Ce manuel offre une présentation complète et approfondie des techniques économétriques les plus utilisées dans la pratique, allant du modèle linéaire et ses extensions aux techniques non-linéaires de traitement des données discrètes et censurées.

Pour ce faire, les techniques présentées et démontrées sont systématiquement illustrées par des exemples sur données réelles ou la présentation de travaux de recherche consacrés à l'évaluation des politiques publiques (économie du travail, économie industrielle, etc). Un certain nombre de chapitres sont en outre spécifiquement consacrés aux outils d'évaluation des politiques publiques: évaluations randomisées, estimateurs par différence, méthodes de score,...

Le parti pris de cet ouvrage est deplacer les problèmes d'identification au centre de la démarche économétrique. Un accent particulier est donc mis sur le lien entre la modélisation théorique, la spécification économétrique et la nature des données.  

L'ouvrage s'adresse ainsi non seulement à des étudiants de fin de premier cycle ou de deuxième cycle en économie, gestion ou école de commerce, mais également aux professionnels souhaitant approfondir leur connaissance des techniques mobilisées dans l'utilisation de l'économétrie à des fins d'évaluation.

Sommaire :

Liste des abréviations

Chapitre 1. Introduction

1.1. Modélisation économétrique: présentation

1.2. Principales étapes de l'analyse économétrique

1.3. Présentation de l'ouvrage

Chapitre 2. L'estimateur des Moindres Carrés Ordinaires

2.1. Définition et propriétés algébriques

2.2. Modèle vrai et propriétés statistiques de l'estimateur

2.3. Spécification du modèle

2.4. Modèle

Chapitre 3. Les MCO sous hypothèse de normalité des perturbations

3.1. Normalité de l'estimateur des MCO

3.2. Inférence statistique

3.3. Test d'hypothèses et intervalles de confiance

Chapitre 4. Propriétés asymptotiques de l'estimateur des MCO

4.1. Principaux résultats de convergence: une introduction

4.2. L'estimateur des MCO sans hypothèse de normalité

4.3. Tests asymptotiques

Chapitre 5. Estimation sous contraintes linéaires

5.1. Imposer les contraintes: l'estimateur des Moindres Carrés Contraints

5.2. Propriétés de l'estimateur des MCC

5.3. Tester les contraintes: le test de Fisher et ses applications

5.4. Les MCC sans hypothèse de normalité

5.5. Conclusion

Chapitre 6. L'estimateur des Moindres Carrés Généralisés

6.1. Le modèle à résidus non-sphériques

6.2. Propriétés de l'estimateur des MCO

6.3. Estimation efficace

6.4. L'estimateur des Moindres Carrés Quasi-Généralisés

6.5. Conclusion

Chapitre 7. Données en coupe: traitement de l'hétéroscédasticité

7.1. Inférence robuste à l'hétéroscédasticité

7.2. Estimation efficace

Chapitre 8. Séries temporelles: traitement de l'autocorrélation

8.1. Estimation robuste à l'autocorrélation

8.2. Processus d'autocorrélation des perturbations

8.3. Estimation efficace des modèles à résidus AR(1)

Chapitre 9. Économétrie des données de panel I

9.1. Le modèle à erreurs composées

9.2. Le modèle à effets fixes

9.3. Test de spécification

Chapitre 10. Évaluation d'impact

10.1. Effet causal et participation endogène

10.2. Méthodes expérimentales

10.3. Estimateurs par Différence de Différence

10.4. Indépendance conditionnelle à des observables

Chapitre 11. Variables instrumentales

11.1. Sources d'endogénéité

11.2. Variables instrumentales: sources d'identification

11.3. Estimation par Variables Instrumentales

11.4. L'estimateur des Moindres Carrés Indirects

11.5. Tests

Chapitre 12. Estimation par les méthodes des moments

12.1. Estimateur des Moindres Carrés Asymptotiques

12.2. La méthode des Moments Généralisée

12.3. Estimateur du Maximum de Vraisemblance

12.4. Variables Instrumentales II

12.5. Tests de spécification GMM

Chapitre 13. Économétrie des données de panel II

13.1. Hypothèses d'exogénéité

13.2. Identification GMM des modèles de données de panel

13.3. Estimateur Système

13.4. le modèle autoregressif

Chapitre 14. Variables dépendantes limitées

14.1. Variable binaire: les modèles dichotomiques

14.2. Variables discrètes: le modèle Logit polytomique

14.3. Variables censurées: les modèles Tobit

Chapitre 15. Estimation par régressions quantiles

15.1. Quantiles de la distribution d'une variable: une introduction

15.2. Estimation des quantiles d'une distribution

15.3. Modèles de régression quantile

15.4. Régressions quantiles simultanées

Annexe - Rappel de Statistiques

1. Calcul matriciel

2. Lois de distribution

3. Rappel sur les convergences

Bibliographie

Index des notions

Liste des applications

Liste des illustrations