troisieme annee

TROISIEME ANNEE

2
Troisième Année ISE
IntitulédesUEetdesenseignementsVolumehoraireCréditsPage
Semestre 5
UE : Econométrie 2504 
Econométrie des données de panel 3023
Modèles à équations simultanées et
modèles à correction d’erreur 2024
UE : Mathématiques Appliquées 2504 
Statistique non paramétrique et robustesse3025
Processus stochastiques2026
UE : Economie 6606 
Théorie de la croissance2027
Economie monétaire internationale2028
Economie du développement 2029
UE : Economie 7706 
Analyse conjoncturelle20210
Modélisation macroéconomique20211
Finances publiques 15112
Programmation financière 15113
UE : Statistiques appliquées303 
Traitement et exploitation des données
d’enquêtes30314
UE : Stage 505 
Mémoire professionnel 505‐
UE : Langue et expression 5 502 
Anglais 301
Techniques d'expression V 20115
Total semestre36030 
Semestre 6
UE : Management404 
Management des organisations20216
Gestion et évaluation de projets20217
Séminaires  
UE : Démographie202 
Démographie II20218
UE : Recherche 1502 
Mémoire de recherche (GT) 150619
Voies de spécialisation 15018 
Total semestre 37030 
Total 1ère année 72060 

3
Econométrie des données de panels 
Semestre 5 UE : Econométrie 2
Volume horaire : 30H Crédits : 2
Objectif :
L’objectif de ce cours est de fournir les outils utiles à l’estimation de modèles économétriques sur
données de panel. Ce cours décrit les méthodes et leur mise en application pratique. Des exemples
numériques ainsi que des travaux de recherche empiriques sont présentés tout au long du cours pour
illustrer l’utilisation de ces méthodes.
Contenu du cours :
I. Introduction
1. Illustrations
2. Définitions
3. Notations
4. Ecritures du modèle de panel
5. Les opérateurs
II. Le modèle linéaire statique
1. Le modèle à effets fixes
2. Le modèle à effets aléatoires
III. Le modèle linéaire dynamique
1. La méthode des moments généralisés : rappel
2. Le modèle dynamique de panel : spécification et hypothèses
3. L’estimation du modèle dynamique de panel
4. Exemples
IV. Extensions
1. Double effet, individuel et temporel
2. Panel non cylindré
3. Modèles de panel non linéaires
4. Systèmes de régression avec erreurs composées
Contrôle des connaissances : un examen écrit
Bibliographie :
Baltagi B.H. (1995), Econometric analysis of panel data, J. Wiley.
Dormont B.,(1989), Introduction à l’Econométrie des données de panel, Editions du CNRS.
Hsiao C. (1986), Analysis of Panel Data, Econometric Society Monographs, n°11, Cambridge University
Press.
Mairesse J. (1998), Les lois de la production ne sont plus ce qu’elles étaient : une introduction
l’économétrie des panels, Revue Economique, 39 (1), pp. 225-271.
Matyas L. et Sevestre P. (1995), The Econometrics of Panel Data, Kluwer Academic Publishers, 2nd
edition.
Maddala G.S. (1992), The Econometrics of Panel Data, (2 vol.), Edward Elgar Publishing.

4
Modèles à équations simultanées & modèles à correction d’erreur 
Semestre 4 UE : Econométrie 2
Volume horaire : 20H Crédits : 2
Objectif :
La première partie de ce cours est consacrée à l’étude des modèles à équations simultanées : on présente
les modèles d'équations simultanées linéaires qui sont appliqués en macroéconomie (lorsque les variables
expliquée et explicatives sont continues) ainsi que les modèles bivariés (probit ou ordinal) qui sont
utilisés lorsque les estimations économétriques font appel à des variables qualitatives.
La deuxième partie du cours, dans le prolongement du cours d’économétrie des séries temporelles, est
consacrée à l’étude des modèles à correction d’erreur: on y aborde les processus vectoriels non
stationnaires et les principes de la cointégration.
Contenu du cours :
I. Mise en forme d’un MLES
1. Les variables
2. Les équations
3. Conditions pour qu’un MLES soit correctement spécifié
II. Forme structurelle, forme réduite d’un MLES
1. Forme structurelle
2. Forme réduite
3. Equivalence de formes structurelle
III. Identifiabilité de la forme structurelle
1. Définition de l’identifiabilité
2. Conditions de l’identifiabilité
3. Exemples de vérification de l’identifiabilité
IV. Estimation des paramètres d’un MLES
1. Les méthodes classiques
2. Les méthodes d’estimation en information limitée
3. Les méthodes d’estimation en information complète
V. Modèles bivariés
VI. Modèles à correction d’erreur
1. Modèles VAR non stationnaires cointégrés et modèles à correction d'erreur
2. Tests de cointégration
Bibliographie :
Greene W (1997), Econometric Analysis, Prentice Hall, 3ème edition.
Judge et Griffith (1997), Theory and practice of econometrics, Wiley and Sons, 4ème edition.
Monfort et Gourieroux (1996), Statistiques et modèles économétriques, Tome 1 et 2, Economica.

5
Statistique non paramétrique et robustesse 
Semestre 5 UE : Mathématiques appliquées 2
Volume horaire : 30H Crédits : 2
Objectif :
Ce cours se propose d'étudier les méthodes alternatives dans le cas où la validité du modèle paramétrique
n’est pas assurée. Deux approches sont alors possibles :
- On peut abandonner le paramétrage et se placer dans un ensemble plus vaste de lois de probabilités
: c’est la voie non paramétrique.
- On peut étudier les propriétés de stabilité des procédures statistiques classiques optimales lorsqu’on
s’éloigne légèrement de la loi spécifiée : c’est la voie de la robustesse.
Ce cours a un triple objectif :
- Permettre de faire des tests rapides et des estimations fondées sur une approche intuitive des
problèmes.
- Permettre d'approfondir certains problèmes importants tels que les performances comparées des
tests statistiques ou encore la réplication des échantillons.
- Introduire la notion de robustesse dans la pratique effective du statisticien (notamment, lors de
l'estimation et la régression).
Contenu du cours :
Première partie : Statistique non paramétrique
I. Le cadre général des problèmes non paramétriques
II. Les tests non paramétriques
1. Problèmes à un échantillon
- Echantillon aléatoire
- Paramètre de position
2. Problèmes à deux échantillons
- Problème d'indépendance
- Paramètre de position, d'échelle. Alternative générale
- Généralisation à k échantillons
3. Les statistiques de rang
- Propriétés et usage
- Exemples de tests de rangs
- Notionssurl’efficacitédestestsderang
III. L’estimation non paramétrique
1. Problèmes d’adéquation ou de validation du modèle
2. Estimations
Deuxième partie : Robustesse
IV. Les outils de base
1. Concepts probabilistes et mathématiques
2. Fonctions d'influence
3. Indicateurs de robustesse (HUBER, HAMPEL)
V. Application à la théorie classique de l’estimation
1. Les M, L, R-estimateurs
2. Robustesse des M-estimateurs ; application au maximum de vraisemblance
3. Cas des L-estimateurs
III. Application des L-estimateurs à la régression
Contrôle des connaissances : un examen écrit
Bibliographie :
Bosq D. et Lecoutre JP. (1987), Théorie de l'estimation fonctionnelle, Economica.
Lecoutre JP. et Tassi P. (1987), Statistique non paramétrique et Robustesse, Economica.