Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
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).
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.