Introduction générale

.title[
# Introduction générale
]
.subtitle[
## Économétrie (ECON0212)
]
.author[
### Malka Guillot
]
.date[
### HEC Liège
]

---

---

# Vue d'ensemble

---

# Bienvenue dans ce cours d'économétrie *appliquée* !

## Qu'est-ce que l'*économétrie* ?

- La branche de l'économie qui développe et utilise des ***méthodes statistiques*** pour estimer ***relations économiques***

## Économétrie *appliquée* ?
- On ***applique*** la théorie économique pour comprendre le fonctionnement (de l'économie)
    - On utilise des *données* pour **répondre aux questions** venant de la théorie (économique)

???

Dans ce cours, mon objectif n’est pas seulement de vous introduire à la théorie de l’économétrie, mais aussi de vous montrer comment ces outils sont appliqués en pratique. Pour cela, notre classe combinera deux approches :

- **Théorie** : comprendre les modèles, les hypothèses et le raisonnement derrière les méthodes économétriques.
- **Pratique** : travailler sur des exemples, des exercices et des applications pour voir comment la théorie fonctionne avec des données réelles.

Je tiens à insister sur le fait que votre participation m’est très importante. N’hésitez pas à poser des questions — que ce soit pour éclaircir une étape, remettre en cause une hypothèse ou partager une idée. Souvent, les meilleures discussions et découvertes viennent de vos questions.

Mon but est de créer un espace où vous vous sentez à l’aise pour vous engager, faire des erreurs et apprendre activement. L’économétrie peut parfois sembler abstraite ou technique, mais ensemble, nous la découperons en parties concrètes et compréhensibles.

Je vous encourage donc à venir avec curiosité et envie d’interagir — que ce soit en posant des questions pendant les cours, en partageant vos réflexions lors des activités ou en soulevant des problématiques qui vous interpellent.

---

# Introduction
## 1. Qu'est ce que l'économétrie ?
## 2. Données
## 3. Stata
## 4. Objectifs, plan de cours, références

---

# Introduction
<h2 style="color: #154E55 ;">1. Qu'est ce que l'économétrie ?</h2>
## 2. Données
## 3. Stata
## 4. Objectifs, plan de cours, références

---

---

# Objectifs de l'analyse économétrique

- **Estimer** des relations entre des variables
    - Explorer la prévalence et l'importance des phénomènes sociaux

- **Tester** des théories et hypothèses (économiques)
    - Comprendre les conséquences des politiques publiques
    - Quantifier les paramètres économiques d'intérêt

- Faire des **prévisions** (économiques)

---

# Les étapes de l'analyse économétrique

### 1. Spécifier un modèle économique, puis un modèle économétrique

- **Modèle économique** : théorie économique sous-tendant les relations entre les variables 
    - ***Etabli*** une relation théorique entre des variables
    - Ex: offre/demande; équilibre économique

- **Modèle économétrique** : relation fonctionnelle entre les variables du modèle économique
    - L'analyse économétrique permet de ***quantifier/tester*** ces relations
    
### 2. Collecter les données nécessaires pour implémenter les modèles

###3. Implémenter le modèles à partir des données
- On utiliser un logiciel de statistiques et d'économétrie : `Stata` !

---

## Quels sont les domaines d'application ?

L'économie appliquée est davantage un **cadre/une approche** qu'un sujet particulier.
### Quelques exemples de domaines actifs :
<img src="wordcloud_domains.png" width="80%" style="display: block; margin: auto;" />

---

# L'Économétrie permet de répondre à des questions (importantes)

[<ru-blockquote ><font size="4">L'immigration *entraîne-t-elle* une baisse des salaires et/ou un chômage plus élevé pour les locaux ?</font>
</ru-blockquote>](http://davidcard.berkeley.edu/papers/mariel-impact.pdf)

[<ru-blockquote><font size="4">
L'augmentation du salaire minimum *réduit-elle* l'emploi des travailleurs peu qualifiés ?</font>
</ru-blockquote>](http://davidcard.berkeley.edu/papers/njmin-aer.pdf)

