Aller au contenu principal
💻 L2 • Data / Économétrie avancée Disponible

Transformer une question économique en analyse reproductible

Pandas, scikit-learn, statsmodels, tidyverse, plm, stargazer — librairies essentielles et reproductibilité.

1 QCM disponible 20 Questions dans les QCM

Banque publiée de la matière : 20 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.

Commencer à réviser

Choisis un QCM et tes scores s'enregistreront automatiquement.

← Toutes les matières L2
🤖 Auto Disponible

QCM python-r-economistes L2 - Données, modèles et reproductibilité en Python et R

QCM de 20 questions avec corrections détaillées sur Données, modèles et reproductibilité en Python et R (python-r-economistes). Révisez efficacement avec des explications pédagogiques pour le niveau L2.

20 questions Intermédiaire Jusqu'à 40 XP
Révision Challenge Examen
Voir ce QCM

Présentation de Python/R pour économistes

Python/R pour économistes présente les librairies essentielles de l'économie quantitative : pandas, numpy, statsmodels et scikit-learn (Python), tidyverse, plm et stargazer (R), ainsi que les bonnes pratiques de reproductibilité.

Objectifs pédagogiques

Acquérir une autonomie pratique en programmation statistique avec Python et R : manipuler des données, réaliser des analyses et des régressions, et produire des résultats reproductibles, compétence centrale du métier de data analyst en économie.

Auteurs de référence en Python/R pour économistes

Les penseurs et théoriciens incontournables abordés dans nos QCM et dans les programmes universitaires.

Wes McKinney Hadley Wickham Emmanuel Paradis Joël Gombin

Notions et périmètre de Python/R pour économistes en Licence 2

Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.

Environnements et écosystèmes (Python, R, RStudio, Jupyter)
Structures de données et manipulation (pandas, dplyr)
Importation et nettoyage de données
Statistiques descriptives et visualisation
Régressions avec statsmodels / lm()
Programmation : fonctions, boucles, vectorisation
Reproductibilité : scripts, notebooks, gestion de projet

Compétences visées en Python/R pour économistes

  • Définir les types et les clés d’un tableau économique.
  • Contrôler les jointures et les valeurs manquantes.
  • Estimer une régression avec une spécification explicite.
  • Reproduire une analyse depuis une session vierge.

Un programme est une chaîne de décisions vérifiables

Python et R permettent de transformer des observations en résultats, mais la validité économique ne vient pas du langage choisi. Une analyse fiable précise sa population, sa période, ses unités et la variable qu’elle cherche à expliquer. Le programme conserve ensuite les décisions nécessaires pour passer des fichiers initiaux au tableau final. Un notebook facilite l’exploration et l’annotation ; un script ordonné facilite l’exécution complète. Dans les deux cas, le résultat doit pouvoir être reconstruit sans dépendre d’objets oubliés dans la mémoire d’une session interactive.

Les structures de base ont des rôles distincts : un vecteur rassemble des valeurs, une liste peut contenir des objets hétérogènes, et un tableau associe des colonnes nommées à des observations. Les index de pandas ne sont pas nécessairement des identifiants économiques ; les numéros de lignes de R ne le sont pas davantage. Une clé doit être définie explicitement, par exemple entreprise et année. La vérification de son unicité traduit une hypothèse sur les données : une ligne représente réellement une entreprise pour une année déterminée.

Importer et nettoyer sans perdre le sens des mesures

À l’importation, contrôler le séparateur, l’encodage, la virgule décimale et les codes de valeurs manquantes. Un code postal est généralement une chaîne, même s’il ne contient que des chiffres : le convertir en entier peut supprimer un zéro initial utile. Une date doit être interprétée selon un format connu plutôt que devinée. Pour les montants, distinguer euros et milliers d’euros, prix courants et constants, montants mensuels et annuels. Ces distinctions doivent apparaître dans un dictionnaire des variables associé au projet.

Une valeur manquante ne signifie ni zéro ni absence d’effet. Remplacer systématiquement les données absentes par zéro peut créer une chute artificielle de revenu ou une absence fictive de consommation. Avant toute suppression ou imputation, calculer le taux de données manquantes par variable et par groupe. Conserver les fichiers bruts en lecture seule, puis enregistrer les transformations dans le code. Une correction manuelle dans un tableur peut être légitime si elle est tracée, mais devient un problème lorsqu’elle ne peut plus être expliquée ou reproduite.

Filtrer, agréger et joindre avec des dénominateurs explicites

Les opérations de sélection de lignes, création de colonnes et agrégation correspondent notamment à filter, mutate et summarise dans dplyr, ou à des sélections, assign et groupby dans pandas. La syntaxe diffère, mais les questions restent identiques : quelles observations entrent dans le calcul et quel dénominateur est utilisé ? Une moyenne de moyennes régionales n’est pas une moyenne nationale si les effectifs diffèrent. Un filtre sur une variable peut aussi changer silencieusement la population utilisée pour toutes les autres statistiques.

Une jointure interne conserve les clés présentes des deux côtés ; une jointure gauche conserve toutes les lignes du tableau de gauche. Aucune de ces opérations ne garantit l’absence de duplication. Si une clé apparaît plusieurs fois dans les deux tables, chaque correspondance est combinée avec les autres. En pandas, le paramètre validate permet de contrôler une relation attendue, par exemple many_to_one. Les modalités de traitement des clés nulles diffèrent selon les outils : on les examine explicitement plutôt que de transposer automatiquement les règles d’une base SQL.

Fonctions, vectorisation et estimation statistique

Une fonction isole une transformation avec des entrées définies et une sortie contrôlable. Elle permet de tester séparément un taux de croissance, une conversion d’unité ou une règle de nettoyage. La vectorisation applique une opération à une colonne entière et évite souvent des boucles lentes ; elle ne dispense pas de vérifier les alignements. Dans pandas, des opérations entre séries peuvent s’aligner sur les étiquettes d’index plutôt que sur les positions. Un calcul apparemment simple peut donc produire des données manquantes si les index ne correspondent pas.

Pour estimer une régression, lm en R utilise une formule telle que revenu ~ experience + diplome. Dans statsmodels, une interface par formule existe également ; avec les matrices brutes, une constante doit généralement être ajoutée explicitement. Les catégories de référence, les lignes exclues et les transformations logarithmiques font partie du modèle. Comparer deux sorties exige le même échantillon et la même spécification. Les coefficients peuvent coïncider tandis que les erreurs-types diffèrent parce qu’un programme utilise une covariance robuste et l’autre une covariance homoscédastique.

Exemple calculé : détecter une jointure qui gonfle les ventes

Une table fictive contient trois transactions : deux pour l’entreprise A, de 100 et 150 euros, et une pour B, de 200 euros. Une seconde table doit fournir une région par entreprise, mais A y apparaît deux fois à cause d’un doublon. Une jointure interne sur l’entreprise produit alors deux copies de chaque transaction de A et une copie de celle de B. Le nombre de lignes devient 2 × 2 + 1 × 1 = 5, au lieu des trois transactions initiales.

Le total avant jointure vaut 100 + 150 + 200 = 450 euros. Après jointure, il devient 100 + 100 + 150 + 150 + 200 = 700 euros, soit une surestimation de 250 euros. Un contrôle de conservation du total ou de l’identifiant de transaction révèle immédiatement l’erreur. Supprimer au hasard les doublons après la jointure serait dangereux : deux transactions légitimes peuvent avoir le même montant. Il faut vérifier la table des régions et résoudre la duplication à la source.

Si A a réellement changé de région entre deux années, le problème n’est pas un doublon mais une clé insuffisante : il faut joindre sur entreprise et période, éventuellement avec des dates de validité. Le choix de la réparation dépend donc du modèle de données. Une fois la clé correcte établie, on vérifie le nombre de transactions conservées, les entreprises sans correspondance et le total monétaire. Ces contrôles automatisés deviennent des tests qui protègent les prochaines mises à jour de la même analyse.

Méthode : rendre le résultat reproductible et contrôlable

Organiser le projet en données brutes, transformations, analyses et sorties, avec des chemins relatifs. Enregistrer la version des dépendances et fixer la graine des tirages aléatoires lorsque l’algorithme en utilise. Une graine ne suffit cependant pas si les données, les versions ou l’ordre des calculs changent. Exécuter ensuite tout le projet depuis une session vierge. Dans un notebook, cette étape détecte les cellules exécutées dans un ordre différent de leur présentation et les variables définies ailleurs.

Écrire des assertions ciblées : clé unique, effectifs plausibles, taux compris entre zéro et un, totaux conservés lorsque l’opération devrait les préserver. Garder des journaux de téléchargement avec date et paramètres, sans y exposer des identifiants secrets. Pour une prévision, séparer les données d’apprentissage avant d’estimer une imputation ou une standardisation afin de ne pas exploiter le futur. Enfin, produire automatiquement figures et tableaux à partir des mêmes objets ; recopier les résultats à la main crée un risque supplémentaire de désaccord entre texte et calcul.

Questions de cours

Faut-il choisir Python ou R pour être rigoureux ?

Les deux conviennent. La rigueur dépend des définitions, de la spécification, des contrôles et de la traçabilité, pas du langage.

Pourquoi une jointure augmente-t-elle le nombre de lignes ?

Une clé non unique engendre plusieurs correspondances. Une relation plusieurs-à-plusieurs peut multiplier les lignes et les montants ; elle doit être attendue et documentée.

Une graine aléatoire garantit-elle la reproductibilité ?

Elle stabilise une partie des tirages, mais ne fige ni les fichiers sources, ni les dépendances, ni les différences de calcul parallèle. Il faut documenter également ces éléments.

Pourquoi les régressions Python et R donnent-elles parfois des sorties différentes ?

La constante, le codage des catégories, les exclusions de lignes et la formule de covariance peuvent différer. Il faut comparer d’abord les matrices et les échantillons effectivement utilisés.

Fiches pour approfondir Python/R pour économistes

Bibliographie recommandée en Python/R pour économistes

Ouvrages de référence utilisés dans les universités françaises pour Licence 2

Python for Data Analysis

• O'Reilly •

ISBN : 978-1098104030

R for Data Science

• O'Reilly •

ISBN : 978-1492097402

R pour la statistique et la science des données

• PUR •

ISBN : 978-2753573659

Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.

Comment réviser Python/R pour économistes efficacement ?

Relire le cours

Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.

Mode Révision

Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.

Mode Examen

Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.