Introduction à R

L'analyse empirique occupe aujourd'hui une place centrale dans la recherche économique et l'évaluation des politiques publiques. Savoir traiter et analyser des données est devenu une compétence essentielle pour l'économiste.

R s'est imposé comme l'un des principaux langages utilisés en économie, en économétrie et en science des données. Logiciel libre, adossé à une large communauté scientifique, il offre un vaste écosystème de bibliothèques (packages) couvrant toute la chaîne de travail, de l'importation des données à la production de résultats reproductibles.

Ce cours propose une initiation à R destinée aux étudiants de Master 1 en économie. Il ne suppose aucune connaissance préalable en programmation. À l'issue du semestre, les étudiants seront capables de :

• importer et manipuler des données avec R ;
• réaliser des analyses descriptives univariées et bivariées ;
• produire des visualisations statistiques pertinentes ;
• préparer une base de données en vue d'une étude empirique ;
• estimer, diagnostiquer et interpréter un modèle de régression linéaire simple et multiple.

L'ensemble du cours s'appuie sur une base de données réelle, exploitée progressivement et cumulativement tout au long du semestre.

Ce cours a pour objectif d'initier les étudiants à l'utilisation du langage R dans le cadre de l'analyse économique et statistique. À l'issue du semestre, les étudiants seront capables de :

• se repérer dans l'environnement de travail R et RStudio et mettre en place une organisation de travail reproductible, fondée sur l'utilisation de projets, de scripts et d'une gestion structurée des fichiers ;
• utiliser les principaux éléments de la syntaxe R, notamment les objets, les opérateurs, les fonctions et les structures de données usuelles (vecteurs, facteurs, listes et tableaux de données) ;
• importer, explorer et préparer des bases de données issues de fichiers Excel ou CSV, puis effectuer les principales opérations de manipulation de données ;
• produire et interpréter des statistiques descriptives afin de résumer et d'explorer des données économiques ;
• réaliser des représentations graphiques adaptées à l'analyse des données ;
• conduire une démarche d'analyse empirique complète sur un jeu de données réel, en enchaînant les différentes étapes de l'importation, du traitement à la visualisation ;
• estimer et interpréter un modèle de régression linéaire par la méthode des moindres carrés ordinaires (MCO), en analysant les coefficients estimés, les mesures de qualité d'ajustement et les principaux tests statistiques.
  

Modalités : CC
SESSION UNIQUE :
Contrôle Continu
• Type : Écrit
• Durée : 2h00

Régime Dérogatoire
• Type : Écrit
• Durée : 2h00

RATTRAPAGES :
• Type : Écrit
• Durée : 2h00

Utilisation de l'intelligence artificielle :

• Les outils d'intelligence artificielle peuvent être utilisés de manière interactive et critique, comme des assistants d'apprentissage : pour comprendre un message d'erreur, explorer une syntaxe alternative ou clarifier une notion. L'étudiant reste responsable du code qu'il produit et doit être en mesure d'expliquer chacune de ses lignes.

• En revanche, tout recours à l'IA est strictement interdit lors des épreuves d'évaluation.

• Statistiques descriptives de niveau licence.
• Notions élémentaires d'économétrie (corrélation, régression simple).
• Aucun prérequis en programmation.

À l'issue du cours, l'étudiant sera capable de conduire, de façon autonome, une analyse empirique simple en R : importer une base de données, la préparer, produire des statistiques descriptives et des visualisations pertinentes, estimer un modèle de régression linéaire et en interpréter les résultats dans une perspective économique. Ces acquis constituent une base solide pour les enseignements ultérieurs en économétrie appliquée, en science des données et en évaluation des politiques publiques.

• Wickham H., Çetinkaya-Rundel M. & Grolemund G., *R for Data Science* (2e éd.), librement accessible : https://r4ds.hadley.nz
• Wooldridge J. M., *Introductory Econometrics: A Modern Approach* — manuel de référence pour la partie économétrique.
• Fiches mémo (« cheat sheets ») de Posit : https://posit.co/resources/cheatsheets/
• Documentation officielle de `ggplot2` : https://ggplot2.tidyverse.org
• Messaoud Zouikri (repo github). https://github.com/MessaoudZouikri/IntroductionToEconometricsUsingR

- Supports de cours et de TD (tutoriel).
- Scripts R et jeux de données.
- Logiciels : R et RStudio.
- Base de données fournie, crimes.xls.
- Documentation en ligne et références bibliographiques détaillé.
- Plateforme pédagogique de l'université (cours en ligne).

https://github.com/MessaoudZouikri/IntroductionToEconometricsUsingR