Hétéroscédasticité, autocorrélation et erreurs-types robustes
Découvrez pourquoi les erreurs-types classiques échouent, ce que permettent les estimateurs White, groupés et HAC de Newey–West, comment les choisir et où l'inférence robuste s'arrête dans les données financières
Réponse directe
Une erreur-type modélise la variation qu'aurait un coefficient estimé entre des échantillons répétés. L'hétéroscédasticité signifie que la variance de l'erreur change avec les conditions observées, tandis que l'autocorrélation signifie que les erreurs à des dates différentes sont liées. Les erreurs-types de White autorisent l'hétéroscédasticité, celles de Newey–West HAC autorisent l'hétéroscédasticité et une dépendance sérielle bornée, et les erreurs groupées autorisent une dépendance large à l'intérieur de groupes choisis. Aucune ne corrige l'endogénéité ou une équation de régression mal spécifiée
Les erreurs-types mesurent la variation de l'estimateur
Un coefficient est une estimation ponctuelle issue d'un échantillon ; son erreur-type approxime la manière dont cet estimateur fluctuerait si le processus générateur des données était répété
Les statistiques t, les valeurs p et les intervalles de confiance dépendent de cette estimation de covariance ; le même coefficient peut donc mener à une inférence différente sous un autre modèle de dépendance
L'erreur-type d'un coefficient n'est ni la volatilité de l'actif ni l'écart-type des résidus ; elle dépend aussi de la conception et de la taille effective de l'échantillon
L'hétéroscédasticité modifie la variance conditionnelle de l'erreur
Sous hétéroscédasticité, la variance conditionnelle de la perturbation n'est pas constante selon les valeurs des régresseurs ou les états
Si l'exogénéité reste valable, les coefficients MCO peuvent rester cohérents, tandis que les erreurs-types classiques calculées sous l'hypothèse d'une variance égale peuvent être fausses
L'estimateur de covariance de White robuste à l'hétéroscédasticité utilise les contributions au carré des résidus au niveau de l'observation pour réestimer l'incertitude en grand échantillon
L'autocorrélation duplique l'information au fil du temps
L'autocorrélation signifie que les perturbations à des dates différentes ont une covariance non nulle ; une dépendance positive peut faire surestimer l'information effective par un calcul d'indépendance
Les rendements qui se chevauchent, les chocs absorbés lentement, l'agrégation calendaire et les régimes de risque persistants sont des sources financières courantes
Ajouter des retards modifie le modèle de moyenne conditionnelle, tandis que modifier seulement l'estimateur de covariance change l'inférence ; ces remèdes ne sont pas interchangeables
Faites correspondre la méthode robuste à la carte de dépendance
Les estimateurs de type White conviennent aux cadres transversaux qui conservent l'indépendance entre observations tout en autorisant une variance différente pour chaque observation
HAC de Newey–West pondère les autocovariances d'échantillon au moyen d'un noyau choisi et d'un retard maximal pour autoriser l'hétéroscédasticité et l'autocorrélation des séries temporelles
Les erreurs-types groupées autorisent une dépendance large à l'intérieur d'une entreprise, d'une date ou d'un autre groupe défini, mais exigent l'indépendance entre groupes et un nombre suffisant de groupes
Les réglages et les petits échantillons comptent
Un retard HAC trop court ignore la dépendance restante, tandis qu'un retard trop long ajoute du bruit ; la fréquence et la structure économique des chevauchements doivent donc motiver le choix
Les corrections HC0 à HC3 réagissent différemment au levier et aux degrés de liberté, et leurs différences peuvent être importantes dans les petits échantillons
Un nombre faible de groupes ou des groupes très inégaux peuvent rendre les approximations asymptotiques ordinaires peu fiables et appeler des corrections en petit échantillon ou une autre inférence
Les régressions financières ont besoin d'une carte de dépendance
Les régressions factorielles mensuelles soulèvent une dépendance sérielle, les panels d'entreprises une dépendance interne aux entreprises et les comparaisons entre actifs à une même date des chocs communs de date
Un regroupement dans deux dimensions peut être envisagé lorsque la dépendance par entreprise et par date coexiste, mais le nombre de groupes dans les deux dimensions doit le permettre
Les fenêtres d'événements qui se chevauchent ou les portefeuilles réutilisés peuvent laisser bien moins d'informations indépendantes que ne le suggère le nombre nominal d'observations
Dites exactement ce que signifie robuste
Indiquez la variante HC, la variable et le nombre de groupes, ou le noyau HAC, le retard maximal et l'ajustement en petit échantillon à côté de l'estimation du coefficient
Montrez comment les intervalles changent selon plusieurs structures de dépendance défendables sur le plan économique, au lieu de présenter un choix de covariance comme automatique
Précisez que les erreurs-types robustes laissent inchangés le coefficient, la sélection de l'échantillon, la mesure, la forme fonctionnelle et les hypothèses d'identification
Questions fréquentes
L'hétéroscédasticité rend-elle toujours le coefficient MCO faux ?
Non. Avec l'exogénéité et les autres conditions intactes, le coefficient peut rester cohérent tandis que les erreurs-types classiques et l'efficacité sont affectées
Quand faut-il utiliser les erreurs-types de Newey–West ?
Elles sont utilisées pour les régressions de séries temporelles lorsqu'on veut autoriser l'hétéroscédasticité et une dépendance sérielle limitée, avec indication du retard maximal
Faut-il toujours regrouper un panel d'entreprises par entreprise ?
Non. La conception doit identifier où les erreurs évoluent ensemble, en incluant les éventuels chocs communs de date ainsi que la persistance au sein des entreprises
Les erreurs-types robustes rendent-elles toujours les valeurs p plus grandes ?
Non. La covariance estimée peut rendre l'erreur-type plus grande ou plus petite ; le sens de la variation ne peut donc pas être supposé à l'avance