Atelier d'économétrie

Cet atelier vise à mettre en pratique les connaissances acquises par les étudiants lors des cours d'économétrie à travers des travaux pratiques sur données réelles. Le langage de programmation utilisé est R. Les applications couvrent des problématiques économiques variées et mobilisent des méthodes économétriques avancées. L'atelier propose également une introduction aux méthodes d'inférence causale.

Rendre les étudiants capables d'appliquer de manière autonome les méthodes économétriques vues en cours à des jeux de données réels : estimer, tester, diagnostiquer et interpréter des modèles de régression dans R. Les sensibiliser aux enjeux de l'identification causale en économétrie.

Modalités : CCI
SESSION UNIQUE :
Contrôle Continu
• Type : Oral, Dossier
• Durée : 0h30

Régime Dérogatoire
• Type : Oral, Dossier
• Durée : 0h30

RATTRAPAGES :
• Type : Oral, Dossier
• Durée : 0h30

Utilisation de l'intelligence artificielle :
Dans le cadre de cet EC, l'usage de l'IA générative pour aider à la réalisation des travaux soumis à évaluation est autorisé à des fins de documentation et de compréhension (recherche de fonctions, messages d'erreur), mais interdit pour la génération de code et la rédaction des analyses. L'objectif de l'atelier étant la maîtrise pratique des outils, il est attendu que les étudiants écrivent eux-mêmes leur code et leurs interprétations.

Maîtrise des bases du langage R et du modèle de régression linéaire multiple, telle qu'acquise dans l'atelier logiciel statistique et économétrique du semestre précédent.

Connaissances en économétrie de niveau L3.

• Estimer et interpréter des modèles de régression linéaire multiple avec R.
• Réaliser des tests de diagnostic (hétéroscédasticité, spécification).
• Manipuler des données de panel et mettre en œuvre des méthodes d'inférence causale (différences en différences).

• Wooldridge J.M., Introduction à l'économétrie, De Boeck.
• Angrist J.D. et Pischke J.-S., Mastering 'Metrics, Princeton University Press, 2015.
• Cunningham S., Causal Inference: The Mixtape, Yale University Press, 2021.
  

Supports de cours et énoncés des TP disponibles en ligne.

Logiciel utilisé : R/RStudio.