Econométrie avancée
Enseignant responsable :
Volume horaire : 30Description 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 4Compétence 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