PDF, FR, 219 p., 3,1 Mo - Femise

Une approche plus flexible consiste à décomposer le paramètre it en trois composantes :
- La première permet d’identifier l’effet moyen de la variable « ».
- La deuxième identifie une hétérogénéité individuelle aléatoire relative à cet effet moyen.
- La troisième identifie la part de l’hétérogénéité temporelle aléatoire relative à l’effet moyen
également.
Cette spécification aléatoire des paramètres du modèle à l’avantage de réduire le nombre de
paramètres à estimer tout en permettant leur variabilité individuelle et/ou temporelle.
Dans ce qui suit, on retient une spécification où seule la variabilité individuelle du paramètre est
prise en compte ; on ne prend pas en compte la troisième composante.
Sous la forme de son espérance, (Wooldridge 2002), le modèle précédent peut s’écrire comme
suit:
yit =E(yit/xit, i) Tout en faisant l’hypothèse que :
yit N((’ ixit),) pour i = 1………N et t = 1…….Ti, avec
E(i/zi) = + zi
Ici on suppose qu’il y a hétérogénéité (par le jeu de zi) au niveau de l’effet moyen qui dépend de
facteurs observables spécifiques à chaque individu.
De plus, Var ((i/zi) = et i = + zi + i.
A partir de cette spécification, on peut définir 4 type de modèles selon que = 0 ou non, selon
que l’on autorise la corrélation entre les paramètres aléatoires du modèle et enfin selon que l’on
autorise ou non l’auto-corrélation des termes aléatoires des paramètres (hypothèses sur la
structure de ).
La densité jointe de y11……..yiT étant donné (xi, zi, i) est
Ti
t=
1
f( yit
/ xit,
zi,
i)
150