Économétrie avancée I
Master Analyse et politique économiqueParcours Data science pour l'économie et l'entreprise
Description
Partie 1. Modèles économétriques non-linéaires
Ce cours a pour objectif de former les étudiants aux outils de base pour comprendre, coder et estimer des modèles économétriques non linéaires. Il comprend les outils statistiques, tels que la loi des grands nombres, le théorème de limite centrale et quelques résultats de la théorie asymptotique. Le cours introduit par ailleurs à des méthodes d’optimisation numérique. Ces outils seront appliqués principalement à l’estimateur du maximum de vraisemblance, mais également aux moindres carrés non-linéaires, et à la méthode des moments. Les différents chapitres du cours incluent une partie de programmation dans laquelle les méthodes théoriques seront programmées sur R pour illustrer les résultats obtenus.
Référence
Hansen, B., 2022, Probability and Statistics for Economists, Princeton University Press. http://www.ssc.wisc.edu/~bhansen/
Partie 2. Séries temporelles
Compétences visées
A l'issue des enseignements de cette UE, les étudiants seront capables :
- De bien maitriser la portée et de connaitre les limites des outils mathématiques et de la statistique
- De spécifier un modèle économétrique nonlinéaire et de l’estimer
- De comprendre et d’utiliser les algorithmes et les procédures numériques permettant résoudre un système d’équation nonlinéaire.
- D’interpréter les résultats des estimations
- De réaliser des tests d’hypothèse et des prédictions
- De mettre en forme des bases de données et de réaliser l’estimation empirique
- D’améliorer leur autonomie de travail sur le logiciel R
- D’accumuler de l’expérience en répliquant des travaux empiriques, et en programmant des procédures de simulation sur R
Disciplines
- Sciences économiques