Dans ce cours, vous découvrirez le type de questions auxquelles l'économétrie peut répondre et les différents types de données que vous pouvez utiliser : séries chronologiques, données transversales et données longitudinales.
Pendant le cours, vous : - apprendrez à utiliser le modèle de régression linéaire classique (CLRM) ainsi que l'estimateur des moindres carrés ordinaires (MCO), tout en discutant des hypothèses nécessaires pour que les MCO fournissent de véritables paramètres de régression ; - examinerez des cas avec une seule variable indépendante pour une variable dépendante, avant de passer à l'analyse de régression en généralisant le modèle bivarié à la régression multiple ; - étudierez les différentes philosophies de construction de modèles, avec un accent particulier sur l'analyse de l'impact sur l'environnement ; - apprendrez à utiliser le modèle de régression linéaire classique (CLRM). - Explorer les différentes philosophies de construction de modèles, en mettant l'accent sur l'approche générale-spécifique, et apprendre à utiliser les statistiques de qualité d'ajustement pour mesurer "la façon dont votre modèle explique les variations de la variable dépendante". Tout au long de ce cours, vous verrez des exemples qui vous aideront à clarifier quel type de relation est intéressant et comment nous pouvons l'interpréter. Vous aurez également l'occasion d'appliquer vos connaissances à l'estimation du modèle d'évaluation des actifs financiers en utilisant des données réelles avec R. Le cours s'adresse aux débutants, donc peu de connaissances préalables sont requises, mais vous bénéficierez d'une capacité à représenter graphiquement deux variables dans le cadre xy, d'une compréhension de l'algèbre de base et de la prise de dérivées. A la fin de ce cours, vous serez capable de : - Décrire les problèmes que l'économétrie peut aider à résoudre et le type de données à utiliser - Expliquer pourquoi certaines hypothèses sont nécessaires pour que l'approche produise une estimation - Calculer les coefficients d'intérêt dans le modèle de régression linéaire classique - Interpréter les paramètres estimés et les statistiques de qualité d'ajustement - Estimer les modèles de régression linéaire simple et multiple avec R.