5 crédits
30.0 h + 15.0 h
Q1
Enseignants
Dejemeppe Muriel;
Langue
d'enseignement
d'enseignement
Français
Préalables
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
Le cours couvre les outils de base de l'économétrie à un niveau introductif. Des exemples d'application des méthodes à des problèmes d'économie et de gestion sont inclus.
Un aspect important du cours est l'apprentissage de la modélisation économétrique : comment passer d'une relation théorique, abstraite et générale entre des variables économiques, à la formulation et à l'estimation d'une forme particulière de cette relation dans un contexte donné. L'apprentissage d'un logiciel économétrique est inclus dans le cours.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 | Le cours est une introduction à la théorie et à la pratique de l'économétrie. L'accent est mis sur la compréhension des méthodes et sur leur pertinence pour la résolution de problèmes d'économie et de gestion. In fine, l'étudiant doit être capable d'utiliser les méthodes enseignées pour la résolution de questions simples, et d'interpréter les résultats d'une analyse économétrique tout en étant conscient des limites des méthodes. |
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Analyse de la régression linéaire sur données transversales
Chapitre 1. Introduction générale
Chapitre 2. Le modèle de régression linéaire simple
Chapitre 3. Le modèle de régression linéaire multiple : Estimation
Chapitre 4. Le modèle de régression linéaire multiple : Test d’hypothèse
Chapitre 5. Le modèle de régression linéaire multiple : Propriétés asymptotiques
Chapitre 6. Le modèle de régression linéaire multiple : Autres questions
Chapitre 7. Le modèle de régression linéaire multiple : Variables binaires (indicatrices)
Chapitre 8. Le modèle de régression linéaire multiple : Hétéroscédasticité
+ Introduction au logiciel d'analyse statistique STATA
Chapitre 1. Introduction générale
Chapitre 2. Le modèle de régression linéaire simple
Chapitre 3. Le modèle de régression linéaire multiple : Estimation
Chapitre 4. Le modèle de régression linéaire multiple : Test d’hypothèse
Chapitre 5. Le modèle de régression linéaire multiple : Propriétés asymptotiques
Chapitre 6. Le modèle de régression linéaire multiple : Autres questions
Chapitre 7. Le modèle de régression linéaire multiple : Variables binaires (indicatrices)
Chapitre 8. Le modèle de régression linéaire multiple : Hétéroscédasticité
+ Introduction au logiciel d'analyse statistique STATA
Méthodes d'enseignement
Le cours comprend des exposés magistraux de l'enseignant en auditoire et des séances de travaux pratiques en salle informatique supervisées par un assistant.
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 et de la gestion. Pendant le cours, des séances de questions/réponses avec les étudiants sont organisées. L'étudiant complète sa compréhension du cours sur base d'un livre de référence.
Lors des séances de travaux pratiques, les étudiants apprennent à mettre en oeuvre les méthodes d'estimation vues au cours sur des données réelles. Cette apprentissage se réalise en salle informatique avec le logiciel STATA. Au début du quadrimestre, les étudiants sont invités à participer à une séance d’initiation à STATA.
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 et de la gestion. Pendant le cours, des séances de questions/réponses avec les étudiants sont organisées. L'étudiant complète sa compréhension du cours sur base d'un livre de référence.
Lors des séances de travaux pratiques, les étudiants apprennent à mettre en oeuvre les méthodes d'estimation vues au cours sur des données réelles. Cette apprentissage se réalise en salle informatique avec le logiciel STATA. Au début du quadrimestre, les étudiants sont invités à participer à une séance d’initiation à STATA.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
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.
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.
Autres infos
Pré-requis :
1) LECGE 1112 V ou L - Mathématiques en économie et gestion
2) LECGE 1114 K ou E - Statistique en économie et gestion
1) LECGE 1112 V ou L - Mathématiques en économie et gestion
2) LECGE 1114 K ou E - Statistique en économie et gestion
Ressources
en ligne
en ligne
Voir Moodle UCL (http://moodleucl.uclouvain.be/).
Bibliographie
Livre de référence (Reference book):
Jeffrey Wooldridge (2016), Introductory Econometrics: A Modern Approach, 6th Edition, Cengage Learning.
Jeffrey Wooldridge (2016), Introductory Econometrics: A Modern Approach, 6th Edition, Cengage Learning.
Faculté ou entité
en charge
en charge
ESPO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Bachelier en sciences philosophique, politique et économique
Master [120] : bioingénieur en sciences agronomiques
Bachelier en sciences économiques et de gestion
Master [120] en sciences agronomiques et industries du vivant
Mineure d'accès au master en économie
Mineure d'ouverture en statistique et science des données