Une méthode semi-paramétrique pour tester un modèle de régression

Michel Harel

doi:10.1016/S1631-073X(03)00128-6

Statistique/Probabilités

Une méthode semi-paramétrique pour tester un modèle de régression

Présenté par : Paul Deheuvels

Michel Harel ^1,²

¹ IUFM du Limousin (et UMRC 55830, CNRS, Toulouse), 209, bd de Vanteaux, 87036 Limoges cedex, France
² Centro de Modelamentio UMR CNRS 2071, Universidad de Chile, Santiago, Chile

Comptes Rendus. Mathématique, Volume 336 (2003) no. 7, pp. 601-604.

Résumé
Abstract

Le but est de tester l'hypothèse H₀ qu'un modèle de régression est paramétrique et appartient à une famille donnée contre l'alternative H₁ approchant l'hypothèse dans une direction spécifique au taux n^−1/2. Pour cela, nous considérons un processus empirique tel que sous l'hypothèses H₀ ce processus dépend d'un paramètre θ₀. D'abord, nous commençons par estimer le paramètre et nous montrons que le processus empirique converge en loi vers un certain processus Gaussien si le paramètre est remplacé par son estimateur $\tilde{θ_{n}}$ . Cependant il est important de vérifier l'impact d'une alternative qui approche H₀ dans une direction spécifique (au taux n^1/2). Pour cela, nous avons besoin de tests qui soient consistants sur toute l'alternative H₁. Notre idée est d'utiliser un processus empirique marqué basé sur les résidus qui converge en loi vers un processus Gaussien.

The purpose is to test the hypothesis H₀ that a regression model is parametric and belongs to a given family versus the alternative H₁ approaches the hypothesis from a specific direction at the rate n^−1/2. For that, we consider an empirical process such that under H₀ this process depends of a parameter θ₀. First, we start by estimating the parameter and we prove that the empirical process converges in distribution to a certain Gaussian process when the parameter is replaced by its estimator $\tilde{θ_{n}} .$ However it is important to check the impact of an alternative approaching H₀ from a specific direction ( at the rate n^1/2). For that, we need tests which are consistent on the whole of H₁. Our idea is to use a marked empirical process based on residuals which converges in distribution to a Gaussian process.

Reçu le : 2002-10-24
Accepté le : 2003-01-23
Publié le : 2003-04-01

DOI : 10.1016/S1631-073X(03)00128-6

Affiliations des auteurs :

Michel Harel ^{1, 2}

¹ IUFM du Limousin (et UMRC 55830, CNRS, Toulouse), 209, bd de Vanteaux, 87036 Limoges cedex, France
² Centro de Modelamentio UMR CNRS 2071, Universidad de Chile, Santiago, Chile

@article{CRMATH_2003__336_7_601_0,
     author = {Michel Harel},
     title = {Une m\'ethode semi-param\'etrique pour tester un mod\`ele de~r\'egression},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {601--604},
     publisher = {Elsevier},
     volume = {336},
     number = {7},
     year = {2003},
     doi = {10.1016/S1631-073X(03)00128-6},
     language = {fr},
}

TY  - JOUR
AU  - Michel Harel
TI  - Une méthode semi-paramétrique pour tester un modèle de régression
JO  - Comptes Rendus. Mathématique
PY  - 2003
SP  - 601
EP  - 604
VL  - 336
IS  - 7
PB  - Elsevier
DO  - 10.1016/S1631-073X(03)00128-6
LA  - fr
ID  - CRMATH_2003__336_7_601_0
ER  -

%0 Journal Article
%A Michel Harel
%T Une méthode semi-paramétrique pour tester un modèle de régression
%J Comptes Rendus. Mathématique
%D 2003
%P 601-604
%V 336
%N 7
%I Elsevier
%R 10.1016/S1631-073X(03)00128-6
%G fr
%F CRMATH_2003__336_7_601_0

Michel Harel. Une méthode semi-paramétrique pour tester un modèle de régression. Comptes Rendus. Mathématique, Volume 336 (2003) no. 7, pp. 601-604. doi : 10.1016/S1631-073X(03)00128-6. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.1016/S1631-073X(03)00128-6/

Bibliographie
Cité par

[1] J. Diebold; J. Zuber Goodness of fit tests for nonlinear heteroscedic regression models, Statist. Probab. Lett., Volume 42 (1999), pp. 53-60

[2] M. Harel; M.L. Puri Autoregression quantiles and related rank score processes for generalized random coefficient autoregressive processes, J. Statist. Plann. Inference, Volume 68 (1998), pp. 271-294

[3] M. Harel; M.L. Puri Conditional empirical processes defined by nonstationary absolutely regular sequences, J. Multivariate Anal., Volume 70 (1999), pp. 250-285

[4] H.L. Koul; W. Stute Nonparametric model checks for time series, Ann. Statist., Volume 27 (1999), pp. 204-236

[5] W. Stute Asymptotic normality on nearest neighbor regression functions estimates, Ann. Statist., Volume 12 (1984), pp. 917-926

[6] W. Stute On almost sure convergence of conditional empirical distribution functions, Ann. Probab., Volume 14 (1986), pp. 891-901

[7] W. Stute Nonparametric model checks for regression, Ann. Statist., Volume 25 (1997), pp. 613-641

[8] K. Yoshihara Conditional empirical processes defined by ϕ-mixing sequences, Comput. Math. Appl., Volume 19 (1990), pp. 149-158

Bénédicte Fontez; Gilles R. Ducharme Goodness-of-fit test for monotonous nonlinear regression models., Comptes Rendus. Mathématique. Académie des Sciences, Paris, Volume 338 (2004) no. 4, pp. 317-320 | DOI:10.1016/j.crma.2003.07.008 | Zbl:1035.62037

Cité par 1 document. Sources : zbMATH

Commentaires - Politique

Il n'y a aucun commentaire pour cet article. Soyez le premier à écrire un commentaire !

Publier un nouveau commentaire:

Publier une nouvelle réponse: