The Wild Bootstrap for the Variance Radio Test.

Rapport de recherche

Essays on bootstrap in econometrics

Ma thèse est composée de trois essais sur l'inférence par le bootstrap à la fois dans les modèles de données de panel et les modèles à grands nombres de variables instrumentales #VI# dont un grand nombre peut être faible. La théorie asymptotique n'étant pas toujours une bonne approximation de la distribution d'échantillonnage des estimateurs et statistiques de tests, je considère le bootstrap comme une alternative. Ces essais tentent d'étudier la validité asymptotique des procédures bootstrap existantes et quand invalides, proposent de nouvelles méthodes bootstrap valides. Le premier chapitre #co-écrit avec Sílvia Gonçalves# étudie la validité du bootstrap pour l'inférence dans un modèle de panel de données linéaire, dynamique et stationnaire à effets fixes. Nous considérons trois méthodes bootstrap: le recursive-design bootstrap, le fixed-design bootstrap et le pairs bootstrap. Ces méthodes sont des généralisations naturelles au contexte des panels des méthodes bootstrap considérées par Gonçalves et Kilian #2004# dans les modèles autorégressifs en séries temporelles. Nous montrons que l'estimateur MCO obtenu par le recursive-design bootstrap contient un terme intégré qui imite le biais de l'estimateur original. Ceci est en contraste avec le fixed-design bootstrap et le pairs bootstrap dont les distributions sont incorrectement centrées à zéro. Cependant, le recursive-design bootstrap et le pairs bootstrap sont asymptotiquement valides quand ils sont appliqués à l'estimateur corrigé du biais, contrairement au fixed-design bootstrap. Dans les simulations, le recursive-design bootstrap est la méthode qui produit les meilleurs résultats. Le deuxième chapitre étend les résultats du pairs bootstrap aux modèles de panel non linéaires dynamiques avec des effets fixes. Ces modèles sont souvent estimés par l'estimateur du maximum de vraisemblance #EMV# qui souffre également d'un biais. Récemment, Dhaene et Johmans #2014# ont proposé la méthode d'estimation split-jackknife. Bien que ces estimateurs ont des approximations asymptotiques normales centrées sur le vrai paramètre, de sérieuses distorsions demeurent à échantillons finis. Dhaene et Johmans #2014# ont proposé le pairs bootstrap comme alternative dans ce contexte sans aucune justification théorique. Pour combler cette lacune, je montre que cette méthode est asymptotiquement valide lorsqu'elle est utilisée pour estimer la distribution de l'estimateur split-jackknife bien qu'incapable d'estimer la distribution de l'EMV. Des simulations Monte Carlo montrent que les intervalles de confiance bootstrap basés sur l'estimateur split-jackknife aident grandement à réduire les distorsions liées à l'approximation normale en échantillons finis. En outre, j'applique cette méthode bootstrap à un modèle de participation des femmes au marché du travail pour construire des intervalles de confiance valides. Dans le dernier chapitre #co-écrit avec Wenjie Wang#, nous étudions la validité asymptotique des procédures bootstrap pour les modèles à grands nombres de variables instrumentales #VI# dont un grand nombre peu être faible. Nous montrons analytiquement qu'un bootstrap standard basé sur les résidus et le bootstrap restreint et efficace #RE# de Davidson et MacKinnon #2008, 2010, 2014# ne peuvent pas estimer la distribution limite de l'estimateur du maximum de vraisemblance à information limitée #EMVIL#. La raison principale est qu'ils ne parviennent pas à bien imiter le paramètre qui caractérise l'intensité de l'identification dans l'échantillon. Par conséquent, nous proposons une méthode bootstrap modifiée qui estime de facon convergente cette distribution limite. Nos simulations montrent que la méthode bootstrap modifiée réduit considérablement les distorsions des tests asymptotiques de type Wald #$t$# dans les échantillons finis, en particulier lorsque le degré d'endogénéité est élevé.

