Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
Ch11 Tests Basés Sur La régression de Gauss-Newton

Ch11 Tests Basés Sur La régression de Gauss-Newton

Ratings: (0)|Views: 721|Likes:
Published by api-3737025

More info:

Published by: api-3737025 on Oct 15, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

05/09/2014

pdf

text

original

Chapitre 11
Tests Bas\u00b4es sur la
R\u00b4egression de Gauss-Newton
11.1 Introduction

Dans la Section 6.4, nous avons montr\u00b4e que la r\u00b4egression de Gauss-Newton o\ufb00rait un moyen simple de tester des contraintes sur les param`etres d\u2019une fonction de r\u00b4egression d`es que l\u2019on disposait des estimations convergentes au tauxn1/2 de ces param`etres qui satisfont les contraintes. Dans la plupart des cas, elles correspondent aux estimations par moindres carr\u00b4es du mod`ele contraint. Dans la Section 10.8, nous avons montr\u00b4e que l\u2019on pouvait ex\u00b4ecuter les tests pour `a peu pr`es tous les genres de corr\u00b4elations en s\u00b4erie gr\u02c6ace `a des variantes de la GNR. Au cours de ce chapitre, nous discuterons de nombreux tests compl\u00b4ementaires bas\u00b4es sur la GNR qui peuvent se r\u00b4ev\u00b4eler d\u2019une grande utilit\u00b4e dans les \u00b4etudes \u00b4econom\u00b4etriques appliqu\u00b4ees. Ces tests sont:

(i) des tests d\u2019\u00b4egalit\u00b4e de deux (ou plus) ensembles de param`etres;

(ii) des tests d\u2019hypoth`eses de mod`eles non embo\u02c6\u0131t\u00b4es, pour lesquels un mod`ele de r\u00b4egression est test\u00b4e contre un ou plusieurs mod`eles alternatifs non embo\u02c6\u0131t\u00b4es;

(iii) des tests bas\u00b4es sur la comparaison de deux ensembles d\u2019estimations, dont l\u2019un est g\u00b4en\u00b4eralement convergent sous des conditions moins fortes que l\u2019autre;

(iv) des tests d\u2019h\u00b4et\u00b4erosc\u00b4edasticit\u00b4e dont la forme est connue.

Dans la derni`ere section du chapitre, nous aborderons un mat\u00b4eriau tr`es important et qui sera trait\u00b4e en d\u00b4etail dans le Chapitre 16. La r\u00b4egression de Gauss-Newton n\u2019est valable que sous l\u2019hypoth`ese d\u2019homosc\u00b4edasticit\u00b4e des al\u00b4eas, une hypoth`ese qui est quelquefois trop forte. Dans cette derni`ere section, nous discuterons d\u2019une r\u00b4egression arti\ufb01cielle qui peut \u02c6etre utilis\u00b4ee pour calculer des statistiques de test `a chaque fois que l\u2019on peut utiliser la GNR, mais qui a la propri\u00b4et\u00b4e avantageuse de fournir des statistiques de test asymptotiquement valables m\u02c6eme lorsque les al\u00b4eas manifestent un ph\u00b4enom`ene d\u2019h\u00b4et\u00b4erosc\u00b4edasticit\u00b4e dont la forme est inconnue. Nous pr\u00b4esentons cette r\u00b4egression arti\ufb01cielle parce qu\u2019il s\u2019agit d\u2019un prolongement logique de la

394
11.2 Tests d\u2019Egalit\u00b4
e de Deux Vecteurs de Param`
etres
395
r\u00b4egression de Gauss-Newton, et parce qu\u2019elle peut \u02c6etre tr`es utile dans la pra-
tique.
11.2 Tests d\u2019Egalit\u00b4
e de Deux Vecteurs de Param`
etres

