• Séminaire / Formations,

Econométrie

Publié le 22 novembre 2023 Mis à jour le 23 novembre 2023
Date(s)

le 29 février 2024

Date : 29 février + 1 date à venir
Durée : 10h
Horaires : selon les séances
Format (présentiel, distanciel ou hybride): Présentiel
Lieu (si présentiel) : salle A305, bâtiment René Rémond
Nombre de participants maximum : 25
Public visé  : Doctorants en économie
Type de formation  : Séminaire disciplinaire
Pré-requis pour la formation (matériel, installation de logiciel, etc.) : Installer le logiciel Rstudio et venir au cours avec son PC portable.
Nom des intervenant.e.s : Aya Nasreddine, MCF, UFR SEGMI (aya.nasreddine@parisnanterre.fr) et Thierry Fouques
Peut-on suivre uniquement certains modules de cette formation ? Non

CONTEXTE DE LA FORMATION  

Mener des recherches nécessite souvent de faire appel aux techniques statistiques et économétriques qui permettent de mesurer, observer et modéliser les phénomènes ainsi que d’apporter des réponses aux hypothèses posées.

OBJECTIFS
  • Ce cours a pour objectif d’introduire les doctorants à l’utilisation du logiciel R et à l’analyse quantitative des données.
  • Une analyse statistique et économétrique y est illustrée ainsi qu’une introduction à la modélisation.
 
OUTILS ET METHODOLOGIE PEDAGOGIQUE
  • Importation de données et analyse avec le logiciel Rstudio
  • Exploration de données réelles
  • Modélisation des données et mesure de performance des modèles
  • Conseils de modélisation pour les doctorants en fonction de leurs champs d’étude
 
PROGRAMME
  • Introduction à l’utilisation du logiciel R studio.
  • Importation et exploration des données.
  • Création de graphiques et d’histogrammes.
  • Statistiques descriptives et interprétation.
  • Modélisation des données et analyse économétrique.
 
RÉFÉRENCES

-          Abhay Kumar Singh and David Edmund Allen (2017), R in Finance and Economics, A Beginner's Guide.
-          Eric Dor (2009), Econométrie, Collection Synthex, Person Education France.
-          Paul S.P. Cowperwait and Andrew V.Metcalfe (2009), Introductory Time Series with R, Springer.
-          http://cran.r-project.org/


 

Mis à jour le 23 novembre 2023