Econométrie avancée

ECTS : 4

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

Compétence à acquérir :