BioMed Central : un nouveau modèle de l'édition scientifique à l'Université de Montréal

Publié sur le site Web des bibliothèques des sciences de la santé en 2004.

Qu'en est-il de l'équivalence ricardienne dans un modèle à taux de change empirique ?

Rapport de recherche

Le modèle de convergence vu selon l'approche de Dan, Ben-David: une vérification empirique par rapport au 8e cycle du GATT; le cas de l'ALENA versus l'Union Européenne (période 1970-2000).

Rapport de recherche

Le modèle statistique d'équilibre du comportement dans les jeux expérimentaux: applications aux contributions volontaires aux biens publics.

Rapport de recherche

Un modèle de gravité pour le commerce Canada-Etats-Unis et les effets frontières: une approche dynamique appliquée sur les données de panel sur la période 1990-1999.

Rapport de recherche

Modèle de gravité appliqué à l'Australie.

Rapport de recherche

Évaluation des performances de couverture d'un GARCH multivarié à corrélations conditionnelles dynamiques de type Engle (2002).

Rapport de recherche

Approche par la distribution des pertes pour le risque opérationnel: un modèle bayésien de mélange de distribution avec fusion des données internes et externes pour la sévérité des pertes.

Rapport de recherche

Modèle théorique sur la participation des chercheurs aux conférences.

Rapport de recherche

Genre, santé et développement: les inégalités entre les hommes et les femmes dans la santé constituent-elles un frein au développement? Estimation empirique en coupe transversale dans un modèle Mankiw – Romer – Weil.

Rapport de recherche

Analyse bayésienne d'un modèle pour les changements de prix de titres échangés à haute fréquence sur les marchés financiers.

Rapport de recherche

L'utilisation du bootstrap pour tester la stationnarité des taux de change réels avec un modèle non linéaire. L'évidence pour le Canada.

Rapport de recherche

Markovian Processes, Two-Sided Autoregressions and Finite-Sample Inference for Stationary and Nonstationary Autoregressive Processes.

In this paper, we develop finite-sample inference procedures for stationary and nonstationary autoregressive (AR) models. The method is based on special properties of Markov processes and a split-sample technique. The results on Markovian processes (intercalary independence and truncation) only require the existence of conditional densities. They are proved for possibly nonstationary and/or non-Gaussian multivariate Markov processes. In the context of a linear regression model with AR(1) errors, we show how these results can be used to simplify the distributional properties of the model by conditioning a subset of the data on the remaining observations. This transformation leads to a new model which has the form of a two-sided autoregression to which standard classical linear regression inference techniques can be applied. We show how to derive tests and confidence sets for the mean and/or autoregressive parameters of the model. We also develop a test on the order of an autoregression. We show that a combination of subsample-based inferences can improve the performance of the procedure. An application to U.S. domestic investment data illustrates the method.

Nonparametric Instrumental Regression

The focus of the paper is the nonparametric estimation of an instrumental regression function P defined by conditional moment restrictions stemming from a structural econometric model : E[Y-P(Z)|W]=0 and involving endogenous variables Y and Z and instruments W. The function P is the solution of an ill-posed inverse problem and we propose an estimation procedure based on Tikhonov regularization. The paper analyses identification and overidentification of this model and presents asymptotic properties of the estimated nonparametric instrumental regression function.