Un contenu qui offre une combinaison entre notions théoriques et économétrie appliquée. Dans cette nouvelle édition, nouveaux développements sur la prédiction, les modèles de données de panel, les effets d'interaction dans les modèles non linéaires ; méthodes de simulation telles que le bootstrapping, les études de Monte Carlo et les intervalles de confiance ; nouveautés sur l'endogénéité. ©Electre 2024

Économétrie

7^e édition

Véritable référence mondiale, cet ouvrage est à la fois un manuel d'initiation aux pratiques économétriques et le livre de chevet des spécialistes de la discipline. Fourmillant d'exemples, il part des concepts fondamentaux avant de développer des aspects de plus en plus techniques :

• le modèle de régression multiple, l'estimateur des moindres carrés linéaires, le modèle de régression non linéaire, l'estimation par variables instrumentales ;
• le modèle de régression généralisée, l'homoscédasticité et l'hétéroscédasticité, les données de panel ;
• les méthodes d'estimations paramétrique, non paramétrique et semi-paramétrique, la méthode des moments généralisée (MMG), l'estimation par maximum de vraisemblance, les méthodes bayésiennes ;
• les modèles de choix discrets, la censure, la troncature, la sélection d'échantillon, la durée, les effets de traitement et l'analyse des données de comptage ;
• les séries temporelles : les modèles avec corrélation sérielle et les modèles de régression pour les données non stationnaires.

Le lecteur est amené à expérimenter l'usage que l'on peut faire des logiciels dédiés : Stata. SAS, LIMDEP, Gauss, etc. Il pourra également vérifier ses connaissances grâce aux exercices de fin de chapitre.

Dans cette nouvelle édition :

• de nouveaux développements sur la prédiction, les modèles des données de panel et les effets d'interaction dans les modèles non linéaires ;
• une approche inédite des méthodes de simulation, en particulier le bootstrapping, les études de Monte Carlo et les intervalles de confiance ;
• des techniques supplémentaires sur l'endogénéité et ses implications ;
• des applications récentes, notamment sur la régression par quantité et la modélisation des choix discrets.

Public : étudiants en universités, écoles de management et écoles d'ingénieurs ; professionnels de la banque, de la finance, de l'assurance