Cette année, je donne des TDs de R aux étudiants du M1 Statistique et Économétrie de l’Université de Rennes 1. L’intitulé de l’enseignement est le suivant : “Logiciel R et programmation”. Plus que le logiciel R, nous allons étudier le langage du même nom, le R.
Last month, @freakonometrics posted a bunch of articles on his blog about the North pole (in French):
There are some maps on these articles that were produced using ggplot2 excellent package in R. We want to share our code here.
Après avoir présenté rapidement la régression linéaire multiple avec R, et parlé un peu des problèmes de multicolinéarité, on va se pencher sur différentes techniques qu’il est possible d’employer pour sélectionner un modèle. Bien sûr, il en existe beaucoup d’autres. Le but est ici de donner un rapide aperçu.
Pour faire suite aux billets sur la régression linéaire simple et la régression linéaire multiple par la méthode des moindres carrés, nous allons nous intéresser à présent au problème de multicolinéarité.
Suite au premier exercice sur la régression linéaire simple avec R, voici un nouvel exercice sur la régression linéaire multiple avec R.
À nouveau, je vais dans un premier temps présenter toutes les étapes comme on pourrait les faire à la main, puis je terminerai par les deux lignes de code qui permettent d’obtenir les mêmes résultats.
Avec les L3 Éco-Gestion, on commence à mettre les mains dans le cambouis pour effectuer les premières régressions, avec Excel.
Je souhaite proposer de revenir sur les exercices des TP, en fournissant une alternative à l’utilisation d’Excel, à savoir R. Pourquoi ? J’admets qu’utiliser un tableur puisse aider dans la compréhension des calculs effectués pour faire une régression par moindres carrés ordinaires, mais je ne pense pas que ce soit la seule façon de le faire, et à mon sens, R offre également la possibilité de manier les données, et de voir comment fonctionnent les différents mécanismes de la régression.
We sometimes need the distance between two countries in econometric models, for instance in gravity models. Bur for some countries, I think this measure could cause problem. Let’s take an example. If we want to model the volume of trade between country (i) and country (j), the economic theory says it will depend on the distance between (i) and (j). Let (i) be China, (j_1) Japan, and (j_2) India. The distance between (i) and (j_1) will be lower than between (i) and (j_2). Can we consider, though, that Japan is farther from China than India is?
So, rather than compute the distance between two head cities, it might be more accurate to compute the closest distance between the borders. If a border is shared by country (i) and country (j), then the distance should be zero.
Basketball court with ggplot2.
Following freakonometrics‘ tweet on basketball and big data, linking to this really cool javascript animation, as seen on @kirkgoldsberry‘s article on Grantland, I have spent some time drawing a basketball court in R. I have tried to be the most accurate possible, using this layout.
Il m’arrive souvent de fouiller dans mes fichiers pour tenter de retrouver un code R pour produire un graphique, ou manipuler des formats (comme par exemple des dates). Un moyen rapide de retrouver les informations serait de publier mes code sur ce blog. Il est même possible que certaines personnes puissent y trouver un léger intérêt. C’est pourquoi je souhaite commencer une série d’articles intitulés “Pense-bête R”, qui sera alimentée à chaque fois que je rencontrerai un cas de figure sous R que je risque de rencontrer à nouveau.
To begin this new year, I had the pleasure to have some fun with R, Gephi and Twitter.
Français