PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
probabilité Gi ˆ et l’interaction entre cette probabilité et les éléments de x, Gˆ i ( xi<br />
= x)<br />
,danslecas<br />
d’une corrélation entre z et x.<br />
b) L’effet de la formation est hétérogène en fonction des inobservables<br />
Ensuite, on peut relâcher l’hypothèse e1=e0 ,etpermettreàl’effetdelaformationdevarierainsi<br />
également en fonction des inobservables, telle que la motivation.<br />
Mais il est alors nécessaire de poser des hypothèses supplémentaires moins restrictives : on peut<br />
supposer que E(w(e1-e0)/x,z)=E(w(e1-e0)), mais l’estimateur n’est alors pas efficace car<br />
hétéroscédastique. Il peut être alors possible de supposer que E(w/x,z,e1-e0)= h(x,z)+k(e1-e0) et<br />
que e1-e0 est indépendant de (x,z), cependant cette première hypothèse ne tient pas avec un<br />
modèle probit P w = 1/<br />
x,<br />
z,<br />
e e ) = [<br />
+ x<br />
+ z<br />
+ (<br />
e e )] , qui n’isole pas, de par sa<br />
( 1 0<br />
0 1 2 1 0<br />
forme, les termes inobservés de x et de z.<br />
Wooldridge (2002) considère comme première solution d’ajouter une fonction non<br />
linéaire de (x,z) à l’équation et d’estimer l’équation par 2sls, c’est-à-dire de modéliser ce dernier<br />
terme représentant le biais de sélection.<br />
La première hypothèse posée à ce modèle est que e1-e0 est indépendant de (x,z),<br />
De plus, P w = 1/<br />
x,<br />
z,<br />
e e ) = [<br />
+ x<br />
+ z<br />
+ (<br />
e e )]<br />
( 1 0<br />
0 1 2 1 0<br />
et enfin e 1-e 0~Normal (0,<br />
2<br />
)<br />
( Preuve : Sous ces hypothèses P(w=1/x,z)= + x + z<br />
) ,<br />
où chaque téta est le correspondant pi multiplié par<br />
( 0 1 2<br />
( 1<br />
+ <br />
2 2 1/<br />
2<br />
) et a l’erreur latente. Wooldridge définit<br />
c=e1-e0, et alors sous les trois hypothèses précédentes, a et c ont une distribution normale bivariée de moyenne nulle,<br />
qui est indépendant de (x,z).<br />
Par conséquent, E(c/a,x,z)=E(c/a)= a et (e1-e0 ) est fonction de l’erreur a et indépendante de (x,z)).<br />
Ainsi E(wc/x,z)=E(wE(c/a,x,z)/x,z)= E(wa/x,z)<br />
On utilise alors le fait que a ~Normal(0,1) et est indépendant de (x,z), et on obtient :<br />
E(wa/x,z)= + x + z<br />
) où est une densité normale standard).<br />
( 0 1 2<br />
Par conséquent, nous pouvons écrire :<br />
y = + w<br />
+ x<br />
+ w(<br />
x <br />
) + (<br />
0 + x1<br />
+ z2<br />
) + e0<br />
+ r où r=wc-E(wc/x,z).<br />
L’erreur composite à une moyenne conditionnelle en (x,z) nulle et donc nous pouvons estimer les paramètres en<br />
utilisant les méthodes IV.)<br />
214