Econométrie avancée

ECTS : 4

Description 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 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

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