6.00 crédits
52.5 h + 22.5 h
Q1
Enseignants
Draye Xavier (coordinateur(trice)); Gaspart Frédéric; Symul Laura;
Langue
d'enseignement
d'enseignement
Français
> English-friendly
> English-friendly
Préalables
Eléments de probabilité et de statistique (typiquement les cours BIR 1203 et BIR 1204).
Thèmes abordés
Méthodes quantitatives d'analyse des données dans le domaine de la bioingénierie. Le partim A (biométrie) aborde les méthodes d’analyse des données issues d’expériences : analyse de la variance à un ou plusieurs critères de classification croisés ou hiérarchisés, modèles linéaires généralisés (facteurs catégoriels et continus), modèles pour données catégorielles, analyse en composantes principales. Le partim B (applied econometrics) aborde le cas des données non expérimentales issues d’enquêtes (données en panels, séries temporelles et coupes transversales, concepts d’endogénéité et de stationarité, modèles à effets fixes et aléatoires).
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 | a. Contribution de l'activité au référentiel AA (AA du programme) A la fin de cette unité d’enseignement, l’étudiant est capable de :
b. Formulation spécifique pour cette activité des AA du programme (maximum 10) A la fin de cette activité, l'étudiant est capable, face une situation expérimentale donnée et avec le logiciel R :
|
Contenu
LBIRA2110A - Biométrie
Introduction
Modèles pour une réponse quantitative et un facteur fixe
LBIRA2110B – Applied Econometrics
Introduction to the different data types (cross-sections, time series, panel data) and to the small-sample and large-sample justifications of the OLS estimators
Cross-sections : typical exceptions to the Gauss-Markov assumptions, sources of endogeneity, IV estimators
Time series : the problem of non-stationarity, unit root tests, a few typical econometric specification for time series (Koyck, ECM,...)
Panel data : fixed effect model vs random effect model, the unifying Mundlak approach
Introduction
Modèles pour une réponse quantitative et un facteur fixe
- Modèle linéaire à un facteur quantitatif
- Modèle polynomial ou non linéaire
- Analyse de la variance à un facteur fixe
- Analyse de la variance à deux facteurs fixes
- Régression linéaire multiple
- Analyse de covariance et modèle linéaire général
- Tables de contingences
- Régression logistique
- Modèles linéaires généralisés
- Analyse en composantes principales
- Clustering hiérarchique et k-means
LBIRA2110B – Applied Econometrics
Introduction to the different data types (cross-sections, time series, panel data) and to the small-sample and large-sample justifications of the OLS estimators
Cross-sections : typical exceptions to the Gauss-Markov assumptions, sources of endogeneity, IV estimators
Time series : the problem of non-stationarity, unit root tests, a few typical econometric specification for time series (Koyck, ECM,...)
Panel data : fixed effect model vs random effect model, the unifying Mundlak approach
Méthodes d'enseignement
Cours en auditoire / Teams
Séances de TP
Apprentissage du logiciel R avec Data Camp
Cours en auditoire / Teams
Devoirs à domicile
Séances de TP
Apprentissage du logiciel R avec Data Camp
Cours en auditoire / Teams
Devoirs à domicile
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Biométrie (60% des points pour LBIRA2110)
Examen écrit
Test R en cours de quadrimestre
Evaluation continue (préparation de TP, quizz)
Applied Econometrics (40% des points pour LBIRA2110)
Homework in groups.
Note globale
La note globale est la somme des notes des deux parties mais n'est acquise que si chacune des parties est réussie (voir détails sur moodle). Si ce n'est pas le cas, la note globale est la plus petite des deux notes.
Examen écrit
Test R en cours de quadrimestre
Evaluation continue (préparation de TP, quizz)
Applied Econometrics (40% des points pour LBIRA2110)
Homework in groups.
Note globale
La note globale est la somme des notes des deux parties mais n'est acquise que si chacune des parties est réussie (voir détails sur moodle). Si ce n'est pas le cas, la note globale est la plus petite des deux notes.
Autres infos
Ce cours peut être donné en anglais
Ressources
en ligne
en ligne
Toutes les ressources en ligne se trouvent sur Moodle. Elles comprennent:
- Transparents de théorie et d'exemples liés au cours
- Enregistrement des cours (podcasts)
- Enoncés d'exercices
- Recueil de formules
Faculté ou entité
en charge
en charge
AGRO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : bioingénieur en sciences agronomiques