Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

traitement de données en macrofinance > 1er thème macro: la croissance (éco) > Flashcards

1er thème macro: la croissance (éco) Flashcards

1
Q

En 2000, le total d’enfants (âgés entre 0 et 14 ans) dans le monde était de 2 milliards. Quelle est l’estimation des Nations Unies pour ce nombre en 2100?

A

2 milliards

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quel est le pourcentage d’adultes alphabètes dans le Monde?

A

80%

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quel est l’espérance de vie en moyenne dans le Monde aujourd’hui?

A

70 ans

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Depuis 1990, la proportion de la population mondiale vivant en extrême pauvreté a …

A

diminué

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Quel est le % du total mondial en énergie provenant du solaire et de l’éolien?

A

2% en 2013 et 10% aujourd’hui.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quel est l’espérance de vie au Bangladesh aujourd’hui?

A

70 ans

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Au Bangladesh, quel est le taux de fécondité des femmes?

A

2,5 bébés

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

la croissance économique, cela concerne

A

le PIB par tête et le taux de croissance moyen à long terme

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

J’ai un projet sur la consommation finale des ménages en France depuis 1980. J’utilise quelle base de données?

A

OCDE et Insee.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Le PIB par tête réel moyen dans le monde est actuellement

A

autour de 17 000$/ 16 000$ et il ne cesse d’augmenter.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Le PIB par tête réel en France est actuellement

A

autour de 40 000$.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

La croissance est un phénomène récent?

A

Oui

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

La tendance du PIB (ou du PIB par tête) d’un pays

A

n’est pas directement observable dans les données et mesure l’évolution de long terme du PIB (ou du PIB par tête)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Actuellement, le PIB par tête aux USA ($ de 2017) est

A

supérieur à celui de la France de 40%.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

En 1800, le pays le plus riche du Monde (en PIB par tête, PPA, prix constant) était

A

les pays-bas.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

exemple de bases de données

A
  • gapminder
  • Ourworldindata
  • OCDE, FMI, Banque Mondiale
  • Penn World Table
  • UN Comtrade
  • INSEE, Eurostat
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

taux de change PPA

A

taux de change fictif qui ferait en sorte qu’on aurait le même pouvoir d’achat entre deux pays. Si la PPA serait vérifiable, on aurait le même prix du mcdo dans tous les pays.

Taux de conversion fictif qui permet la comparaison des pouvoirs d’achat des différentes monnaies

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

+ la République Démocratique du Congo

A

On voit bien que le PIB, le trend, la pente du trend est négative. C’est un pays qui était plus riche avant qu’aujourd’hui.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

PIB par tête (réel, PPA):

A
  • pour évaluer la croissance de long terme.
  • suit une évolution exponentielle (qui a démarré dans certains pays dés le début du XIXème siècle mais en retard dans d’autres pays).
  • problème pour certains pays avec une croissance négative
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

PIB par tête (formule)

A

PIB/ nombre de population.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

FMI

A

fonds monétaire international

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

le FMI identifie quatre groupes de pays:

A
  • Pays à faible revenu, Low-Income: 1.3
  • Pays à revenu intermédiaire faible, Lower Middle-Income: 3.2
  • Pays à revenu intermédiaire élevé, Upper Middle-Income: 3.2
  • Pays à revenu élevé, les pays riches, High-Income: 1.6

chiffres = le TCAM qui mesure le PIB

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

TCAM

A

taux de croissance annuel moyen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Top/flop en 1800

A

La France était classé 13ème en 1800. Tout en bas, on retrouve notamment la Roumanie, beaucoup de bleu en bas donc beaucoup de pays d’Afrique.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Pauvreté

A

En 1800, 77% de la population mondiale était en extrême pauvreté.

