Abstrait

Estimation bayésienne de modèles d'équations simultanées avec valeurs aberrantes et problème de multicolinéarité

Oluwadare O Ojo*, Oluwaseun A Adesina

Français Les valeurs aberrantes et la multicolinéarité sont des problèmes dans l'analyse du modèle d'équations simultanées (SEM). Ils peuvent conduire à un biais ou à une inefficacité des estimateurs. Cette étude a utilisé une technique bayésienne pour l'estimation du SEM qui est caractérisée à la fois par la multicolinéarité et les valeurs aberrantes. L'expérience de Monte Carlo a été appliquée tandis que les ensembles de données avec des valeurs aberrantes et une multicolinéarité spécifiées ont été simulés pour le SEM. Les estimations des méthodes bayésiennes et classiques, à savoir les moindres carrés à deux étapes (2SLS), les moindres carrés à trois étapes (3SLS) et les moindres carrés ordinaires (MCO) dans le modèle d'équations simultanées ont ensuite été comparées. Les critères utilisés pour la comparaison étaient l'erreur quadratique moyenne (MSE) et le biais absolu (AB). La méthode bayésienne d'estimation a surpassé les autres méthodes classiques, suivies des moindres carrés à deux étapes, des moindres carrés à trois étapes et du maximum de vraisemblance à informations limitées en termes de MSE et d'AB. Cependant, la méthode classique a les mêmes performances que la méthode bayésienne lorsqu'il n'y a pas de valeurs aberrantes et de multicolinéarité dans le modèle d'équations simultanées. Par conséquent, la méthode bayésienne d'estimation est préférée à la méthode classique lorsqu'il y a un problème de valeurs aberrantes et de multicolinéarité dans un modèle d'équations simultanées qui vient d'être identifié. Classification des matières mathématiques : 62C10, 62CO7.