année académique
2024-2025

Titulaire(s) du cours

Elise Petit (Coordonnateur) et Vincenzo VERARDI

Crédits ECTS

5

Langue(s) d'enseignement

anglais

Contenu du cours

Dans ce cours, nous couvrons un large éventail de modèles. Le plan du cours est le suivant :
- Introduction, Maximum de vraisemblance et Méthode généralisée des moments
- Bootstrap
- Variables instrumentales et 2SLS
- Estimateurs semi-paramétriques et robustes
- Modèles à variables dépendantes qualitatives et/ou de comptage
- Modèles à variables dépendantes limitées
- Données de panel
- Séries chronologiques

Objectifs (et/ou acquis d'apprentissages spécifiques)

L'objectif de ce cours est d'apprendre à utiliser l'économétrie dans la pratique.
Un accent particulier est mis sur la compréhension des caractéristiques des données et par conséquent apprendre à choisir le modèle le plus approprié à utiliser.
Pour chaque modèle, la théorie est revue mais sans entrer dans les détails. La dimension appliquée du problème est systématiquement privilégiée.
Les étudiants sont censés comprendre comment écrire une fonction de vraisemblance à la fin du cours. Quelques notions de base de programmation sont enseignées lors des séances d'exercices.

Pré-requis et Co-requis

Connaissances et compétences pré-requises ou co-requises

Cours de premier cycle en mathématiques, statistiques et économétrie

Méthodes d'enseignement et activités d'apprentissages

Le cours théorique est complété par des séances empiriques. Tous les exercices sont faits en utilisant le logiciel Stata (mais les étudiants peuvent utiliser R s'ils le souhaitent).

Références, bibliographie et lectures recommandées

Les ouvrages de référence
1. Dougherty, C. (2011). Dougherty: Introduction to Econometrics. Oxford University Press <- Une grande partie des transparents provient des transparents accompagnant ce cours !!
2. Baltagi, B. (2005). Econometric Analysis of Panel Data, Wiley
3. Cameron, A. and Trivedi, P. (2005). MICROECONOMETRICS: Methods and Applications. Cambridge University Press
4. Cameron, A. and Trivedi, P. (2010). MICROECONOMETRICS USING STATA. Stata Press
5. Greene, W. (2011). Econometric Analysis, Prentice Hall
6. Wooldridge, J. (2000), Introductory Econometrics: A Modern Approach. South-Western.
7. Wooldridge, Jeffrey M. (2001) Econometric Analysis of Cross Section and Panel Data. MIT Press.

Contribution au profil d'enseignement


Ce cours contribue aux objectifs suivants des Masters en Economie :
LO 1.1 - Intégrer le développement durable dans l'analyse de problème
LO 1.2 - Identifier les outils analytiques et les connaissances scientifiques adaptés et les mettre en application pour analyser un problème économique en profondeur
LO 2.1 - Adopter une approche scientifique de la collecte, de la recherche et de l'analyse de données et communiquer les résultats avec des arguments clairs, structurés et avancés.
LO 2.2 - Faire preuve d'esprit critique et développer une approche autonome de l'apprentissage
LO 3.1 - Appliquer des techniques quantitatives et qualitatives afin d'appuyer une analyse, en exploitant des données à l'aide de logiciels bureautiques et statistiques standard
LO 4.1 - Travailler et communiquer efficacement au sein d'une équipe dans un environnement international et multiculturel
Ainsi que :
[Economic Governance & Public Policy in Europe] LO 1.4 - Collecter, organiser et analyser des données pour comprendre de manière critique les principaux défis politiques et pour justifier leur analyse et recommandations

Autres renseignements

Campus

Solbosch

Evaluation

Méthode(s) d'évaluation

  • Travail pratique
  • Examen écrit
  • Autre

Travail pratique

Examen écrit

Autre

L'examen est écrit. Les questions sont à la fois théoriques et empiriques. Une seule feuille A4 (manuscrite) est autorisée pendant l'examen. Une partie de la note provient des travaux effectués pendant les exercices.

Construction de la note (en ce compris, la pondération des notes partielles)

Le poids de l'examen dans la note finale est de 70%. Une évaluation continue et des travaux de groupe sont demandés et représentent 30% de la note finale.

Langue(s) d'évaluation

  • anglais

Programmes