Ects : 4

Enseignant responsable :

• Isac Antonio OLAVE CRUZ

Volume horaire : 30

Description du contenu de l'enseignement :

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

 

Objectives

• Understand basic concepts of econometrics
• Know how to explain the difference between correlation and causality, and understand why 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

______________________________

 

Enseignement / Thèmes abordés

 

Remise à niveau (optionnel) : L’ensemble de l’équipe pédagogique, 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) : D. Zhu (CM, 9h) et I. Olave (TP, 9h)

• Variable instrumentale
• Méthode des doubles différences
• Régression sur discontinuité
• Expérimentations (si le temps permet)

 

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

 

Tutorat du projet final (optionnel) : 3h

______________________________

 

Teaching / Topics

 

Catch-up sessions (optional): D. Zhu and I. Olave, 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): D. Zhu (CM, 12h) and I. Olave (TP, 9h)

• Instrumental Variable
• Difference-in-Difference
• Regression Discontinuity
• Experimentation (if time permits)

 

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

 

Final project tutoring (optional): 3h

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