L'économétrie en grande dimension

Résumé éditeur

Ce document de travail est une courte introduction aux principaux problèmesque 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 disposed'un nombre de caractéristiques potentiellement proportionnel ou plus grandque la taille de l'échantillon. La première partie présente les solutions standardsde régression pénalisée (Lasso et Ridge). La seconde partie illustreet traite du problème de l'inférence post-sélection et du biais de régularisation.La dernière partie traite de la détection des effets hétérogènes dansles expériences aléatoires au moyen d'algorithmes de machine learning.