Statistique et économétrie spécialité statistique publique 2015 2016... · A compter de...

Programme des enseignements Master Statistique et économétrie spécialité statistique publique en cohabilitation avec l’Université de Rennes 1

ANNEE SCOLAIRE 2015 / 2016

3

Année scolaire 2015-2016

Master statistique et économétrie spécialité

statistique publique

délivré par

Ensai Campus de Ker Lann Rue Blaise Pascal BP 37203 35172 Bruz cedex Tél. : 02 99 05 32 32 www.ensai.fr

en cohabilitation avec

Faculté des sciences économiques Campus centre 7 place Hoche 35065 Rennes cedex Tél. : 02 23 23 35 45 www.eco.univ-rennes1.fr

Objectifs

Les acteurs publics disposent de bases de données locales, nationales voire internationales, dont la multiplication a été favorisée par le développement des systèmes d’information ; ils ont donc besoin de statisticiens qualifiés au plus haut niveau pour les concevoir, les analyser et les ex-ploiter. Le but de cette spécialité de master est précisément de répondre à cette demande crois-sante en expertise statistique pour l’aide à la décision publique. A compter de l’année 2015-2016, ce master bénéficiera du label European master in official statistics (EMOS) délivré par Eurostat.

Quels métiers ? Quels secteurs d’activité ?

D'une manière générale, la formation reçue prépare les diplômés aux métiers scientifiques et techniques centrés sur l'ingénierie statistique, les systèmes d'information économique et sociale et les métiers informatiques liés à la statistique publique. Elle répond tout d'abord aux besoins des services publics, administrations nationales ou collec-tivités locales. Les principaux ministères (économie, agriculture, développement durable, santé et action sociale, etc.), des établissements publics (notamment les caisses de sécurité sociale et les organismes gestionnaires de prestations), les organismes consulaires et les agences dépen-dant des collectivités locales sont susceptibles de recourir aux compétences des titulaires de ce master. Ils pourront aussi trouver des opportunités dans des organismes européens (Eurostat) et internationaux (OCDE, FMI, Banque mondiale). Par ailleurs, les décideurs publics, notamment au niveau local, peuvent s'appuyer sur des cabi-nets de conseil spécialisés dans la décision publique : ces cabinets peuvent ainsi également offrir des débouchés aux titulaires du master de statistique publique. Certains attachés statisticiens de l’Insee peuvent compléter leur formation initiale par ce mas-ter.

Conditions d’admission

La formation est ouverte aux élèves fonctionnaires de l’Ensai admis à la formation complémen-taire diplômante, ainsi qu’aux étudiants ayant suivi la première année du master ; la formation est également ouverte aux diplômés de niveau équivalent. La sélection se fait par examen du dossier et un entretien. La formation est également ouverte en formation continue. Calendrier de candidature : d’avril à fin mai. Effectif : 25. Pour tout renseignement sur l’admission : [email protected]

Responsables de la formation

A l’université Rennes 1 : Isabelle Cadoret – [email protected] A l’Ensai : François Coquet – [email protected]

6

Organisation des études

Beaucoup d’enseignements sont associés à la réalisation de travaux de groupes et de travaux personnels sous forme de dossiers à rendre. La professionnalisation est au cœur du master. La majorité des enseignements est dispensée par des acteurs du système statistique public. L’anglais est obligatoire en formation initiale. Parcours Méthodologie de la statistique publique (MSP) ECTS COURS TD/TP TOTAL

SEMESTRE 1 30 96/102 84/78 180 UE 1 – Conception d’enquêtes 6 18 18 36 UE 2 – 1 UE au choix

UE2a Analyse des données avancée 6 18 18 36 UE2b Econométrie avancée 6 24 12 36

UE 3 – Analyse et traitement des séries temporelles 6 24 12 36 UE 4 – Modèles de prévision 6 18 18 36 UE 5 – Techniques avancées d’échantillonnage 6 18 18 36

SEMESTRE 2 30 44 85 129 UE 6 – Redressement d’échantillon et traitement de non réponse

6 20 16 36

UE 7 - EMOS 6 24 12 36 UE 8 – Professionnalisation 3 57 57 UE 9 – Stage 15

TOTAL 60 140/146 169/163 309 Parcours Statistique et traitement des données (STD) ECTS COURS TD/TP TOTAL



UE 3 – Analyse et traitement des séries temporelles 6 24 12 36 UE 4 – Entrepôts et base de données 6 10 38 48 UE 5 – Génie logiciel 6 15 30 45

SEMESTRE 2 30 20 166 186 UE 6 – Architecture et réseaux 6 10 38 48 UE 7 – Internet des données 6 10 38 48 UE 8 – Professionnalisation 3 57 57 UE 9 – Stage 15

TOTAL 60 105/111 249/243 354

7

Parcours Etudes Statistiques (ES) ECTS COURS TD/TP TOTAL



UE 3 – Analyse et traitement des séries temporelles 6 24 12 36 UE 4 - EMOS 6 24 12 36 UE 5 – Analyse de la conjoncture 6 36 36

SEMESTRE 2 30 72 57 129 UE 6 – Analyse du marché du travail 6 36 36 UE 7 – Analyse des politiques publiques 6 36 36 UE 8 – Professionnalisation 3 57 57 UE 9 – Stage 15

TOTAL 60 192/198 117/111 309 UE Supplémentaire - Statistique spatiale 18 18 36

Contrôle des connaissances

L’évaluation des enseignements est précisée dans chaque présentation d’enseignement.

Règlement intérieur

Le règlement intérieur de la scolarité est celui de l’Ensai.

Tronc commun

UE 1 – Tronc commun

Conception d’enquêtes Survey methodology Cours : 18h � TD/TP: 18h Enseignant : Florence Maillochon et Gaël de Peretti (Insee) Correspondant : François Coquet Objectif : Cette formation propose d’analyser le travail de conception d’enquête, notamment à travers différents exemples d’enquêtes. La phase de rédaction du questionnaire est détaillée. Une participation active des étudiants est sollicitée. Contenu : les différents points ci-dessous seront abordés en cours ou en TD. La conception d’enquête, entre statistique et sociologie Un travail sociologique : identifier une problématique, un champ, une population. Pourquoi quantifier, comment mesurer : pour quels objectifs, avec quels indicateurs, quelles catégories (définition du ménage, des catégories sociales, types d’entreprises, etc.) Le travail de statisticien d’enquête, de l’échantillonnage au traitement statistique Spécificités et similitudes des enquêtes ménages et des enquêtes entreprises Un travail collectif impliquant de nombreux métiers et partenaires L’équipe de conception Des acteurs clés : les enquêteurs Comitologie : comité scientifique, comité de pilotage et/ou de suivi, comité éthique, etc. Les acteurs institutionnels : Cnis, comité du Label, Cnil Les partenaires extérieurs, les sous-traitants éventuels La gestion de la collecte Le questionnaire Les différents modes de collecte Les principaux risques de biais et erreurs de mesure Règles de rédaction des questions Le rôle des tests Figures d’enquêtes particulières Enquêtes comparatives internationales (GGS, Pisa…) Enquêtes complexes : enquêtes auprès des sans domicile, enquêtes couplées ménages/entreprises, enquêtes sur la santé et le handicap… Panels et enquêtes longitudinales Enquêtes présentées en TD Travaux dirigés Travail d’écriture de petits modules de questions Présentation d’articles par groupe de 2 ou 3 étudiants et discussion collective Présentation détaillée d'enquêtes par groupe de 2 ou 3 étudiants et discussion collective Contrôle des connaissances L’évaluation reposera sur trois dimensions :

- participation active au cours - présentation d’un article - présentation d’une enquête

La note finale est la moyenne des notes obtenues pour les présentations de l'article et de l'enquête pondérée par la participation active au cours.

