Resumen

LMAKRI, Aziz; AKHARIF, Abdelhadi  y  MELLOUK, Amal. Detección óptima de dependencia bilineal en regresión con datos de panel cortos. Rev.Colomb.Estad. [online]. 2020, vol.43, n.2, pp.143-171.  Epub 05-Dic-2020. ISSN 0120-1751.  https://doi.org/10.15446/rce.v43n2.83044.

En este artículo, se proponen pruebas paramétricas y no paramétricas locales y asintóticamente óptimas para modelos de regresión con errores de series temporales bilineales superdiagonales en datos de panel cortos (n grande, T pequeño). Se establece una propiedad de normalidad asintótica local con respecto a la intercepción µ, el coeficiente de regresión β, el parámetro de escala σ del error y el parámetro b del modelo bilineal superdiagonal con datos de panel (que es el parámetro de interés) para una densidad determinada f 1 de los términos de error. Se proporcionan versiones basadas en rangos de pruebas paramétricas óptimas. Este resultado permite, por el teorema de representación de Hájek, la construcción de pruebas locales basadas en rangos asintóticamente óptimas para la hipótesis nula b = 0 (ausencia del modelo bilineal superdiagonal con datos de panel). Estas pruebas, en densidades de innovación especicadas f 1 , son óptimas (más estrictas), pero siguen siendo válidas en cualquier densidad subyacente. A partir de la contigüidad, se obtiene la distribución limitante de las estadísticas de prueba, bajo la hipótesis nula y una secuencia de alternativas locales. Se deriva eficiencia relativa asintótica de las pruebas, con respecto a las pruebas paramétricas pseudo-Gaussianas. Un análisis basado en simulaciones de Monte Carlo confirma el buen desempeño de las pruebas propuestas.

Palabras clave : Datos de panel; Linealidad asintótica local; Normalidad asintótica local; Proceso bilineal; Prueba pseudo-gaussiana; Pruebas de rango.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )