000001475 001__ 1475
000001475 005__ 20250211155826.0
000001475 0247_ $$a10.34989/swp-2008-18$$2DOI
000001475 035__ $$a10.34989/swp-2008-18
000001475 041__ $$aeng
000001475 084__ $$aC Mathematical and Quantitative Methods$$02849
000001475 084__ $$aC1 Econometric and Statistical Methods and Methodology: General$$02853
000001475 084__ $$aC14 Semiparametric and Nonparametric Methods: General$$02858
000001475 084__ $$aC2 Single Equation Models; Single Variables$$02862
000001475 084__ $$aC22 Time-Series Models; Dynamic Quantile Regressions; Dynamic Treatment Effect Models; Diffusion Processes$$02864
000001475 245__ $$aEmpirical Likelihood Block Bootstrapping
000001475 260__ $$bBank of Canada
000001475 269__ $$a2008
000001475 300__ $$a1 online resource (iii, 32 pages)
000001475 336__ $$aText
000001475 347__ $$bPDF
000001475 520__ $$aMonte Carlo evidence has made it clear that asymptotic tests based on generalized method of moments (GMM) estimation have disappointing size. The problem is exacerbated when the moment conditions are serially correlated. Several block bootstrap techniques have been proposed to correct the problem, including Hall and Horowitz (1996) and Inoue and Shintani (2006). We propose an empirical likelihood block bootstrap procedure to improve inference where models are characterized by nonlinear moment conditions that are serially correlated of possibly infinite order. Combining the ideas of Kitamura (1997) and Brown and Newey (2002), the parameters of a model are initially estimated by GMM which are then used to compute the empirical likelihood probability weights of the blocks of moment conditions. The probability weights serve as the multinomial distribution used in resampling. The first-order asymptotic validity of the proposed procedure is proven, and a series of Monte Carlo experiments show it may improve test sizes over conventional block bootstrapping.$$7Abstract
000001475 520__ $$aLes simulations de Monte-Carlo montrent bien que les tests asymptotiques fondés sur la méthode des moments généralisés ont un niveau peu satisfaisant. Ce défaut s'accentue dès lors que les conditions de moments sont autocorrélées. Pour surmonter cette difficulté, plusieurs techniques de rééchantillonnage par blocs ont été mises en avant, notamment par Hall et Horowitz (1996) ainsi que par Inoue et Shintani (2006). Les auteurs proposent ici une technique de rééchantillonnage par blocs faisant appel à une méthode empirique de vraisemblance qui permet d'améliorer la qualité des inférences dans les modèles caractérisés par des conditions de moments non linéaires autocorrélées et d'ordre peut-être infini. Conjuguant les démarches de Kitamura (1997) et de Brown et Newey (2002), ils estiment par la méthode des moments généralisés des paramètres qui leur serviront ensuite à calculer, au moyen de la méthode de vraisemblance utilisée, les probabilités associées aux blocs des conditions de moments. De ces probabilités, ils tirent la distribution multinomiale employée dans le rééchantillonnage. Les auteurs démontrent la validité asymptotique au premier ordre de leur technique, qui peut améliorer le niveau des tests par rapport à la technique classique de rééchantillonnage par blocs, comme le révèle une série de simulations de Monte-Carlo.$$7Résumé
000001475 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000001475 6531_ $$aEconometric and statistical methods
000001475 6531_ $$aMéthodes économétriques et statistiques
000001475 7001_ $$aAllen, Jason
000001475 7001_ $$aGregory, Allan
000001475 7001_ $$aShimotsu, Katsumi
000001475 789__ $$w1701-9397$$2ISSN$$eIsPartOf
000001475 791__ $$aJournalArticle$$eIsPreviousVersionOf$$iStaff Working Paper is published in peer-reviewed journal$$2DOI$$tEmpirical likelihood block bootstrapping$$w10.1016/j.jeconom.2010.10.003$$c2011$$dJournal of Econometrics (Elsevier)$$j161$$k2$$o110$$q121
000001475 8301_ $$aStaff Working Paper
000001475 8301_ $$aDocument de travail du personnel
000001475 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/1475/files/wp08-18.pdf$$9e08efa71-1b47-4edf-b4b3-b6bbee00d0ef$$s246683$$zFile Source: Bank of Canada website, 2024
000001475 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:1475$$pbibliographic
000001475 980__ $$aStaff Research
000001475 980__ $$aRDM
000001475 991__ $$aPublic