12

Références bibliographiques

• Méthodes et pratiques d'enquêtes, 2010, Statistique Canada. • Insee (2009 a et b), Dossier spécial : concevoir une enquête auprès des ménages, Courrier

des statistiques, n° 126 et 128, jan./fév. et sept./déc • François de Singly, 2002, L’enquête et ses méthodes : le questionnaire, collection sociologie,

Éditions Nathan.

Langue d’enseignement

Français

UE 2a – Tronc commun

Analyse des données avancée Advanced data analysis Cours : 18h � TD/TP : 18h Enseignant : Christian Derquenne (EDF), Brigitte Gelein (Ensai) Correspondant : Brigitte Gelein

Objectif de la matière

L’objectif de cette UE est de fournir aux étudiants des outils d’analyse des données et de régres-sion qui permettent de mieux prendre en compte certains aspects de la structure des données. L'AFM est dédiée aux tableaux individus x variables dans lesquels les variables sont structurées en groupes (exemple : mêmes questions prises à différentes dates). Les variables peuvent être quantitatives et/ou qualitatives. A partir d’un tel tableau, l’AFM produit les résultats usuels de l’analyse factorielle et des résultats spécifiques tels que la représentation des individus du point de vue de chaque groupe, représentation des groupes etc. L'AFM Duale est, elle, dédiée aux tableaux individus x variables dans lesquels les individus sont structurés en groupes. On peut ainsi, par exemple, analyser l’évolution à différentes dates des corrélations entre variables. La complémentarité entre AFM et classification d’individus sera abordée notamment avec la classi-fication de trajectoires temporelles. Par la création de groupes de variables corrélées, la classification de variables offre la possibilité de construire des représentants de classes (variables synthétiques) - ou encore de choisir parmi les variables initiales celles qui sont les plus représentatives de leur classe. Ce nouvel ensemble plus restreint de variables sera plus facilement gérable et interprétable. La régression PLS (Partial Least Squares) permet de modéliser linéairement une ou plusieurs variables réponses à l’aide d’un nombre élevé de prédicteurs (parfois supérieur au nombre d’observations), pouvant être multi-colinéaires et de prendre en compte les données man-quantes.

Contenu de la matière

1- Rappels : analyses factorielles simples ACP (Analyse en composantes principales), AFC (Analyse Factorielle des Correspon-dances), ACM (Analyse des correspondances multiples).

2- Analyse conjointe de tableaux multiples AFM (Analyse Factorielles Multiples) et AFM duale

3- Classification de variables Présentation de différents algorithmes selon la nature des variables à classer

4- Classification de trajectoires La complémentarité entre AFM et classification d’individus sera abordée avec la classi-fication de trajectoires temporelles.

5- Régression PLS

14

Cette partie aborde les problèmes d’instabilité et de non inversibilité en régression multili-néaire. Pour pallier ces problèmes, des indicateurs de détection de la multicolinéarité seront introduits, la régression sur composantes principales et la régression PLS seront développées, en particulier l’algorithme NIPALS permettant de traiter :

• Le cas d’une unique variable réponse (régression PLS1) • L’extension à plusieurs variables réponses (régression PLS2).

Pré-requis

Une bonne maîtrise des techniques générales d’analyses factorielles simples et de classification d’individus statistiques (classification ascendante hiérarchique, centres mobiles), ainsi que l’inférence dans le cadre du modèle linéaire gaussien.


Contrôle continu


Escofier B., Pagès J. (2008), Analyses factorielles simples et multiples, Dunod Tenenhaus (1998), La régression PLS, Technip Collectif (1996), L’analyse des données évolutives, Technip


Français

15

UE 2b – Tronc commun

Econométrie Avancée Cours : 24 TD : 12 Enseignant : Isabelle Cadoret, Sophie Larribeau (Université Rennes 1) Correspondant : Isabelle Cadoret (Université Rennes 1)


L’objectif de l’UE est de former les étudiants à l’utilisation de techniques économétriques avan-cées en s’appuyant sur les connaissances de base du modèle de régression. L’accent est mis sur l’estimation des modèles de données de panel et de micro-économétrie. En économétrie des données de panel, les étudiants sont formés à l’estimation des modèles avec des dimensions individuelles (pays, secteur, consommateur,..) et temporelles. En micro-économétrie les étudiants acquièrent les outils nécessaires pour analyser les données individuelles issues d'enquêtes (sur des personnes ou des firmes). Une des caractéristiques des données d'enquêtes est souvent leur caractère discret ou qualitatif, par exemple : oui, non, pour l'achat d'un bien; peu, moyennement, beaucoup, pour l'appréciation de la satisfaction d'un in-dividu; le choix d'un mode de transport peut concerner l'avion, le train, la voiture, etc... A l’issue de l’UE l’étudiant(e) doit être capable de :

- Choisir le modèle économétrique adapté et appliquer les méthodes d’estimation pour l’étude de cas concrets ;

- Exploiter les résultats obtenus à des fins de prévision dans le cadre notamment d’analyses performance/risque ;

- Utiliser des logiciels appropriés - Interpréter les résultats et en dégager les implications - Communiquer sur ces travaux à l’écrit (production de notes d’études et de recherche à un

public spécialisé ou non) comme à l’oral.


Partie 1 Econométrie des panels 1- Introduction 2- Analyse de la variance 3- Modèle à coefficients fixes : méthodes d’estimation et tests statistiques 4- Modèle à effets individuels aléatoires : méthodes d’estimation et tests statistiques 5- Modèle dynamique : méthodes d’estimation et tests statistiques

Partie 2 Micro-économétrie

1- Les modèles de choix multiple : logit multinomial et logit conditionnel, probit multino-mial.

2- Les modèles à variable dépendante limitée : modèle tobit ou modèle de régression cen-surée, modèle de régression tronquée et modèle de sélection.

