Méthodes statistiques de l'économie et de la gestion. Tome 4 , Econométrie des variables qualitatives : théorie et application sous SAS

Auteur(s) :

Delsart, Virginie Découvrir l'auteur

Autre(s) auteur(s)
- Vaneecloo, Nicolas
Éditeur(s)
- Presses universitaires du Septentrion
Date
- DL 2020
Langues
- Français
Description matérielle
- 1 vol. (307 p.) : graph., tabl., couv. ill. en coul. ; 20 cm
Collections
- Guides pratiques
Sujet(s)
ISBN
- 978-2-7574-3178-8
Indice
- 330.14 Analyse économique, méthodes statistiques et économétriques
Quatrième de couverture
- Méthodes statistiques de l'économie et de la gestion Tome 4
  Économétrie des variables qualitatives
  Le domaine des variables qualitatives a longtemps été un parent pauvre de l'économétrie. Mais, dans le dernier tiers du XX^e siècle, il a connu un considérable gain d'intérêt sous l'effet de deux phénomènes principaux : le développement de l'analyse économique des choix au cas où seule une gamme limitée d'alternatives s'ouvre au décideur ; la volonté d'utiliser au mieux les informations sur les comportements des clients à présent enregistrés dans des bases de données informatisées. On dispose à présent, dans ce domaine, d'une riche matière théorique et technique, dont, d'ailleurs, les progrès ne sont pas achevés.
  L'ouvrage fournit un exposé approfondi de ces modélisations économétriques contemporaines des variables qualitatives (dichotomiques ou polytomiques) et de leur utilisation en particulier en matière de scoring (score d'attrition, de risque, de fraude...). Ses études de cas permettent au lecteur d'appliquer ces notions à la résolution de problèmes concrets tout en se familiarisant aux procédures SAS®.
  Il transmet les connaissances et compétences indispensables à tout étudiant engagé dans une formation d'économie appliquée ou de marketing quantitatif. Il intéressera également les étudiants inscrits dans un cursus d'ingénierie statistique, de traitement de la donnée massive, de sociologie quantitative et les praticiens (chargés d'études, statisticiens des entreprises et des administrations, data scientists ou data analysts) qui doivent extraire des données les évaluations synthétiques nécessaires à la prise de décision. Il sera également utile aux chercheurs en sciences humaines et sociales qui affrontent, dans un but, cette fois de pure connaissance, le même genre de matériau statistique.
Tables des matières
- - Méthodes statistiques de l'économie et de la gestion
  - Économétrie des variables qualitatives
  - Théorie et application sous SAS
  - Virginie Delsart
  - Nicolas Vaneecloo
  - Presses universitaires du Septentrion
  - Introduction9
  - Première partie
    Théorie
  - Chapitre 1. Le modèle linéaire et les raisons de son dépassement15
  - 1. Le modèle linéaire dans le cas d'une variable dichotomique 15
  - 1.1. Signification du modèle linéaire et de ses coefficients15
  - 1.2. L'estimation des coefficients du modèle et la variance de ces estimations18
  - 1.3. Le problème de l'hétéroscédasticité et ses solutions20
  - 2. L'inconsistance du modèle linéaire et son dépassement : les modèles Logit et Probit 23
  - 2.1. L'inconsistance du modèle linéaire23
  - 2.2. Le dépassement du modèle linéaire : les modèles logit et probit27
  - 2.2.1. Le modèle logit et son hypothèse sous-jacente 27
  - 2.2.2. Le modèle probit, l'hypothèse d'une variable latente et les problèmes d'interprétation des coefficients 37
  - 2.3. Le choix de la spécification d'un modèle dichotomique45
  - 2.3.1. Le modèle linéaire 45
  - 2.3.2. Le modèle probit 47
  - 2.3.3. Le modèle Logit 48
  - Chapitre 2. Estimation et test du modèle logit55
  - 1. L'estimation des paramètres du modèle 55
  - 1.1. Rappels sur la méthode du maximum de vraisemblance56
  - 1.1.1. Définitions préalables et application à l'estimation d'une proportion 56
  - 1.1.2. Rappel des propriétés générales des estimateurs du maximum de vraisemblance 58
  - 1.2. Application de la méthode du maximum de vraisemblance à l'estimation des paramètres du modèle logit60
  - 1.2.1. La détermination des coefficients du modèle 60
  - 1.2.2. La matrice des variances-covariances des estimateurs des coefficients du modèle 64
  - 2. Le test du modèle logit 67
  - 2.1. Les restrictions sur le modèle initial67
  - 2.2. Les tests de restriction69
  - 2.2.1. Les tests de Wald 70
  - 2.2.2. Les test du rapport de vraisemblance 71
  - 2.2.3. Le choix d'une voie de test 74
  - 3. Les infractions aux hypothèses sous-jacentes de la modélisation et leurs effets 81
  - 3.1. La corrélation entre variable explicatives81
  - 3.2. L'omission d'une variable explicative importante85
  - 3.3. L'erreur de spécification91
  - 3.4. L'hétéroscédasticité et l'autocorrélation du résidu94
  - 3.4.1. Les conséquences de l'autocorrélation du résidu 95
  - 3.4.2. Les conséquences de l'hétéroscédasticité du résidu 97
  - 3.5. La pluralité de régimes99
  - Chapitre 3. La qualité de l'ajustement et les prévisions réalisées105
  - 1. La qualité de l'ajustement 105
