Descriptif
Advanced Linear Econometrics
In this course we introduce the linear regression model and its theoretical foundations. We present and discuss the methods to estimate such models, i-e to define the parameters of interest, estimate them and test their statistical significance, under different sets of assumptions (homoskedasticity or heteroscedasticity, exogeneity or endogeneity), specifications (simple or multiple regression) or types of data (cross-sectional, panel data, time series).
Outline:
- Introduction to econometrics
- The Simple Regression Model
- Multiple Regression Analysis:
- Estimation
- Inference
- Asymptotics
- Qualitative Information in Linear Regression
- Heteroskedasticity
- Repeated Cross Section and Panel Data
- Instrumental Variables
Literature:
Angrist and Pischke: (2009): Mostly Harmless Econometrics, Princeton University Press.
Wooldridge (2013): Introductory Econometrics: A Modern Approach, 5th Edition, South-Western College Publishing
Diplôme(s) concerné(s)
- Economics, Data Analytics and Corporate Finance
- M1 MiE - Master in Economics
- Titre d’Ingénieur diplômé de l’École polytechnique
- M2 MiE - Master in Economics
- M1 Economie
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 MiE - Master in Economics
Pour les étudiants du diplôme M1 Economie
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 6 ECTS
Pour les étudiants du diplôme M1 MiE - Master in Economics
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 6 ECTS
Pour les étudiants du diplôme Economics, Data Analytics and Corporate Finance
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 4 ECTS
La note obtenue rentre dans le calcul de votre GPA.