Non- and semi- parametric econometrics

lstat2420  2020-2021  Louvain-la-Neuve

Non- and semi- parametric econometrics
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h
Q2

Cette unité d'enseignement bisannuelle est dispensée en 2020-2021
Enseignants
Hafner Christian;
Langue
d'enseignement
Anglais
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 A. Eu égard au référentiel AA du programme de master en statistique, orientation générale, cette activité contribue au développement et à l'acquisition de manière prioritaire des AA 2.4, 3.1, 3.3, 4.4, 6.1 et 6.2.
B. A l'issue de ce cours, l'étudiant maîtrisera la théorie de base d'estimateurs non-paramétriques. Il sera capable d'étudier les propriétés de ces estimateurs ainsi que leur application à l'aide d'un logiciel statistique.
 
Contenu
The objective of this lecture is to provide an introduction to non- and semiparametric estimation methods that are often used in econometrics. For the classical kernel density and regression estimator, the asymptotic theory will be developed in some detail. For time series regression and semiparametric models, an emphasis will be given on applications through various examples. Beyond understanding the properties, students are expected to learn how to implement the methods.
1. Nonparametric estimation
a. Kernel density estimator (properties, asymptotics, higher order kernels, density derivatives,
multivariate densities, bandwidth selection)
b. Nonparametric regression (local polynomial estimator, properties, asymptotics; time series)
2. Semiparametric estimation
a. Semiparametric eciency bounds
b. Linear regression with unknown error density
c. Partially linear model
d. Single index model
e. Semiparametric models for time series
f. Semiparametric models for panel data
Bibliographie
  • Li, Q. and S. Racine (2007), Nonparametric Econometrics, Princeton University Press.
  • Pagan, A. and A. Ullah (1999), Nonparametric Econometrics, Cambridge University Press.
  • Ruppert, D., M.P. Wand and R.J. Carroll (2003), Semiparametric Regression, Cambridge Series in Statistical and Probabilistic Mathematics, Cambridge University Press.
  • Yatchew, A. (2003), Semiparametric regression for the applied econometrician, Cambridge University Press.
Support de cours
  • matériel sur moodle
Faculté ou entité
en charge
LSBA
Force majeure
Modes d'évaluation
des acquis des étudiants
La crise sanitaire implique des incertitudes quant aux modalités d’évaluation en particulier pour la session de juin. Deux options sont envisagées selon la sévérité des contraintes liées à la crise sanitaire.
Un plan A en présentiel :
  • Examen oral
Un plan B en distanciel :
  • Examen oral sur Teams


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en statistique, orientation générale