[<ru-blockquote><font size="4">
L'obtention d'un diplôme universitaire *permet-elle* d'obtenir un salaire plus élevé ?</font>
</ru-blockquote>](http://davidcard.berkeley.edu/papers/causal_educ_earnings.pdf)

[<ru-blockquote><font size="4.5">
Des niveaux plus élevés de dette publique *entraînent-ils* une croissance économique plus faible ?</font>
</ru-blockquote>](https://www.imf.org/external/pubs/ft/wp/2014/wp1434.pdf)

[<ru-blockquote><font size="4">
Le quartier dans lequel vous avez grandi a-t-il un *impact* sur votre vie ?</font>
</ru-blockquote>](https://academic.oup.com/qje/article/133/3/1107/4850660)

???
- *The Impact of the Mariel Boatlift on the Miami Labor Market*
    - Les immigrants de Mariel ont augmenté la main-d'œuvre de Miami de 7 % (principalement des immigrants non qualifiés).
    - Néanmoins, l'afflux de Mariel semble n'avoir eu aucun effet sur les salaires ou les taux de chômage des travailleurs moins qualifiés.
pratiquement aucun effet sur les salaires ou les taux de chômage des travailleurs moins moins qualifiés, même parmi les Cubains qui avaient immigré plus tôt.

- *Salaire minimum et emploi peu qualifié* :
    - Théorie économique: MdL
    - Augmentation du salaire minimum au New Jersey
    - Etudie les fastfoods à la frontière New Jersey - Pennsylvanie
    - L'augmentation ne réduit pas l'emploi

---

# Causalité

* On cherche à isoler l'**impact causal** d'un seul de ces facteurs (immigration, salaire minimum, éducation, etc.)

* Exemple : Effet de l'éducation sur les salaires
    - `\(X_1\)` = genre
    - `\(X_2\)` = niveau d'éducation
    - `\(Y\)` = salaire
]
.right-40[
<img src="dag.png" width="90%" style="display: block; margin: auto;" />
]

<span class="alert">L'économétrie consiste à expliciter les ***conditions*** dans lesquelles nous pouvons ***affirmer mesurer des relations causales***</span>

???
* Nous étudierons les conditions les plus fondamentales et discuterons de certains écueils potentiels.

* ["Révolution de la Crédibilité"](https://www.aeaweb.org/articles?id=10.1257/jep.24.2.3) en économétrie au cours des 30 dernières années
    - (Prix Nobel d'Économie 2022 décerné à certains des principaux protagonistes de cette "révolution").

---

## Dans les médias
<img src="chapter_intro_files/figure-html/tweet-covid-death.png" width="50%" style="display: block; margin: auto;" />

- Quel est la conclusion suggérée par le tweet ? Quel est l'argument sous-jacent ?

- Pourquoi peut on douter du raisonnement menant à cette conclusion ?

<center>
    <font size="6">
        <span class="alert">Corrélation &ne; Causalité </span>
    </font>
</center>

???
- Effet suggéré via une **causalité implicite** : Medicare serait la cause du décès
    - Argument : il y a une association positive (corrélation) entre l'affiliation à Medicare et le décès par COVID-19
- Raisonnement fallacieux :

1. **Biais de sélection** : L’échantillon limité aux décès sur‑représente les personnes âgées, donc les assurés Medicare, et ne reflète pas la relation dans la population globale.

2. **Variable omise** : L’âge (ou état de santé) n’est pas inclus dans l’analyse, ce qui attribue à tort à Medicare une part de l’effet réel.

**Effet de composition**: les personnes âgées (≥65ans) sont à la fois plus susceptibles d’être inscrites à Medicare et plus vulnérables aux formes graves de COVID‑19

---

## Mise en pratique durant le cours

### Comment les journaux influencent la perception des évènements ? La question des féminicides

.left-60[
- Projet de recherche de [Laure Heymans](https://www.hec.uliege.be/cms/c_7098620/fr/hec-repertoire-hec-liege?uid=u242875) (doctorante SL-UCL-ULiège) 
    - *4 novembre de 16h15 à 17h45*
    - **Présence au cours obligatoire**

