Econométrie 1


Objectif

Ce cours a pour objet d’étudier les modèles linéaires et d’introduire à la notion de causalité en sciences sociales. Il montre comment et sous quelles conditions des paramètres causaux peuvent être identifiés et estimés à partir d’échantillons aléatoires. La question, distincte, de la prédiction sera également abordée. L’accent est mis en particulier sur la méthode des moindres carrés, avec les estimateurs des moindres carrés ordinaires et des doubles moindres carrés. 

Principaux acquis de la formation : à l’issue du cours, l’étudiant saura

– Comprendre à quelles conditions l’estimateur des MCO identifie un effet causal.
– Connaître les propriétés asymptotiques de l’estimateur des MCO, construire des tests d’hypothèses et des intervalles de confiance à partir de cet estimateur ;
– Faire de la prédiction à partir des MCO ; sélectionner un modèle qui assure une « bonne » prédiction.
– Utiliser la méthode des différences de différences et l’estimateur des différences premières en présence de données de panels.
– Reconnaître une situation d’endogénéité et utiliser, via l’estimateur des doubles moindres carrés, une variable instrumentale choisie pertinemment. Interpréter correctement l’effet causal correspondant dans le cas d’instrument et de « traitement » bianaire (LATE).
– Conduire une analyse économétrique complète avec des données réelles sous STATA (spécification, choix de la méthode d’estimation, tests, etc.) et interpréter les résultats.
Mode d’évaluation :
Examen écrit (2/3), moyenne des notes de quiz (1/3). Chaque séance de TD débute par un quiz noté sur 4. Il y a 12 quiz en tout.

Plan

1. Modèles linéaires simples : modèle causal de Rubin, effets causaux moyens, hypothèse d’exogénéité, estimation par les MCO.
2. Modèles linéaires multiples : motivation (biais de variable omise), modèle, hypothèse d’exogénéité, identification et estimation par les MCO.
3. Inférence à partir du modèle linéaire : estimateur de la variance asymptotique, tests d’hypothèses simples et multiples, intervalles et régions de confiance.
4. Variables instrumentales : motivation dans le cas d’expériences randomisées, généralisation aux modèles linéaires, estimateur des doubles moindres carrés, inférence.
5. Données de coupes répétées et de panels : différences de différences, estimateur des différences premières en données de panel.
6. Prédiction et choix de modèles : objectif, qualité de la prédiction, choix de modèles via les critères d’information, les méthodes itératives et la pénalisation.

Références

Angrist, J. D., et Pischke, J. S. (2008). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton university press. 
Wooldridge, J. M. Introductory Econometrics.  Thomson South-Western (2003).
Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data. MIT press.