Tests multiples simulés et tests de normalité basés sur plusieurs moments dans les modèles de régression
Jean-Marie Dufour,
Abdeljelil Farhat and
Lynda Khalaf
Additional contact information
Jean-Marie Dufour: Chaire de recherche du Canada en économétrie - Centre interuniversitaire de recherche en analyse des organisations (CIRANO) - Centre interuniversitaire de recherche en économie quantitative (CIREQ) - Département de sciences économiques, Université de Montréal
Abdeljelil Farhat: CIRANO - CIREQ - Université de Montréal
L'Actualité Economique, 2020, vol. 96, issue 4, 545-566
Abstract:
Cet article illustre l’applicabilité des méthodes de rééchantillonnage dans le cadre des tests multiples (simultanés), pour divers problèmes économétriques. Les hypothèses simultanées sont une conséquence habituelle de la théorie économique, de sorte que le contrôle de la probabilité de rejet de combinaisons de tests est un problème que l’on rencontre fréquemment dans divers contextes économétriques et statistiques. À ce sujet, on sait que le fait d’ignorer le caractère conjoint des hypothèses multiples peut faire en sorte que le niveau de la procédure globale dépasse considérablement le niveau désiré. Alors que la plupart des méthodes d’inférence multiple sont conservatrices en présence de statistiques non indépendantes, les tests que nous proposons visent à contrôler exactement le niveau de signification. Pour ce faire, nous considérons des critères de test combinés proposés initialement pour des statistiques indépendantes. En appliquant la méthode des tests de Monte-Carlo, nous montrons comment ces méthodes de combinaison de tests peuvent s’appliquer à de tels cas, sans recours à des approximations asymptotiques. Après avoir passé en revue les résultats antérieurs sur ce sujet, nous montrons comment une telle méthodologie peut être utilisée pour construire des tests de normalité basés sur plusieurs moments pour les erreurs de modèles de régression linéaires. Pour ce problème, nous proposons une généralisation valide à distance fi nie du test asymptotique proposé par Kiefer et Salmon (1983) ainsi que des tests combinés suivant les méthodes de Tippett et de Pearson-Fisher. Nous observons empiriquement que les procédures de test corrigées par la méthode des tests de Monte-Carlo ne souffrent pas du problème de biais (ou sous-rejet) souvent rapporté dans cette littérature – notamment contre les lois platikurtiques – et permettent des gains sensibles de puissance par rapport aux méthodes combinées usuelles.
Date: 2020
References: Add references at CitEc
Citations:
Downloads: (external link)
https://id.erudit.org/iderudit/1087017ar Full text (text/html)
Related works:
Working Paper: Tests multiples simulés et tests de normalité basés sur plusieurs moments dans les modèles de régression (2005) 
Working Paper: Tests multiples simulés et tests de normalité basés sur plusieurs moments dans les modèles de régression (2005) 
Working Paper: Tests multiples simulés et tests de normalité basés sur plusieurs moments dans les modèles de régression (2005) 
Journal Article: Tests multiples simulés et tests de normalité basés sur plusieurs moments dans les modèles de régression* (2004) 
This item may be available elsewhere in EconPapers: Search for items with the same title.
Export reference: BibTeX
RIS (EndNote, ProCite, RefMan)
HTML/Text
Persistent link: https://EconPapers.repec.org/RePEc:ris:actuec:0230
Access Statistics for this article
L'Actualité Economique is currently edited by Benoit Dostie
More articles in L'Actualité Economique from Société Canadienne de Science Economique Contact information at EDIRC.
Bibliographic data for series maintained by Benoit Dostie ( this e-mail address is bad, please contact ).