Empirical Likelihood Block Bootstrapping

Les simulations de Monte-Carlo montrent bien que les tests asymptotiques fondés sur la méthode des moments généralisés ont un niveau peu satisfaisant. Ce défaut s'accentue dès lors que les conditions de moments sont autocorrélées. Pour surmonter cette difficulté, plusieurs techniques de rééchantillonnage par blocs ont été mises en avant, notamment par Hall et Horowitz (1996) ainsi que par Inoue et Shintani (2006). Les auteurs proposent ici une technique de rééchantillonnage par blocs faisant appel à une méthode empirique de vraisemblance qui permet d'améliorer la qualité des inférences dans les modèles caractérisés par des conditions de moments non linéaires autocorrélées et d'ordre peut-être infini. Conjuguant les démarches de Kitamura (1997) et de Brown et Newey (2002), ils estiment par la méthode des moments généralisés des paramètres qui leur serviront ensuite à calculer, au moyen de la méthode de vraisemblance utilisée, les probabilités associées aux blocs des conditions de moments. De ces probabilités, ils tirent la distribution multinomiale employée dans le rééchantillonnage. Les auteurs démontrent la validité asymptotique au premier ordre de leur technique, qui peut améliorer le niveau des tests par rapport à la technique classique de rééchantillonnage par blocs, comme le révèle une série de simulations de Monte-Carlo.

Publication :

Journal of Econometrics (0304-4076)
Avril 2011, vol. 161, n^o 2, p. 110-121