Actualités et agenda
Nos formations
Établissement
Langue d'enseignement
FR, EN
Matières
METHODES QUANTITATIVES
Responsable(s)
M.BUISINE
Intervenant(s)
Matthieu Buisine
Jennifer Amar
Iuliana Matei
Marijn Verschelde
Arnaud Rys
Thomas Baudin
Mamoudou Camara
Jennifer Amar
Iuliana Matei
Marijn Verschelde
Arnaud Rys
Thomas Baudin
Mamoudou Camara
Présentation
Prérequis
Connaissance de base d'Excel (représentations graphiques, utilisation des formules).
Connaissances statistiques de base : graphiques (nuages de points), moyennes et écarts types, corrélation linéaire.
Lire une table statistique (loi normale, loi de Student).
Test d’hypothèse, intervalles de confiance.
Connaissances statistiques de base : graphiques (nuages de points), moyennes et écarts types, corrélation linéaire.
Lire une table statistique (loi normale, loi de Student).
Test d’hypothèse, intervalles de confiance.
Objectifs
A la fin du cours, l'étudiant devrait être capable de :
-Comprendre les enjeux de l'économétrie, savoir poser une problématique et en déduire la spécification d'un modèle
-Comprendre les avantages et les limites du modèle des moindres carrés ordinaires
-Savoir représenter les données univariées et multivariées afin de vérifier la pertinence d'une régression linéaire
-Utiliser un logiciel statistique ou Excel pour réaliser une régression
-Identifier les points aberrants ou influents et utiliser une variable dummy pour introduire une variable qualitative dans un modèle
-Juger la qualité d'un modèle à l'aide du R², du tests de Fisher, juger de l'intérêt d'une variable à l'aide du test de Student. Vérifier les hypothèses du modèle des moindes carrés et résoudre les problèmes.
-Bâtir un modèle adapté: savoir choisir les variables les plus pertinentes, éviter la multicolinéarité, linéariser…
-Comprendre les enjeux de l'économétrie, savoir poser une problématique et en déduire la spécification d'un modèle
-Comprendre les avantages et les limites du modèle des moindres carrés ordinaires
-Savoir représenter les données univariées et multivariées afin de vérifier la pertinence d'une régression linéaire
-Utiliser un logiciel statistique ou Excel pour réaliser une régression
-Identifier les points aberrants ou influents et utiliser une variable dummy pour introduire une variable qualitative dans un modèle
-Juger la qualité d'un modèle à l'aide du R², du tests de Fisher, juger de l'intérêt d'une variable à l'aide du test de Student. Vérifier les hypothèses du modèle des moindes carrés et résoudre les problèmes.
-Bâtir un modèle adapté: savoir choisir les variables les plus pertinentes, éviter la multicolinéarité, linéariser…
Présentation
Chapitre I - La Régression à une variable
I: Les bases de l'économétrie: rappels sur l'échantillonage, représentations graphiques, limites de la corrélation linéaire, linéarisation
II: La Régression Linéaire
III: Juger la qualité d'un modèle: SCE et R²
IV: Les Hypothèses du modèle
V: Vérifier les hypothèses: normalité, homoscédasticité…
VI: Détection de l'autocorrélation: Durbin et Watson…
VII: Inférence Statistique sur les paramètres estimés
VIII: Intervalles de confiance sur la prévision
Chapitre II - La Régression à plusieurs variables
I: Le modèle de Régression multiple
II: Significativité globale d'un modèle: R² Ajusté, Test de Fisher
III: Hypothèses du modèle multiple
IV: Inférence sur les coefficients estimés
V: Variables dummy
Chapitre III - Conception de modèles
I: Linéarisation de formes diverses (quadratiques…)
II: Introduction aux formes logistiques
III: Critères de choix d'un bon modèle: VIF, Cp, AIC…
I: Les bases de l'économétrie: rappels sur l'échantillonage, représentations graphiques, limites de la corrélation linéaire, linéarisation
II: La Régression Linéaire
III: Juger la qualité d'un modèle: SCE et R²
IV: Les Hypothèses du modèle
V: Vérifier les hypothèses: normalité, homoscédasticité…
VI: Détection de l'autocorrélation: Durbin et Watson…
VII: Inférence Statistique sur les paramètres estimés
VIII: Intervalles de confiance sur la prévision
Chapitre II - La Régression à plusieurs variables
I: Le modèle de Régression multiple
II: Significativité globale d'un modèle: R² Ajusté, Test de Fisher
III: Hypothèses du modèle multiple
IV: Inférence sur les coefficients estimés
V: Variables dummy
Chapitre III - Conception de modèles
I: Linéarisation de formes diverses (quadratiques…)
II: Introduction aux formes logistiques
III: Critères de choix d'un bon modèle: VIF, Cp, AIC…
Modalités
Modalités d'enseignement
Chapitre I - La Régression à une variable: les bases de l'économétrie: rappels sur l'échantillonage, représentations graphiques, limites de la corrélation linéaire, linéarisation, juger la qualité d'un modèle: SCE et R², hypothèses du modèle, inférence Statistique sur les paramètres estimés, intervalles de confiance sur la prévision
Chapitre II - La Régression à plusieurs variables: modèle de Régression multiple, significativité globale d'un modèle, R² Ajusté, Test de Fisher, Hypothèses du modèle multiple, Inférence sur les coefficients estimés, Variables dummy
Chapitre III - Conception de modèles: Linéarisation de formes diverses (quadratiques…). Introduction aux formes logistiques. Critères de choix d'un bon modèle: VIF, Cp, AIC…
Organisation
| Type | Nombre d'heures | Remarque | |
|---|---|---|---|
| Présentiel | |||
| Cours interactif | 16,00 | ||
| Autoformation | |||
| Lecture du manuel de référence | 6,00 | ||
| Travail personnel | |||
| Charge de travail personnel indicative | 6,00 | ||
| Group Project | 10,00 | ||
| Charge de travail globale de l'étudiant | 38,00 | ||
Évaluation
L'évaluation de la compréhension des connaissances a lieu à deux reprises en cours de semestre, sous la forme de deux QCM d'une heure chacun. L'évaluation de la capacité à mettre en œuvre les outils est jugée par le biais d'un projet à rendre en fin de semestre.
| Type de Contrôle | Durée | Nombre | Pondération |
|---|---|---|---|
| Autres | |||
| Projet Collectif | 0,00 | 1 | 40,00 |
| Examen (final) | |||
| Examen écrit | 1,50 | 1 | 40,00 |
| Contrôle continu | |||
| QCM | 1,00 | 1 | 20,00 |
| TOTAL | 100,00 | ||
Ressources
Bibliographie
Basic Business Statistics, 12/E (Mark L. Berenson, David M. Levine, Timothy C. Krehbiel), Pearson, 2011 -
Ressources Internet