Méthodes de Bootstrap pour les modèles à facteurs

Cette thèse développe des méthodes bootstrap pour les modèles à facteurs qui sont couram- ment utilisés pour générer des prévisions depuis l'article pionnier de Stock et Watson (2002) sur les indices de diffusion. Ces modèles tolèrent l'inclusion d'un grand nombre de variables macroéconomiques et financières comme prédicteurs, une caractéristique utile pour inclure di- verses informations disponibles aux agents économiques. Ma thèse propose donc des outils éco- nométriques qui améliorent l'inférence dans les modèles à facteurs utilisant des facteurs latents extraits d'un large panel de prédicteurs observés. Il est subdivisé en trois chapitres complémen- taires dont les deux premiers en collaboration avec Sílvia Gonçalves et Benoit Perron. Dans le premier article, nous étudions comment les méthodes bootstrap peuvent être utilisées pour faire de l'inférence dans les modèles de prévision pour un horizon de h périodes dans le futur. Pour ce faire, il examine l'inférence bootstrap dans un contexte de régression augmentée de facteurs où les erreurs pourraient être autocorrélées. Il généralise les résultats de Gonçalves et Perron (2014) et propose puis justifie deux approches basées sur les résidus : le block wild bootstrap et le dependent wild bootstrap. Nos simulations montrent une amélioration des taux de couverture des intervalles de confiance des coefficients estimés en utilisant ces approches comparativement à la théorie asymptotique et au wild bootstrap en présence de corrélation sérielle dans les erreurs de régression. Le deuxième chapitre propose des méthodes bootstrap pour la construction des intervalles de prévision permettant de relâcher l'hypothèse de normalité des innovations. Nous y propo- sons des intervalles de prédiction bootstrap pour une observation h périodes dans le futur et sa moyenne conditionnelle. Nous supposons que ces prévisions sont faites en utilisant un ensemble de facteurs extraits d'un large panel de variables. Parce que nous traitons ces facteurs comme latents, nos prévisions dépendent à la fois des facteurs estimés et les coefficients de régres- sion estimés. Sous des conditions de régularité, Bai et Ng (2006) ont proposé la construction d'intervalles asymptotiques sous l'hypothèse de Gaussianité des innovations. Le bootstrap nous permet de relâcher cette hypothèse et de construire des intervalles de prédiction valides sous des hypothèses plus générales. En outre, même en supposant la Gaussianité, le bootstrap conduit à des intervalles plus précis dans les cas où la dimension transversale est relativement faible car il prend en considération le biais de l'estimateur des moindres carrés ordinaires comme le montre une étude récente de Gonçalves et Perron (2014). Dans le troisième chapitre, nous suggérons des procédures de sélection convergentes pour les regressions augmentées de facteurs en échantillons finis. Nous démontrons premièrement que la méthode de validation croisée usuelle est non-convergente mais que sa généralisation, la validation croisée «leave-d-out» sélectionne le plus petit ensemble de facteurs estimés pour l'espace généré par les vraies facteurs. Le deuxième critère dont nous montrons également la validité généralise l'approximation bootstrap de Shao (1996) pour les regressions augmentées de facteurs. Les simulations montrent une amélioration de la probabilité de sélectionner par- cimonieusement les facteurs estimés comparativement aux méthodes de sélection disponibles. L'application empirique revisite la relation entre les facteurs macroéconomiques et financiers, et l'excès de rendement sur le marché boursier américain. Parmi les facteurs estimés à partir d'un large panel de données macroéconomiques et financières des États Unis, les facteurs fortement correlés aux écarts de taux d'intérêt et les facteurs de Fama-French ont un bon pouvoir prédictif pour les excès de rendement.