L\u2019un des probl`emes classiques en \u00b4econom\u00b4etrie consiste `a savoir si les coe\ufb03- cients d\u2019un mod`ele de r\u00b4egression (le plus souvent un mod`ele lin\u00b4eaire) sont identiques si l\u2019on prend deux (ou quelquefois davantage) sous-\u00b4echantillons distincts. Dans le cadre des s\u00b4eries temporelles, les sous-\u00b4echantillons cor- respondraient g\u00b4en\u00b4eralement `a des p\u00b4eriodes di\ufb00\u00b4erentes, et ces tests sont souvent appel\u00b4es tests dechangement de r\u00b4egime. Parfois nous d\u00b4esirons savoir si les co- e\ufb03cients sont identiques au cours de deux ou de plusieurs p\u00b4eriodes dans le but de tester la bonne sp\u00b4eci\ufb01cation du mod`ele. Dans de telles circonstances, les ensembles de donn\u00b4ees temporelles peuvent \u02c6etre divis\u00b4es en deux p\u00b4eriodes, la p\u00b4eriode actuelle et la p\u00b4eriode pass\u00b4ee, de fa\u00b8con assez arbitraire pour les be- soins du test. C\u2019est une attitude l\u00b4egitime, mais de tels tests sont beaucoup plus int\u00b4eressants lorsqu\u2019il existe une raison de croire que les sous-\u00b4echantillons correspondent `a des conjonctures \u00b4economiques bien distinctes, telles que les modi\ufb01cations de taux de change ou de r\u00b4egimes politiques.1 Dans le cadre des donn\u00b4ees en coupe transversale, une division arbitraire n\u2019est presque jamais pertinente; au lieu de cela, les sous-\u00b4echantillons repr\u00b4esenteraient des groupes potentiellement di\ufb00\u00b4erents tels que les multinationales et les PME, les pays d\u00b4evelopp\u00b4es et les pays du tiers-monde, ou encore les hommes et les femmes. Dans ces cas, les r\u00b4esultats du test sont souvent int\u00b4eressants en eux-m\u02c6emes. Par exemple, un \u00b4economiste sp\u00b4ecialis\u00b4e dans le march\u00b4e du travail peut \u02c6etre int\u00b4eress\u00b4e par les fonctions d\u00b4eterminant le salaire pour tester si ce sont les m\u02c6emes pour les hommes et pour les femmes, ou pour deux groupes ethniques di\ufb00\u00b4erents.2

Un traitement traditionnel de ce probl`eme prend ses sources dans la litt\u00b4erature statistique consacr\u00b4ee `a l\u2019analyse de la variance (Sche\ufb00\u00b4e, 1959). En \u00b4econom\u00b4etrie, c\u2019est `a G. C. Chow (1960) que l\u2019on doit un article novateur et tr`es in\ufb02uent, et par la suite le test enF habituel pour l\u2019\u00b4egalit\u00b4e de deux ensem- bles de coe\ufb03cients dans les mod`eles de r\u00b4egression lin\u00b4eaire est souvent appel\u00b4e letest de Chow. Fisher (1970) fournit un expos\u00b4e plus clair de la proc\u00b4edure du test de Chow classique. Dufour (1982) fournit un expos\u00b4e plus g\u00b4eom\u00b4etrique et

1Lorsqu\u2019il n\u2019y a pas de raison de croire `a une modi\ufb01cation des param`etres `a

une date quelconque, il peut \u02c6etre pertinent d\u2019utiliser une proc\u00b4edure qui ne fait r\u00b4ef\u00b4erence `a aucune date. On utilisera par exemple les proc\u00b4edures CUSUM et CUSUM des carr\u00b4es, de Brown, Durbin, et Evans (1975).

2Une fonction d\u00b4eterminant le salaire \u00b4etablit un lien entre les salaires et une s\u00b4erie

de variables explicatives telles que l\u2019\u02c6age, la formation, et l\u2019exp\u00b4erience. Pour des exemples d\u2019utilisation de tests enF pour l\u2019\u00b4egalit\u00b4e de deux ensembles de coe\ufb03cients dans ce contexte, consulter Oaxaca (1973, 1974).

