Tesi di Economia con Analisi Quantitativa 2026: Metodo Completo
Hai deciso di fare una tesi di Economia quantitativa e adesso hai di fronte il foglio bianco — o peggio, un dataset ISTAT enorme e zero idea di dove iniziare. Capire come costruire un’analisi econometrica credibile, scegliere il modello giusto tra OLS, panel data e serie storiche, e presentare i risultati in modo professionale sono competenze che i corsi di Econometria ti insegnano in astratto ma che devi applicare concretamente nella tesi. Questa guida ti accompagna attraverso tutte le fasi del lavoro con esempi reali da atenei italiani — Bocconi, LUISS, Bologna, Padova — e riferimenti agli strumenti che effettivamente usi: Stata, R e Python nel 2026.
Cosa devi sapere subito
Una tesi di Economia con analisi quantitativa è una tesi empirica: parte da una domanda di ricerca, costruisce un’ipotesi testabile, raccoglie o scarica dati, applica un modello statistico-econometrico e interpreta i risultati in chiave economica. Non basta “fare la regressione”: devi dimostrare che il tuo modello è corretto, che i dati sono affidabili e che i risultati sono robusti.
Tipi di analisi quantitativa nelle tesi di Economia
| Tipo | Quando usarlo | Esempi di tesi |
|---|---|---|
| OLS cross-section | Un’osservazione per unità in un momento preciso | Relazione tra PIL pro capite e istruzione per 30 paesi UE nel 2024 |
| Panel data | Dati per più unità osservate nel tempo | Effetto delle politiche attive sul lavoro per 20 regioni italiane 2010-2024 |
| Serie storica | Una sola unità osservata in molti periodi | Previsione dell’inflazione italiana con modello ARIMA 2015-2026 |
| Diff-in-diff | Valutazione di una politica con gruppo trattamento/controllo | Impatto del Reddito di Cittadinanza sull’occupazione 2019-2021 |
| Regressione discontinua | Soglia discontinua che assegna il trattamento | Effetto della soglia ISEE sui sussidi universitari |
Struttura della tesi per ateneo
La struttura standard nelle facoltà di Economia italiane nel 2026 per una tesi magistrale quantitativa prevede 3-4 capitoli per 80-120 pagine (circa 200-300 mila battute).
Modello 3 capitoli (Bocconi, LUISS)
- Capitolo 1 — Revisione della letteratura (25-35 pp.): rassegna degli studi empirici esistenti sulla domanda di ricerca, discussione dei principali risultati, gap nella letteratura che la tua tesi colma. Include la teoria economica di riferimento.
- Capitolo 2 — Dati, metodologia e risultati (35-50 pp.): descrizione del dataset, statistiche descrittive, specifica del modello econometrico, risultati della stima, robustness checks.
- Capitolo 3 — Discussione e conclusioni (15-20 pp.): interpretazione economica dei risultati, confronto con la letteratura, limiti, implicazioni di policy.
Modello 4 capitoli (Unibo, Padova, Torino)
I corsi di laurea magistrale di Bologna e Padova spesso richiedono un capitolo teorico separato (cap. 1) e un capitolo metodologico (cap. 2) prima dei risultati. Questo consente di trattare più accuratamente sia la teoria economica sia la specifica econometrica.
Tabella lunghezze orientative
| Ateneo | Pagine | Struttura | Note |
|---|---|---|---|
| Bocconi Milano | 70-100 | 3 cap. | Tesi in italiano o inglese; Stata standard |
| LUISS Roma | 80-120 | 3-4 cap. | Spesso in inglese; tabelle Stargazer |
| Unibo Bologna | 90-130 | 4 cap. | Laboratorio R/Qualtrics integrato |
| UniPD Padova | 80-120 | 4 cap. | Dati ISTAT/Eurostat preferiti |
| Federico II Napoli | 80-110 | 3-4 cap. | Dichiarazione antiplagio obbligatoria |
Metodologia quantitativa
Il cuore di una tesi di tesi Economia analisi quantitativa 2026 metodo è la corretta specifica e stima del modello econometrico. Ecco i modelli più usati nelle tesi italiane nel 2026.
