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 26extensions du test KS en faisant recours aux techniques <strong>de</strong> simulation <strong>et</strong> <strong>de</strong> bootstrap pouranalyser la dominance stochastique du premier <strong>et</strong> du second ordre (Heshmati <strong>et</strong> Maasoumi,1998 <strong>et</strong> 2005 ; Linton, Maasoumi <strong>et</strong> Whang, 2005 ; Linton, Post <strong>et</strong> Whang, 2005 ; Maasoumi<strong>et</strong> Millim<strong>et</strong>, 2005).Linton, Maasoumi <strong>et</strong> Whang (2005) en particulier proposent une procédure d’estimation<strong>de</strong>s valeurs critiques dans le cas <strong>de</strong> K options. En considérant K options 9 X 1 , ..., X K ,soient A = {X k : k = 1, ..., K} <strong>et</strong> ℵ = {X k,i : i = 1, ..., N} les réalisations <strong>de</strong> X k pourk = 1, ..., K, ils définissent l’expression suivante pour la distribution jointe typiquementdans le cas <strong>de</strong> la dominance du premier ordre :d ∗ = mink≠lsup [F k (x) − F l (x)] l, k = 1, ..., K. (2.24)x ∈ℵIls dérivent alors les hypothèses H d 0 : d ∗ ≤ 0 vs H d 1 : d ∗ > 0, où l’hypothèse nulleH d 0 implique que les perspectives dans A ne sont pas stochastiquement optimales au premierordre, ce qui signifie qu’il existe au moins une option qui domine les autres.Des étu<strong>de</strong>s comme celles <strong>de</strong> Barr<strong>et</strong>t <strong>et</strong> Donald (2003), Horváth, Kokoszka <strong>et</strong> Zitikis(2006) <strong>et</strong> Scaill<strong>et</strong> <strong>et</strong> Topaloglou (2005) éten<strong>de</strong>nt l’analyse à la dominance stochastique d’ordre≥ 2. Comme les distributions asymptotiques sont alors complexes, ces auteurs utilisent <strong>de</strong>sapproches basées sur les simulations <strong>et</strong> le bootstrap pour réaliser <strong>de</strong>s inférences vali<strong>de</strong>s. Morimune<strong>et</strong> Murasawa (2002) ainsi que Barr<strong>et</strong>t, Bhattacharya <strong>et</strong> Donald (2004), quant à eux,circonscrivent l’analyse respectivement à la dominance <strong>de</strong> la courbe GL <strong>et</strong> à celle <strong>de</strong> la courbe<strong>de</strong> Lorenz.En s’inspirant <strong>de</strong> Kod<strong>de</strong> <strong>et</strong> Palm (1986) <strong>et</strong> <strong>de</strong> Wolak (1989), Xu (1997) <strong>et</strong> Fisher, Willson<strong>et</strong> Xu (1998) proposent une alternative aux tests <strong>de</strong> la famille KS, le premier pour analyserla dominance <strong>de</strong> la courbe GL <strong>et</strong> les seconds pour la dominance stochastique du premier9 Il peut s’agir par exemple <strong>de</strong>s différents actifs d’un portefeuille.