Durée
30h Th, 15h Pr
Nombre de crédits
Enseignant
Natalia Bermùdez
Langue(s) de l'unité d'enseignement
Langue française
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
- Chapitre 0 : Introduction - Nature et démarche de l'économétrie ; types de données.
- Chapitre 1 : Analyse de données - Introduction à Stata; gestion, visualisation et analyse descriptive des données.
- Chapitre 2 : le modèle de régression linéaire simple (RLS) - Introduction à la régression linéaire simple; estimation par moindres carrés ordinaires (MCO) et interprétation.
- Chapitre 3: Causalité - Distinction entre corrélation et causalité; biais de sélection; cadre des résultats potentiels; expérimentation aléatoires (RCT).
- Chapitre 4 : le modèle de régression linéaire multiple (RLM) : estimation - Extension à plusieurs variables explicatives; estimation et interpréation par MCO; variables indicatrices et biais de variable omise.
- Chapitre 5 : le modèle de régression linéaire multiple (RLM) : hypothèses - Hypothèses du modèle et propriétés des estimateurs MCO; homoscédasticité et hétéroscédasticité.
- Chapitre 6 : Régression linéaire : inférence - Erreurs standards, intervalles de confiance et tests d'hypothèses dans le modèle de régression.
- Chapitre 7 : Régression linéaire : extensions - Formes fonctionnelles, transformations, interactions et autres extensions du modèle linéaire.
- Chapitre 8 : Différences-de-différences - Introduction à la méthode des différences-de-différences; construction du contrefactuel, hypothèse de tendances parallèles et estimation par régression.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Au terme de ce cours, l'étudiante sera capable :
- de manipuler, nettoyer et visualiser des jeux de données à l'aide du logiciel Stata, dont il maîtrisera les commandes de base pour produire des estimations et des graphiques ;
- d'expliquer, d'estimer et d'interpréter des modèles de régression linéaire simple et multiple ;
- de mobiliser ces outils pour traiter des questions empiriques simples en économie et en gestion ;
- de distinguer corrélation et causalité, d'identifier les principales sources de biais dans une analyse économétrique et d'en discuter les limites et solutions.
Savoirs et compétences prérequis
- Mathématiques de base : algèbre et fonctions
- Probabilités et statistique descriptive
- Notions de base en inférence statistique
Activités d'apprentissage prévues et méthodes d'enseignement
Neuf exposés ex cathedra sur les thèmes cités plus haut, combinant théorie et application pratique sur Stata. Chaque séance débute par un quiz Wooclap (5 questions) portant sur la matière du cours précédent, suivi d'une correction immédiate ; elle est ponctuée de petits exercices pratiques sur Stata et de questions de compréhension des concepts.
Le cours est complété par des séances de travaux pratiques (TP), organisées par groupes, au cours desquelles les étudiantes appliquent (sous la supervision d'une assistante) les concepts vus au cours à des applications empiriques sur Stata.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Informations complémentaires:
- Séances de 2h au premier quadrimestre en présentiel exclusivement.
- Travaux pratiques (séances de 2h) comportant un exercice pratique sur Stata et un exercice théorique.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- LOL@
Informations complémentaires:
Support de cours disponibles sur lol@ : transparents de cours, énoncés et corrigés des TP.
Références importantes :
- Wooldridge, J. M. (2023). Introduction à l'économétrie : une approche moderne (3e éd.). De Boeck Supérieur.
- Stock, J. H. & Watson, M. W. (2020). Introduction to Econometrics, 4th ed. Pearson.
- Oswald, F., Viers, V., Robin, J.-M., Villedieu, P., & Kenedi, G. (2020). Introduction to Econometrics with R. Sciences Po, Department of Economics. Online textbook.
- Angrist, J. D., & Pischke, J.-S. (2015). Mastering 'Metrics: The Path from Cause to Effect. Princeton University Press.
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation écrite ( QCM, questions ouvertes )
Travail à rendre - rapport
Informations complémentaires:
- Projet d'analyse de données (en groupe de 4) = 1 point bonus (sur 20)
Session de janvier :
- Base de données et consignes seront données début novembre
- Date de rendu : mi-janvier sur lola
- Report du point bonus obtenu ou non au cours du quadrimestre (session de janvier)
- Partie QCM pratique sur ordinateur
- Partie théorique (questions ouvertes) portant sur la connaissance et la compréhension du cours.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
- Natalia Bermùdez : natalia.bermudez@uclouvain.be
- Tom Gillet : tom.gillet@student.uliege.be