Introduction à l'économétrie appliquée sous EViews. Rappels de cours et illustrations pratiques
Par :Formats :
Actuellement indisponible
Cet article est actuellement indisponible, il ne peut pas être commandé sur notre site pour le moment. Nous vous invitons à vous inscrire à l'alerte disponibilité, vous recevrez un e-mail dès que cet ouvrage sera à nouveau disponible.
- Nombre de pages361
- PrésentationBroché
- FormatGrand Format
- Poids0.518 kg
- Dimensions15,5 cm × 24,0 cm × 2,0 cm
- ISBN978-2-14-048726-2
- EAN9782140487262
- Date de parution12/07/2023
- CollectionL'esprit économique. Cours
- ÉditeurL'Harmattan
Résumé
L'économétrie est une discipline incontournable pour tous ceux qui cherchent à comprendre et à analyser les phénomènes économiques par le biais d'outils et méthodes statistiques et mathématiques. Ce livre est un guide de référence pour l'estimation de modèles économétriques à partir du logiciel EViews. Il présente les modèles avec peu de formules mathématiques et explique les étapes d'estimation de ces modèles à partir d'études de cas.
Le livre aborde les modèles de régression classiques notamment les modèles de régression linéaire multiple, ARDL, VAR, le modèle à équations simultanées, et le modèle à correction d'erreur. Ces modèles reposent sur l'hypothèse de linéarité ou de symétrie des effets des variables explicatives sur la variable expliquée. Dans les situations de non-linéarité, ces modèles sont inappropriés. L'analyste devra alors faire appel aux modèles non-linéaires notamment les modèles à effet de seuil, les modèles à interaction de variables, les modèles de régression quantile et les modèles avec cointégration à seuil.
Les spécifications de ces modèles et les méthodes d'estimation sont présentées et illustrées à partir d'exemples pratiques.
Le livre aborde les modèles de régression classiques notamment les modèles de régression linéaire multiple, ARDL, VAR, le modèle à équations simultanées, et le modèle à correction d'erreur. Ces modèles reposent sur l'hypothèse de linéarité ou de symétrie des effets des variables explicatives sur la variable expliquée. Dans les situations de non-linéarité, ces modèles sont inappropriés. L'analyste devra alors faire appel aux modèles non-linéaires notamment les modèles à effet de seuil, les modèles à interaction de variables, les modèles de régression quantile et les modèles avec cointégration à seuil.
Les spécifications de ces modèles et les méthodes d'estimation sont présentées et illustrées à partir d'exemples pratiques.
L'économétrie est une discipline incontournable pour tous ceux qui cherchent à comprendre et à analyser les phénomènes économiques par le biais d'outils et méthodes statistiques et mathématiques. Ce livre est un guide de référence pour l'estimation de modèles économétriques à partir du logiciel EViews. Il présente les modèles avec peu de formules mathématiques et explique les étapes d'estimation de ces modèles à partir d'études de cas.
Le livre aborde les modèles de régression classiques notamment les modèles de régression linéaire multiple, ARDL, VAR, le modèle à équations simultanées, et le modèle à correction d'erreur. Ces modèles reposent sur l'hypothèse de linéarité ou de symétrie des effets des variables explicatives sur la variable expliquée. Dans les situations de non-linéarité, ces modèles sont inappropriés. L'analyste devra alors faire appel aux modèles non-linéaires notamment les modèles à effet de seuil, les modèles à interaction de variables, les modèles de régression quantile et les modèles avec cointégration à seuil.
Les spécifications de ces modèles et les méthodes d'estimation sont présentées et illustrées à partir d'exemples pratiques.
Le livre aborde les modèles de régression classiques notamment les modèles de régression linéaire multiple, ARDL, VAR, le modèle à équations simultanées, et le modèle à correction d'erreur. Ces modèles reposent sur l'hypothèse de linéarité ou de symétrie des effets des variables explicatives sur la variable expliquée. Dans les situations de non-linéarité, ces modèles sont inappropriés. L'analyste devra alors faire appel aux modèles non-linéaires notamment les modèles à effet de seuil, les modèles à interaction de variables, les modèles de régression quantile et les modèles avec cointégration à seuil.
Les spécifications de ces modèles et les méthodes d'estimation sont présentées et illustrées à partir d'exemples pratiques.
