UP1-PROG-02-M1B409-119 - Master 1 Econométrie, statistiques;B4091519 - Econométrie appliquée des modèles linéaires - Travaux Dirigés

Présentation générale du cours

Dans ce cours, nous étudions les modèles de régressions linéaires à k facteurs. Les applications sont faites sous SAS et sous SAS/IML (IML et IML Studio). L’accent est principalement mis sur les limitations des estimateurs MCO, sur la prise en compte des propriétés statistiques des séries (eg. faible stationnarité), sur la pré et post validation des modèles, ainsi que sur les méthodes autorisant des estimations plus robustes. Une attention particulière est donnée à l’approche graphique. Dans ce cours seront utilisées à la fois des données observées et des données simulées (Data Generating Process : DGP).

Ouvrages de référence :

1 – Econometric Methods, J. Johnston et J. DiNardo, McGraw-Hill. Très conseillé, excellent ouvrage, très synthétique.

2 – Méthodes Statistiques, P. Tassi, Economica. Pour tous les rappels de statistiques de L3

3 – Probability and Statistical Inference, Econometric Modelling with Observational data, A. Spanos, Cambridge University Press. Très conseillé, excellent ouvrage.

Plan indicatif du cours :

Séances 1 & 2 : Apprentissage de SAS/IML : commandes matricielles de bases et avancées. Introduction d’outils statistiques : eg estimateurs non-paramétriques d’une densité, tests de normalité, QQ plots….. Analyse des propriétés statistiques d’un processus stochastique : notions d’indépendance au premier et second ordre, notion et tests de stationnarité. Analyse de la dépendance entre deux processus stochastiques.

Séance 2/3 : Introduction à l’optimisation : Algorithme de Newton-Raphson, (PSO ?)

Séance 3 : Simulations de Monte-Carlo, introduction au bootstrap. Application : Analyse de la densité de l’opérateur corrélation entre deux variables stationnaires, non stationnaires

Séance 4 : Mesures d’influence, points aberrants, colinéarité, mauvaise spécification. Détection à partir d’une approche graphique. Introduction d’indicateurs de tests de spécifications.

Séance 5 & 6 : Codage sous IML d’un modèle de régression linéaire. Codage de tests de post-validation : Normalité, autocorrélation (Qstat, tests de Runs), hétéroscédascité.

Séance 7 : Hétéroscédasticité et autocorrélation, MCG et procédures de tests. Matrices HC, HAC

Séance 8 : Stationnarité locale. Détection de breaks structurels sur les premiers et seconds moments. Algorithme ICSS, Andrews et Ploberger. Codage sous SAS/IML, utilisation d’une procédure bootstrap (fixed-regressor bootstrap de Hansen) pour déduire les valeurs critiques.

Séance 9 : Introduction aux modèles dynamiques : intégration / co-intégration, modèles à correction d’erreurs.

Séance 10 : Modèles de prévisions. Simulations statiques, dynamiques, in-sample, out-sample. Validation d’une prévision par le coefficient de Theil

Séance 11 : Suivi mémoire

Séance 12 : Suivi mémoire  

 



Informations sur l'espace de cours

Nom Master 1 Econométrie, statistiques - SAS 1
Nom abrégé UP1-PROG-02-M1B409-119-04 - SAS 1
EnseignantsDe Peretti Philippe
Groupes utilisateurs inscrits Consultation des ressources, participation aux activités :
  • [2019] M1B409 - Master 1 Econométrie, statistiques (diploma-M1B409-2019)
  • [2019] UFR 02 EES - Matière (M1-S1) : Econométrie appliquée des modèles linéaires 1 (groups-matiB4091519-2019)
Consultation des ressources uniquement : No enrolled cohort.

Rattachements à l'offre de formation

Élément pédagogique UP1-PROG-02-M1B409-119 - Master 1 Econométrie, statistiques
Chemin complet > Année 2019-2020 > Paris 1 > UFR 02 : École d'économie de la Sorbonne > Master 1 Econométrie, statistiques
Élément pédagogique UP1-C-ELP-B4091519 - Econométrie appliquée des modèles linéaires 1
Chemin complet > Année 2019-2020 > Paris 1 > UFR 02 : École d'économie de la Sorbonne > Master 1 Econométrie, statistiques > Semestre 1 > UE2 Enseignements appliqués > Econométrie appliquée des modèles linéaires 1