OLS (Ordinary Least Squares)
Il modello OLS stima i parametri minimizzando la somma dei quadrati dei residui. È valido se valgono le ipotesi di Gauss-Markov (linearità, esogeneità degli errori, omoschedasticità, non-autocorrelazione, non-multicollinearità). Le violazioni più comuni nelle tesi:
- Eteroschedasticità: usa errori standard robusti di White (comando
robustin Stata,coeftest(..., vcov=vcovHC(...))in R) - Endogeneità: devi trovare una variabile strumentale (IV) valida oppure usare dati panel con FE
- Multicollinearità elevata: controlla il VIF (Variance Inflation Factor); valori >10 segnalano problemi
Panel Data: Fixed Effects (FE) e Random Effects (RE)
Nei dati panel, hai osservazioni per i unità e t periodi. Le due specifiche principali sono:
- Fixed Effects (FE / Within estimator): elimina l’eterogeneità non osservata individuale invariante nel tempo. Usa quando la correlazione tra effetti individuali e regressori è plausibile.
- Random Effects (RE): più efficiente se gli effetti individuali sono incorrelati con i regressori. Usa il test di Hausman per scegliere: se si rifiuta H0, usa FE.
In Stata: xtreg y x1 x2, fe robust / In R (pacchetto plm): plm(y ~ x1 + x2, data, model="within", effect="individual")
Serie storiche
Per serie storiche (ad es. PIL trimestrale, inflazione mensile) il workflow standard è:
- Test di stazionarietà: ADF (Augmented Dickey-Fuller) e KPSS — in Stata
dfuller, in Radf.test()(tseries) - Se non stazionaria: differenziare (I(1)) e testare la cointegrazione (Johansen test)
- Stima del modello: ARIMA per previsione, VAR per relazioni dinamiche tra variabili multiple
- Verifica dei residui: test di Ljung-Box per autocorrelazione residua
Tabelle di regressione in formato accademico
Non inserire mai screenshot dell’output di Stata o R nella tesi. Le tabelle devono essere formattate in LaTeX o Word con queste caratteristiche:
- Coefficienti con stelle per significatività (* p<0.10, ** p<0.05, *** p<0.01)
- Errori standard tra parentesi nella riga sotto il coefficiente
- N, R², F-stat (o chi², per logit/probit) in fondo alla tabella
- Nota sotto la tabella che specifica il tipo di errori standard (robusti, cluster)
In Stata usa esttab (pacchetto estout): genera LaTeX o HTML direttamente. In R usa il pacchetto stargazer o il più moderno modelsummary.
Robustness checks
Un capitolo di risultati senza robustness checks non supera la revisione in molte facoltà economiche. Le verifiche tipiche includono:
- Cambio di specificazione (aggiunta/rimozione di controlli)
- Sotto-campioni (es. solo Nord Italia, solo PMI, solo pre-Covid)
- Misure alternative della variabile dipendente
- Modelli alternativi (es. logit invece di OLS per variabili binarie)
Fonti dati italiane e internazionali
| Fonte | Contenuto | URL | Formato |
|---|---|---|---|
| ISTAT | PIL, occupazione, inflazione, conti nazionali, censimento | istat.it | CSV, Excel, API |
| Eurostat | Statistiche UE armonizzate, panel per 27 paesi | ec.europa.eu/eurostat | CSV, SDMX |
| Banca d’Italia | Tassi di interesse, credito, bilance, banche | bdi.bancaditalia.it | CSV, API |
| World Bank Open Data | Indicatori mondiali: PIL, povertà, educazione, salute | data.worldbank.org | CSV, API R (WDI) |
| FRED (Fed St. Louis) | Serie storiche macro USA e internazionali | fred.stlouisfed.org | CSV, API R (fredr) |
| AlmaLaurea | Occupazione e condizioni dei laureati italiani | almalaurea.it | Report, microdati su richiesta |
Calendario realistico
| Mese | Attività |
|---|---|
| Mese 1-2 | Scelta relatore, definizione della domanda di ricerca, revisione letteratura preliminare |
| Mese 3-4 | Raccolta e pulizia dati (data cleaning), statistiche descrittive, stesura cap. letteratura |
| Mese 5-6 | Stima modello principale, test diagnostici, robustness checks |
| Mese 7-8 | Stesura cap. metodologia e risultati, preparazione tabelle |
| Mese 9-10 | Stesura conclusioni, prima revisione relatore, revisioni |
| Mese 11-12 | Consegna, impaginazione finale, preparazione presentazione |
Esempi reali da atenei italiani
Caso A — LUISS Roma (LM Economia)
Una tesi su “L’impatto della corruzione sulla crescita economica regionale in Italia: un’analisi panel 2005-2023” ha usato dati ISTAT sul PIL regionale, un indice di corruzione percepita (da Transparency International e dati giudiziari ISTAT) e stimato un modello FE con errori standard cluster a livello regionale. Il test di Hausman ha confermato la preferenza per FE (chi² = 28.4, p < 0.001). I robustness check hanno usato come variabile dipendente alternativa il PIL per addetto invece del PIL pro capite. La tesi è stata disponibile nel repository LUISS Tesi.
