Karteikarten: Introduction à l'économétrie appliquée — 16 Karten

Pilier de l’économétrie — définition ?

Données, modèle, estimation, inférence.

Estimation MLE — rôle ?

Trouver paramètres rendant les données probables.

Vraisemblance normale — paramètres ?

Moyenne μ et variance ε².

Modèle linéaire bivarié — formule ?

yi=β0+β1xi+ui.

Hypothèse de normalité — erreur ?

ui∼N(0,ε²).

Maximisation log-vraisemblance — but ?

Obtenir estimateurs MLE.

Estimateurs MLE vs OLS — dans normalité ?

Équivalents dans modèle linéaire normal.

Propriétés MLE — en grands échantillons ?

Efficace et consistant.

Limite MLE — en petits échantillons ?

Moins fiable, biais potentiel.

Test LR — rôle ?

Comparer vraisemblance modèle restreint et non.

Test Wald — principe ?

Distance normalisée entre estimateur et hypothèse.

Test Score — principe ?

Pente de la log-vraisemblance sous H0.

Intuition tests LR, Wald, Score — différence ?

Différents critères, même objectif.

Vraisemblance normale — construction ?

Produit des densités normales individuelles.

Normalité erreurs — condition ?

Indépendance de xi et ui.

Propriétés MLE — en grands échantillons ?

Asymptotiquement efficace et normal.