1.    Module rationale

This module will provide  MSc students with a broad understanding of the main challenges micro- econometricians face in their empirical work and of the most up-to-date methods and approaches they could use to address these identification threats. This course will allow students to learn about econometrics tools to be used in their dissertations and in their future work. It will also provide an excellent learning opportunity for MSc students who are interested in working in applied economic consultancy, public policy, the government and those wishing to continue to doctoral studies with a focus on empirical work.

2.    Module aims

The purpose of this module is to introduce students to advanced topics and methods in empirical microeconometrics. Students who  complete the  module will  be  able to  recognize the  challenges posed by both the data and the empirical relationships they intend to study and to think creatively about the  most appropriate  methods and approaches they can adopt. Students will  be equipped with the skills needed to read published research and write a dissertation in this area. By the end of the course, students will have also gained valuable experience in handling real data, in producing meaningful estimates and in interpreting and discussing their own results.

3.    Content Description

This module will analyse the main challenges faced by economists in answering empirical questions using  micro-data.  The  main  emphasis  will  be  on  learning  how  to  establish  causal  relationships between different variables and how to use this evidence to inform  policy makers' decisions. The course  will  also  teach  how  to  deal  with  features  and  limitations  of  the  data  (longitudinal  data, limited dependent variables, censoring, etc.) that are common in empirical work. After introducing each methods and discussing its statistical properties, we will present applications in different areas of public policy evaluation. In addition, students will learn how to handle real-world data, how to use econometric software to generate estimates and how to link econometric theory with data work and produce an insightful and coherent empirical analysis.