1    Introduction to python

1.  Read the slides in O1 slides/class1.slides.html

2.  Finish the exercises from the notebook O2 Exercises/Exos.ipynb

2    Data management with python

1.  Read the slides O2 slides/datacergy.slides.html

2.  Do the exercise in the notebook O4 Exercises/class 4 - Exercise - world cup.ipynb

3    Introduction to stata

Read the following introduction: http://tutorials.iq.harvard.edu/stata/stata Ⅰntro/stataⅠntro.html

3.1    part A

1.  using stata (if possible)

2.  create a do ile to save your code and write a script

3.  a) to load the dataset Housing DB   clean.csv in the folder O3 slides

4. b) Drop the observations with no values for price and surface

5.  c) compute the price per square meters

6.  d) compute the quantiles with the function xtile and drop the Top and Bottom O.1%

7. e) In the dataset, the identity of each district is given by codegeo, compute the average rent per square meter for each district and save it in a separate ile.   (hint:  you  can  use the commands bysort : egen mean = , preserve, restore and save might be helpful )

8.  f)create a scatter plot between price and surface and export it to a png ile, specify the legend of the axis

9. g)create this scatter plot adding the linear regression line

1O.  h)create this scatter plot adding the quadratic regression line

11.  i)Estimate the relationship between price and surface with OLs with and without neigborhood ixed efects and export your regression results in a Table in Latex and xls (hint, when using reg command use the , absorb(codegeo) to absorb neighborhood ixed efects.  To export you results eststo and esttab commands might be useful )