12.10.2013 Views

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

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

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

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Par conséquent, la log-vraisemblance devient :<br />

avec<br />

ir = + zi + vir N<br />

Ti ( 1 R<br />

r<br />

= 1 ( f ( yit,<br />

'ir<br />

xit<br />

)<br />

Log L<br />

log <br />

i= 1 R t=<br />

1<br />

Pour plus de détails sur la méthode d’estimation par maximum de vraisemblance simulé, on peut<br />

se référer à Train (2002).<br />

A ce stade, les résultats qui suivent ne donnent que la version simplifiée du modèle dans le sens<br />

où seuls sont prises en compte les dispersions des aléas non auto-corrélés et non co-variés entre<br />

les paramètres.<br />

C'est très exactement le cas où =0, diagonale, = 0,= .<br />

Mais plus généralement, la structure du vecteur des coefficients change d'une spécification à une<br />

autre.<br />

Une spécification générale consiste à écrire ce vecteur sous la forme suivante :<br />

ir = + Zi + v ir , avec = +<br />

: représente la moyenne de la distribution aléatoire des k1 paramètres que la méthode<br />

d’estimation permet d’identifier de façon isolée.<br />

Zi : un ensemble M de variables observées constantes dans le temps et qui permettent d’identifier<br />

l’hétérogénéité de l’effet autour de la moyenne.<br />

: est un vecteur de k2 paramètres<br />

: une matrice qui représente les écarts-types de la distribution aléatoire des paramètres. Elle est<br />

diagonale.<br />

152

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!