Aujourd’hui, ce taux de pauvreté est de 9,4%. C’est en 1959 qu’il y a eu la bascule, la barre a passé les 50%.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Inégalité

A
  • indice de Gini
  • Varie entre 0 (égalité parfaite) et 1 (inégalité extrême)
  • G=1-somme de k=0 jusqu’à n-1(Xk+1-Xk)(Yk+1+Yk)
  • X est la part cumulée de la population, Y est la part cumulée du revenu
  • avec n le nombre d’individus.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Le PIB par tête moyen dans le monde est actuellement

A

autour de 10 000$.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

les niveaux de PIB par tête en 2022 par ordre décroissant

A
  • USA
  • France
  • Russie
  • Argentine
  • Chine
  • Nigeria
  • République Démocratique du Congo
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Ourworldindata

A

4 301 graphiques pour 297 thèmes

en Fr, évolution exponentielle du PIB/ tête d’environ 1,5%/ an.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Filtre HP

A

Hodrick et Prescott (1977-1997)

Hodrick: Y barre
Prescott: vague sur le Y

  • formule du filtre HP voir cours
  • valeur du lambda dépend de la fréquence des séries (mensuelles, trimestrielles, annuelles): 14 400, 1600, 100
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

commentaire relation TCAM/ PIB par tête en 1950

A

Comme la pente est négative, les pays pauvres ont une tendance annuelle moyenne plutôt élevée en 1950 et les pays riches ont tendance à avoir un taux de croissance moyen faible.

autre commentaire:
les inégalités mondiales diminuent et le revenu moyen augmente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

sur R, objet qui permet de stocker un résultat

A

”=” ou “<-“

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

objet qui permet de stocker un résultat ou des chaînes de caractères

A

délimitée avec des guillemets

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

integer

A

un nb sans partie fractionnaire

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

numeric

A

un nombre qui a à la fois une partie entière et une partie fractionnaire, séparées par un point

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

character

A

variable texte, appelée aussi chaîne (string).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

factor

A

les facteurs sont utiles pour stocker des catégories de données (régions, genre,…).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

logical

A

un booléen, un type pour représenter les valeurs logiques, True ou False.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Pour retrouver la classe de l’objet:

A

class(X)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Pour changer la classe:

A

as.character(): change les nombres en caractères.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

as.numeric():

A

change les caractères en nombres.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

sur R, pour faire la moyenne de 5 pays:

A
  • créer un vecteur:
    pays <- c(pays1,…,pays5)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

la fonction names()

A

pour nommer les éléments du vecteur

Par ex:
1.names(pays) <- c(“Inde”,”Ukraine”,”Monde”,…)

2.pays[3]

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

sur R, calculez le mean pour chaque année

A

par ex:
1. pibtete_2022 <- c(7200,13000,…)

  1. mean2022 <- mean(pibtete_2022)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

sur R, calculez le TCAM entre chaque période pour chaque pays et pour le PIB par tête moyen

A

TCAM
- entre chaque période pour chaque pays:
gr1 = ((pibtete_2000/pibtete_1980)^(1/21)-1)*100
gr1
names(gr1) <- c(“Inde”,”Ukraine”,”France”,…)

gr1

  • pour le PIB par tête moyen:
    gr3 = ((mean2000/mean1980)^(1/21)-1)*100
    gr3
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

sur R, calculez écart entre le TCAM de la France et le TCAM moyen pour les deux sous-périodes

A

ex:
1. diff_fra = gr1[3]-gr3
2. diff_fra

47
Q

sur R, création de sa propre fonction

A

nomdemafonction <- function(arg){operation}

nomdemafonction(pays)
pays: nom du vecteur, j’applique ma fonction au vecteur.

48
Q

arg

A

l’argument de la fonction ou la variable de la fonction.

49
Q

operation

A

l’ensemble des opérations qui génère le résultat final

50
Q

matrices

A

la fonction matrix(num_val, ncol=m, nrow=n, byrow= TRUE)

51
Q

num_val

A

une valeur numérique

52
Q

m

A

le nombre de colonne

53
Q

n

A

le nombre de ligne

54
Q

byrow = TRUE

A

la matrice est remplie par ligne

55
Q

byrow = FALSE

A

la matrice est remplie par colonne

ou SANS L’OPTION

56
Q

X[]:

A

extrait l’élément de X

57
Q

extrait l’élément de X

A

X[]

58
Q

X[n,m]:

A

extrait la ligne n et la colonne m de X

59
Q

extrait la ligne n et la colonne m de X

A

X[n,m]

