Erreurs de mesure sur les variables économiques et financières
Notice bibliographique
Résumé
La présence d’erreurs sur les variables biaise l’estimateur des moindres carrés ordinaires (MCO). Nous présentons deux nouveaux estimateurs robustes en présence d’erreurs de mesure. Ces estimateurs ont la qualité d’être beaucoup moins erratiques que leurs homologues classiques : les estimateurs de Durbin et de Pal. Ces nouveaux estimateurs sont basés sur les moments échantillonnaux d’ordre supérieur à deux. Ces estimateurs peuvent être considérés comme des types spéciaux d’estimateurs à variables instrumentales, où les instruments contiennent les variables explicatives élevées à des puissances particulières. La performance de ces nouveaux estimateurs est évaluée à partir d’une enquête canadienne sur les finances des consommateurs. Des simulations de Monte Carlo sont également effectuées et elles démontrent que les biais présentés par nos nouveaux estimateurs sont moindres que ceux associés à l’estimateur des moindres carrés ordinaires. Les estimateurs développés dans cet article participent de la nature des estimateurs de la méthode des moments généralisés (GMM) dont la popularité ne cesse de grandir. L’économétrie financière pourrait grandement bénéficier de nos nouveaux estimateurs en les appliquant à des modèles fort connus, tel le CAPM où le portefeuille du marché, qui est à la base de la vérification empirique de ce modèle, est empreint d’erreurs de mesure importantes. Les mesures de la prime de risque qui lui sont associées pourraient donc être corrigées à l’aide de nos estimateurs, cela dans le cadre de la méthode des GMM. Enfin, nous présentons une application financière où nous appliquons un des estimateurs afin d’estimer le bêta de marché, celui-ci entrant dans la formule du coût moyen du capital (WACC) que nous avons calculé et comparé à la méthode classique des MCO. Dans cette nouvelle application, nous trouvons que l’estimation du paramètre augmente significativement, ce qui est en accord avec certains faits empiriques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».