Econométrie

lecge1316  2024-2025  Louvain-la-Neuve

Econométrie
5.00 crédits
30.0 h + 15.0 h
Q1
Enseignants
Dejemeppe Muriel; Parienté William (supplée Dejemeppe Muriel);
Langue
d'enseignement
Français
Préalables

Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
Le cours couvre les outils de base de l'économétrie à un niveau introductif. Des exemples d'application des méthodes à des problèmes d'économie et de gestion sont inclus. Un aspect important du cours est l'apprentissage de la modélisation économétrique : comment passer d'une relation théorique, abstraite et générale entre des variables économiques, à la formulation et à l'estimation d'une forme particulière de cette relation dans un contexte donné. L'apprentissage d'un logiciel économétrique est inclus dans le cours.
Acquis
d'apprentissage

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

1 Le cours est une introduction à la théorie et à la pratique de l'économétrie. L'accent est mis sur la compréhension des méthodes et sur leur pertinence pour la résolution de problèmes d'économie et de gestion. In fine, l'étudiant doit être capable d'utiliser les méthodes enseignées pour la résolution de questions simples, et d'interpréter les résultats d'une analyse économétrique tout en étant conscient des limites des méthodes.
 
Contenu
Analyse de la régression linéaire sur données transversales
Chapitre 1. Introduction générale
Chapitre 2. Le modèle de régression linéaire simple
Chapitre 3. Le modèle de régression linéaire multiple : Estimation
Chapitre 4. Le modèle de régression linéaire multiple : Test d’hypothèse
Chapitre 5. Le modèle de régression linéaire multiple : Propriétés asymptotiques
Chapitre 6. Le modèle de régression linéaire multiple : Questions avancées
Chapitre 7. Le modèle de régression linéaire multiple avec information qualitative
Chapitre 8. Le modèle de régression linéaire multiple : Hétéroscédasticité
Chapitre 9. Le modèle de régression linéaire multiple : Spécification et problèmes liés aux données
+ Introduction au logiciel d'analyse statistique STATA
Méthodes d'enseignement
Le cours comprend des exposés magistraux de l'enseignant en auditoire ainsi que des séances de travaux pratiques sur ordinateur qui sont organisées par les assistants.
Lors du cours magistral, l'enseignant explique la théorie sur base de transparents. Les méthodes d'estimation sont chaque fois illustrées par des exemples d'application dans divers domaines de l'économie et de la gestion. Pendant le cours, des séances de questions/réponses avec les étudiants sont organisées. L'étudiant complète sa compréhension du cours sur base d'un livre de référence.
Lors des séances de travaux pratiques, les étudiants apprennent à mettre en oeuvre les méthodes d'estimation vues au cours sur des données réelles. Cette apprentissage se réalise sur ordinateur avec le logiciel STATA. Au début du quadrimestre, les étudiants sont invités à s'initier au logiciel STATA via une formation en ligne.
Modes d'évaluation
des acquis des étudiants
L’examen consiste en un examen écrit en français sur 20 points et peut être présenté à la session de janvier et/ou à la session d'août.
Autres infos
Pré-requis :
1) LECGE 1112 A ou B - Mathématiques en économie et gestion
2) LECGE 1114 A ou B - Statistique en économie et gestion
Ressources
en ligne
Slides du cours mis en ligne au fur et à mesure de l’avancée dans la matière, voir Moodle UCL (http://moodleucl.uclouvain.be/).
Bibliographie
Livre de référence (reference book) :
Jeffrey Wooldridge (2016), Introductory Econometrics: A Modern Approach6th Edition, Cengage Learning.
Faculté ou entité
en charge


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

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Mineure d'accès au master en économie

Bachelier en sciences philosophique, politique et économique

Bachelier en sciences économiques et de gestion

Mineure en statistique et science des données

Master [120] en sciences agronomiques et industries du vivant