Méthodes de Bootstrap pour les modèles à facteurs

Cette thèse développe des méthodes bootstrap pour les modèles à facteurs qui sont couram- ment utilisés pour générer des prévisions depuis l'article pionnier de Stock et Watson (2002) sur les indices de diffusion. Ces modèles tolèrent l'inclusion d'un grand nombre de variables macroéconomiques et financières comme prédicteurs, une caractéristique utile pour inclure di- verses informations disponibles aux agents économiques. Ma thèse propose donc des outils éco- nométriques qui améliorent l'inférence dans les modèles à facteurs utilisant des facteurs latents extraits d'un large panel de prédicteurs observés. Il est subdivisé en trois chapitres complémen- taires dont les deux premiers en collaboration avec Sílvia Gonçalves et Benoit Perron. Dans le premier article, nous étudions comment les méthodes bootstrap peuvent être utilisées pour faire de l'inférence dans les modèles de prévision pour un horizon de h périodes dans le futur. Pour ce faire, il examine l'inférence bootstrap dans un contexte de régression augmentée de facteurs où les erreurs pourraient être autocorrélées. Il généralise les résultats de Gonçalves et Perron (2014) et propose puis justifie deux approches basées sur les résidus : le block wild bootstrap et le dependent wild bootstrap. Nos simulations montrent une amélioration des taux de couverture des intervalles de confiance des coefficients estimés en utilisant ces approches comparativement à la théorie asymptotique et au wild bootstrap en présence de corrélation sérielle dans les erreurs de régression. Le deuxième chapitre propose des méthodes bootstrap pour la construction des intervalles de prévision permettant de relâcher l'hypothèse de normalité des innovations. Nous y propo- sons des intervalles de prédiction bootstrap pour une observation h périodes dans le futur et sa moyenne conditionnelle. Nous supposons que ces prévisions sont faites en utilisant un ensemble de facteurs extraits d'un large panel de variables. Parce que nous traitons ces facteurs comme latents, nos prévisions dépendent à la fois des facteurs estimés et les coefficients de régres- sion estimés. Sous des conditions de régularité, Bai et Ng (2006) ont proposé la construction d'intervalles asymptotiques sous l'hypothèse de Gaussianité des innovations. Le bootstrap nous permet de relâcher cette hypothèse et de construire des intervalles de prédiction valides sous des hypothèses plus générales. En outre, même en supposant la Gaussianité, le bootstrap conduit à des intervalles plus précis dans les cas où la dimension transversale est relativement faible car il prend en considération le biais de l'estimateur des moindres carrés ordinaires comme le montre une étude récente de Gonçalves et Perron (2014). Dans le troisième chapitre, nous suggérons des procédures de sélection convergentes pour les regressions augmentées de facteurs en échantillons finis. Nous démontrons premièrement que la méthode de validation croisée usuelle est non-convergente mais que sa généralisation, la validation croisée «leave-d-out» sélectionne le plus petit ensemble de facteurs estimés pour l'espace généré par les vraies facteurs. Le deuxième critère dont nous montrons également la validité généralise l'approximation bootstrap de Shao (1996) pour les regressions augmentées de facteurs. Les simulations montrent une amélioration de la probabilité de sélectionner par- cimonieusement les facteurs estimés comparativement aux méthodes de sélection disponibles. L'application empirique revisite la relation entre les facteurs macroéconomiques et financiers, et l'excès de rendement sur le marché boursier américain. Parmi les facteurs estimés à partir d'un large panel de données macroéconomiques et financières des États Unis, les facteurs fortement correlés aux écarts de taux d'intérêt et les facteurs de Fama-French ont un bon pouvoir prédictif pour les excès de rendement.

Bootstrapping Autoregressions with Conditional Heteroskedasticity of Unknown Form

Conditional heteroskedasticity is an important feature of many macroeconomic and financial time series. Standard residual-based bootstrap procedures for dynamic regression models treat the regression error as i.i.d. These procedures are invalid in the presence of conditional heteroskedasticity. We establish the asymptotic validity of three easy-to-implement alternative bootstrap proposals for stationary autoregressive processes with m.d.s. errors subject to possible conditional heteroskedasticity of unknown form. These proposals are the fixed-design wild bootstrap, the recursive-design wild bootstrap and the pairwise bootstrap. In a simulation study all three procedures tend to be more accurate in small samples than the conventional large-sample approximation based on robust standard errors. In contrast, standard residual-based bootstrap methods for models with i.i.d. errors may be very inaccurate if the i.i.d. assumption is violated. We conclude that in many empirical applications the proposed robust bootstrap procedures should routinely replace conventional bootstrap procedures for autoregressions based on the i.i.d. error assumption.

