Thèse en cours

Performances des modèles économétriques et de Machine Learning pour l’étude économique des choix discrets de consommation
FR  |  
EN
Accès à la thèse
Triangle exclamation pleinLa soutenance a eu lieu le 19/02/2024. Le document qui a justifié du diplôme est en cours de traitement par l'établissement de soutenance.
Auteur / Autrice : Nikita Gusarov
Direction : Iragael Joly
Type : Projet de thèse
Discipline(s) : Sciences économiques
Date : Inscription en doctorat le
Soutenance le 19/02/2024
Etablissement(s) : Université Grenoble Alpes
Ecole(s) doctorale(s) : École doctorale sciences économiques
Partenaire(s) de recherche : Laboratoire : GAEL - Laboratoire d'Economie Appliquée de Grenoble
Jury : Président / Présidente : Nadine Massard
Examinateurs / Examinatrices : Iragael Joly, André De palma, Maria Börjesson, Michel Bierlaire, Michel Simioni
Rapporteurs / Rapporteuses : André De palma, Maria Börjesson

Résumé

FR  |  
EN

Cette thèse est une étude interdisciplinaire de la modélisation discrète des choix, abordant à la fois les techniques d'économétrie et d'apprentissage automatique (ML) appliquées à la modélisation des choix individuels de consommation. La problématique découle de points de contact insuffisants entre les utilisateurs (économistes et ingénieurs) et les analystes des données, qui poursuivent différents objectifs, bien qu'ils utilisent des techniques similaires. Pour combler cet écart interdisciplinaire, ce travail propose un framework unifié pour l'analyse des performances du modèle. Il facilite la comparaison des techniques d'analyse des données sous différentes hypothèses et transformations. Le framework conçu convient à une variété de modèles économétriques et ML. Il aborde la tâche de comparaison des performances du point de vue de la procédure de recherche, incorporant toutes les étapes affectant potentiellement les perceptions des performances. Pour démontrer les capacités du framework, nous proposons une série de 3 études appliquées. Dans ces études, la performance du modèle est explorée face aux changements de: (1) la taille et l'équilibre de l'échantillon, résultant de la collecte de données; (2) les changements de la structure des préférences au sein de la population, reflétant des hypothèses comportementales incorrectes; et (3) la sélection du modèle, directement liée à la perception des performances.