Applied econometrics: Microeconometrics

lecon2033  2019-2020  Louvain-la-Neuve

Applied econometrics: Microeconometrics
Note from June 29, 2020
Although we do not yet know how long the social distancing related to the Covid-19 pandemic will last, and regardless of the changes that had to be made in the evaluation of the June 2020 session in relation to what is provided for in this learning unit description, new learnig unit evaluation methods may still be adopted by the teachers; details of these methods have been - or will be - communicated to the students by the teachers, as soon as possible.
5 credits
30.0 h + 12.0 h
Q1
Teacher(s)
Dejemeppe Muriel; Verheyden Bertrand (compensates Dejemeppe Muriel);
Language
French
Prerequisites

The prerequisite(s) for this Teaching Unit (Unité d’enseignement – UE) for the programmes/courses that offer this Teaching Unit are specified at the end of this sheet.
Main themes
(i) On the basis of cross section and panel data, the course proposes several methods that aim at a correc-tion of the " endogeneity " bias: the "proxy variable" method, the method in first difference, the dif-ference-in-differences method and the "fixed effect" method; the instrumental variables method and (possibly) the estimation of simultaneous equations. (ii) There will be a refresher on binary choice models; One will introduce to the analysis of truncated and censored regression models; One might in addition treat one or more themes within the following list: models for multiple choices (ordered or not), the Poisson model and/or the endogenous selec-tion model ("Heckit"). Examples in various domains of application in economics will illustrate the methods. Minimum one third of the course will be spent on learning how to use a software that allows students to apply the estimation methods to real data. This learning will be realised on the basis of programming examples provided by the lecturer and on the basis of practical exercises realised by the students.
Aims

At the end of this learning unit, the student is able to :

1 This course introduces the student to the analysis of cross section and panel data. It aims at two principal objec-tives: to learn (i) how to identify the causal effect of a variable (e.g.: a policy, the action of a firm or of a con-sumer, the change in a price,…) on the dependent variable (e.g.: the level of wages or profits, the quantity of sold goods,…); this relates, in particular, to the correction of the "endogeneity" bias induced by unobserved variables, by measurement error and/or by simultaneous relations; (ii) how the estimation method can account for dependent variables that are only partially observed ("truncated" and/or "censored") or that are not continu-ous, but discrete (ordered or not). The student should understand in what way the learnt methods can help him or her in finding an answer to con-crete questions in various domains of application such as in labour economics, industrial organisation, develop-ment economics or public economics. At the end, the student should be capable to apply the estimation methods, to interpret the estimated parameters and to test a number of hypotheses, such as the validity of the pursued method and of the specification of the estimated model.
 

The contribution of this Teaching Unit to the development and command of the skills and learning outcomes of the programme(s) can be accessed at the end of this sheet, in the section entitled “Programmes/courses offering this Teaching Unit”.
Content
1. Rappels de la méthode des MCO sur données transversales
2. Biais des variables omises (ou non observées)
3. Méthode des variables instrumentales
4. Méthodes d’estimation sur données transversales agrégées
4.1. Estimateur des MCO agrégés
4.2. Estimateur de «différence de différences»
5. Méthodes d’estimation sur données de panel
5.1. Estimateur en «différence première»
5.2. Estimateur à «effet fixe»
5.3. Estimateur à «effet aléatoire»
6. Modèles pour variables dépendantes qualitatives
6.1. Modèles de probabilité linéaire, probit et logit
6.2. Modèle Tobit*
6.3. Modèle normal tronqué*
6.4. Méthodes de correction d’échantillonnage endogène*
+ Intitiation au logiciel d'analyse statistique STATA
* Si le temps le permet.
Teaching methods
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. L'étudiant complète sa compréhension du cours sur base d'un livre de référence. 
Les étudiants apprennent à mettre en œoeuvre les méthodes d'estimation sur des données réelles avec le logiciel STATA et le support d'un assistant. Cette apprentissage se réalise sur base de quelques cours pratiques dans la salle informatique. Au début du quadrimestre, les étudiants qui n'ont jamais utilisé STATA sont invités à participer à une séance d’initiation à ce logiciel.
Evaluation methods
L’examen consiste en une évaluation individuelle en session (janvier et/ou août) qui porte sur 20 points. Elle comporte deux parties «à livres fermés» : (1) une partie "théorique" en auditoire (14 points sur 20), et (2) une partie "pratique" (6 points sur 20) en salle informatique (programmation d’un exercice sur données réelles avec STATA). Dans la partie (1) de l'examen, un test à mi-parcours peut représenter jusque 4 points sur 14.
Un test à mi-parcours sur 4 points est organisé début novembre. Les étudiants qui ne présentent pas le test ou qui jugent leur cote au test insuffisante, ont la possibilité de répondre à une question de substitution sur 4 points dans la partie "théorique" de l'examen (en janvier et/ou août). Les étudiants qui choisissent de conserver leur cote sur 4 points ne répondent pas à cette question.
Other information
Prérequis :
LECGE 1316 - Econométrie, ou cours équivalent.
Online resources
Voir Moodle UCL (http://moodleucl.uclouvain.be/).
Bibliography
Livre de référence :
Jeffrey Wooldridge (2016), Introductory Econometrics: A Modern Approach, 6th Edition, Cengage Learning.
Faculty or entity


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

Title of the programme
Sigle
Credits
Prerequisites
Aims
Master [120] in Mathematical Engineering

Master [120] in Statistic: General

Master [120] in Agricultural Bioengineering

Master [120] in Agriculture and Bio-industries

Master [120] in Economics: General

Advanced Master in Quantitative Methods in the Social Sciences