@unpublished{publications49325,
           month = {April},
           title = {Essais sur les tests de sp{\'e}cification et la s{\'e}lection de mod{\`e}les {\`a} variables instrumentales},
          author = {Hippolyte Boucher},
            year = {2023},
             url = {https://publications.ut-capitole.fr/id/eprint/49325/},
        abstract = {Cette th{\`e}se contient quatre chapitres sur les tests de sp{\'e}cifications et la s{\'e}lection de mod{\`e}les {\`a} variables instrumentales (IVs). Les IVs sont devenues un outil majeur en sciences sociales et en {\'e}valuation des politiques publiques car elles permettent d'estimer l'effet causal de variables endog{\`e}nes sur des variables expliqu{\'e}es sans biais (due, par exemple, {\`a} des variables omises) en projetant ces variables endog{\`e}nes sur les IVs. Pour que cette strat{\'e}gie fonctionne, les IVs doivent {\^e}tre valides, autrement dit elles doivent {\^e}tre exog{\`e}nes et significativement corr{\'e}l{\'e}es aux variables endog{\`e}nes. Donc, dans cette th{\`e}se, j'{\'e}labore des tests et des m{\'e}thodes pour s{\'e}lectionner des mod{\`e}les {\`a} IVs dans le but d'estimer le v{\'e}ritable effet causal d'une variable sur une autre. Sa contribution est importante car la litt{\'e}rature statistique et {\'e}conom{\'e}trique s'est principalement concentr{\'e}e sur la s{\'e}lection de mod{\`e}le dans un but de pr{\'e}diction et sur la s{\'e}lection de mod{\`e}les causaux dans des cas simples (mod{\`e}le lin{\'e}aire, classificateur binaire) sans IVs.Le premier chapitre s'appelle "A Pivotal Nonparametric Test for Identification-Robust Inference in Linear IV Models" et se fonde en grande partie sur les travaux de Antoine et Lavergne (2022). Dans celui-ci, je construis un test de sp{\'e}cification nonparam{\'e}trique pour mod{\`e}le lin{\'e}aire {\`a} IVs qui, apr{\`e}s inversion, permet de faire de l'inf{\'e}rence sur l'effet causal homog{\`e}ne d'une ou plusieurs variables endog{\`e}nes. Ce test a trois caract{\'e}ristiques notables : Il est robuste aux probl{\`e}mes d'IVs faibles, il capture toute l'information comprise dans les relations entre les IVs et les variables endog{\`e}nes, et il est pivotal rendant la proc{\'e}dure tr{\`e}s simple {\`a} appliquer.Le second chapitre s'appelle "Testing and Relaxing Distributional Assumptions on Random Coefficients in Demand Models" et est co{\'e}crit avec G{\"o}k{\cc}e G{\"o}kkoca et Max Lesellier. Dans ce chapitre, nous consid{\'e}rons un mod{\`e}le de demande pour produits diff{\'e}renci{\'e}s {\`a} IVs et {\`a} coefficients al{\'e}atoires et proposerons un test et une proc{\'e}dure de s{\'e}lection de la distribution de ces coefficients al{\'e}atoires. Ces nouveaux outils sont une contribution significative car toute analyse contrefactuelle d{\'e}pend de la validit{\'e} de la sp{\'e}cification des coefficients al{\'e}atoires.Le troisi{\`e}me chapitre s'appelle "Selecting Strong and Exogenous Instruments via Structural Error Criteria". Dans celui-ci je consid{\`e}re le mod{\`e}le lin{\'e}aire {\`a} IVs et effet homog{\`e}ne et suppose que ces IVs ne sont pas forc{\'e}ment valides (ils peuvent {\^e}tre faibles et / ou endog{\`e}nes) et je d{\'e}veloppe trois crit{\`e}res de s{\'e}lection qui trouvent le sous-ensemble d'IVs valides. Ces m{\'e}thodes de s{\'e}lection se fondent sur la validation hors {\'e}chantillon, en pratique validation crois{\'e}e, ce chapitre est donc une contribution {\`a} la litt{\'e}rature en {\'e}conom{\'e}trie et en statistiques sur la s{\'e}lection de mod{\`e}le causal.Le quatri{\`e}me et dernier chapitre est la vignette de la librairie "SpeTestNP" develop{\'e}e sur R en collaboration avec Pascal Lavergne qui m'a fourni son code. Cette librairie permet d'effectuer des tests nonparam{\'e}triques de sp{\'e}cifications param{\'e}triques. Cinq tests robustes {\`a} l'h{\'e}t{\'e}rosc{\'e}dasticit{\'e} sont {\`a} disposition, Bierens (1982), Zheng (1996), Escanciano (2006), Lavergne et Patilea (2008), et Lavergne et Patilea (2012), avec de nombreuses options, notamment l'option calcul parall{\`e}le pour calculer rapidement des p-valeurs bas{\'e}es sur le bootstrap.}
}