This thesis investigates the relationship between Tobin’s Q and regional housing investment in Sweden for the time period of 1998-2012. The relationship is tested through estimation of two models for time-series analysis, a vector error correction model (VECM) and an autoregressive distributed lag (ARDL) model. Depending on which model that is used, I find some evidence of positive correlation between Tobin’s Q and regional housing investment in the long run while the short run dynamics of investment does not seem to be explained by Tobin’s Q. By transforming the regional data into a panel data set and running a fixed effects model, I examine the gain in explanatory power of Tobin’s Q from using disaggregated data rather than aggregated. My findings suggest that using disaggregated data improves the explanatory power of Tobin’s Q on investment. However, the Granger Causality test indicates two-way causality between Tobin’s Q and investment, causing endogeneity problem in the estimated equations.

L’utilisation de pesticides permet de réduire les pertes de récolte mais génère des impacts environnementaux négatifs. Il est important de fournir des informations précises sur les risques épidémiques concernant les bioagresseurs afin de raisonner l’utilisation des pesticides, en particulier dans le cas du mildiou de la vigne, responsable en moyenne de 43% des traitements utilisés dans le Bordelais. Cette thèse évalue l’intérêt de la date d’apparition des symptômes de mildiou de la vigne pour raisonner l’usage des fongicides dans la lutte contre cette maladie.En nous basant sur des observations régionales et de l’expertise locale, nous montrons que dans le Bordelais, les premiers traitements sont réalisés en moyenne quatre semaines avant l’apparition des premiers symptômes. Nous montrons que reporter la date du premier traitement anti-mildiou à la date d’apparition de la maladie permet d’économiser en moyenne 56% des traitements, par rapport aux pratiques actuelles de cette région. Nos résultats montrent que combiner cette stratégie avec le port d’équipements de protection réduit l’exposition des opérateurs de plus de 70%.En utilisant des méthodes de machine learning, nous montrons que la précocité et la gravité des épidémies de mildiou sont fortement liées. Les prévisions de nos modèles peuvent être utilisées pour déclencher les traitements contre la maladie dans les cas de risques élevés, entraînant une réduction de plus de 50% des traitements anti-mildiou par rapport aux pratiques actuelles.Nos résultats et les méthodes employées sont discutés et mis en perspective avec d’autres moyens de réduction de l’usage des pesticides en viticulture. / Abstract: Pesticides reduce yield losses but have negative environmental consequences. It is important to provide precise information on the epidemic risks concerning harmful organisms in order to reason the use of pesticides, in particular in the case of grape downy mildew, which is responsible on average for 43% of pesticides used in Bordeaux vineyards.The objective of this work is to estimate the benefits of using downy mildew onset date to avoid unjustified sprays in the control of this disease. Based on regional observations and local expertise, we show that in Bordeaux, the first treatments are applied on average four weeks before the first symptoms appear.We show that postponing the date of the first downy mildew spray to disease onset reduces fungicide use by an average of 56% compared to current practices in this region. For operators, our results show that combining this strategy with the use of personal protective equipment reduces exposure by more than 70%.By using machine learning methods, we also show that the precocity and severity of downy mildew epidemics are strongly linked. Our predictions can be used to trigger disease treatments only in high-risk cases, resulting in a reduction of more than 50% in mildew treatments compared to current practices. Our results and the used methods are discussed and compared with other methods for reducing the use of pesticides in viticulture.