Séance de cours

Variables instrumentales : intuition et estimation

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

FIN-403: Econometrics

The course covers basic econometric models and methods that are routinely applied to obtain inference results in economic and financial applications. ...

Description

Cette séance de cours présente les variables instrumentales comme une technique pour résoudre les problèmes d'endogénéité dans l'analyse de régression. Il couvre l'intuition derrière les variables instrumentales, les conditions requises pour leur validité et le processus d'estimation. La séance de cours traite de l'estimateur des variables instrumentales dans le cas le plus simple, de l'estimation de la méthode des moments et de l'estimateur des moindres carrés en deux étapes (2SLS). Il explore également les défis des instruments faibles et l'importance de tester la restriction d'exclusion et la condition de pertinence. Un exemple tiré de Card (1995) sur la proximité des collèges et la scolarisation est utilisé pour illustrer l'application de variables instrumentales. La séance de cours se termine par des discussions sur le test de l'exogénéité des variables et des extensions du cadre des variables instrumentales.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Andreas Fuster

Andreas Fuster is an Associate Professor of Finance at Swiss Finance Institute @ EPFL and a Research Fellow at the CEPR. Previously, he worked at the Federal Reserve Bank of New York and the Swiss National Bank. Andreas's main research interests are in empirical finance, macroeconomics, and behavioral economics. His recent work has focused in particular on the effects of technological advances on household credit markets. Andreas’s research has been published in academic journals such as the Quarterly Journal of Economics, the Review of Economic Studies, the Journal of Finance, and the Review of Financial Studies. Andreas obtained his Ph.D. from Harvard University and also holds an M.Phil. from Oxford University and a B.A. from the University of Lausanne (Switzerland), all in economics.

Source officielle

Proximité ontologique

Statistique

Analyse des données: Régression (statistiques)

Concepts associés (32)

Méthode des variables instrumentales

En statistique et en économétrie, la méthode des variables instrumentales est une méthode permettant d'identifier et d'estimer des relations causales entre des variables. Cette méthode est très souvent utilisée en économétrie. Le modèle de régression linéaire simple fait l'hypothèse que les variables explicatives sont statistiquement indépendantes du terme d'erreur. Par exemple, si on pose le modèle avec x la variable explicative et u le terme d'erreur, on suppose généralement que x est exogène, c'est-à-dire que .

Régression (statistiques)

En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Generalized least squares

In statistics, generalized least squares (GLS) is a method used to estimate the unknown parameters in a linear regression model when there is a certain degree of correlation between the residuals in the regression model. Least squares and weighted least squares may need to be more statistically efficient and prevent misleading inferences. GLS was first described by Alexander Aitken in 1935. In standard linear regression models one observes data on n statistical units.

Méthode des moments généralisée

En statistique et en économétrie, la méthode des moments généralisée (en anglais generalized method of moments ou GMM) est une méthode générique pour estimer les paramètres d'un modèle statistique qui s'appuie sur un certain nombre de conditions sur les moments d'un modèle. Habituellement, cette méthode est utilisée dans un contexte de modèle semi-paramétrique, où le paramètre étudié est de dimension finie, alors que la forme complète de la fonction de distribution des données peut ne pas être connue (de ce fait, l'estimation par maximum de vraisemblance n'est pas applicable).

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Afficher plus

Séances de cours associées (64)

Régression linéaire: Multicolinéarité, Outliers, Spécification du modèle

Couvre la multicolinéarité, les valeurs aberrantes, la spécification du modèle et les stratégies pratiques en régression linéaire.

Régression linéaire : estimation et inférence

Explore l'estimation de régression linéaire, les hypothèses de linéarité et les tests statistiques dans le contexte de la comparaison de modèles.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Régression linéaire: Simple

Introduit une régression linéaire simple, les propriétés des résidus, la décomposition de la variance et le coefficient de détermination dans le contexte de la loi d'Okun.

Modèles probabilistes pour la régression linéaire

Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.

Afficher plus

Concepts associés (32)

Méthode des variables instrumentales

Régression (statistiques)

Generalized least squares

Méthode des moments généralisée

Régression linéaire

Afficher plus