IDEAS home Printed from https://ideas.repec.org/p/nse/doctra/m2020-01.html
   My bibliography  Save this paper

L'économétrie en grande dimension

Author

Listed:
  • J. L’HOUR

    (Insee)

Abstract

Ce document de travail est une courte introduction aux principaux problèmes que l'on rencontre lorsque l'on souhaite faire de l'économétrie en grande dimension, c'est-à-dire lorsque p > n - pour chaque observation, on dispose d'un nombre de caractéristiques potentiellement proportionnel ou plus grand que la taille de l'échantillon. La première partie présente les solutions standards de régression pénalisée (Lasso et Ridge). La seconde partie illustre et traite du problème de l’inférence post-sélection et du biais de régularisation. La dernière partie traite de la détection des effets hétérogènes dans les expériences aléatoires au moyen d’algorithmes de machine learning. Des illustrations en code R sont disponibles sur le répertoire GitHub associé.

Suggested Citation

  • J. L’Hour, 2020. "L'économétrie en grande dimension," Documents de Travail de l'Insee - INSEE Working Papers m2020-01, Institut National de la Statistique et des Etudes Economiques.
    • Handle: RePEc:nse:doctra:m2020-01
    as

    Download full text from publisher

    File URL: https://www.insee.fr/fr/statistiques/fichier/4923129/M2020-01_Econometrie-Grande-Dimension_octobre2020.pdf
    File Function: Document de travail "Méthodologie Statistique" de la DMCSI numéro M2020/01
    Download Restriction: no
    ---><---

    More about this item

    Keywords

    économétrie; statistique en grande dimension; sélection de variables; effets hétérogènes; apprentissage automatique;
    All these keywords.

    JEL classification:

    • C01 - Mathematical and Quantitative Methods - - General - - - Econometrics
    • C52 - Mathematical and Quantitative Methods - - Econometric Modeling - - - Model Evaluation, Validation, and Selection

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:nse:doctra:m2020-01. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: INSEE (email available below). General contact details of provider: https://edirc.repec.org/data/inseefr.html .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.