Multiple Fixed Effects in Binary Response Panel Data Models

L’auteure évalue l’adaptabilité des méthodes d’estimation utilisées pour les modèles de données de panel à réponse binaire à l’introduction d’effets fixes multiples. Ce travail s’inspire de l’usage des modèles de gravité dans l’analyse du commerce international, domaine dans lequel des travaux importants, comme ceux de Helpman, Melitz et Rubinstein (2008), s’appuient sur des modèles binaires à effets fixes pour les pays importateurs et exportateurs. En économétrie, les théoriciens se sont surtout attachés à estimer des modèles en présence d’un seul effet fixe. L’auteure se demande s’il est possible de modifier les méthodes d’estimation existantes afin d’éliminer les effets fixes multiples sur deux modèles spécifiques où une solution a été apportée au problème des paramètres incidents dans un cadre avec un seul effet fixe. Il s’avère qu’il est possible de généraliser l’approche du maximum de vraisemblance conditionnelle proposée par Rasch (1960 et 1961) de manière à inclure deux effets fixes dans le modèle logit considéré. Fait étonnant, malgré ses nombreuses similitudes avec le modèle logit, l’estimateur du score maximum de Manski (1987), qui est appliqué aux modèles binaires, ne peut être adapté si deux effets fixes sont introduits. Les simulations de Monte-Carlo montrent que l’estimateur conditionnel logit présenté par l’auteure permet d’obtenir des estimations moins biaisées que celles d’autres estimateurs logit sans pour autant sacrifier la précision. Cette supériorité est davantage accusée dans le cas des petits échantillons. Appliqué aux données relatives aux échanges commerciaux, l’estimateur logit étudié montre encore plus qu’il convient de bien tenir compte des doubles effets fixes.