Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
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. …
Colloque
Il est bien connu que l'estimateur des moindres carrés ordinaires des coefficients d'un processus autorégressif d'ordre p≥1 est généralement biaisé. Ceci se produit même si l'ordre p est correctement spécifié et, a fortiori, lorsqu'il ne l'est pas. Le fait que les estimateurs des différents coefficients soient biaisés lorsque les prévisions obtenues à partir d'un modèle autorégressif estimé par les moindres carrés ordinaires sont aussi biaisées. Dans ce texte, nous montrons qu'au contraire, les prévisions obtenues à partir d'une autorégression dont les coefficients sont estimés par les moindres carrés ordinaires sont sans biais, indépendamment du fait que le modèle estimé ait …
