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…

Les prix « avant l’euro »

(J’ai l’intention de compléter cet article au fur et à mesure. Si vous avez des prix à proposer (avec des sources crédibles), n’hésitez pas à le me suggérer dans les commentaires.)L’euro a été introduit en deux temps. La première étape a eu lieu le 1er janvier 1999 à minuit, quand le taux de change irrévocable des différentes monnaies nationales par rapport à l’euro a été fixé définitivement — soit, pour ce qui nous concerne, 1 euro = 6.55957 francs. La seconde étape, l’introduction des pièces et billets en euro, s’est étalée sur un mois et demi : du 1er janvier 2002 au 17 février 2002 ; date à laquelle les espèces en franc ont été privées du cours légal [1] — c’est-à-dire qu’il était interdit de les utiliser ou de les accepter en règlement d’une transaction.SalairesÀ compter du 1er juillet 2000, le SMIC horaire brut était fixé à 42.02 francs soit, pour avec une durée légale du travail de 39 heures par semaine (169 heures par mois), 7 101.38 francs bruts par mois. Le 1er juillet 2001,…

Taux d'ouverture dans la zone Euro

Il est de bon ton, ces dernières années, d’affirmer que l’euro et la politique libre-échangiste de l’Union Européenne sont la source de tous nos malheurs. De cette proposition, on peut déduire raisonnablement que (i) tous les pays de la zone Euro doivent donc connaître des difficultés analogues aux notre (dette publique, chômage…) et (ii) plus un pays est ouvert aux échanges internationaux et en particulier aux importations, plus sa situation doit être alarmante.Sur la base des données d’Eurostat pour l’année 2010, voici un petit tableau qui résume, pour les différents pays de la zone Euro (EA16), le taux d’ouverture - (X+M)/PIB – de leurs économies respectives [1], le solde de leurs balances commerciales rapporté à leurs PIBs - (X-M)/PIB – et le montant total de leurs importations en proportion de leurs PIBs – M/PIB.(X+M)/PIB(X-M)/PIBM/PIBAllemagne71.16.232.5Autriche82.0-1.741.8Belgique170.94.683.1Chypre43.1-30.837.0Espagne39.8-4.922.3Finlande57.80.528.7France44.0-3.323.6Grèce28.1-13…