- Vous participez au pilote d'une <span class="alert">expérimentation aléatoire</span>

- Vous étudiez les résultats de l'expérimentation dans un **devoir à rendre**

#### Une opportunité unique de faire partie d'un projet de recherche !
]
.right-40[
<img src="chapter_intro_files/lesoir-feminicide.png" width="90%" style="display: block; margin: auto;" />
]

---

# Introduction
## 1. Qu'est ce que l'économétrie ?
<h2 style="color: #154E55 ;">2. Données</h2>
## 3. Stata
## 4. Objectifs, plan de cours, références

---

---

## Types de données

- Données en coupe (*Cross sectional data*)

- Séries temporelles (*Time series data*)

- Données de panel (*Panel data*)

- Données en coupe répétées (*Pooled cross sections*)

### Caratéristiques principales : 
- Quelle entitée (individu, ménage?) représente une observation ? 
- Quel est la population considérée et l'échantillon observé ?
- Période temporelle ?
    - Est ce que l'ordre des données est important ?

---

## Types de données

### Données en coupe (*cross-section*)

- Échantillon d'individus, de ménages, d'entreprises, de villes, de régions... observées à un point dans le temps

- Les observations sont relativement indépendantes les unes des autres 
    - Ex: échantillon aléatoire d'une population
    
- L'ordre des données ne joue pas.

]

.pull-right[
<img src="../img/content/data-cross-section2.png" width="280px" style="display: block; margin: auto;" />
]

---

## Types de données

### Série temporelle  (*time series*)

- Observation d'une variable au cours du temps

- Ex: Produit intérieur brut, prix d'actions, indice d'inflation...

- Les observations d'une série temporelles sont typiquement corrélées au cours du temps 
    - Tendances, saisonnalité 
    
- L'ordre des données ***joue***
    - Les événements passés peuvent influencer les événéments futurs
]

.pull-right[
<img src="../img/content/data-time-series2.png" width="280px" style="display: block; margin: auto;" />
]

---

## Types de données

### Données de panel

- Dimensions individuelles et temporelles

- L'ordre des "coupes" temporelles ne joue pas.

]

.pull-right[
<img src="../img/content/data-panel2.png" width="280px" style="display: block; margin: auto;" />
]

---

## Types de données

### Données en coupe répétées (*repeated cross-section*)

- Les coupes sont considérées indépendantes les unes des autres

]

.pull-right[
<img src="../img/content/data-repeated-CS2.png" width="280px" style="display: block; margin: auto;" />
]

---

# 3. STATA

---

---

## Qu'est ce que `Stata`?

`Stata` est un __logiciel statistique (et de programmation)__ avec de nombreuses possibilités en termes d'analyse statistique et graphique.

## Pourquoi utilisons nous `Stata` ?

1. `Stata` est __flexible et puissant__—utilisable pour de nombreuses tâches différentes, (data cleaning, visualisation, econometrie, analyse de données spatiales, machine learning, etc.)

1. `Stata` est __facile d'utilisation__

1. `Stata` a une grande collection de modules spécialisés.

1. Un bon investissement pour la thèse de master.

---

# Pourquoi ne pouvons-nous pas simplement utiliser Excel ?

De nombreuses raisons, mais voici quelques-unes :

- Pas ***reproductible***.

- Pas facile de ***fusionner*** des ensembles de données ensemble.

- Très fastidieux pour ***nettoyer*** les données.

- Limité aux ***petits ensembles de données***.

- Pas conçu pour de vraies ***analyses économétriques***, des cartes, des visualisations complexes, etc.

