Econométrie avancée

Ects : 4

Enseignant responsable :

Volume horaire : 30

Description du contenu de l'enseignement :

  • Remise à niveau (optionnel) : (CM 9h)

Introduction des concepts de base (statistiques, MCO, interprétation des graphiques) / Introduction au logiciel R (en 2 groupes si nécessaire)

 

Un questionnaire d’auto-évaluation sera envoyé avant l’été pour aider aux étudiants à choisir les modules à suivre

  • Cours (obligatoire) : (CM 12h and TP 9h)

o Variable instrumentale

o Méthode des doubles différences

o Régression sur discontinuité

o Expérimentations (si le temps permet)

 

Chaque méthode est enseignée par une partie théorique, des exemples (CM) et une pratique sur le logiciel R (TP)

 

Objectifs

Comprendre les concepts de bases en économétrie / Savoir expliquer la différence entre la corrélation et la causalité et comprendre l’importance de la différenciation en science sociale / Maîtriser des méthodes pour établir un lien causal / Prendre connaissance de différents cas d’usage de ses méthodes en entreprise et en décision publique à travers des exemples et du projet final / Se familiariser avec les outils de programmation R

______________________________

  • Catch-up sessions (optional): (CM 9h)

Introduction to basic concepts (statistics, OLS, interpretation of graphs) / Introduction R software (in 2 groups if necessary)

 

A self-evaluation questionnaire will be sent before summer to help students to decide which module(s) to follow

  • Course (mandatory): (CM 12h and TP 9h)

o Instrumental Variable

o Difference-in-Difference

o Regression Discontinuity

o Experimentation (if time permits)

 

Each method will be taught in three parts: theory, paper examples (CM), and programming in R (TP)

 

Objectives

Understand basic concepts of econometrics / Know how to explain the difference between correlation and causality, and understand wh y this distinction is important in social science / Master methods of establishing causal links / Know different scenarios in private and in public decision making in which these methods are used, through examples given in course and through the final project / Know various methods and empirical applications in econometrics (causal inference) and in data science / Get familiar with the programming language R

Coefficient : Professionnel : 3 ECTS et Coefficient 3 Recherche : 4 ECTS et Coefficient 4

Compétence à acquérir :

  • Conception du modèle économétrique
  • Programmation du modèle économétrique sur R
  • Interprétation des tables et des graphes
  • Identification de problématique et application des méthodes enseignées en cours

 

_________________________________

  • Conceive econometric models
  • Implement econometric models in R
  • Interpret tables and graphs
  • Identify real-life cases for which the methods could be applied to

Mode de contrôle des connaissances :

Projet

Project