Diagnostic testing and evaluation of maximum likelihood models

Cet article traite d'une methode générale de test de spécification de modèles statistiques. Le cadre est le suivant: \(Y_ 1,..,Y_ n\) sont les observations, i.i.d. Y, v.a., dépendant d'un paramètre \(\theta\). G est la fonction de répartition vraie de Y tandis que \(F(y,\theta)\) est la famille de distributions adoptée pour estimer \(\theta\). \({\hat\theta}_ n\) est l'estimateur du maximum de vraisemblance associé. Les tests de spécification étudiés ici sont fondés sur des statistiques du type: \({\hat \tau}_ n=n^{-1}\sum^{n}_{1}c(Y_ i,{\hat \theta}_ n)\), les c(y,\(\theta)\) étant des fonctions critères vérifiant (\(\forall \theta):\int c(y,\theta)\quad dF(y,\theta)=0.\) L'intérêt de la statistique \({\hat\tau}_ n\) est que si le modèle est correctement spécifié, il existe \(\theta_ 0\) tel que \(F'(y,\theta_ 0)\) soit une version de la densité vraie g(y) et par suite: \({\hat \tau}_ n\to^{p.s.}E(c(Y_ i,\theta_ 0))=0.\) Au contraire, en cas d'erreur de spécification, il existe \({\bar\tau}\) (en général \(\neq 0)\) tel que \({\hat \tau}_ n\to^{p.s.}{\bar\tau}.\) Sous certaines hypothèses est établie la distribution asymptotique du couple (\({\hat \theta}{}_ n,{\hat \tau}_ n)\) ainsi que le comportement local de la limite p.s. \({\bar \tau}\) de \({\hat \tau}{}_ n\) en cas d'erreur de spécification dans une direction v(y) (càd si \(dG(y)=(1+v(y))dF(y,\theta_ 0))\). Un exemple numèrique est fourni, montrant comment, au prix d'un simple test T, on peut pratiquement tester la spécification d'un modèle économétrique.

Recommendations

Cites work

Cited in

(87)

This page was built for publication: Diagnostic testing and evaluation of maximum likelihood models

Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q115750)