Ce cours apparaît dans les formations suivantes :
• IÉSEG > Diplôme IÉSEG (Bac +5) Programme Grande École > Bachelor 2 > 1,50 ECTS

Pré requis

Connaissance de base d'Excel (représentations graphiques, utilisation des formules).
Connaissances statistiques de base : graphiques (nuages de points), moyennes et écarts types, corrélation linéaire.
Lire une table statistique (loi normale, loi de Student).
Test d’hypothèse, intervalles de confiance.

Objectifs du cours

A la fin du cours, l'étudiant devrait être capable de :
-Comprendre les enjeux de l'économétrie, savoir poser une problématique et en déduire la spécification d'un modèle
-Comprendre les avantages et les limites du modèle des moindres carrés ordinaires
-Savoir représenter les données univariées et multivariées afin de vérifier la pertinence d'une régression linéaire
-Utiliser un logiciel statistique ou Excel pour réaliser une régression
-Identifier les points aberrants ou influents et utiliser une variable dummy pour introduire une variable qualitative dans un modèle
-Juger la qualité d'un modèle à l'aide du R², du tests de Fisher, juger de l'intérêt d'une variable à l'aide du test de Student. Vérifier les hypothèses du modèle des moindes carrés et résoudre les problèmes.
-Bâtir un modèle adapté: savoir choisir les variables les plus pertinentes, éviter la multicolinéarité, linéariser…

Contenu du cours

Chapitre I - La Régression à une variable

I: Les bases de l'économétrie: rappels sur l'échantillonage, représentations graphiques, limites de la corrélation linéaire, linéarisation
II: La Régression Linéaire
III: Juger la qualité d'un modèle: SCE et R²
IV: Les Hypothèses du modèle
V: Vérifier les hypothèses: normalité, homoscédasticité…
VI: Détection de l'autocorrélation: Durbin et Watson…
VII: Inférence Statistique sur les paramètres estimés
VIII: Intervalles de confiance sur la prévision

Chapitre II - La Régression à plusieurs variables

I: Le modèle de Régression multiple
II: Significativité globale d'un modèle: R² Ajusté, Test de Fisher
III: Hypothèses du modèle multiple
IV: Inférence sur les coefficients estimés
V: Variables dummy

Chapitre III - Conception de modèles

I: Linéarisation de formes diverses (quadratiques…)
II: Introduction aux formes logistiques
III: Critères de choix d'un bon modèle: VIF, Cp, AIC…

Modalités d'enseignement

Organisation du cours

Chapitre I - La Régression à une variable: les bases de l'économétrie: rappels sur l'échantillonage, représentations graphiques, limites de la corrélation linéaire, linéarisation, juger la qualité d'un modèle: SCE et R², hypothèses du modèle, inférence Statistique sur les paramètres estimés, intervalles de confiance sur la prévision
Chapitre II - La Régression à plusieurs variables: modèle de Régression multiple, significativité globale d'un modèle, R² Ajusté, Test de Fisher, Hypothèses du modèle multiple, Inférence sur les coefficients estimés, Variables dummy
Chapitre III - Conception de modèles: Linéarisation de formes diverses (quadratiques…). Introduction aux formes logistiques. Critères de choix d'un bon modèle: VIF, Cp, AIC…

Méthodes pédagogiques

• Projet
• Cours interactif

Évaluation

L'évaluation de la compréhension des connaissances a lieu à deux reprises en cours de semestre, sous la forme de deux QCM d'une heure chacun. L'évaluation de la capacité à mettre en œuvre les outils est jugée par le biais d'un projet à rendre en fin de semestre.

Bibliographie

• Basic Business Statistics, 12/E (Mark L. Berenson, David M. Levine, Timothy C. Krehbiel), Pearson, 2011 -

Ressources internet

• IESEG Online