396
Tests Bas\u00b4
es sur la R\u00b4
egression de Gauss-Newton

fait une g\u00b4en\u00b4eralisation du test pour manipuler n\u2019importe quel nombre de sous- \u00b4echantillons, dont certains peuvent avoir un nombre d\u2019observations inf\u00b4erieur au nombre de r\u00b4egresseurs.

La mani`ere habituelle de poser le probl`eme consiste `a partitionner les donn\u00b4ees en deux ensembles, c\u2019est-`a-dire `a partitionner le vecteury `an com- posantes de la variable d\u00b4ependante en deux vecteursy1 ety2, respectivement de dimensionsn1 etn2, et `a partitionner la matriceX des observations sur les r\u00b4egresseurs de dimensionn\u00d7 k en deux matricesX1 etX2, qui sont re- spectivement de dimensionsn1\u00d7 k etn2\u00d7 k. Cette partition n\u00b4ecessitera bien \u00b4evidemment que les donn\u00b4ees soient ordonn\u00b4ees. Ainsi l\u2019hypoth`ese maintenue peut s\u2019\u00b4ecrire comme

\ue007
y1
y2
\ue008
=
\ue007
X1
0
0X2
\ue008\ue007
\u03b21
\u03b22
\ue008
+
\ue007
u1
u2
\ue008
, E(uu\ue001) = \u03c32I,
(11.01)
o`

u\u03b21 et\u03b22 sont des vecteurs `ak param`etres qu\u2019il faut estimer. L\u2019hypoth`ese nulle que l\u2019on teste est\u03b21 =\u03b22 =\u03b2. Sous cette hypoth`ese nulle, l\u2019\u00b4equation (11.01) se r\u00b4eduit `a

y\u2261
\ue007
y1
y2
\ue008
=
\ue007
X1
X2
\ue008
\u03b2+
\ue007
u1
u2
\ue008
\u2261X\u03b2+ u, E(uu\ue001) =\u03c32I.
(11.02)
Lorsqu\u2019`

a la fois les taillesn1 etn2 sont sup\u00b4erieures au nombre de param`etresk, ce qui est le cas le plus courant, il est ais\u00b4e de tester (11.01) contre (11.02) en faisant usage d\u2019un test enF ordinaire tel que celui dont nous avons discut\u00b4e `a la Section 3.5. La somme des r\u00b4esidus au carr\u00b4e non contrainte qui r\u00b4esulte de l\u2019estimation de (11.01) est

USSR =y1\ue001M1y1 +y2\ue001M2y2 = SSR1 + SSR2,
o`
uMi\u2261I \u2212 Xi
\ue001Xi\ue001Xi
\ue002
\u22121Xi\ue001pouri = 1, 2. Ainsi USSR correspond simple-

ment `a la somme de deux SSR correspondant respectivement aux r\u00b4egressions dey1 surX1 et dey2 surX2. La SSR contrainte qui d\u00b4ecoule de l\u2019estimation de (11.02) est

RSSR =y\ue001MX y,
o`
uMX\u2261I \u2212 X(X\ue001X)\u22121X\ue001. Ainsi la statistiqueF ordinaire est
\ue001
y\ue001MX y\u2212 y1\ue001M1 y1\u2212 y2\ue001M2 y2
\ue002
/k
\ue001
y1\ue001M1y1+ y2\ue001M2y2
\ue002
/(n\u22122k)=(RSSR\u2212 SSR1\u2212 SSR2)/k
(SSR1 + SSR2)/(n\u2212 2k).(11.03)

Ce test comportek etn\u2212 2k degr\u00b4es de libert\u00b4e. Il y ak contraintes parce que le mod`ele contraint ak param`etres alors que le mod`ele non contraint en poss`ede 2k.

La statistique de test (11.03) est ce que de nombreux praticiens en
\u00b4econom\u00b4etrie croient \u02c6etre le test de Chow. Trois limites imm\u00b4ediates `a ce test

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->