16

Pré-requis

Le modèle de régression linéaire multiple Méthodes d’estimation : MCO, MCG, Variables instrumentales et GMM Tests de base : student, fisher, wald, … Méthode d'estimation par maximum de vraisemblance et test d'hypothèses basés sur la vrai-semblance Modèles de choix binaire : logit et probit binaire Modèles de choix ordonnés : probit et logit ordonné


Un TP individuel et un projet en binôme


� Patrick Sevestre, « Econométrie des données de panel » Dunod � Alain Pirotte , « Econométrie des données de panel » Economica � W. Greene, "Econometric Analysis", Prentice Hall. � Cameron and P. Trivedi, "Microeconometrics : methods and applications", Cam-

bridge University Press


Français


Analyse et traitement des séries temporelles Time Series Cours : 24h � TD : 12h Enseignants : Clovis Kerdrain, Pierre Leblanc (Ministère des Finances) Correspondant : François Coquet


Maîtriser les techniques de désaisonnalisation d’une série temporelle.


1. Rappels de séries temporelles : définitions, représentations graphiques 2. Modèles univariés : AR, MA, ARMA : Présentation, estimation et tests 3. Le traitement de la saisonnalité et les effets de jours ouvrables 4. Filtres d’extraction directe de tendance 5. Extraction de facteurs communs 6. Étalonnages et non-stationnarité 7. Modèles VAR et VECM

Pré-requis

Connaissance de base sur les séries temporelles et les modèles univariés.


Un examen écrit


D. Peña, G. C. Tiao, Ruey S. Tsay (2001), A Course in Time Series Analysis

J. D. Hamilton (1994), Time Series Analysis. D. Ladiray, B. Quenneville (1999), Comprendre la méthode X11

V. Gomez, A. Maravall (2001), Automatic modelling methods for univariate series

V. Gomez, A. Maravall (2001), Seasonal adjustment and signal extraction in Economic time series

Doz, C. and Lenglart, F. (1999), Factor Analysis and Unobserved Component Analysis : An Ap-plication to the Study of French Business Survey E. Dubois, E. Michaux (2006), Étalonnages à l'aide d'enquêtes de conjoncture : de nouveaux résultats B. Salanié (1999), Guide pratique des séries non-stationnaires


Français


Professionnalisation TD/TP : 57h Enseignants : Divers intervenants Correspondants : Divers

Anglais (21 h)

Correspondante : Esther Lalau-Kéraly Matière obligatoire pour les élèves en formation initiale. Dispense pour les élèves en formation continue détenteurs du niveau B2 du Toeic.

Cours d’ouverture (36 h)

Démographie (24 h) – correspondant : Laurent Di Carlo Analyse textuelle (12 h) – correspondant : Didier Le Bozec Entreprise (12 h) – correspondant : Didier Le Bozec Indice des prix (12 h) – correspondant : Didier Le Bozec Statistiques des investissements directs internationaux (12 h) – correspondant : Didier Le Bozec Techniques de l’exposé (12h) – correspondant : Didier Le Bozec Au choix : démographie + l’une des 4 autres matières ou bien 3 matières (hors démographie) sur les 4. Les analystes sont dispensés de ces cours.

19


Démographie

Cours : 24h

Enseignant : Laurent Di Carlo Correspondant : Laurent Di Carlo


Cet enseignement vise à présenter les grandes tendances démographiques, à en comprendre les causes, conséquences et principaux outils de mesure et à savoir utiliser la démographie pour mieux comprendre un territoire. L’enseignement comporte une part importante de pratique, avec la cons-truction en fil rouge d’un bilan démographique complet et sa présentation orale en s’appuyant sur un diaporama.


Les tendances démographiques récentes Urbanisation Dividende démographique

Les migrations internationales Définition, mesure Grands axes de migration Motifs et conséquences des migrations Réfugiés et déplacés

Les projections de population Eléments pour la construction d’un bilan démographique

Les indicateurs de croissance démo (SM, SN…) Les indicateurs de fécondité Le vieillissement de la population La mortalité

Indicateurs et table de mortalité Espérance de santé

Soutenance cas pratique

Et en fil rouge : construction progressive d’un bilan démographique avec analyse des indicateurs et présentation des résultats

Pré-requis

Capacité à travailler sous excel pour calculer des indicateurs et construire des graphiques associés.


· Henri Leridon, les théories de la fécondité, Ined éditions, 2014 · Organisation internationale pour les migrations, Etat de la migration dans le monde, 2013 et s · Benoît Ferry, l’Afrique face à ses défis démographiques, Karthala, 2008 · Catherine Rollet, Introduction à la démographie, 3e édition, Armand Colin, 2011 · Gabriel Poulalion et Georges Pupion, Analyse démographique, L’Harmattan, 2009


Français

20


Analyse textuelle TD/TP : 12h Enseignants : Bénédicte Garnier (Ined) Correspondants : François Coquet


Mettre en œuvre les méthodes de la statistique textuelle sur des corpus de nature différente (questions ouvertes, mots associés, articles de presse, pages Web, entretiens, etc.) à l’aide de logiciels spécifiques (IraMuteQ, Spad, package R R.TeMiS) Interpréter et présenter les résultats, et adapter leur restitution à la demande.


Retour sur l’origine et le développement des méthodes de la statistique textuelle qui portent sur l’extension de l’analyse en composantes principales et au cas de plusieurs tableaux et se focali-sent sur les stratégies de compromis. Place de la statistique textuelle dans la mise en œuvre du Text Mining. Présentation de différents types de corpus de textes, leur collecte et leur mise en forme. Différentes étapes de traitement d’un corpus de texte : réduction du vocabulaire, construction du lexique associé (lemmatisation), les différents tableaux lexicaux et leurs traitements statis-tiques. Résultats et aides à l’interprétation : vocabulaire spécifique, contexte d’utilisation des mots, les sorties des analyses multivariées ou classifications

Mise en œuvre d'une analyse au moyen de plusieurs logiciels : IraMuTeQ (méthode Alceste), Packages spécifiques de R comme R.TeMiS), Spad. Restitution des résultats

Pré-requis

Connaissance de base en statistique descriptive et en analyse des données (Analyse fac-torielle et classification).


Lebart, L. et Salem, A. (1994), Statistique textuelle. Paris, Dunod, 342 p. Garnier B., Guérin-Pace F. 2010. Appliquer les méthodes de la statistique textuelle. Paris, CEPED, 86 p. (Les Clefs pour) (Téléchargeable à partir du site du Ceped : http://www.ceped.org/?Appliquer-les-methodes-de-la ) Guérin-Pace F., Saint-Julien T., 2012 : « Les mots de L’Espace Géographique. Une analyse lexi-cale des titres et mots-clés de 1972 à 2010 », L’Espace Géographique, Tome 41, n°1, pp.4-30. Brennetot A., Emsellem K., Guérin-Pace F., Garnier B. 2013. Dire l’Europe à travers le monde. Les mots des étudiants dans l’enquête EuroBroadMap, Cybergéo http://cybergeo.revues.org/25684


Français


Entreprise TD/TP : 12h Enseignants : Florence Busson-Villa (Université de Rennes 1) Correspondants : Didier Le Bozec


Mettre en évidence et analyser les modes de fonctionnement des entreprises


Introduction – Les rôles et classifications des organisations La formulation de la stratégie Le management des organisations Les décisions financières Conclusion – La performance et le climat social

Pré-requis

Aucun


Autissier D., Bensebaa F., Boudier F. (2012), L’atlas du management, Les meilleures pratiques et tendances pour actualiser vos compétences - 100 dossiers clés, Eyrolles. Brilman J. (2011), Les meilleures pratiques de management, Editions d’Organisation. Robbins S., DeCenzo D., Coulter M., Rüling C. (2014), Management - L’essentiel des concepts et des pratiques, Pearson Education. Saussois J.M. (1998), Comprendre les organisations, Sciences Humaines, Hors Série n°20.


