Yannick Guyonvarch (PSAE) avec Alexis Derumigny (TU Delft) et Lucas Girard (CREST-ENSAE)
Les paramètres identifiés à partir des conditions de moment sont omniprésents en économétrie (OLS, IV linéaire, régression quantile, pour n’en citer que quelques-uns). La construction d’ensembles de confiance (CS) pour ces paramètres repose généralement sur la normalité asymptotique de l’estimateur de la méthode des moments généralisés (GMM). Ces CS sont asymptotiquement exacts, mais ils présentent deux inconvénients majeurs : i) ils ne garantissent pas de contenir le paramètre réel avec la bonne probabilité dans des échantillons finis, quelle que soit la taille de l’échantillon, ii) ils peuvent se comporter de manière médiocre, même asymptotiquement, lorsque le paramètre est faiblement identifié (par exemple, lorsque les instruments sont faiblement corrélés avec les variables endogènes dans le modèle IV linéaire). Nous proposons une approche générique pour construire des CS qui répondent aux points i) et ii). Nous discutons en détail les propriétés théoriques de notre méthode, montrons qu’elle est particulièrement facile à calculer dans les modèles linéaires et illustrons sa pertinence pratique à travers des simulations. Cette présentation s’appuie sur les résultats et les extensions de travaux récents co-écrits avec Alexis Derumigny et Lucas Girard.