---

# 4. Objectifs, plan de cours, références

---

---

# Pré-requis `\(-\)` Objectifs

<div style="flex: 1;">
    <h3>Précédemment</h3>
    <ul>
      <li>Statistiques
        <ul>
          <li>Utilisation de R</li>
          <li>Estimation ponctuelle et par intervalles de confiance</li>
          <li>Test statistiques</li>
        </ul>
      </li>
      <li>Économie</li>
        <ul>
          <li>Offre et demande</li>
          <li>Élasticité</li>
        </ul>
    </ul>
  </div>

<div style="flex: 1;">
    <h3>Cette année</h3>
    <ul>
          <li>Modélisation de faits économiques</li>
          <li>Régression linéaire</li>
          <li>Concept de causalité</li>
    </ul>
  </div>

<div style="flex: 1;">
    <h3>En master (économie) </h3>
    <ul>
      <li>Prise en compte de la dimension temporelle dans la modélisation</li>
      <li>Stratégies d'identification de la causalité</li>
      <li>Analyse de données avancée (`Python`)</li>
    </ul>
  </div>

</div>

---

# Objectifs du cours

- Vous doter des outils de base pour conduire une analyse économétrique

- Les bases de la ***régressions linéaire***, l'***inférence statistique*** et de l'***évaluation d'impact***.
    
    - Vous présenter l'environnement logiciel `Stata`.
        - ⚠️ Il ne s'agit pas d'un cours sur `Stata`.

- Vous donner une vision critique des analyses statistiques que vous rencontrez

- Cadre de réflexion plus approfondi sur la ***causalité***.

- Vous préparer à votre scolarité en master :

- Thèse de master
    
    - Cours de Machine learning, d'économie de l'évaluation, de finance empirique

---

# Plan de cours 🤞 (automne 2025)
| **Date** 	| **Lecture** 	| **Travaux pratiques**  |
|---	|:---	|:---:	|:---:	|
| 23-09 | 0. Intro 	                | 1. Stata (intro) 	| 
| 23-09 | 1. Analyse de données 	|  |  
| 30-09	| 2. Régression linéaire simple (RLS) 	|    2. Stata (avancé)           |  
| 7-10  | 3. Causalité 	            | 3. RLS    |  
| 14-10 | 4. Régression linéaire multiple (RLM) | 4. Causalité 	             |  
| 04-11 | 5. Hypothèses du modèle de RLM*               |    |
| 18-11 | 6. Régressions : extensions | 5. RLM |
| 25-11 | 7. Inférence en régression      | 6. Régressions: Extensions 	 |
| 02-12 | 8. Différence-de-différences   |  7. Inférence      | 
| 09-12 |  Questions réponses           |        -     |

*Partipation à une étude pilote

---

# Support de cours et ressources utiles

## Économétrie
- [* Introduction à l'économétrie. Une approche moderne* by Wooldridge](https://www.deboecksuperieur.com/ouvrage/9782807329775-introduction-l-econometrie)

- [*Introduction to Econometrics with R* by Florian Oswald et al.](https://scpoecon.github.io/ScPoEconometrics/)

- [*Mastering Metrics* by Angrist and Pischke](https://uspc-spo.primo.exlibrisgroup.com/permalink/33USPC_SPO/1d4eftp/alma991003947949705808)

- [*Introduction to Econometrics* by Stock and Watson](https://uspc-spo.primo.exlibrisgroup.com/permalink/33USPC_SPO/mgsi7h/alma991003436429705808)

- [*The Effect* de Nick Huntington-Klein](https://theeffectbook.net/)

- [Ben Lambert's youtube channel](https://www.youtube.com/user/SpartacanUsuals)

- [ModernDive](https://moderndive.com/)

<span class="alert"> [Liste des références organisées par chapitre](https://malkaguillot.github.io/econ0212/references.html).</span>

---

# Organisation

---

# Où, quand, comment ?
**Cours**

Mardi 12h45-14h15 (salle N1a 41) et  16h15-17h45 (salle N1a 41)

**Travaux pratiques**

| Section | Jour      | Horaire            | Salle          |
|:-------:|:---------:|:----------------:|:--------------:|
| SEG      | Mardi  | 14h30 – 16h    | N1a 1/17       |
| SEG     | Mardi     | 14h30 – 16h     | N1a 249        |
| IG      | Mercredi     | 10h15 – 11h45     | N1d 1/82        |
| IG     | Jeudi  | 8h30 – 10h    | N1d 0/86         |
| SEG     | Vendredi  | 12h45 – 14h15    | N1d 1/82       |

