%0 Journal Article
%T Tests multiples simul¨¦s et tests de normalit¨¦ bas¨¦s sur plusieurs moments dans les mod¨¨les de r¨¦gression[*]
%A Dufour
%A Jean-Marie
%A Farhat
%A Abdeljelil
%A Khalaf
%A Lynda
%J -
%D 2004
%R https://doi.org/10.7202/011397ar
%X Cet article illustre l¡¯applicabilit¨¦ des m¨¦thodes de r¨¦¨¦chantillonnage dans le cadre des tests multiples (simultan¨¦s), pour divers probl¨¨mes ¨¦conom¨¦triques. Les hypoth¨¨ses simultan¨¦es sont une cons¨¦quence habituelle de la th¨¦orie ¨¦conomique, de sorte que le contr£¿le de la probabilit¨¦ de rejet de combinaisons de tests est un probl¨¨me que l¡¯on rencontre fr¨¦quemment dans divers contextes ¨¦conom¨¦triques et statistiques. ¨¤ ce sujet, on sait que le fait d¡¯ignorer le caract¨¨re conjoint des hypoth¨¨ses multiples peut faire en sorte que le niveau de la proc¨¦dure globale d¨¦passe consid¨¦rablement le niveau d¨¦sir¨¦. Alors que la plupart des m¨¦thodes d¡¯inf¨¦rence multiple sont conservatrices en pr¨¦sence de statistiques non ind¨¦pendantes, les tests que nous proposons visent ¨¤ contr£¿ler exactement le niveau de signification. Pour ce faire, nous consid¨¦rons des crit¨¨res de test combin¨¦s propos¨¦s initialement pour des statistiques ind¨¦pendantes. En appliquant la m¨¦thode des tests de Monte-Carlo, nous montrons comment ces m¨¦thodes de combinaison de tests peuvent s¡¯appliquer ¨¤ de tels cas, sans recours ¨¤ des approximations asymptotiques. Apr¨¨s avoir pass¨¦ en revue les r¨¦sultats ant¨¦rieurs sur ce sujet, nous montrons comment une telle m¨¦thodologie peut ¨ºtre utilis¨¦e pour construire des tests de normalit¨¦ bas¨¦s sur plusieurs moments pour les erreurs de mod¨¨les de r¨¦gression lin¨¦aires. Pour ce probl¨¨me, nous proposons une g¨¦n¨¦ralisation valide ¨¤ distance finie du test asymptotique propos¨¦ par Kiefer et Salmon (1983) ainsi que des tests combin¨¦s suivant les m¨¦thodes de Tippett et de Pearson-Fisher. Nous observons empiriquement que les proc¨¦dures de test corrig¨¦es par la m¨¦thode des tests de Monte-Carlo ne souffrent pas du probl¨¨me de biais (ou sous-rejet) souvent rapport¨¦ dans cette litt¨¦rature ¨C notamment contre les lois platikurtiques ¨C et permettent des gains sensibles de puissance par rapport aux m¨¦thodes combin¨¦es usuelles
%U https://www.erudit.org/en/journals/ae/2004-v80-n2-3-ae958/011397ar/