Cours d'économétrie et évaluation des politiques

Leçon 1 • Révision des probabilités et des statistiques

Couvre les variables aléatoires, les distributions et la théorie de l'échantillonnage essentielles à la modélisation économétrique. Établit le langage statistique utilisé tout au long du cours.

Leçon 2 • Cadre d'inférence causale

Présente le cadre des résultats potentiels et le problème fondamental de l'inférence causale. Ancre toutes les stratégies d'identification ultérieures dans un modèle conceptuel unifié.

Leçon 3 • Modèles économiques et données

Introduit les modèles structurels vs. formes réduites et les types de données utilisés dans l'analyse des politiques. Relie la théorie économique aux choix de spécification empirique.

Leçon 1 • Régression linéaire simple

Dérive l'estimateur OLS et son interprétation géométrique. Fournit la base algébrique pour toutes les méthodes basées sur la régression dans les chapitres ultérieurs.

Leçon 2 • Inférence et tests d'hypothèses

Couvre les erreurs-types, les tests t, les tests F et les intervalles de confiance pour les coefficients de régression. Relie la significativité statistique aux tailles d'effet pertinentes pour les politiques.

Leçon 3 • Régression multiple et variables de contrôle

Étend les OLS à plusieurs régresseurs et explique le rôle des variables de contrôle dans la réduction du biais de variable omise. Soutient directement l'interprétation causale des coefficients.

Leçon 4 • Hypothèses et propriétés des OLS

Examine les conditions de Gauss-Markov et leurs implications pour l'absence de biais et l'efficience. Les étudiants apprennent quelles violations sont les plus importantes dans le travail de politique appliquée.

Leçon 1 • Variables dépendantes binaires et limitées

Introduit les modèles probit, logit et Tobit pour les résultats non continus courants dans l'évaluation des politiques. Couvre les effets marginaux et leur interprétation correcte.

Leçon 2 • Modèles de comptage et de durée

Couvre la régression de Poisson, les modèles binomiaux négatifs et les modèles de hasard pour les résultats de type comptage et délai avant événement. Élargit la boîte à outils pour l'analyse des politiques de santé, de travail et de criminalité.

Leçon 3 • Inférence robuste à l'hétéroscédasticité

Dérive les erreurs-types cohérentes avec l'hétéroscédasticité et explique quand elles sont importantes. Prépare les étudiants à rapporter des erreurs-types crédibles dans le travail appliqué.

Leçon 1 • Sources d'endogénéité

Répertorie les variables omises, la simultanéité et l'erreur de mesure comme sources d'endogénéité. Motive le besoin d'instruments avant d'introduire l'estimateur IV.

Leçon 2 • Validité des instruments et instruments faibles

Teste la pertinence et l'exogénéité des instruments et diagnostique les problèmes d'instruments faibles. Les étudiants apprennent à défendre leurs choix d'instruments dans la recherche sur les politiques.

Leçon 3 • Estimateur IV et doubles moindres carrés

Dérive les estimateurs IV et 2SLS et leurs propriétés asymptotiques. Relie la pertinence et l'exogénéité de l'instrument à une estimation cohérente.

Leçon 4 • Effets moyens du traitement locaux

Introduit le cadre LATE et les effets de traitement hétérogènes sous IV. Clarifie quelle population les estimations IV identifient dans les contextes politiques.

Leçon 1 • Effets aléatoires et test de Hausman

Présente l'estimateur GLS à effets aléatoires et le test de Hausman pour choisir entre FE et RE. Relie le choix du modèle aux hypothèses sur l'hétérogénéité non observée.

Leçon 2 • Traitement hétérogène dans les panels

Examine les schémas d'adoption échelonnée et les problèmes des doubles FE sous hétérogénéité des effets de traitement. Introduit les estimateurs DiD robustes modernes pour les données de panel.

Leçon 3 • Structure et notation des données de panel

Définit les panels équilibrés et non équilibrés, la variation intra et inter, et le modèle à deux composantes d'erreur. Pose la notation utilisée dans tous les estimateurs de panel.

Leçon 4 • Estimation à effets fixes

Dérive l'estimateur intra et l'estimateur des premières différences pour éliminer les variables non observables au niveau de l'unité. Explique quand chaque approche est préférée dans les contextes politiques.

Leçon 1 • Fondamentaux du plan expérimental

Couvre les mécanismes de randomisation, la stratification et les calculs de puissance pour les expériences sur les politiques. S'assure que les étudiants peuvent concevoir des expériences qui détectent des tailles d'effet pertinentes pour les politiques.

Leçon 2 • Effets de débordement et interférence

Examine les violations de l'hypothèse SUTVA et les méthodes d'estimation des effets de débordement. Applique des plans de randomisation en deux étapes pour capturer les effets de débordement de réseau et de marché.

Leçon 3 • Estimation des effets de traitement

Dérive les estimateurs ITT et TOT et explique quand chacun est le paramètre politique approprié. Relie les estimands expérimentaux au cadre IV du chapitre 4.

Leçon 4 • Validité externe et passage à l'échelle

Évalue le biais de sélection des sites, l'extrapolation LATE vers ATE et les approches structurelles pour le passage à l'échelle des résultats expérimentaux. Prépare les étudiants à conseiller sur les décisions d'extension des politiques.

Leçon 1 • Plan de régression sur discontinuité

Introduit le RDD strict et flou comme stratégie quasi-expérimentale exploitant les seuils d'affectation. Couvre la sélection de la bande passante, l'estimation polynomiale locale et les tests de validité.

Leçon 2 • Tests de tendances parallèles et validation

Couvre les tests de pré-tendance, les graphiques d'étude d'événements et les exercices de falsification pour valider les schémas DiD. Apprend aux étudiants à présenter des preuves crédibles pour l'hypothèse de tendances parallèles.

Leçon 3 • Méthode de contrôle synthétique

Construit un contrefactuel basé sur les données à partir d'une combinaison pondérée d'unités non traitées. Applique la méthode à des interventions politiques au niveau agrégé avec peu d'unités traitées.

Leçon 4 • Différence-de-différences classique

Dérive l'estimateur DiD 2x2 et ses hypothèses d'identification. Établit la base conceptuelle pour toutes les extensions couvertes dans le chapitre.

Leçon 1 • Effets de traitement hétérogènes

Estime les effets moyens conditionnels du traitement en utilisant l'analyse de sous-groupes, les modèles d'interaction et les méthodes assistées par apprentissage automatique. Identifie quelles populations bénéficient le plus d'une politique.

Leçon 2 • Plans de régression à coude et de regroupement

Étend la boîte à outils RDD aux plans à coude et aux estimateurs de regroupement pour les barèmes d'impôts et de prestations. Couvre les hypothèses d'identification et l'estimation de l'élasticité.

Leçon 3 • Communiquer les résultats aux décideurs politiques

Traduit les résultats économétriques en notes de synthèse, visualisations et résumés exécutifs pour des publics non techniques. Développe les compétences de communication professionnelle nécessaires à l'impact sur les politiques.

Leçon 4 • Réplication et transparence de la recherche

Couvre les pratiques de données ouvertes, la documentation du code et les normes de reproductibilité en économétrie appliquée. Prépare les étudiants à produire et évaluer des recherches politiques reproductibles.