ebook img

La régression quantile et expectile appliquées au modèle avec effets aléatoires PDF

31 Pages·2017·0.96 MB·French
by  
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview La régression quantile et expectile appliquées au modèle avec effets aléatoires

La régression quantile et expectile appliquées au modèle avec effets aléatoires Amadou D. Barry1 Arthur Charpentier 2 Karim Oualkacha 1 1Départementdemathématiques UniversitéduQuébecàMontréal 2Facultéd’Économie UniversitédeRennes1 10e Colloque Jeunes Chercheurs du CIQSS, 2017 10eColloqueJeunesChercheursduCIQSS,2017 1 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Plan de la présentation 1 Données de panel Avantages et Limites des données de panel Méthodes d’ajustement des données de panel 2 Régression Quantile et Régression Expectile Quantiles et Expectiles Régression Quantile (RQ) et Régression Expectile (RE) La RQ et la RE appliquées au modèle avec effets aléatoires 3 Application : Coûts de l’obésité sur le système de santé québécois Données et Modèles Résultats 4 Conclusion 10eColloqueJeunesChercheursduCIQSS,2017 2 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Données de panel 10eColloqueJeunesChercheursduCIQSS,2017 3 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Avantages des données de panel Avantages Meilleure précision de l’inférence des paramètres; Meilleure prédiction; Meilleure étude des relations dynamiques entre variables; Contrôle l’impact des variables omises. 10eColloqueJeunesChercheursduCIQSS,2017 4 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Limites des données de panel Limites Dimension du paramètre individuel (incidental parameter); Érosion de l’échantillon; Modélisation de l’hétérogénéité. 10eColloqueJeunesChercheursduCIQSS,2017 5 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Méthodes d’ajustement des données de panel Modèle linéaire y = x Tβ +u +v , t ∈ {1,2...,T}, i ∈ {1,2...,n}, it it τ i it Modèle avec effets fixes; Modèle avec effets aléatoires. 10eColloqueJeunesChercheursduCIQSS,2017 6 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Régression quantile et Régression expectile 10eColloqueJeunesChercheursduCIQSS,2017 7 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Quantiles et Expectiles Les quantiles sont plus connus que les expectiles. Les quartiles : le 1er quartile (25%), la médiane (50%) et le 3ième quartile (75%) sont des quantiles; La moyenne est l’expectile le plus populaire. Les quantiles et les expectiles sont des fonctions de la distribution d’une variable aléatoire noté Y; caractérisent la fonction de distribution ou la fonction de répartition F de Y. 10eColloqueJeunesChercheursduCIQSS,2017 8 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Quantiles et Expectiles Définition formelle Le quantile de niveau α ∈ [0,1] de la variable aléatoire Y est définit par : Quantiles  F−1(α) = inf{y;F(y) ≥ α}   q(α,Y) = ou  argmin E(rQ(Y −θ)). θ∈R α avec rQ(u) = |α−1(u ≤ 0)|·|u|. α 10eColloqueJeunesChercheursduCIQSS,2017 9 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31 Quantiles et Expectiles Définition formelle L’expectile de niveau τ ∈ [0,1] de la variable aléatoire Y est quant à lui définit par : Expectiles  argminθ∈RE(rτE(Y −θ))   ou µ(τ,Y) = (cid:20) (cid:21) µ− 11−−2ττ E (Y −µτ)×1(Y > µτ) avec rE(u) = |τ −1(u ≤ 0)|·u2, µ = µ(0.5) = E(Y) τ 10eColloqueJeunesChercheursduCIQSS,2017 10 AmadouD. Barry,ArthurCharpentier,KLaarrimégrOesusaiolknacqhuaant(iUleneivteersxiptéecdtiuleQaupépblieqcuéàeMsaountmréoadl)èleaveceffetsaléatoire/s31

Description:
La régression quantile et expectile appliquées au modèle avec effets aléatoires. Amadou D. Barry1. Arthur Charpentier 2. Karim Oualkacha 1. 1Département de mathématiques. Université du Québec à Montréal. 2Faculté d'Économie. Université de Rennes 1. 10e Colloque Jeunes Chercheurs du CIQ
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.