pen icon Colloque
quote

Méthodes d'inférence exacte dans des modèles dynamiques: application à des processus admettant une représentation AR(1)

JD

Membre a labase

Jean-Marie Dufour

Résumé du colloque

Le but de cette étude est de développer une procédure d'inférence exacte dans des modèles dynamiques. Cette méthode repose sur des résultats théoriques propres aux processus de Markov. Ils sont ici énoncés et prouvés pour des processus multivariés, possiblement non-stationnaires et non-gaussiens. On montre ensuite comment il est possible d'appliquer ces résultats dans le cas d'un modèle de régression linéaire normal avec des erreurs admettant une représentation AR(1), afin de dériver des tests exacts d'hypothèses portant sur les paramètres de moyenne et/ou d'autocorrélation du modèle. On présentera une application de ces méthodes à des séries chronologiques macro-économiques canadiennes et américaines. Enfin, on rapportera des résultats issus de simulations qui permettent d'évaluer la puissance de ces tests dans le cas d'un processus admettant une représentation AR(1).

Contexte

host icon Hôte : Université du Québec à Montréal

Découvrez d'autres communications scientifiques

Autres communications du même congressiste :