Inférence basée sur les modèles à condition de moment sous identifiés au premier ordre

 

Prosper Dovonon

Université Concordia

 

Domaine : économie et emploi

Programme établissement de nouveaux professeurs-chercheurs

Concours 2011-2012

Les modèles à condition de moment sont très répandus en économie et doivent leur floraison à l'hypothèse des anticipations rationnelles des agents économiques. La méthode des moments généralisée (GMM) offre un cadre d'inférence basé sur ces modèles permettant notamment d'estimer et de tester les paramètres d'intérêt. Le GMM est simple à appliquer, ne faisant intervenir que des distributions usuelles. Toutefois, ces résultats tiennent sous l'hypothèse d'identification au premier ordre signifiant qu'une approximation linéaire des conditions de moment est suffisante pour déterminer les paramètres. Hélas, cette hypothèse est invalide pour plusieurs modèles utiles dans la littérature.

Le but de ce projet de recherche est de proposer un cadre d'inférence pour les modèles à condition de moment ne satisfaisant pas la condition d'identification au premier ordre, qui se distingue des cas d'identification faible ou partielle traités dans la littérature. Nous nous intéresserons spécifiquement à : 1) dériver le comportement asymptotique de l'estimateur GMM; 2) évaluer son efficacité et, au besoin, proposer une classe d'estimateurs réguliers et efficaces. Par ailleurs, l'estimateur de GMM converge plus lentement que d'habitude et nécessite plus de données pour une estimation satisfaisante. Ceci nous motive à : 3) étudier la validité des procédures de ré-échantillonnage dans ce contexte. Le but est de proposer une méthode adaptée aux données permettant d'accroître la qualité des tests pour de petits échantillons.