  - 1.1. La filiation directe du coefficient de détermination : le pseudo-R² « classique » et celui de Mac Kelvey et Zavoina107
  - 1.1.1. Le pseudo-R² « classique » ou d'Efron 107
  - 1.1.2. Le pseudo-R² de Mac Kelvey et Zavoina 108
  - 1.2. Les pseudo-R² déduits de la vraisemblance : Cox et Snell, Nagelkerke et McFadden110
  - 1.2.1. Le pseudo-R² de Cox et Snell et la correction de Nagelkerke 111
  - 1.2.2. Le pseudo-R² de McFadden 116
  - 2. La prévision et ses erreurs 119
  - 2.1. Fondements économico-statistiques du pari et erreurs de prévision120
  - 2.1.1. Une première approche du pari 120
  - 2.1.2. Une approche économique du pari 122
  - 2.2 La courbe ROC et ses fondements124
  - 2.2.1. Un détour médical 124
  - 2.2.2. Retour au problème de la qualité des prévisions réalisée à l'aide d'un modèle logit 132
  - Chapitre 4. Les modèles polytomiques143
  - 1. Le modèle logit polytomique ordonné 146
  - 1.1. L'hypothèse d'une variable latente à résidu logistique et la formulation du modèle146
  - 1.2. Signification des coefficients et hypothèse fondamentale du modèle148
  - 2. Le logit multinomial, modèle polytomique non ordonné 150
  - 2.1. Formulation du modèle et liens avec le modèle logit dichotomique150
  - 2.1.1. Les deux expressions du modèle logit multinomial 150
  - 2.1.2. Liens entre le logit multinomial et le logit dichotomique 152
  - 2.2. Interprétation des coefficients et mesure de l'impact d'une variable sur les probabilités154
  - 2.2.1. L'impossibilité de porter un diagnostic sur l'impact d'une variable sur la seule vue de son coefficient 154
  - 2.2.2. Une mesure synthétique de l'effet d'une variable 157
  - 2.3. Utilisation du modèle pour la prévision159
  - 2.3.1. Finalités et méthodes de la prévision 159
  - 2.3.2. Risques d'erreur et mesure de la réduction des risques permise par l'utilisation du modèle 162
  - 3. La modélisation des choix : le modèle logit « conditionnel » 166
  - 3.1. Fondements du modèle logit « conditionnel »167
  - 3.1.1. De la logique des choix discrets aux probabilités associées aux différentes options 167
  - 3.1.2. Propriété fondamentale du modèle et expressions alternatives de celui-ci 171
  - 3.2. Interprétation des coefficients du modèle logit conditionnel177
  - 3.3. Test de l'hypothèse IIA et remèdes possibles à la non indépendance des alternatives182
  - 3.3.1. Le test de l'hypothèse d'indépendance relative aux hypothèses non retenues 182
  - 3.3.2. Modèles logits alternatifs : le logit hiérarchique et le logit emboîté 184
  - Deuxième partie
    Application sous SAS®
  - Cas n° 1. Étude des déterminants économiques ou sociaux de la possession d'un lave-vaisselle197
  - Corrigé du Cas n° 1201
  - Préparation des données201
  - 1. Première étape202
  - 2. Deuxième étape208
  - 3. Comparaison des deux modèles212
  - 4. Conclusion216
  - Cas n° 2. Établissement d'un score informatif pour le concours d'entrée d'une école universitaire d'économie et de management219
  - 1^re partie de l'étude de cas220
  - 2^e partie de l'étude de cas222
  - Corrigé du cas n° 2225
  - Première partie225
  - Préparation des données225
  - 1. Première étape : modèle linéaire de la note226
  - 2. Deuxième étape : modèle linéaire de la probabilité d'admissibilité230
  - 3. Troisième étape : modèle logit de la probabilité d'admissibilité233
  - 4. Quatrième étape : modélisation probit235
  - 5. Comparaison des résultats obtenus dans les quatre modélisations238
  - 6. Conclusion247
  - Deuxième partie250
  - 1. Remarques préalables250
  - 2. La courbe ROC et le choix d'un seuil d'admissibilité sur dossier252
  - 3. Conclusion254
  - Cas n° 3. Étude des déterminants socio-économiques de l'audience des chaînes de télévision255
  - Corrigés du Cas n° 3261
  - 1. La modélisation multinomiale et ses résultats 261
  - 1.1. Préparation des données261
  - 1.2. Écriture de la procédure et codage des modalités des variables qualitatives262
  - 1.3. Présentation des résultats265
  - 2. L'utilisation du modèle pour la « prévision » 271
  - 3. La mesure des effets des variables sur le choix d'un type de chaîne 273
  - 3.1. Les facteurs principaux276
  - 3.2. Les facteurs secondaires277
  - 3.3. Les facteurs marginaux278
  - 4. Conclusion 280
  - Cas n° 4. Déterminants économiques du choix d'un mode de transport281
  - Corrigé du Cas n° 4285
  - 1. Ajustement d'un modèle logit conditionnel unique sur l'ensemble des données 285
  - 1.1. Préparation des données285
  - 1.2. La procédure d'ajustement du modèle et les sorties SAS286
  - 1.3. Les prévisions de choix modal289
  - 1.4. L'introduction de préférences modales290
  - 2. L'introduction de variables supplémentaires dans le modèle logit conditionnel 292
  - 2.1. De l'intérêt d'intégrer de nouvelles variables comme déterminants du choix modal292
  - 2.2. L'introduction directe de la variable revenu dans la modélisation295
  - 2.3. L'introduction indirecte de la variable revenu dans la modélisation297
  - 3. Conclusion 301
Origine de la notice:
- BPI