Français

22


Statistiques des investissements directs internationaux Cours : 12h Enseignant : Olga Vasyechko Correspondant : Didier Le Bozec


L’investissement direct international (IDI) est l’un des principaux moteurs de l’intégration éco-nomique internationale. Lorsque les conditions générales adéquates sont réunies, l’IDI peut être un facteur de stabilité financière, favoriser le développement économique et améliorer le bien-être du corps social. Cependant, la libération, dans de nombreux pays, des marchés et la mondialisation des activités économiques compliquent significativement la tâche des systèmes statistiques nationaux qui sont les principaux producteurs de données sur l’IDI. L’organisation des entreprises multinatio-nales devient de plus en plus complexe. Cette évolution rapide a un impact néfaste sur la capacité de la statistique officielle à répondre aux besoins des utilisateurs en termes d’informations analytiques sur l’IDI. Elle a rendu nécessaire la collaboration et l’adoption de standards internationaux harmonisés pour établir des statistiques fiables et internationalement comparables sur l’IDI. En 2014, beaucoup de pays mettent en œuvre les dernières directives internationales pour compiler les statistiques sur l’IDI : La définition de référence de l’OCDE des IDI, 4ème édition (BMD4). Le Manuel du FMI sur la balance des paiements et la position internationale d'investissement,

6ème édition (BPM6). BPM6 et BMD4 font des recommandations pour compiler les statistiques sur les IDI. Ces textes contiennent :

Une présentation d'ensemble des statistiques des IDI compatibles avec d'autres statistiques macro-économiques, comme les statistiques de la balance des paiements;

Une Présentation des statistiques selon le pays d’origine de l'investisseur majoritaire ainsi que des autres investisseurs dans le cadre des groupes d’entreprises.

Les nouveaux standards ont provoqué des changements significatifs de la statistique des IDI au niveau des outils de mesure et des flux globaux d’investissement.


1. Généralités sur l’IDI 1.1 Panorama et synthèse des théories 1.2 Utilisation des statistiques 1.3 Bases de données internationales et séries statistiques 1.4 Tendances mondiales 1.5 Définition de référence

23

2. Principaux concepts et champ couvert de l’IDI 2.1 Investissement direct international et investissement de portefeuille 2.2 Unités statistiques d’IDI 2.3 Relation d’investissement direct 2.4 Entités à vocation spéciale 2.5 Classifications statistiques pour l’IDI 3. Evaluations et mesures statistiques de l’IDI 3.1 Les composants 3.2 Les sources d’informations 3.3 Comptes et évaluations 3.4 Les indicateurs statistiques 3.5 Principes de classement 4. Mondialisation et l’IDE 4.1 Les statistiques d’IDI et celles sur les activités des entreprises multinationales (AEMN) 4.2 Champ couvert et unités statistiques sur les AEMN 4.3 Les classements et les variables économiques sur les AEMN

Pré-requis

Une bonne maîtrise des concepts économiques et des outils statistiques.


OCDE, Définition de référence de l’OCDE des investissements directs internationaux: quatrième édition, 2010.

OCDE, Manuel de l’OCDE sur les indicateurs de la mondialisation économique, 2005.

Eurostat, Manuel de recommandations relatives à la production des statistiques sur les filiales étrangères, 2007.

Fonds monétaire international, Manuel de la balance des paiements et de la position extérieure globale : sixième édition (MBP6), 2009.

Nations Unies, Manuel des statistiques du commerce international des services, 2001.

UNCTAD, World Investment Report 2014: INVESTING IN THE SDGs: AN ACTION

PLAN, New York et Genève, United Nation, 2014.

UNCTAD, World Investment Report 2015: REFORMING INTERNATIONAL INVEST-

MENT GOVERNANCE, New York et Genève, United Nation, 2015.


Français

24


Techniques de l’exposé Cours : 12h Enseignants : Jean-William Angel Correspondant : Didier Le Bozec


Savoir transmettre ce qu’on a à dire, par écrit ou par oral


Les réflexes du lecteur, les obligations de l’auteur

Postures d’un bon orateur & structure d’un bon exposé oral

Pré-requis

Les participants devront avoir déjà rédigé ou avoir présenté des exposés pour tirer le plus grand bénéfice de ce cours


Savoir compter, savoir conter : numéro spécial du Courrier des statistiques, Insee.

http://www.insee.fr/fr/publications-et-services/sommaire.asp?reg_id=0&ref_id=COUHS


Français

25


Stage Correspondant : François Coquet Pour les fonctionnaires (formation initiale ou continue), qui seront soit en poste, soit affectés soit sur le point de l’être, il s’agit de rédiger un mémoire dont le sujet est soumis à l’approbation du responsable du master et faisant l’objet d’une soutenance. Les élèves non fonctionnaires effectueront un stage dans une entité dont l’activité entre dans le champ de compétences du master. Le thème du stage sera soumis à l’approbation du respon-sable du master. Ils devront rédiger également un rapport de stage qui fera l’objet d’une soute-nance.

Parcours « Méthodologie de la statistique publique »

UE 4 – Parcours MSP

Modèles de prévision Forecasting Cours : 18h � TD/TP: 18h Enseignant : Stéphan Grégoir, Pascal Chevalier (Insee) Correspondant : François Coquet


L’objectif de cette UE est de présenter les techniques classiques de prévision des séries temporelles univariées ou multivariées. On s’attachera aux prévisions univariées, ainsi qu’aux modèles de VAR et VECM.


1. Prévision univariée 1.1 Problématique et processus stationnaires 1.2 Test de racine unitaire 1.3 Les modèles autoprojectifs : Méthode de Box et Jenkins 1.4 Applications : Pertinence des modèles SARIMA pour les séries macroéconomiques 2. Processus VAR stationnaires 2.1 La notion de causalité 2.2 La modélisation VAR 2.3 Identification d’un modèle VAR et prévision 2.4 Causalité et variables macro-économiques 3. Cointégration 3.1 Notion de cointégration 3.2 Modèles VECM 3.3 Fonction de réponse impulsionnelle et décomposition de la variance

Pré-requis

Une bonne maîtrise des techniques générales de traitement des séries chronologiques


Examen sur table (QCM - durée 1h00) 50% Exercice pratique individuel de modélisation en salle informatique (durée 2h30) 50%


Hamilton, "Time series Analysis", Princeton University Press Gouriéroux, Monfort, "Séries temporelles et Modèles dynamiques", Economica Stock, Watson, "Principes d'économétrie (Partie III)", Pearson.