---

# Équipe enseignante

| Moniteur·rices           | Assistante         | Professeure    |
|--------------------------|--------------------|-------------------------------|
| Lefebvre Jean  [J.Lefebvre@student.uliege.be](mailto:J.Lefebvre@student.uliege.be)  <br> Fukuyama Hideaki  [hideaki.fukuyama@student.uliege.be](mailto:hideaki.fukuyama@student.uliege.be)  <br> Weickmann Camille  [Camille.Weickmann@student.uliege.be](mailto:Camille.Weickmann@student.uliege.be)  <br> Germain Estelle [estelle.germain@student.uliege.be](mailto:estelle.germain@student.uliege.be)       <br> Bourdouxhe Jessica  [Jessica.Bourdouxhe@student.uliege.be](mailto:Jessica.Bourdouxhe@student.uliege.be)             | Eva Markiewicz  [eva.markiewicz@uliege.be](mailto:eva.markiewicz@uliege.be) | Malka Guillot [mguillot@uliege.be](mailto:mguillot@uliege.be) |
| <div align="center">**→ TPs**</div>                                                                        | <div align="center">**→ Communication, project, questions, TPs**</div>     | <div align="center">**→ Cours, examen**</div>        |

---

# Supports et déroulement du cours

##  Sont disponibles sur lol@:

### **Cours [8 chapitres]**

- *Slides* du cours: 
    - **<span class="red">Concepts théoriques</span>** 
    - **<span class="green">Applications pratiques</span>** (utilisant le logiciel)
    - Un **wooclap** sur les concepts principaux (réalisé ensemble au début du cours d'après)
- *Solutions* des **<span class="green">applications pratiques</span>**
- *Bases de données* utilisées dans le cours
- Pas de **syllabus ?** Pour chaque chapitre, voir les références.

---

### **Travaux pratiques [7 séances]**
- Exercices <span class="red">théoriques</span> & <span class="green">pratiques</span>.
    - Amenez votre ordinateur ! 
    - Définition des groupes : 
        - **TBD** (on attend la fin des inscriptions)
        - Indiquée sur lola dans la semaine 
- *Énoncés* des (et bases de données)
- *Solutions* des exercices

### Examens passés
- Enoncés
- Solutions
- QCMs pour s'entrainer

### Cheat sheets
- [Liste des commandes](https://www.stata.com/bookstore/statacheatsheets.pdf) (ne sont pas à connaître par coeur)

---

# Participation en cours

.col1_3[
### Exercices
<img src="ex-exercice.png" width="90%" style="display: block; margin: auto;" />
Pour mettre en pratique les commandes vues
]

.col2_3[
### Questions
<img src="ex-question.png" width="90%" style="display: block; margin: auto;" />
Pour s'approprier les concepts
]

.col3_3[
### Wooclap
<img src="ex-wooclap.png" width="90%" style="display: block; margin: auto;" />
Pour vérifier que vous comprenez les concepts théoriques clefs.
]

<div class="alert" style="text-align: center; margin-top: 20px;">
  <strong>Amenez votre ordinateur, mais restez concentré·es !</strong>
</div>

---

# Évaluation

1. **Projet d'application** [*facultatif*]

- 1 point bonus (sur 20)
        - Valable pour la session de janvier & aout
    - Groupe de 2 personnes
        
    - Un sujet à étudier
        - Base de données & consignes seront données au 1e novembre
        - Date de rendu : au plus tard le 19 janvier sur lol@
--

2. **Examen** [***janvier*** & ***aout***]

- Partie QCM pratique sur ordinateur
    - Partie théorique de connaissance et de compréhension du cours : questions ouvertes

---

class: title-slide-final, middle
background-size: 250px
background-position: 9% 19%

# À LA SEMAINE PROCHAINE !

<a href="mailto:mguillot@uliege.be"> mguillot@uliege.be</a>
                                                                               
# MERCI À
<a href="mailto:florian.oswald@sciencespo.fr"> Florian Oswald</a> et à toute l'équipe de ScPoEconometrics pour le [livre](https://scpoecon.github.io/ScPoEconometrics) et leurs [ressources](https://github.com/ScPoEcon/ScPoEconometrics-Slides)