Inférence statistique dans des modèles de moments conditionnels en présence de censure

Pascal Lavergne (1, 2) , Olivier Lopez (3, 4, 5, 6) , Valentin Patilea (7, 8)

1 TSE-R - Toulouse School of Economics
2 SFU.ca - Simon Fraser University = Université Simon Fraser
3 LSTA - Laboratoire de Statistique Théorique et Appliquée
4 PG - Physique des géomatériaux
5 LPL - Laboratoire de Physique des Lasers
6 CREST - Centre de Recherche en Économie et Statistique
7 IRMAR - Institut de Recherche Mathématique de Rennes
8 INSA Rennes - Institut National des Sciences Appliquées - Rennes

Une large littérature statistique, biostatistique, économétrique, ... étudie l'inférence statistique (estimation et tests) dans des modèles semi paramétriques définis par des moments conditionnels lorsque les données sont censurées. La régression paramétrique classique ou quantile en présence d'une censure à droite sur la variable à expliquer sont des exemples de référence. Nous proposons une nouvelle classe d'estimateurs pour des modèles définis par l'espérance conditionnelle d'une fonction connue dépendante de vecteurs observés $Y$ et $X$ et d'un paramètre inconnu $\theta$, sachant le vecteur aléatoire $X$, lorsque les observations $Y$ sont soumises à un mécanisme de censure. L'estimateur proposé minimise une distance pondérée à l'aide d'un noyau et des poids qui prennent en compte la censure. Les résultats théoriques sont obtenus uniformément par rapport à la fenêtre du noyau et sous de conditions générales sur le mécanisme de censure. Plusieurs exemples de mécanismes de censure sont proposés.

Domaines: Statistiques [math.ST]; Théorie [stat.TH]

Pascal Lavergne, Olivier Lopez, Valentin Patilea. Inférence statistique dans des modèles de moments conditionnels en présence de censure. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494807⟩