Français

UE 5 – – Parcours MSP

Techniques avancées d’échantillonnage Advanced Sampling Techniques Cours : 18h � TD/TP : 18h Enseignant : Guillaume Chauvet (Ensai), Pascal Ardilly (Insee) Correspondant : Guillaume Chauvet


Après quelques rappels sur les principales méthodes d’échantillonnage en population finie, la notion d’échantillonnage équilibré est introduite et la méthode du Cube est présentée avec des exemples pratiques d’application dans le cadre des enquêtes réalisées à l’Insee. Dans une seconde partie, on s’intéresse aux problèmes d’estimation sur petits domaines. Quand les sous-populations d’intérêt sont de petite taille, la taille d’échantillon qui les recoupe est faible et conduit à des estimateurs très instables. Il est alors nécessaire de mobiliser toute l’information auxiliaire disponible, afin de proposer des méthodes d’estimation s’appuyant sur la théorie des sondages et sur une approche de modélisation. La dernière partie considère les principes de l'estimation de précision, en tenant compte du plan de sondage, du redressement des estimateurs et dans une certaine mesure de la correction de la non-réponse. L'utilisation de méthodes de rééchantillonnage sera également discutée.


Partie 1 : Rappels sur les méthodes d’échantillonnage · Généralités · Tirage à probabilités inégales · Tirage stratifié · Tirage multi-degrés

Partie 2 : Echantillonnage équilibré

· Principe · La méthode du cube · Exemples d’utilisation : nouveau recensement, échantillon-maître

Partie 3 : Estimation sur petits domaines

· Estimation directe · Estimation indirecte avec modélisation implicite · Estimation indirecte avec modélisation explicite

Partie 4 : Estimation de variance

· Estimation d’un paramètre complexe · Méthodes de linéarisation · Méthodes de ré-échantillonnage

Pré-requis

Une bonne maîtrise des techniques de sondages telles qu'elles sont présentées dans le cours de Théorie des sondages, de Sondages Avancés et de Méthodologie d’Enquête.

31


Le contrôle des connaissances se fait sous la forme d’un examen écrit.


� ARDILLY P. (2006) , Les Techniques de Sondage, Paris, Technip. � COCHRAN W.G. (1977), Sampling Techniques, 3ème édition, New York, Wiley. � RAO, J.N.K. (2003), Small Area Estimation, New York, Wiley. � SÄRNDAL, C-E., SWENSSON, B, WRETMAN, J. (1992), Model Assisted Survey Sam-

pling, Springer-Verlag. � TILLÉ Y. (2006), Sampling Algorithms, Wiley.


Français

UE 6 –Parcours MSP

Redressement d’échantillon et traitement de la non réponse Reweighting and non response adjustment Cours : 20h � TP : 16h Enseignant : David Haziza (université de Montréal) Correspondant : François Coquet


Les étudiants seront capables de réaliser une inférence à partir des données d’enquête tant pour estimer des statistiques descriptives d’une population finie que pour estimer des paramètres de modèle statistique. Il seront capables de choisir la méthode de redressement adaptée aux données dont ils disposent, et de la mettre en œuvre informatiquement.

Ce cours traitera de l’estimation ponctuelle et de l’estimation de variance dans le cadre original de la théorie des sondages.

Les étudiants étudieront comment mobiliser l’information auxiliaire pour calculer de nouveaux poids de sondages et améliorer la précision des estimateurs. La méthode du calage sera particulièrement détaillée.

Par ailleurs le cours abordera l’analyse et le traitement des non-réponses. Outre une présentation de la formalisation classique des principales méthodes de traitement des non-réponses (repondération et imputation), l’enseignement intégrera divers aspects méthodologiques comme la prévention des non-réponses. Des études de cas sur des applications en taille réelle compléteront la formation théorique.


I. Estimateurs linéaires : utilisation de poids de sondage

Estimateur Horvitz-Thompson, estimateur par le ratio, par la régression, post-stratitification et estimateur par calage

II. Correction de la non réponse totale par repondération

Groupe homogène de repondération, calage généralisé, modèles dichotomique de non-réponse.

III. Correction de la non-réponse partielle par imputation

Pré-requis

Une bonne maîtrise des techniques de sondages et de régression telles qu'elles sont présentées dans le programme de 2e année de l’Ensai : Il est donc utile d’avoir suivi préalablement à ce cours un cours en échantillonnage et un cours en régression et analyse de variance (un cours de base sur la non-réponse serait préférable).

33


Le contrôle des connaissances se fait sous la forme d’un examen écrit de deux heures sans do-cument.


� ARDILLY P. , Les Techniques de Sondage, Paris, Technip, 1994 � COCHRAN W.G., Sampling Techniques, 3e édition, New York, Wiley, 1977 � SÄRNDAL, C-E., SWENSSON, B, WRETMAN, J., Model Assisted Survey Sampling,

Springer-Verlag, 1992 � TILLÉ Y., Sampling Algorithms, Wiley, 2006


Français

UE EMOS – Parcours ES

UE EMOS Cours : 24h � TP : 12h Enseignant : Dominique Francoz, Michel Isnard (Insee), Guillaume Chauvet (Ensai) Correspondant : François Coquet


Get familiar with the European Statistical System (ESS) and the tools envisaged to im-plement the ESS mission to "provide the European Union, the world and the public with independent high quality information of the economy and society on European, national and regional levels and make the information available to everyone for deci-sion-making purpose, research and debate", as well as the ESS mission to be " a world leader in statistical information services and the most importante information provider for the EU and its Member States. Based on scientific principles and methods, the ESS will offer and continuously improve a programme of harmonised European statistics that constitutes an essential baisi for democratic processes and progress in society".

Aside, the students will be given some tools in order to handle longitudinal surveys.


European Statistical System (ESS) • Presentation of the ESS and its governance bodies • The ESS vision 2020 : what it is about • The code of practice and its principles : - to provide results which meet user needs (accuracy and reliability, rele-vance…) - to guarantee the effectiveness of statistical procedures (cost effectiveness, non-excessive burden on respondents…) - to ensure a credible institutional environment (professionnal independence, statistical confidentiality…) • the implementation of the vision 2020 and of the code of practice at the EU level and in some EU countries - at the EU level: the quality assurance framework - at the country level: the peer reviews - example of France - examples of other EU countries (Italy, Latvia,Lituania...) • The impact of the code of practice outside the EU3) Survey sampling

36

Some reminders on finite population sampling Indirect Sampling Weight Sharing Method Weighting in a multiple frame context Longitudinal Surveys Panel data for a longitudinal estimation : what for ? How to weight ? Panel data for a cross-sectional estimation : what for ? How to weight ? Statitistical Disclosure Control

1. Texts governing European Statistics : o The treaty of the functioning of the European Union o Régulation 223/209 o Thematic regulations

