Régression linéaire : Fondements

Cette séance de cours couvre les principes fondamentaux de la régression linéaire, y compris les moindres carrés ordinaires (OLS) et le modèle de régression linéaire. Il aborde des sujets tels que la minimisation des résidus carrés, des cas particuliers comme la régression simple et les hypothèses de Gauss-Markov. En outre, il explore les variables instrumentales, l'hétéroscédasticité, l'autocorrélation et la méthode généralisée des moments (GMM). La séance de cours aborde également la théorie de l'estimation de la vraisemblance maximale (MLE), ses propriétés et les principes de test dans le cadre de la ML. En outre, il discute des applications de MLE, en particulier dans les modèles de réponse binaire, et se termine par un aperçu de lanalyse de séries temporelles univariées.