60
Q

X[n, ]:

A

extrait tous les éléments de la ligne n de X

61
Q

extrait tous les éléments de la ligne n de X

A

X[n, ]

62
Q

X[ ,m]:

A

extrait tous les éléments de la colonne m de X

63
Q

extrait tous les éléments de la colonne m de X

A

X[ ,m]

64
Q

X[ ,c(1,3)]:

A

extrait tous les éléments de la première et de la troisième colonne de X

65
Q

extrait tous les éléments de la première et de la troisième colonne de X

A

X[ ,c(1,3)]

66
Q

Dataframe

A
  • tableau de données
  • type d’objet R qui contient des données au format tabulaire, avec les observations en ligne et les variables en colonnes (comme dans LibreOffice ou Excel).
  • On peut construire sa dataframe ou
    la charger: en ligne ou depuis un fichier sur son ordinateur.
67
Q

Pour calculer des moyennes mobiles centrées d’ordre 5:

A

je fais la moyenne des 2 dernières années, de l’années actuelle et des 2 prochaines années

68
Q

Le TCAM

A
  • signifie Taux de Croissance Annuel Moyen
  • s’interprète comme un taux de croissance de long terme
69
Q

Le filtre HP

A
  • a été définie par Hodrick et Prescott
  • permet de calculer le trend d’un agrégat macroéconomique
  • est très utile en macro économique pour distinguer les composantes de long terme et de court terme
  • cherche à minimiser l’écart entre la série observée et le trend ainsi que les variations de pente du trend
70
Q

En calculant les TCAM, les moyennes mobiles et le filtre HP, le potentiel de croissance de la France comparé à celui des USA baisse depuis les années 90

A

vrai

71
Q

A partir du graphique ci-dessus, je peux dire

A
  • qu’on observe un phénomène de convergence en termes de PIB par tête
  • les inégalités de PIB par tête
    entre pays semblent baisser entre 1950 et 2019
  • que les pays riches en 1950 ont globalement connu un TCAM faible entre 1950 et 2019
72
Q

En calculant l’indice de Gini au niveau mondial

A
  • on observe que les inégalités sont plus faibles aujourd’hui qu’en 1980
  • on observe que les inégalités sont plus faibles aujourd’hui qu’en 1900
73
Q

Dans R, je veux attribuer la valeur 1 à l’objet a, je peux écrire

A

a = 1
a <- 1

74
Q

Retrouvez les types d’objets que nous avons listés en cours:

A
  • factor
  • numeric
  • integer
  • logical
  • character
75
Q

Dans R, je veux créer un vecteur avec 5 valeurs de PIB par tête, j’écris

A

pays <- c(8 000, 12 000, 16 000, 40 000, 60 000)

76
Q

Je veux attribuer un nom aux valeurs dans le vecteur précédent, j’écris

A

names(pays) <- c(“Inde”,”Ukraine”,”Monde”,”France”,”USA”)

77
Q

Je veux récupérer le 3ème élément du vecteur pays que je viens de créer, j’utilise

A

pays[3]

78
Q

Avec ce code: X <- matrix(1:6, ncol=3, nrow=2)

A

dans ma matrice, j’aurai: 1,3,5 sur ma 1ère ligne

79
Q

Avec ce code: Y <- matrix(1:6, ncol=3, nrow=2, byrow=TRUE)

A
  • dans ma matrice, j’aurai: 1;2;3 sur ma 1ère ligne
  • je détermine une matrice 3*2 (3 colonnes, 2 lignes) avec des éléments allant de 1 à 6 répartis par ligne
80
Q

Si je veux extraire tous les éléments de la colonne m de la matrice X, je dois écrire

A

X [ ,m]

81
Q

fonction sum

A

additionne toutes les valeurs de a et b

82
Q

fonction mean

A

moyenne

83
Q

fonction min

A
84
Q

fonction max

A
85
Q

fonction length

A

connaître la ligne d’un objet

x <- length (x)

86
Q

fonction range

A

permet de générer des listes d’entrées

87
Q

fonction help(“mean”)

A
88
Q

fonction cumsum

A

calculer somme cumulative de leurs éléments de x

89
Q

fonction diff

A

permet de comparer deux fichiers

90
Q

construire dataframe à partir de 3 séries: 3 années différentes

A

pibtete <- data.frame(pibtete_1980, pibtete_2000, pibtete_2022)

91
Q

Pour télécharger une base de données en ligne (déjà disponible dans R), par exemple gapminder

A
  1. install.packages (“gapminder”)
  2. library (“gapminder”)
  3. str (gapminder)
92
Q

str

A

string

permet d’avoir la structure, la décomposition des objets disponibles ici dans Gapminder.