2. European Principles o Independance o Statistical confidentiality o Coorpeation between Eurostat and the ESS o Euroepan Statistical Program o Access to administrative data o Code of Practice

3. Subsidiarity and Statistics o A fundamental principle of the Functionning of the EU o ... undermined by harmonization o Some exemples

4. Co existence of national and european statistical system o Preexistence of national statiscal system o Links between the two systems o Problems : French case, other examples

5. Next steps

Pré-requis

Niveau d'anglais suffisant pour comprendre le cours et prendre la parole


A définir


The code of practice The ESS vision 2020 The quality assurance framework


Anglais

37

Parcours « Statistique et traitement des données »

UE 4 – Parcours STD

Entrepôts et bases de données Datawarehouse and databases Cours : 10h �.TP : 38h Enseignant : Shadi Ibrahim (Inria-Rennes), Laurence Duval (Ensai) Correspondant : Laurence Duval


Cet enseignement se décompose en deux parties spécifiques du domaine Big Data. La première concerne les architectures et la seconde les bases de données. La première partie de cet enseignement vise à donner aux étudiants les connaissances de base sur les architectures distribuées spécialisées dans le traitement du Big Data. Les hypothèses, concepts et algorithmes seront présentés pour chacune d'entre elles. L'objectif est d'avoir une connaissance des systèmes sur Cloud disponibles actuellement et de pointer les directions fu-tures de ces architectures. L’objectif final est la mise en œuvre avec Hadoop et une base de données Big Data spécifique. La seconde partie a pour objectif de présenter les différents systèmes de gestion de bases de données qui sont utilisés aujourd’hui dans le domaine du Big Data. Nous présentons ici les quatre principaux types de bases appelées communément bases NoSQL : « clé-valeur », « co-lonne », « document » et « graphe ». Un exercice pratique complet sera fait sur avec la base de données de type documents, MongoDB.


� Architectures Big Data o Introduction aux infrastructures distribuées : clusters, supercalculateurs, grilles,

clouds o Introduction au cloud computing o Big Data: introduction, défis, enjeux o Explicit Data management o Transparent Data Management: NFS, Gfarm, Google File System: o Introduction à MapReduce et Hadoop: o Atelier pratique sur Hadoop o Avenir de MapReduce: défis o Approches post-MapReduce: Shark/Spark (Berkeley) o Approches post-MapReduce: Stratosphere

� Bases de données NoSQL o Les limites du modèle relationnel o Les apports des modèles NoSQL o Les différents types de bases

� Type « clé-valeur » � Type « colonne » � Type « document » � Type « graphe »

o Mise en œuvre avec MongoDB

40

Pré-requis Système répartis, interrogation (SQL) de bases de données relationnelles.


Deux TP, un pour chacune des parties du cours.


• G. PLOUIN, Cloud computing et SaaS, Editions Dunod • Le livre blanc du Cloud, du SaaS et des Managed Services pour les partenaires IT et télécoms. Edition 2013 • R. HENNION, H. TOURNIER, E. BOURGEOIS, Cloud computing : Décider - Concevoir - Piloter - Améliorer, Editions Eyrolles, 2012


Français


Génie logiciel Software engineering Cours : 15h � TP : 33h

Enseignant : Mathieu Acher, Johann Bourcier, Olivier Barais et Benoit Combemale (Uni-versité Rennes 1)

Correspondant : Laurence Duval

Objectif pédagogique

L'objectif de ce cours est d'introduire les moyens de concevoir des applications informatiques de qualité (répondant aux besoins, évolutives et faciles à maintenir). Il s’agit de présenter l’ingénierie dirigée par les modèles en positionnant la conception dans les cycles de développement, et en mettant l’accent sur les enjeux et les pièges à éviter. Le cours présente une introduction aux modèles de conception classiques, base du génie logiciel autour des technologies objet, en proposant des applications pratiques au cours de travaux pra-tiques et en étudiant des patrons de conception développés en Java.


Le génie logiciel - Pourquoi ? - Comment ?

Introduction au génie logiciel et bonne pratiques de conception. Architecture logicielle et modèle en couche, Exemple sur GWT. Principaux patrons de conception, principe et mise en œuvre en Java. Le test logiciel et l’ingénierie des langages. L'ingénierie dirigée par les modèles.

Pré-requis

Notation UML, connaissance du langage JAVA.


TP notés.


• I. SOMMERVILLE, Le Génie logiciel, Addison Wesley-France, 1988 • B. BEIZER, Software Testing Techniques, Second Edition, Van Norstrand, 1990 • B.W. BOEHM, Software Engineering Economics, Prentice-Hall, 1981 • E. GAMMA, R. HELM, R. JOHNSON, J. VLISSIDES, Design patterns, catalogue de modéles

de conception réutilisables, Vuibert, 2007


Français

42


Architecture et réseaux Networks and Systems Cours : 10h � TD : 10h � TP : 28h Enseignants : Quentin Bodinier (Supelec), David Boucher (Orange Consulting) Correspondant : Laurence Duval


Cet enseignement vise à présenter le fonctionnement des systèmes d'exploitation, et l’architecture de ces systèmes, en particulier les architectures en réseaux. Il présente également les problématiques de développement d’application sur le web. Les réseaux informatiques et de télécommunication constituent un domaine en pleine expan-sion. Internet, mobiles font désormais partie de notre vie quotidienne. L'évolution de l'informa-tique doit désormais intégrer ces nouvelles technologies qui s’appuient sur des bases de données désormais accessibles de façon distante. Le premier objectif de ce cours est donc de familiariser les futurs ingénieurs à la problématique des réseaux de communications. Le deuxième objectif est de présenter les particularités du développement des applications sur le web et de le mettre en œuvre.


1. Présentation globale des systèmes d’exploitation 1.1. Les processus, la communication inter-processus et l’ordonnancement 1.2. La gestion de la mémoire 1.3. Les systèmes de fichiers 1.4. La virtualisation

2. Les architectures réseaux 2.1. pares-feu, routeurs, accès distants, VPN 2.2. Les réseaux locaux (Ethernet, VLAN, ADSL, WiFi) 2.3. Internet Protocol et autres protocoles

3. Développement d’applications Web 3.1. Structure d’un programme web 3.2. HTML 3.3. PHP

Contrôle des connaissances Deux examens écrits.


� Réseaux. Andrew Tanenbaum. Pearson Education. 4e édition (2004). ISBN-10: 2744070017. ISBN-13: 978-2744070013

� Systèmes d'exploitation. Andrew Tanenbaum. Pearson Education. 3eédition (2008). ISBN-10: 2744072990. ISBN-13: 978-2744072994

� P. Rigaux, Pratique de MySQL et PHP, Dunod, 2009 � R. Lerdorf, PHP, O’Reilly, 2001


Français

43


Internet des données Internet Data Cours : 10h � TD : 10h � TP : 28h Enseignant : Olivier Chantrel (Orange), Sébastien Gringoire (Cedricom Monetique) Correspondant : Laurence Duval


Les objectifs de ce cours sont de donner aux étudiants les connaissances techniques nécessaires dans le cadre de l’e-commerce et l’e-business. Ils découvriront la technologie XML (créer, vali-der, manipuler et présenter des documents XML, modéliser des données métiers avec une DTD) et apprendront à développer et déployer un site Web dynamique en Java. Les étudiants pourront se familiariser avec les architectures n-tiers et les serveurs d’applications afin de bien maîtriser les principaux outils et langages avancés de développement des applica-tions Web/JEE. L'accès aux bases de données relationnelles à partir d'un langage objet en utili-sant un outil de « mapping » sera également abordé lors de ce cours.


