Comparaisons multidimensionnelles de bien-être et de pauvreté ...
Comparaisons multidimensionnelles de bien-être et de pauvreté ...
Comparaisons multidimensionnelles de bien-être et de pauvreté ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Chapitre 2. Mesures <strong>de</strong> la pauvr<strong>et</strong>é multidimensionnelle <strong>et</strong> inférences statistiques 24En supposant <strong>de</strong>ux vecteurs <strong>de</strong> fréquences x A <strong>et</strong> x B issus <strong>de</strong> <strong>de</strong>ux populations A <strong>et</strong> B,à partir <strong>de</strong> la définition analytique <strong>de</strong> la dominance stochastique aux trois premiers ordres,An<strong>de</strong>rson (1996) modifie la règle trapézoïdale <strong>de</strong> Goodman (1967) pour l’approximation<strong>de</strong>s intégrales <strong>et</strong> définit <strong>de</strong>ux matrices I f <strong>et</strong> I F . I f est une matrice triangulaire inférieure <strong>de</strong>dimension (K × K) alors que I F est une matrice <strong>de</strong> même dimension <strong>de</strong> la forme :⎡I F =⎢⎣⎤d 1 0 · · · 0d 1 + d 2 d 2 · · · 0· · · · · ·⎥· · · · · · ⎦d 1 + d 2 d 2 + d 3 · · · d Koù d i représente la longueur <strong>de</strong> l’intervalle <strong>de</strong> la partition i. Il dérive alors un test <strong>de</strong> Waldbasé sur les hypothèses suivantes :H 1 0 : I f(P A − P B) = 0 vs H 1 1 : I f(P A − P B) ≤ 0H 2 0 : I F I f(P A − P B) = 0 vs H 2 1 : I F I f(P A − P B) ≤ 0H 3 0 : I F I F I f(P A − P B) = 0 vs H 3 1 : I F I F I f(P A − P B) ≤ 0Ces hypothèses concernent respectivement les dominances stochastiques <strong>de</strong> premier ordre,<strong>de</strong> second ordre <strong>et</strong> <strong>de</strong> troisième ordre. Pour Barr<strong>et</strong>t <strong>et</strong> Donald (2003), l’estimation <strong>de</strong> la fonction<strong>de</strong> distribution cumulée (CDF) à <strong>de</strong>s points d’évaluation par An<strong>de</strong>rson produit <strong>de</strong>s résultatspotentiellement biaisés <strong>et</strong> non convergents, ce qui n’est pas le cas lorsque la métho<strong>de</strong>d’estimation du CDF est plutôt basée sur l’intégration directe comme chez Davidson <strong>et</strong> Duclos(2000). Ils pensent que, même si ce biais ne peut en général pas conduire à rej<strong>et</strong>er une