Voir les modules
  • Business
  • 11
  • 5h30
  • En continu

Économétrie appliquée

Programme pédagogique du cours décliné en deux parties :

I. Fondamentaux de statistiques, probabilités et économétrie

II. Régression

L'équipe pédagogique

Laurent Pierandrei

Laurent Pierandrei

Consultant et formateur en finance d'entreprise

Partenaires

ISG Programme Business & Management

ISG Programme Business & Management

Masquer la fiche

Économétrie appliquée

11
Modules
I

Collecte et classification des données, fondamentaux de statistiques et probabilités

Module 130min

Concepts et outils de la statistique

Choisir et construire des résumés de données pertinents. Connaître les concepts et outils les plus usités en statistiques.

Concepts étudiés : Etude statistique, Position (mode, rang, fréquence, médiane, quantile, moyennes arithmétique, moments, skewness et kurtosis), dispersion (variance et écart type, coefficient de variation, inégalités de Markov Bienaymé-Tchebychev)

Module 230min

Lois discrètes usuelles et loi normale

Présenter les caractéristiques des principales lois de probabilités discrètes, ainsi que la Loi Normale et Log-Normale afin de reconnaître les situations concrètes modélisables par ces lois.

Concepts étudiés : Lois de Bernoulli, Binomiale, Poisson, Loi Normale (classique et standard) et log-Normale

Module 330min

Lois dérivées de la loi normale et lois stables par convolution

Présenter les fonctions de densité, répartition, expérance et variance des lois statistiques dérivées de la loi normale fréquemment utilisées pour variables aléatoires continues.

Concepts étudiés : Khi-deux, Student, Fisher-Snedecor, lois stables par convolution (Cauchy et Lévy), et convergence vers la loi Normale.

Module 430min

Distributions statistiques continues : lois non dérivées de la loi Normale

Présenter les fonctions de densité, répartition, expérance et variance des lois statistiques connues non dérivées de la loi normale utilisées en économie, gestion et finance.

Concepts étudiés : Loi uniforme, loi exponentiel, Lois puissance et de Pareto, loi Gamma, et loi Beta.

Module 530min

Statistique inférentielle : échantillonnage

Distinguer les échantillons et connaître les variables aléatoires définies sur l’échantillon. Construire des intervalles qui encadrent l’échantillon et appliquer les résultats sur la moyenne à une population. Utiliser les estimateurs. Effectuer des calculs sur les quantiles.

Concepts étudiés : échantillons (indépendants, appariés), intervalles de confiance, estimateurs (biais, erreurs, convergence, maximum de vraisemblance), quantiles.

Module 630min

Statistique inférentielle : estimateurs

Présenter les notions de modèle statistique et d’estimateurs. Appliquer les estimateurs aux moyennes, variances, proportions et coefficients de corrélation linéaire.

Concepts étudiés : modèle statistique, notion et caractéritiques (non biais et convergence) des estimateurs, méthodes des moments et du maximum de vraisemblance, estimateurs de moyennes, variance, proportion et coefficient de régression linéaire.

Module 730min

Statistique inférentielle : tests d'hypothèses

Maîtriser les tests d’hypothèses paramétriques (moyennes et variances) et non paramétriques.

Concepts étudiés : Tests de conformité, comparaison, indépendance et ajustement du Khi-deux, et de coefficient de régression linéaire.

II

Application de la régression en économétrie

Module 830min

La régression linéaire simple

Modéliser une série statistique à une variable afin de faire des prévisions. Définir les coefficients linéaire et de détermination. Estimer les paramètres et les propriétés des estimateurs.

Concepts étudiés : r et test de Student sur la corrélation, R² et test de Fisher sur la détermination, méthode des moindres carrés ordinaires (MCO) et covariance, â1, â0, ŷ, yn+1 et erreur de prévision.

Module 930min

La régression multiple

Modéliser une série statistique à plusieurs variables afin de faire des prévisions. Définir les coefficients linéaire et de détermination. Estimer les paramètres et les propriétés des estimateurs.

Concepts étudiés : Coefficients de régression, coefficient de détermination et test de Fisher, erreur de prévision.

Module 1030min

Problèmes de régression : la multicolinéarité

Approfondir les problèmes liés à la violation des hypothèses du modèle de régression. Étudier et remédier à la multicolinéarité.

Concepts étudiés : Phénomène et conséquences dela multicolinéarité. Tests de présomption de multicolinéarité: Test de Klein et test de Farrar Glauber. Correction de modèle et procédure de stepwise regression.

Module 1130min

Problèmes de régression : l'hétéroscédasticité

Poursuivre l’étude des problèmes liés à la violation des hypothèses du modèle de régression. Étudier et remédier à l’hétéroscédasticité.

Concepts étudiés : Phénomène et conséquences de l’hétéroscédasticité des erreurs. Tests de détection d’hétéroscédasticité : tests de Breusch-Pagan, Harvey-Godfrey et Park, tests de Goldfeld-Quandt, White et Gleisjer. Correction de l’hétéroscédasticité."

Temps par module