L’objectif de cet enseignement est de familiariser les étudiants avec la pratique de l’économétrie, l’accent étant mis plus sur le passage entre un problème économique et la formulation des modèles statistiques adéquats que sur la simple mise en œuvre des méthodes économétriques. Le cours repose sur un principe simple selon lequel les applications empiriques doivent motiver la théorie et la théorie doit servir les applications empiriques. Dans un premier temps, le cours examine les différents types de données rencontrés en pratique, les sources statistiques utilisées, les problèmes rencontrés, etc. Il se focalise ensuite sur les principes fondamentaux de l’analyse de la régression et sur les interprétations des résultats qu’on peut obtenir. L’attention est portée à l’économétrie des modèles linéaires. Outre le fait que ces modèles rendent compte d’une large palette de phénomènes économiques, l’acquisition des principes de base de l’économétrie des modèles linéaires est une étape essentielle pour aborder les méthodes plus complexes. En parallèle, l’enseignement s’appuie sur le logiciel R pour les illustrations des outils présentés dans les différents chapitres du cours.
 

En termes de connaissances scientifiques, le cours permet l’acquisition de connaissances en économétrie nécessaires à l'analyse empirique des modèles statistiques. Il permet l’apprentissage de méthodes d’estimation et d’inférences sur les résultats empiriques obtenus. En termes de compétences, à l’issue de l’enseignement, les étudiants ont la capacité d’utiliser les techniques économétriques, pour modéliser un phénomène, estimer et interpréter les résultats en utilisant pour la programmation le logiciel R.

• Heiss, F., 2016, Using R for Introductory Econometrics. San Bernardino, Create Space Independent Publishing Platform.
• Verbeek, Marno, 2017, A Guide to Modern Econometrics 5th Edition, John Wiley & Sons Australia
• Wooldridge J.M., 2015, Introduction à l’économétrie, 5ème édition, De Boeck Supérieur.