1 XML 1.1. Le langage XML, la DTD 1.2. SAX & DOM 1.3. XPath 1.4. Le langage de style XSL et autres standards 1.5. XML Schema 1.6. Les applications d'XML 2 Architectures distribuées et plate-forme JEE 2.1. Les Technologies, L’architecture et Les applications JEE 2.2. Les Servlets 2.3. JSP : Java Server Pages 2.4. JSF : Java Server Faces 2.5. La persistance avec JPA

Pré-requis

Connaissance des concepts Objets et du langage Java ainsi que du langage HTML.

Contrôle des connaissances Un examen écrit

Références bibliographiques � E. R. HAROLD, The XML Bible, IDG Books � J.. BERNADAC, F. KNAB, XML et Java : Avec trois études de cas � A. MICHARD, XML, Langage et applications, Eyrolles � M. KEY, XSLT Programmer's Reference, 2nd Edition, Wrox Press


Français

Parcours « Etudes statistiques »

UE EMOS – Parcours ES

UE EMOS Cours : 24h � TP : 12h Enseignant : Dominique Francoz, Michel Isnard (Insee), Guillaume Chauvet (Ensai) Correspondant : François Coquet


Get familiar with the European Statistical System (ESS) and the tools envisaged to im-plement the ESS mission to "provide the European Union, the world and the public with independent high quality information of the economy and society on European, national and regional levels and make the information available to everyone for deci-sion-making purpose, research and debate", as well as the ESS mission to be " a world leader in statistical information services and the most importante information provider for the EU and its Member States. Based on scientific principles and methods, the ESS will offer and continuously improve a programme of harmonised European statistics that constitutes an essential baisi for democratic processes and progress in society".

Aside, the students will be given some tools in order to handle longitudinal surveys.


European Statistical System (ESS) • Presentation of the ESS and its governance bodies • The ESS vision 2020 : what it is about • The code of practice and its principles : - to provide results which meet user needs (accuracy and reliability, rele-vance…) - to guarantee the effectiveness of statistical procedures (cost effectiveness, non-excessive burden on respondents…) - to ensure a credible institutional environment (professionnal independence, statistical confidentiality…) • the implementation of the vision 2020 and of the code of practice at the EU level and in some EU countries - at the EU level: the quality assurance framework - at the country level: the peer reviews - example of France - examples of other EU countries (Italy, Latvia,Lituania...) • The impact of the code of practice outside the EU3)

48

Survey sampling Some reminders on finite population sampling Indirect Sampling Weight Sharing Method Weighting in a multiple frame context Longitudinal Surveys Panel data for a longitudinal estimation : what for ? How to weight ? Panel data for a cross-sectional estimation : what for ? How to weight ? Statitistical Disclosure Control

1. Texts governing European Statistics : o The treaty of the functioning of the European Union o Régulation 223/209 o Thematic regulations

2. European Principles o Independance o Statistical confidentiality o Coorpeation between Eurostat and the ESS o Euroepan Statistical Program o Access to administrative data o Code of Practice

3. Subsidiarity and Statistics o A fundamental principle of the Functionning of the EU o ... undermined by harmonization o Some exemples

4. Co existence of national and european statistical system o Preexistence of national statiscal system o Links between the two systems o Problems : French case, other examples

5. Next steps

Pré-requis

Niveau d'anglais suffisant pour comprendre le cours et prendre la parole


A définir


The code of practice The ESS vision 2020 The quality assurance framework


Anglais

UE 5 – Parcours ES

Analyse de la conjoncture Cours : 36h Enseignant : Catherine Benjamin, Chantal Gueguen, (Université Rennes 1) Janick Bérel

(conseil régional de Bretagne) Correspondant : Catherine Benjamin (Université Rennes 1)


Analyser les facteurs explicatifs de la conjoncture macroéconomique et sectorielle

Comprendre la formation des prix des matières premières et leur impact sur la conjoncture


Le cours est divisé entre 3 modules thématiques :

* Analyse de la conjoncture régionale : Ce module a pour objectif - de présenter les différents types d’indicateurs de la conjoncture économique régionale et les méthodologies employées, - de déterminer les sources d’information disponibles, - de cerner les attentes d’une note de conjoncture régionale, - de présenter l’usage de ces notes en termes de politique économique.

* Fonctionnement des marchés de matières premières : Ce module porte sur les enjeux économiques et environnementaux des marchés des matières premières. Ces produits étant des intrants indispensables de l’économie réelle, leur évolution de prix a des conséquences directes et immédiates sur les investisse-ments, la production ou encore l’alimentation. Il s’agira d’étudier la formation des prix de ces produits issus de ressources naturelles et l’impact du caractère épuisable de la ressource, les facteurs explicatifs de la volatilité des prix et le rôle de la financiarisation des marchés. L’analyse économique du marché du pétrole fera l’objet d’un cours spéci-fique.

* Analyse de notes de conjoncture macroéconomique : - Comprendre comment sont structurées les notes de conjonctures nationales et inter-nationales - Analyse des différents moteurs de la croissance de court terme - Etude des scénarios de prévision à court terme

Pré-requis

Connaissance de base en économétrie, en modélisation en équilibre partiel, et des grands prin-cipes macroéconomiques

50


Un sujet avec 3 questions, sujet distribué la première semaine de cours


� Notes de conjoncture des différents organismes nationaux et internationaux

� GIRAUD P-A (2006) L’économie des matières premières


Français

51


Analyse du marché du travail Cours : 36h Enseignant : Chantal Gueguen, Sophie Larribeau, David Masclet (Université Rennes 1) Correspondant : Chantal Gueguen


Analyser économiquement le marché du travail en prenant en compte ses spécificités, appré-hender les principaux débats de politiques de l’emploi.


• Analyse du marché du travail : offre de travail (contrainte de participation, décision d’investissement éducatif, théorie de la recherche d’emploi) et demande de travail (stra-tégies des firmes en matière d’embauche, signalement et antisélection).

• Analyse du chômage et des politiques actives et passives pouvant être mises en place. • Salaires et conditions de travail (contrats implicites, salaires d’efficience, modèle insi-

der/outsider)


Projet sur données à réaliser, remise d’un rapport


� BORJAS (2012) Labor Economics" McGraw Hill Edition � CAHUC P. et ZYLBERBERG A. (2004), Labor Economics, MIT Press, Cambridge (2001,

L'économie du travail, chez De Boeck) � LESUEUR ET SABATIER (2008) Microéconomie de l'emploi :Théories et applications"

(De Boeck)


Français


Analyse des politiques publiques Cours : 36h Enseignant : Catherine Benjamin, Marie-Hélène Hubert (Université Rennes 1) Correspondant : Catherine Benjamin


Présentation de thèmes de politiques publiques : cadre d’analyse, méthodes ou outils d’analyse. Le cours prévu est divisé entre 2 modules thématiques : méthodes d’évaluation des politiques et économie de l’environnement.


Méthodes d’évaluation des politiques : Cette partie de cours a pour objectif d’exposer d’une part les difficultés posées par l’évaluation des politiques publiques et d’autre part les différentes approches qui ont été développées pour évaluer les politiques publiques. Nous prenons appui sur des études de cas pour illustrer les différentes méthodes. Economie de l’environnement : Deux grands thèmes d’actualité en économie de l’environnement : le premier thème s’intéresse à la fiscalité écologique et au marché des droits à polluer. Quant au deuxième thème, il aborde la question de la croissance durable. Pour chaque thème, les outils de la théorie économique sont exposés. Puis, des applications économétriques et/ou empiriques sont étudiées.

Pré-requis

Principes fondamentaux en microéconomie et de macroéconomie


Examen final


� Schubert, Katheline, and Paul Zagamé. L'environnement: une nouvelle dimension de l'analyse économique. Vuibert, 1998.

� Weil, David. Economic Growth. Pearson, Third Edition, 2013. � Baltimore MD : The Johns Hopkins University Press. � Michael P. Todaro, Stephen C. Smith Economic Development, (2006) Addison-Wesley. � Bruno Crépon et Nicolas Jacquemet, Économétrie : méthodes et applications, De Boeck,

2010


Français

53

UE supplémentaire – Parcours ES

Statistique spatiale Cours : 18h � TP : 18h Enseignant : Marie-Christine Sinoquet, Jean-Michel Floch (Insee), Véronique Thelen

(Université de Rennes 1), Correspondant : François Coquet


On abordera dans ce module les deux composantes de l’analyse spatiale : les méthodes de représentation cartographique et de mesure de la configuration spatiale (qualitatives ou quantitatives) et l’interprétation géographique de données économiques ou sociales. Le module définira les concepts-clés de l’analyse spatiale. On traitera de l’application de l’analyse des données à la géographie, des mesures de concentration, d’homogénéité spatiale et de polarisation et enfin des différentes méthodes de zonage. Les étudiants mettront en pratique les principes de base de la sémiologie graphique en apprenant à utiliser des logiciels de cartographie. La dernière partie de ce cours concernera la compréhension des principes de l’économétrie spatiale. Des exemples et outils d’application seront fournis.


Introduction à la statistique spatiale Phénomènes observés un ensemble spatial (exemples). Les trois types de données selon la na-ture du support (géostatistique, ponctuel, surfacique). Intérêt et limites de cette distinction. Processus temporels et processus spatiaux. Qu’entend-on par répartition spatiale au hasard ? Association, autocorrélation. Comment les appréhender selon le type de données utilisées. Comment la prise en compte de l'autocorrélation permet d’améliorer l'estimation (I) : le cas du krigeage en géostatistique. Les processus ponctuels : processus de Poisson et dérivés; homogénéité et inhomogénéité; pro-priétés du premier (intensité) et du second ordre (fonctions K de Ripley et leurs développe-ments). De l'épidémiologie aux sciences sociales, la notion de risque relatif. Proximité et autocorrélation dans les données de surface : indicateurs locaux et globaux d'auto-corrélation. Comment la prise en compte de l'autocorrélation permet d’améliorer l'estimation (II) : les insuffisances des MCO ; introduction aux modèles d'économétrie spatiale (SAR, SEM, modèle général)

Outils pour l’analyse territoriale en infra communal 1) Infrastructures géographiques et données pour l'infra-communal. Zonages, référentiels géo-graphiques. Géolocalisation de sources administratives. Questions de diffusion. 2) Décrire la diversité spatiale. L'approche classique par les zonages : outils et limites. Approche non zonée : estimation de densité et indices locaux. 3) Modéliser avec des données spatialisées. Régressions avec auto-corrélation spatiale, régres-sions géographiques.

54

Actualisation des zonages d'études à l'Insee, une aide à l'observation et à l'analyse des territoires Présentation des résultats, des méthodes utilisées pour l'actualisation des zonages d'études de l'Insee. Difficultés rencontrées pour construire ces zonages. Intérêt de leur utilisation en analyse spatiale. Les zonages abordés seront ceux actualisés en 2011 (unités urbaines, aires urbaines et zones d'emploi).

La cartographie 1 - présenter les principales notions à connaître quand on parle d'utilisation d'un SIG (système d'information géographique) : systèmes de projection, couches, fonds vectoriels, fonds images, etc. 2 - expliquer l'importance de la cartographie en analyse spatiale : pourquoi, dans quel but on fait des cartes, se mettre à la portée du lecteur en réalisant la carte adaptée au niveau de lecture souhaité 3 - donner les conseils de sémiologie cartographique (comment réaliser une carte sémiologi-quement correcte) 4 - utilisation des différents zonages d'études de l'Insee (unités urbaines, zones d'emploi, aires urbaines, bassins de vie) : pourquoi ils sont fabriqués, comment, à quoi ils servent, qu'est-ce qu'ils montrent, etc. 5 - présenter les principaux outils mis à disposition des chargés d'études à l'Insee : Portrait de territoire et kit cartographique "Synthèses locales" pour monopoliser rapidement des données et des cartes nécessaires à une analyse spatiale 6 - manipuler un logiciel : une question se pose : avec quel logiciel : MapInfo/Bocal ou QGIS/Oceanis : on sera en plein changement en théorie en 2014 à l'Insee

Econométrie spatiale Les méthodes de l’économétrie spatiale sont de plus en plus appliquées dans les études empiriques utilisant des données géographiques. La modélisation de l’autocorrélation spatiale permet de capter l’existence, l’ampleur et l’influence des effets de débordement géographiques. L'objectif du cours est de présenter les outils nécessaires à la prise en compte de l’autocorrélation spatiale dans le cadre des modèles de régression linéaire : 1) les tests d'autocorrélation spatiale 2) les modèles économétriques 3) les matrices de poids 4) les techniques d'estimations.

Pré-requis

Connaissance de base en économétrie


Un examen écrit et un TP noté


Anselin L. (2001) Spatial econometrics, dans : Baltagi B. (ed.), Companion to Econometrics, Basil Blackwell, Oxford. Le Gallo J. (2004) Hétérogénéité spatiale, principes et méthodes, Economie et Prévision, vol. 162, pp. 151-172.


Français

Statistique et économétrie spécialité statistique publique 2015 2016... · A compter de...

Documents

Transcript of Statistique et économétrie spécialité statistique publique 2015 2016... · A compter de...