Caso B — Unibo Bologna (LM Analisi e Politica Economica)
Una tesi sulla previsione dell’inflazione italiana con modello VAR (Vector Autoregression) ha usato serie ISTAT mensili 2010-2025 (CPI, M2, tasso di cambio EUR/USD, prezzo petrolio Brent). Il workflow completo è stato condotto in R con i pacchetti vars, tseries e forecast. I risultati, presentati con IRF (Impulse Response Functions) e FEVD (Forecast Error Variance Decomposition), hanno mostrato che il tasso di cambio spiega il 23% della varianza dell’inflazione a 12 mesi.
Caso C — Bocconi Milano (BSc / MSc Economics)
Una tesi di triennale in inglese su “Does minimum wage affect employment? A diff-in-diff analysis of Italian regional data” ha confrontato le regioni italiane che hanno sperimentato aumenti significativi del salario minimo contrattuale per settore con un gruppo di controllo, usando dati ISTAT-Rilevazione continua sulle forze di lavoro 2018-2023. Il modello diff-in-diff a due vie con effetti fissi di regione e di tempo ha mostrato un effetto negativo marginalmente significativo sull’occupazione dei giovani (18-25 anni).
Strumenti consigliati
- Stata 18: standard nelle facoltà economiche italiane; licenza gratuita per studenti in molti atenei (Bocconi, LUISS, Bologna)
- R + RStudio: gratuito, pacchetti chiave:
plm(panel),lmtest(test diagnostici),vars(VAR),stargazer/modelsummary(tabelle),WDI/fredr(dati) - Python + statsmodels: per chi viene da informatica o data science; librerie:
linearmodels(panel),statsmodels(OLS, ARIMA),pandas(data wrangling) - LaTeX + overleaf.com: per la formattazione delle tabelle; usa
booktabsper tabelle professionali - OPAC SBN (opac.sbn.it) e EconLit: per la letteratura accademica
- Zotero 7 con stile APA 7: per la bibliogafia automatica
- JASP / Jamovi: alternativa gratuita a Stata per chi fa statistica di base senza codice; vedi il confronto JASP Jamovi SPSS per la tesi 2026
Per la gestione della bibliografia in tesi di Economia, vedi anche il confronto su tesi di laurea in Economia: struttura e consigli pratici.
Errori da evitare
- Fare una regressione senza verificare le ipotesi: OLS senza test di eteroschedasticità (Breusch-Pagan) e autocorrelazione (Durbin-Watson) non è accettabile in una tesi magistrale 2026.
- Confondere correlazione e causalità: un coefficiente significativo non implica causalità. Discuti l’endogeneità anche se non hai strumenti a disposizione.
- Inserire screenshot dell’output: le tabelle devono essere formattate con esttab/Stargazer, non copiate da terminale.
- Non descrivere il data cleaning: il processo di pulizia dei dati (outlier, valori mancanti, merge tra dataset) va documentato nel capitolo metodologico.
- Usare dati non aggiornati: nel 2026, ISTAT e Eurostat hanno serie aggiornate fino a 2024-2025. Usare dati che si fermano al 2019 senza una giustificazione è una debolezza evidente.
- Non fare robustness checks: ogni commissione di Economia chiede almeno uno o due robustness checks. È la prova che i risultati non dipendono da scelte arbitrarie del ricercatore.
Domande frequenti (FAQ)
Devo sapere programmare per fare una tesi di Economia quantitativa?
Devi saper usare almeno uno strumento tra Stata, R o Python a livello base-intermedio. Non devi essere un programmatore, ma devi essere in grado di scrivere il codice per importare i dati, fare la regressione, testare le ipotesi e esportare le tabelle. I corsi di Econometria e Statistica del tuo corso di laurea ti danno queste basi; molti atenei offrono anche laboratori specifici (Bologna, Padova) per l’anno accademico 2025-2026.