93
Q

Pour télécharger une base de données dans un fichier:

A
  1. setwd (‘votrechemin’)
  2. my_path <- ‘votrechemin’
  3. getwd ()
    4.
  4. library(readxl)
  7. excelpibtete = read_excel (“pibtete.xlsx”)
94
Q

setwd

A

pour définir le dossier de travail

95
Q

my_path

A

pour éviter le copier/coller

96
Q

getwd ()

A

pour vérifier/ retrouver le chemin

97
Q

comment faire un graphique

A

Faire un graphique simple (linéaire) avec plot du PIB par tête de la France

pour aller plus loin: ggplot2

98
Q

le filtre HP avec R

A
  • Récupérez les données de PIB et de population avec la PWT
  • Le package pwt10
  • Utilisez un autre package de représentation graphique
  • Le package lattice
  • Utilisez le package de filtre HP
  • Le package mfilter
99
Q

pour utiliser le filtre HP

A

install.packages (“ mfilter “)

100
Q

pour faire des graphs, nuages de points, etc

A

install.packages (“lattice”)

101
Q

données seulement depuis 1950

A

data (“pwt10.0”)

102
Q

Construire des sous-échantillons (de pays et de variables)

A
  • la France et les USA
  • Sélectionnez uniquement les années, le nom du pays, le PIB et la population
  • avec la fonction subset.
  • puis on compile avec la fonction rbind.
103
Q

Représentez graphiquement les séries du PIB par tête de la France et des USA en fonction des années

A

avec la fonction xyplot du package lattice.

104
Q

Calculez le trend et la composante cyclique des 2 PIB par tête

A
  • avec la fonction hpfilter du package mfilter.
  • il faut au préalable transformer les séries en séries temporelles avec la fonction ts
105
Q

frequency = 1

A

car ce sont des données mensuelles (4 pour trimestrielles et 12 pour mensuelles)

106
Q

On crée ensuite une séquence de date pour la représentation graphique

A
  • avec la fonction seq.
  • On regroupe nos séries de trend et notre séquence de date dans un dataframe.
107
Q

sequence de date

A

date = seq (as. Date ( “1950/1/1” ), as.Date ( “2019/1/1” ), “year” )

108
Q

renomme les noms des variables

A

colnames (HP) <- c (‘date’, ‘trend_France’, ‘trend_USA’ )

109
Q

Répliquer la même analyse en prenant un pays de votre choix (sauf la France et les USA) à partir de 1990.

A
  • subset
  • graph du PIB par tête
  • hpfilter
  • graph du trend du PIB par tête
110
Q

croissance et inégalité, première révolution industrielle

A

les inégalités ont tendance à évoluer

111
Q

Gapminder, la santé: espérance de vie

A

simuler l’évolution de l’espérance de vie et du revenu avec bubbles

112
Q

Croissance et inégalité

A
  • Courbe de Kuznets
  • Gini, pauvreté
113
Q

Croissance et environnement

A
  • Courbe de Kuznets environnementale
  • total de CO2 et CO2/ habitant
114
Q

1er thème, bilan

A
  • distinguer CT/ LT
  • définition de la croissance, ses mesures (filtre, MM)
  • les bases de données macroéconomiques de LT
  • connaître les principaux chiffres et/ou les échelles (PIB/tête, Gini).
  • les autres indicateurs/ théories macroéconomiques de LT: Kuznets (Gini), Kuznets environnementale (CO2)
  • maîtriser les principales fonctions de R (sum, mena, data.fram,…), importer des données et créer un graphique.

traitement de données en macrofinance (5 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions