Méthodes et approches interdisciplinaires

Au coeur de l'identité du département, on trouve une volonté constante d'innover sur le plan méthodologique. nos équipes développent des outils économétriques et statistiques de pointe, adaptés aux défis posés par les données massives, complexes ou hétérogènes. Cela comprend des travaux sur les modèles causaux, les méthodes robustes face au bruit ou aux données incomplètes, les algorithmes d'apprentissage automatique, ou encore l'optimisation sans gradient. Cette exigence scientifique s'accompagne d'une forte ouverture interdisciplinaire, avec des liens solides tissés au sein de l'Institut Polytechnique de Paris, en particulier avec les centres Hi! Paris, Energy 4 Climate ou encore dans le cadre des collaborations entre les sites de Palaiseau et de Rennes du Centre de Recherche en Économie et Statistique (CREST - UMR 9194). Elle nourrit également une formation doctorale d'excellence, dispensée au sein de l'école doctorale IP Paris (ED IP Paris), qui accueille près de 70 doctorantes et doctorants au sein du département.

Méthodes économétriques pour la recherche appliquée

Nos efforts visant à créer de nouvelles méthodes économétriques ont pour objectif de pallier les limites des pratiques actuelles en matière de recherche appliquée. Cela inclut le développement de nouvelles méthodes de différence dans les différences, la résolution des problèmes liés à la combinaison des données et l'exploration de modèles complexes de dépendance et de données de panel non linéaires. Ces contributions sont essentielles pour affiner les techniques de recherche empirique dans diverses disciplines.

Recherche interdisciplinaire et innovation méthodologique

Les recherches menées par notre unité portent sur l'interaction entre l'apprentissage automatique et l'économie, le coût de l'équité dans les problèmes de décision en ligne et l'impact de la concurrence fiscale et environnementale sur le comportement des entreprises. En explorant ces thèmes et d'autres sujets, nous contribuons au développement d'algorithmes et de cadres analytiques qui répondent à des problèmes concrets, soulignant ainsi l'importance des approches interdisciplinaires pour relever les défis contemporains.