Accéder au contenu principal

R

En 2010, Carmen M. Reinhart, professeur d’économie au sein de l’Université du Maryland, et Kenneth S. Rogoff, professeur à Harvard et ancien économiste en chef du Fonds monétaire international, publiaient un papier — Growth in a time of debt — dans lequel les auteurs analysaient les relations empiriques entre dette publique et croissance économique. Cette étude a connu une publicité considérable dans le monde académique et il semble que ses conclusions aient influencé jusqu’aux politiques budgétaires d’un certain nombre d’États.

Trois ans plus tard, Thomas Herndon, un étudiant en économie de l’Université du Massachusetts qui tentait de reproduire les résultats de cette étude s’étonnait de ne pas y parvenir malgré ses efforts répétés. En désespoir de cause, il fît par de son échec à ses professeurs qui, après vérification, réalisèrent que c’étaient les résultats de Reinhart & Rogoff qui étaient faux : ils avaient réalisé toutes leurs analyses sous Excel et avaient simplement oublié d’inclure un certain nombre de données dans des calculs de moyennes.

Au-delà de l’encre qu’elle a fait couler quant à la robustesse des résultats de R&R, cette affaire met en lumière un fait majeur : un nombre appréciable de chercheurs et d’opérationnels, dans des domaines aussi variés que les sciences sociales, la finance de marché ou l’actuariat, réalisent leurs calculs à l’aide d’outils totalement inadaptés parce qu’ils ne savent tout simplement pas coder.

Dans toutes les activités qui requièrent un usage fréquent des statistiques, de travaux de modélisation ou de simulation, apprendre à programmer est sans doute un des investissements les plus profitables qui soient. D’abord parce que le coût d’acquisition — en temps et en efforts — de cette compétence est infiniment moindre que ce que la plupart des néophytes pensent. Ensuite, parce que tout au long d’une carrière professionnelle, ce savoir-faire permet de gagner un temps considérable et de réduire drastiquement les risques d’erreurs.

Parmi tous les langages disponibles, R offre le triple avantage d’être extrêmement puissant (robustesse et polyvalence), très facile à utiliser et entièrement gratuit (licence GNU GPL). Par ailleurs, une étude menée en 2011 par Rexer Analytics concluait que c’est désormais le langage de programmation le plus répandu au sein des entreprises comme dans le monde académique.

Incidemment, c’est le langage qu’a utilisé Thomas Herndon pour reproduire les calculs de Reinhart & Rogoff.

---

Je suis en train de préparer une petite formation pour apprendre à de parfaits débutants à maîtriser les bases de la programmation sous R en un rien de temps. Si vous êtes intéressés, je vous propose un deal très honnête :

1 — Je vous forme gratuitement ;
2 — Vous m’aider à améliorer les supports.

Si vous êtes intéressés, écrivez à :
monprénom[point]monnom[at]gmail[point]com

Commentaires

Posts les plus consultés de ce blog

Brandolini’s law

Over the last few weeks, this picture has been circulating on the Internet. According to RationalWiki, that sentence must be attributed to Alberto Brandolini, an Italian independent software development consultant [1]. I’ve checked with Alberto and, unless someone else claims paternity of this absolutely brilliant statement, it seems that he actually is the original author. Here is what seems to be the very first appearance of what must, from now on, be known as the Brandolini’s law (or, as Alberto suggests, the Bullshit Asymmetry Principle):The bullshit asimmetry: the amount of energy needed to refute bullshit is an order of magnitude bigger than to produce it.— ziobrando (@ziobrando) 11 Janvier 2013To be sure, a number of people have made similar statements. Ironically, it seems that the “a lie can travel halfway around the world while the truth is still putting on its shoes” quote isn’t from Mark Twain but a slightly modified version of Charles Spurgeon’s “a lie will go round the w…

Le salaire minimum à 15 dollars de Seattle

En général, la (fonction de densité de la) distribution des salaires ressemble à quelque chose comme ça : C’est-à-dire que relativement peu de gens touchent des salaires très bas (à gauche de la distribution), la plupart perçoivent un salaire proche du salaire médian (au milieu) et, plus on monte dans l’échelle des rémunérations (vers la droite), plus ça devient rare. Sur un graphique de ce type, le P.-D.G. d'une société du CAC 40 ou un joueur international de football se promènent à quelques dizaines de centimètres à droite de votre écran mais ces cas sont si exceptionnels que le trait bleu est invisible à l’œil nu.Le point MinW indique le niveau du salaire minimum légal. À gauche de ce point, en rouge, vous trouvez toutes les personnes dont le travail vaut moins que le salaire minimum. Typiquement, ce sont des gens peu qualifiés, peu expérimentés et même souvent les deux. C’est-à-dire qu’étant donné le niveau du salaire minimum, ces gens-là sont tout simplement inemployables. C&#…

L'océan de cash

Du 4 juillet 2007 au 5 juillet 2017, le total du bilan de la Federal Reserve [1] est passé de 860 à 4 4 trillions de dollars — c’est à dire qu’il a quintuplé. À l’actif de la banque centrale étasunienne, cette croissance phénoménale se traduit par l’explosion de son portefeuille d’obligations émises par le Department of the Treasury — lequel atteint aujourd’hui 2,5 trillions — auquel se rajoutent les titrisations de créances hypothécaires (Mortage-Backed Securities) rachetées à Fannie Mae et Freddie Mac pour environ 1,8 trillions.Il s’agit, bien sûr, des conséquences d’une politique monétaire historiquement accommodante qui a conduit la Fed à intervenir massivement sur le marché obligataire. Très schématiquement : la Fed a créé des dollars ex-nihilo, ce qui ne lui coûte presque rien, et c’est servi de la monnaie ainsi créée pour racheter massivement les obligations qui se trouvent aujourd’hui sur son bilan. L’objectif, naturellement, étant de faire baisser les taux et ainsi — du moins…