Gestion et analyse de données avec Stata

L'objectif de cette formation est de donner aux participants les connaissances nécessaires à l’utilisation du langage Stata que ce soit pour manipuler leurs données, les représenter graphiquement ou faire des analyses statistiques simples.

Contenu :
  • Découverte de l'environnement Stata
  • Manipulation des données :
    • Importation documentation et enregistrement des données
    • Création de variables, sélection/tri d’observations
    • Fusion de fichiers, pondération de données
  • Analyses statistiques :
    • Analyses descriptives
    • Tests de normalité et tests d’association
    • Modélisation et inférence : régression linéaire, régression logistique
  • Réalisation de graphiques
  • Exportation des résultats

Analyse avancée de données en évaluation de politiques publiques

Ce cours donne les outils pour identifier les effets du traitement / politique en utilisant des données non expérimentales.

Contenu

  • Difference-in-Differences (DiD): une technique statistique imitant un plan expérimental de recherche qui estime le traitement comme l'évolution de la différence de résultat entre un «groupe de traitement» et un «groupe de contrôle».

  • Appariement des scores de propension: comment rendre le contrôle et les groupes traités aussi similaires que possible en utilisant des techniques d'appariement.

  • Combinaison de l'appariement par score de propension et de l'analyse Difference-in-Differences (DiD).


Introduction à l’analyse de données de panel

À la fin de la formation, les participants pourront utiliser efficacement Stata pour manipuler et analyser des ensembles de données de panel, comprendre le modèle à composantes d'erreur et la question de l'hétérogénéité non observée et mettre en œuvre les estimateurs linéaires des données de panel les plus couramment utilisés. La dernière demi-journée comprendra également une introduction aux estimateurs pour les modèles linéaires dynamiques (qui incluent les variables dépendantes retardées).


Contenu:

  • Travailler avec des données de panel: outils de gestion de données, statistiques descriptives.

  • Modèles linéaires de données de panel: modèle groupé, modèle à effets aléatoires et modèle à effets fixes.

  • Post-estimation: prédictions et tests, comparaison des estimateurs

  • Extensions: estimation de variables instrumentales, modèles dynamiques (estimateurs de Anderson-Hsiao et de Arellano-Bond).