MASTER ESA 1ere ANNEE

SEMESTRE 1

enseignements fondamentaux

UE 11 : Finance internationale.
UE 12 : Economie du travail.
Option :
Tout au long du cursus de deux ans, l'étudiant doit choisir 4 options (une par trimestre). Ces options sont à choisir parmi les enseignements proposés par les autres masters de la composante. Nous attirons l'attention des étudiants sur l'importance des options puisque par le choix qu'ils effectuent, ils sont à même de "colorer" leur diplôme de façon à les rapprocher de leurs desideratas professionnels : l'étudiant du master ESA souhaitant par la suite travailler dans la banque et la finance peut ainsi choisir ses options parmi les enseignements dispensés dans le master finance, celui qui souhaitera plus ensuite travailler dans le marketing peut ainsi choisir ses options parmi les enseignements dispensés dans les master de gestion...

enseignements de spécialisation

UE 14 : Analyse des données qualitatives :
Ce cours a pour objectif de prolonger les connaissances des étudiants dans les techniques de statistiques relevant des analyses factorielles, en particulier en leur présentant les analyses des correspondances. Il prolonge le cours d’analyse des données de licence pour les analyses factorielles de variables qualitatives. On présente le schéma théorique et les propriétés de l’analyse des correspondances binaires. On présente ensuite l’analyse des correspondances multiples et ses applications. Pour être suivi dans de bonnes conditions, l'étudiant doit avoir eu un premier cours d'analyse des données quantitatives. Une connaissance de l’ACP est souhaitable.
pré-requis : Le cours d’analyse des données de licence 3, spécialité économétrie, ou l’étude d’un ouvrage de base sur l’analyse en composantes principales.
Bibliographie : Analyses factorielles simples par Xavier Bry (Economica Poche - 1995) ... Analyses factorielles simples et multiples, Brigitte Escoffier et Jérôme Pagès,  Editions Dunod, 2002.

UE 15 : Séries Temporelles I : Analyse Univariée
Ce cours est une présentation d’outils utilisés pour la filtration de séries univariées. Il s’agit notamment  d’apprendre à modéliser et à construire des prévisions sur l’espérance conditionnelle d’une variable économique stationnaire ou intégrée. On aborde notamment : - L’approche de Box-Jenkins : les processus ARMA, - Les processus à racine unitaire et à trend déterministe, - Les processus fractionnaires, - Les processus à changement de régime. Pour être suivi dans de bonnes conditions, l'étudiant doit avoir eu des cours de Statistiques approfondies pour l’économétrie et d'économétrie approfondie.
pré-requis : Cours d’économétrie approfondie et de statistiques approfondies de licence.
Bibliographie : - Hamilton : Time Series Analysis - Enders : Applied Econometric Time Series - Gourieroux et Monfort : Séries Temporelles et Modèles Dynamiques - Tsay : Analysis of Financial Time Series

UE 16 : Introduction à SAS®
Le cours est une initiation à la manipulation des données et leur traitement statistique et à la rédaction des rapports à l’aide du logiciel SAS® (Statistical Analysis System). Dans sa première partie, ce cours a pour but d’expliquer le fonctionnement de l'étape DATA, comment organiser les données en entrée et en sortie, travailler avec différents types de données, lire des données sous différents formats, manipuler et modifier des fichiers, créer des rapports. Au cours de la seconde partie, certaines procédures fondamentales pour la manipulation et l’analyse descriptive des données sont présentées : PROC FREQ, PROC TABULATE, la création de graphiques de SAS®. Le cours se déroule dans la salle informatique, devant l’ordinateur.
ATTENTION : ce cours de 30 heures est toujours dispensé ENTIEREMENT au cours de la semaine de prérentrée. Merci donc de prendre toutes dispositions afin de pouvoir assister à ce cours.
pré-requis : aucun
bibliographie : Ringuedé Sébastien (2008), SAS - Introduction au decisionnel : méthode et maîtrise du langage, Pearson

UE 17 : Econométrie Spatiale
Analyse économétrique sur données géo-référencées en coupe transversale. Les données géo-référencées fournissent une double information : valeurs prises par les variables d'intérêt sur les unités d'observation + localisation géographique des unités d'observations. Elles permettent la mise en évidence et l'analyse statistique des effets spatiaux : autocorrélation spatiale (phénomène d'interactions) et hétérogénéité spatiale (phénomène de structure). Les outils fondamentaux de l'économétrie spatiale sont la matrice de pondérations spatiales qui permet de modéliser la structure d'interaction, de connectivité ou de voisinage des unités d'observation et l'opérateur décalage spatial. L'analyse exploratoire des données géo-référencées permet de mettre en évidence et de visualiser des schémas spatiaux à l'aide d'outils de cartographie. Les modèles de régression spatialisée permettent ensuite d'expliquer les schémas spatiaux détectés : Modèle à variable endogène spatialement décalée (SAR), Modèle à erreurs spatialement autocorrélées (SEM). Analyse des externalités spatiales.
Estimation économétrique des modèles spatiaux. Analyse asymptotique spatiale. Maximum de vraisemblance. Tests de spécification. Tests de Wald, du rapport de vraisemblance et du multiplicateur de Lagrange. Tests robustes. Stratégies de recherche de spécifications.
pré-requis : Algèbre linéaire – Probabilité – Statistique descriptive - Inférence statistique Econométrie : Moindres Carrés Ordinaires et Généralisés - Maximum de Vraisemblance  - Théorie des tests
Bibliographie :
Baumont C., Ertur C. et Le Gallo J. “Clubs de convergence et effets de débordements géographiques : une analyse spatiale sur données régionales européennes”, Economie et Prévision, n°173, 111-134, 2006.
Ertur C. et Koch, W., “Regional Disparities in the European Union and the Enlargement Process: An Exploratory Spatial Data Analysis, 1995-2000”, Annals of Regional Science, 40:4, 723-765, 2006.
Ertur C. et Koch W. ,“Analyse exploratoire des disparités régionales dans l'Europe élargie”, Région et Développement, 21, 65-92, 2005.
Ertur C., Le Gallo J. et Baumont C., “The European Regional Convergence Process, 1980-1995: Do Spatial Regimes and Spatial Dependence Matter?”, International Regional Science Review, 29, 3-34, 2006.
Le Gallo J. (2002) Econométrie spatiale : l'autocorrélation spatiale dans les modèles de régression linéaire, Economie et Prévision, n°155, pp. 139-158.
Le Gallo J. (2004) Hétérogénéité spatiale, principes et méthodes, Economie et Prévision, n°162, pp. 151-172.
Anselin L. (2006) "Spatial Econometrics". In Mills T.C. and Paterson K. (eds.), Palgrave Handbook of Econometrics, Vol. 1, Econometric Theory, p. 901-969. Palgrave MacMillan.
Anselin, L. and Anil Bera A. (1998) "Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics". In A. Ullah and D. Giles (eds.), Handbook of Applied Economic Statistics, pp. 237–289. Marcel Dekker, New York.