Les méthodes du bootstrap dans les modèles de régression

Emmanuel Flachaire

Post-Print from HAL

Abstract: Dans la pratique, la plupart des statistiques de test ont une distribution de probabilité de forme inconnue. Généralement, on utilise leur loi asymptotique comme approximation de la vraie loi. Mais, si l'échantillon dont on dispose n'est pas de taille suffisante cette approximation peut être de mauvaise qualité et les tests basés dessus largement biaisés. Les méthodes du bootstrap permettent d'obtenir une approximation de la vraie loi de la statistique en général plus précise que la loi asymptotique. Elles peuvent également servir à approximer la loi d'une statistique qu'on ne peut pas calculer analytiquement. Dans cet article, nous présentons une méthodologie générale du bootstrap dans le contexte des modèles de régression.

Keywords: bootstrap; modèle de régression (search for similar items in EconPapers)
Date: 2001
Note: View the original document on HAL open archive server: https://shs.hal.science/halshs-00175894
References: Add references at CitEc
Citations:

Published in Economie et Prévision, 2001, 142, pp.183-194

Downloads: (external link)
https://shs.hal.science/halshs-00175894/document (application/pdf)

Related works:
Journal Article: Les méthodes du bootstrap dans les modèles de régression (2000)
Working Paper: Les methodes du bootstrap dans les modeles de regression (1999)
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:hal:journl:halshs-00175894

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().