variabili strumentali, discontinuità di regressione, difference-in-differences — per rispondere a domande causali con dati osservazionali.
Ogni analisi econometrica include test di robustezza, analisi di sensibilità alle assunzioni e verifica delle condizioni necessarie per la validità dell’identificazione. I risultati devono reggere alle critiche dei revisori più esigenti.
Tabelle econometriche formattate secondo gli standard delle riviste (LaTeX, Word), interpretazione economica dei coefficienti e visualizzazioni di effetti marginali — tutto il necessario per trasformare un’analisi in un articolo pubblicabile.
Corsi e affiancamento individuale per dottorandi, ricercatori e professionisti che vogliono padroneggiare i metodi econometrici — con esempi pratici e dataset reali in R, Stata o Python.
Cosa facciamo in
econometria applicata
Dalla scelta del modello all’analisi completa, fino alla scrittura dei risultati per la pubblicazione — supporto su tutto il processo di ricerca econometrica, dalla domanda causale al codice documentato.
Analisi econometrica per rispondere a domande causali con dati osservazionali — usando i metodi di identificazione più appropriati al contesto istituzionale e al design dello studio.
- Difference-in-differences (DiD) e staggered DiD (Callaway-Sant’Anna)
- Regression discontinuity design (RDD) sharp e fuzzy
- Variabili strumentali (IV/2SLS) e weak instrument test
- Propensity score matching e metodi di controllo sintetico
- Synthetic control method e matrix completion
Analisi di dataset con osservazioni ripetute nel tempo su individui, aziende, paesi o unità geografiche — con i metodi appropriati per gestire l’eterogeneità non osservata e la dipendenza temporale.
- Modelli a effetti fissi (FE) e random (RE) con test di Hausman
- Modelli dinamici e stime GMM (Arellano-Bond, Blundell-Bond)
- Panel con errori standard clusterizzati e HAC robusti
- Modelli multinivel e mixed effects per dati gerarchici
- Panel non bilanciati e gestione dei dati mancanti
Modellizzazione e previsione di serie temporali economiche e finanziarie — dai modelli ARIMA classici ai VAR multivariati, fino ai modelli ARCH/GARCH per la volatilità.
- Test di stazionarietà (ADF, KPSS) e cointegrazione (Johansen)
- Modelli ARIMA, SARIMA e ARIMAX per previsione
- Modelli VAR, SVAR e VECM multivariati
- ARCH/GARCH e DCC-GARCH per volatilità finanziaria
- Analisi di impulso-risposta e decomposizione della varianza
Analisi econometrica per valutare l’efficacia di interventi, politiche sanitarie, programmi sociali e riforme — con metodi quasi-sperimentali robusti e report per enti finanziatori.
- Valutazione ex-post di politiche e programmi (impact evaluation)
- Analisi costo-efficacia ed economia sanitaria (Health Economics)
- Stima dell’effetto medio del trattamento (ATE, ATT, LATE)
- Reportistica tecnica per enti pubblici e finanziatori (EU, PNRR)
Formazione individuale o in piccoli gruppi per dottorandi, ricercatori e analisti — con focus su applicazione pratica in R, Stata o Python su dati reali del partecipante.
- Introduzione all’econometria applicata e ai metodi causali
- Metodi di identificazione causale (DiD, RDD, IV)
- Econometria in R (fixest), Stata (reghdfe) e Python (linearmodels)
- Supporto metodologico su tesi di dottorato e master
La cassetta degli attrezzi
econometrica
Utilizziamo R, Stata e Python come ambienti principali. La scelta del software — come quella del modello — dipende sempre dal problema e dal contesto di pubblicazione. Il codice è sempre documentato e consegnato.
- Regressione lineare multipla e OLS con errori robusti (HC)
- Regressione logistica, probit e tobit (dati censurati)
- Modelli di conteggio (Poisson, Negative Binomial, ZIP)
- Quantile regression (Koenker-Bassett)
- Selezione del modello (AIC, BIC, LASSO econometrico)
- Difference-in-differences e staggered DiD (Callaway-Sant’Anna)
- RDD sharp, fuzzy e geographic (spatial RDD)
- Variabili strumentali (IV), 2SLS e weak IV test (Staiger-Stock)
- Synthetic control e matrix completion (Athey)
- Event study e test di parallel trends pre-trattamento
- FE, RE, modelli ibridi (Mundlak, Chamberlain)
- GMM dinamico (Arellano-Bond, Blundell-Bond)
- Errori standard clusterizzati, HAC e two-way clustering
- Panel non bilanciati, attrition e dati mancanti
- Modelli multinivel e mixed effects
- ARIMA, SARIMA, ARIMAX con selezione automatica
- VAR, SVAR, VECM e forecast con interval di confidenza
- ARCH, GARCH, EGARCH e DCC-GARCH per volatilità
- Test ADF, KPSS, PP e cointegrazione di Johansen
- Decomposizione STL e modelli di stato (State Space)
- Propensity score matching (PSM) e IPW
- Matching esatto, Mahalanobis e CEM
- Doubly robust estimators (AIPW)
- Sensitivity analysis (Rosenbaum bounds)
- Targeted ML (TMLE) per stime causali
- R: fixest, estimatr, rdrobust, did, synthcontrol
- Stata: reghdfe, ivreg2, xtabond2, rdrobust, csdid
- Python: statsmodels, linearmodels, econml, doubleml
- Tabelle pronte per LaTeX (stargazer, etable) e Word
- Codice documentato e riproducibile con seed fissi
Chi lavora con noi in
econometria
Lavoriamo con chiunque abbia un problema di analisi economica quantitativa — dall’accademia alla pubblica amministrazione, dalla ricerca sanitaria alla consulenza privata e ai think tank.
- Supporto su capitoli empirici di tesi di dottorato
- Scelta e implementazione del metodo di identificazione causale
- Preparazione analisi per riviste accademiche (AEJ, JDE, EJ…)
- Risposta a commenti metodologici dei revisori
- Valutazione di impatto di politiche e programmi (PNRR, EU)
- Analisi di dati amministrativi su larga scala
- Report tecnici per finanziatori e stakeholder istituzionali
- Supporto a bandi e rendicontazione scientifica
- Modelli di previsione della domanda e demand forecasting
- Analisi econometrica per pricing e strategia competitiva
- Valutazione di impatto di interventi aziendali
- Analisi di serie storiche finanziarie e modelli di rischio
Domande frequenti
sull’econometria applicata
Le domande più comuni prima di avviare un’analisi econometrica.
Hai altre domande? ScriviciHai una domanda causale
e dei dati osservazionali?
Descrivici il problema di ricerca, il dataset disponibile e l’obiettivo — pubblicazione accademica, policy report o analisi aziendale. Valutiamo il metodo più appropriato e la fattibilità dell’analisi.