Quantile

Welfare”, University of Nottingham, Nottingham Credit Research Paper 03/01, Centre for Research in Economic Development and International Trade,. GOMANEE, K., S. GIRMA and O. MORRISSEY (2003b), “Aid, Public Spending and Human Welfare: Evidence from Quantile Regressions”, Credit Research Paper 03/13, Centre for Research in Economic Development and International Trade, University of Nottingham, Nottingham. GUILLAUMONT, P. and CHAUVET, L. (2001), “Aid and performance : A reassessment”. Journal of Development

est supérieur au X² lu dans la table au seuil (1- α) et h degrés de liberté. III.3.2 TEST DE NORMALITE : TEST de Shapiro-Wilk Ce test non-paramétrique a pour principe de base le Q-Q plot. On cherche à mesurer la corrélation entre quantiles théoriques et quantiles empiriques. Les étapes du test sont les suivantes : (a) On réordonne les valeurs de la série { }n ui i 1 ˆ = par ordre croissant et l'on note { }n u i i ˆ[ ] 1 = la série ordonnée. (b) On calcule une somme pondérée des écarts entre

e montre une tendance centrale). La m´diane Me est d´finie par F (Me) = 1/2. e e Le mode M0 est la valeur xi t.q. P (x = xi ) soit maximale. b) indices de dispersion σ= V (x) mesure de l’´tendue du caract`re x. e e Quantiles: ` l ≥ 2 on associe l − 1 quantiles Q1 , . . . , Ql−1 t.q. a F (Qj ) = j/l, j = 1, . . . , l − 1 m3 c) γ1 = 3 = indice de dissym´trie e σ (< 0 si x concentr´ ` droite de x, > 0 si x concentr´ ` gauche de x) ea ¯ ea ¯ m4 d) γ2 = 4 − 3 = indice d’aplatissement

imaginable de pr´tendre analyser le comportement de la come pagnie d’assurance et de l’´conomie a ce niveau si extrˆme de risque. e ` e En effet, s’il est d´j` ardu en finance, o` les quantiles (appel´s Valueea u e at-Risk ou VaR) consid´r´s le sont en g´n´ral sur un horizon d’un jour, ee e e d’estimer de tels quantiles, alors qu’on dispose d’un grand nombre de donn´es du fait du pas de temps journalier, on ne dispose souvent que e d’un historique d’une dizaine a une vingtaine d’ann´es tout au plus

l’estimation en l’absence d’experts Méthode de groupe 6 5 4 3 2 1 1.  Information au groupe sur l’activité 2.  Estimations individuelles 0 1j 2j 3j 4j 5j 3.  Histogramme des résultats présentés au groupe 4.  Les participants des quantiles extérieurs expliquent leur vision En général, 3 itérations sont suffisantes 105 Méthode « Des Trois Points" Estimation •  La durée est considérée comme une variable aléatoire –  distribution –  on ne connaît pas la durée, mais la probabilité

Y égale à 1 Application : SIMUL_LOGIT.WF1 Included observations: 1000 Nombre d ’individus qui présentent effectivement une valeur de Y égale à 0 Bornes inf et sup pour les probabilités calculées des classes Grouping based upon predicted risk Quantile of Risk Dep=0 Dep=1 Total H-L Low High Actual Expect Actual Expect Obs Value 1 0.0000 9.E-15 100 100.000 0 6.1E-14 100 6.1E-14 2 9.E-15 3.E-10 100 100.000 0 3.6E-09 100 3.6E-09 3 3.E-10 3.E-08 100 100.000 0 9

d’agglomération, concurrence fiscale intercommunale, localisation des IDE • Autres thèmes de recherche en économétrie ¦ évaluation des politiques publiques, modèles hiérarchiques, économétrie des données expérimentales, méta-analyse, régressions quantiles Publications • Publications dans des revues à comité de lecture 48 publications dans des revues à comité de lecture dont : ¦ 44 dans des revues classées par l’AERES en Economie-Gestion (liste d’octobre 2012) ¦ 43 dans des revues classées par

− d) (X(i,j) − X(i,j+d) )2 1 i I 1 j J−d (φ) (φ) Le test de permutation peut alors etre fait pour toute distance d. On peut aussi ˆ de fa¸ on equivalente construire une bande de confiance individuelle pour chaque c ´ distance d en prenant les quantiles correspondant au niveau souhait´ . e Ce test a et´ appliqu´ sur les donn´ es de d´ p´ rissement de la lavande avec un ´e e e e e seuil α = 0, 05 et k = 200 permutations. Les r´ sultats sont report´ s sur la figure 4 : e e e e la courbe en trait plein

|• | | | | | | | | | | |B | Les quantiles |163 | | | | | C Quelques remarques |164 | | | |6 | – La série des

de tolérance sIT selon la formule (8) ; il servira aussi à l’estimation de l’incertitude de mesure. Il est obtenu grâce aux formules suivantes : La quantité ktol est appelé facteur de couverture de l’intervalle de tolérance et vaut : est le quantile de la distribution t de Student pour ν degrés de liberté et β la probabilité du contenu de l’intervalle de tolérance. Le nombre de degrés de liberté ν est calculé selon méthode d’approximation et donne : Pour chaque niveau k, calculer l’écart-type