La mise en oeuvre des techniques de Bootstrap pour la prévision économétrique : application à l'industrie automobile
Abstract
L’application des méthodes de bootstrap aux modèles de régression permet dobtenir des
approximations de la distribution des coefficients ainsi que la distribution des erreurs de
prédiction. Dans cet article, nous nous intéressons à l’application des techniques de
bootstrap pour déterminer des intervalles de prédiction à partir d’une modélisation
économétrique où les régresseurs sont des données. Nous abordons différents problèmes
liés à cette application : la détermination du nombre de réplications, le choix de la méthode
de calcul de l’estimateur des moindres carrés ordinaires (pseudo-inverse ou inverse) ainsi
que l’algorithme de tri de la statistique considérée. Ces investigations proviennent des
besoins de prédiction des coûts dans l’industrie automobile dès la phase d’avant-projet du
développement d’un nouveau véhicule. Généralement, les échantillons sont de faible taille
et les termes erreur n’ont pas forcément une distribution gaussienne. Ainsi, l’utilisation des
techniques de bootstrap permet d’améliorer les intervalles de prédiction en retranscrivant la
distribution originale des données. Deux exemples (moteur et réservoir) illustrent la mise en
oeuvre de ces techniques.
Domains
Economics and Finance
Origin : Files produced by the author(s)
Loading...