L'econometrie en grande dimension

J. L’hour
Additional contact information
J. L’hour: Insee

Documents de Travail de l'Insee - INSEE Working Papers from Institut National de la Statistique et des Etudes Economiques

Abstract: Ce document de travail est une courte introduction aux principaux problemes que l'on rencontre lorsque l'on souhaite faire de l'econometrie en grande dimension, c'est-à-dire lorsque p > n - pour chaque observation, on dispose d'un nombre de caracteristiques potentiellement proportionnel ou plus grand que la taille de l'echantillon. La premiere partie presente les solutions standards de régression pénalisée (Lasso et Ridge). La seconde partie illustre et traite du probleme de l’inference post-selection et du biais de régularisation. La dernière partie traite de la detection des effets heterogènes dans les experiences aleatoires au moyen d’algorithmes de machine learning. Des illustrations en code R sont disponibles sur le repertoire GitHub associe.

Keywords: économétrie; statistique en grande dimension; sélection de variables; effets hétérogènes; apprentissage automatique (search for similar items in EconPapers)
JEL-codes: C01 C52 (search for similar items in EconPapers)
Date: 2020
References: Add references at CitEc
Citations:

Downloads: (external link)
https://www.insee.fr/fr/statistiques/fichier/49231 ... sion_octobre2020.pdf Document de travail "Méthodologie Statistique" de la DMCSI numéro M2020/01 (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:nse:doctra:m2020-01

Access Statistics for this paper

More papers in Documents de Travail de l'Insee - INSEE Working Papers from Institut National de la Statistique et des Etudes Economiques Contact information at EDIRC.
Bibliographic data for series maintained by INSEE ().