Formation/Cours

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…

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…