Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Variables instrumentales: Traiter l'erreur de mesure et la causalité inverse

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 couvre l'utilisation de variables instrumentales pour traiter l'erreur de mesure et la causalité inverse dans les modèles de régression. Il explique comment les variables instrumentales aident à corriger les biais causés par des facteurs non observés affectant à la fois les variables indépendantes et dépendantes. La discussion comprend des exemples de la façon dont les variables omises et la simultanéité peuvent conduire à des estimations incohérentes. La séance de cours se penche également sur le concept de biais d'atténuation dans la régression OLS en raison d'une erreur de mesure. Des applications et des solutions pratiques, telles que la transformation Cochrane-Orcutt et les erreurs standard de Newey-West, sont explorées.

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)

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.

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.

Méthode des moindres carrés ordinaire

vignette|Graphique d'une régression linéaire La méthode des moindres carrés ordinaire (MCO) est le nom technique de la régression mathématique en statistiques, et plus particulièrement de la régression linéaire. Il s'agit d'un modèle couramment utilisé en économétrie. Il s'agit d'ajuster un nuage de points selon une relation linéaire, prenant la forme de la relation matricielle , où est un terme d'erreur.

Errors-in-variables models

In statistics, errors-in-variables models or measurement error models are regression models that account for measurement errors in the independent variables. In contrast, standard regression models assume that those regressors have been measured exactly, or observed without error; as such, those models account only for errors in the dependent variables, or responses. In the case when some regressors have been measured with errors, estimation based on the standard assumption leads to inconsistent estimates, meaning that the parameter estimates do not tend to the true values even in very large samples.

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 .

Afficher plus

Séances de cours associées (37)

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 : comprendre les relations quantitatives

Couvre la régression linéaire, de lélaboration de questions de recherche à linterprétation de R-carré et en ajoutant des prédicteurs pour améliorer le modèle.

Régression linéaire : Inférence statistique et régularisation

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

Régression linéaire : Approche de vraisemblance maximale

Couvre les sujets de régression linéaire, y compris les intervalles de confiance, la variance et l'approche de la probabilité maximale.

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.

Afficher plus

Concepts associés (32)

Régression linéaire

Régression (statistiques)

Méthode des moindres carrés ordinaire

Errors-in-variables models

Méthode des variables instrumentales

Afficher plus