Quante variabili deve avere il modello econometrico?
Non c’è un numero fisso, ma la regola pratica è includere le variabili di controllo suggerite dalla letteratura, non tutte le variabili che trovi nel database. Un modello con 3-6 regressori (più intercetta e effetti fissi) è solitamente sufficiente. Il problema del “sovra-fitting” è reale: troppi controlli in campioni piccoli gonfia l’R² senza migliorare la stima causale.
Posso usare Python invece di Stata?
Sì, Python con statsmodels e linearmodels è perfettamente adeguato per una tesi di Economia. Il vantaggio è che è gratuito e potente per la gestione dei dati con pandas. Lo svantaggio è che alcune procedure econometriche avanzate (es. xtivreg2 in Stata) sono più immediate in Stata. Verifica con il tuo relatore: la maggior parte accetta R e Python senza problemi nel 2026.
Come gestisco i valori mancanti nel dataset?
Le strategie principali sono: listwise deletion (elimina le osservazioni con valori mancanti — semplice ma riduce il campione), multiple imputation (stima i valori mancanti con modelli statistici — più sofisticata, usa il pacchetto R mice), o interpolazione lineare per serie storiche. Documenta nel cap. metodologico quale strategia hai adottato e perché, e verifica se i missing sono MCAR, MAR o MNAR.
Cos’è il test di Hausman e quando devo usarlo?
Il test di Hausman verifica se la differenza tra stimatori FE e RE è sistematica. Se si rifiuta H0 (differenza significativa), usa FE perché RE è inconsistente. In Stata: hausman fe_model re_model; in R con plm: phtest(fe_model, re_model). Se non si rifiuta H0, RE è preferibile per la sua maggiore efficienza. Riporta sempre il risultato del test nel capitolo metodologico.
Devo includere il codice Stata/R nella tesi?
Il codice va in appendice, non nel corpo del testo. La maggior parte dei relatori italiani lo richiede per garantire la replicabilità dei risultati. Includi: il do-file Stata o lo script R completo commentato, con i comandi per l’import dei dati, le trasformazioni, le stime e le tabelle. Alcuni atenei richiedono anche di depositare i dati in un repository (es. Zenodo) se sono pubblici.
Come scelgo la domanda di ricerca per una tesi quantitativa di Economia?
La domanda di ricerca deve essere: 1) empiricamente testabile con dati disponibili, 2) collegata a un dibattito nella letteratura economica, 3) rilevante per la policy o per la comprensione di un fenomeno economico. Evita domande troppo generiche (“Qual è l’effetto della crisi sull’economia?”) o troppo tecniche senza rilevanza economica. Parti da un paper che ti ha colpito nel corso di Econometria e chiediti: “Come posso replicarlo con dati italiani o aggiornati?”
La tesi di Economia può essere in inglese?
Sì, quasi tutti gli atenei italiani con corsi di laurea magistrale in Economia accettano la tesi in inglese nel 2026. Bocconi, LUISS e i corsi internazionali di Bologna e Padova la preferiscono o la richiedono. Il vantaggio è che rende la tesi più fruibile per pubblicazioni o application internazionali. Il relatore deve avere la competenza per supervisionarla in inglese.
Conclusione
Una tesi di Economia con analisi quantitativa ben fatta nel 2026 è un progetto di ricerca in miniatura: ha una domanda, usa dati pubblici, applica un modello credibile e produce risultati robusti. Non devi fare magia statistica — devi fare buona ricerca. Scegli una domanda che ti appassiona, costruisci il dataset con pazienza, stima il modello più semplice che risponde alla tua domanda e poi verifica che funzioni con i robustness checks. Quella è la base di una buona tesi quantitativa, sia che tu usi Stata, R o Python.
Per la struttura formale consulta anche la guida alla tesi magistrale: struttura completa 2026 e i confronti sugli strumenti statistici in JASP Jamovi SPSS italiano per tesi 2026. Per approfondire le basi dati, vedi la guida alla tesi di laurea in Economia.
Approfondimenti internazionali: la guida spagnola all’ANOVA fattoriale SPSS per TFG è su tesify.es. Per l’uso di SPSS, R e Python in portoghese vedi tesify.pt. Il modello francese per ANOVA su mémoire è su tesify.fr.