Bootstrapping high frequency data

Nous développons dans cette thèse, des méthodes de bootstrap pour les données financières de hautes fréquences. Les deux premiers essais focalisent sur les méthodes de bootstrap appliquées à l’approche de "pré-moyennement" et robustes à la présence d’erreurs de microstructure. Le "pré-moyennement" permet de réduire l’influence de l’effet de microstructure avant d’appliquer la volatilité réalisée. En se basant sur cette ap- proche d’estimation de la volatilité intégrée en présence d’erreurs de microstructure, nous développons plusieurs méthodes de bootstrap qui préservent la structure de dépendance et l’hétérogénéité dans la moyenne des données originelles. Le troisième essai développe une méthode de bootstrap sous l’hypothèse de Gaussianité locale des données financières de hautes fréquences. Le premier chapitre est intitulé: "Bootstrap inference for pre-averaged realized volatility based on non-overlapping returns". Nous proposons dans ce chapitre, des méthodes de bootstrap robustes à la présence d’erreurs de microstructure. Particulièrement nous nous sommes focalisés sur la volatilité réalisée utilisant des rendements "pré-moyennés" proposés par Podolskij et Vetter (2009), où les rendements "pré-moyennés" sont construits sur des blocs de rendements à hautes fréquences consécutifs qui ne se chevauchent pas. Le "pré-moyennement" permet de réduire l’influence de l’effet de microstructure avant d’appliquer la volatilité réalisée. Le non-chevauchement des blocs fait que les rendements "pré-moyennés" sont asymptotiquement indépendants, mais possiblement hétéroscédastiques. Ce qui motive l’application du wild bootstrap dans ce contexte. Nous montrons la validité théorique du bootstrap pour construire des intervalles de type percentile et percentile-t. Les simulations Monte Carlo montrent que le bootstrap peut améliorer les propriétés en échantillon fini de l’estimateur de la volatilité intégrée par rapport aux résultats asymptotiques, pourvu que le choix de la variable externe soit fait de façon appropriée. Nous illustrons ces méthodes en utilisant des données financières réelles. Le deuxième chapitre est intitulé : "Bootstrapping pre-averaged realized volatility under market microstructure noise". Nous développons dans ce chapitre une méthode de bootstrap par bloc basée sur l’approche "pré-moyennement" de Jacod et al. (2009), où les rendements "pré-moyennés" sont construits sur des blocs de rendements à haute fréquences consécutifs qui se chevauchent. Le chevauchement des blocs induit une forte dépendance dans la structure des rendements "pré-moyennés". En effet les rendements "pré-moyennés" sont m-dépendant avec m qui croît à une vitesse plus faible que la taille d’échantillon n. Ceci motive l’application d’un bootstrap par bloc spécifique. Nous montrons que le bloc bootstrap suggéré par Bühlmann et Künsch (1995) n’est valide que lorsque la volatilité est constante. Ceci est dû à l’hétérogénéité dans la moyenne des rendements "pré-moyennés" au carré lorsque la volatilité est stochastique. Nous proposons donc une nouvelle procédure de bootstrap qui combine le wild bootstrap et le bootstrap par bloc, de telle sorte que la dépendance sérielle des rendements "pré-moyennés" est préservée à l’intérieur des blocs et la condition d’homogénéité nécessaire pour la validité du bootstrap est respectée. Sous des conditions de taille de bloc, nous montrons que cette méthode est convergente. Les simulations Monte Carlo montrent que le bootstrap améliore les propriétés en échantillon fini de l’estimateur de la volatilité intégrée par rapport aux résultats asymptotiques. Nous illustrons cette méthode en utilisant des données financières réelles. Le troisième chapitre est intitulé: "Bootstrapping realized covolatility measures under local Gaussianity assumption". Dans ce chapitre nous montrons, comment et dans quelle mesure on peut approximer les distributions des estimateurs de mesures de co-volatilité sous l’hypothèse de Gaussianité locale des rendements. En particulier nous proposons une nouvelle méthode de bootstrap sous ces hypothèses. Nous nous sommes focalisés sur la volatilité réalisée et sur le beta réalisé. Nous montrons que la nouvelle méthode de bootstrap appliquée au beta réalisé était capable de répliquer les cummulants au deuxième ordre, tandis qu’il procurait une amélioration au troisième degré lorsqu’elle est appliquée à la volatilité réalisée. Ces résultats améliorent donc les résultats existants dans cette littérature, notamment ceux de Gonçalves et Meddahi (2009) et de Dovonon, Gonçalves et Meddahi (2013). Les simulations Monte Carlo montrent que le bootstrap améliore les propriétés en échantillon fini de l’estimateur de la volatilité intégrée par rapport aux résultats asymptotiques et les résultats de bootstrap existants. Nous illustrons cette méthode en utilisant des données financières réelles.

Rickettsial Infection in Ticks Collected from Road-Killed Wild Animals in Rio de Janeiro, Brazil

During 2008D2010, ticks were collected from road-killed wild animals within the Serra dos Orgaos National Park area in the state of Rio de Janeiro, Brazil. In total, 193 tick specimens were collected, including Amblyomma dubitatum Neumann and Amblyomma cajennense (F.) from four Hydrochoerus hydrochaeris (L.), Amblyomma calcaratum Neumann and A. cajennense from four Tamandua tetradactyla (L.), Amblyomma aureolatum (Pallas) and A. cajennense from five Cerdocyon thous L., Amblyomma longirostre (Koch) from one Sphiggurus villosus (Cuvier), Amblyomma varium Koch from three Bradypus variegatus Schinz, and A. cajennense from one Buteogallus meridionalis (Latham). Molecular analyses based on polymerase chain reaction targeting two rickettsial genes (gltA and ompA) on tick DNA extracts showed that 70.6% (12/17) of the A. dubitatum adult ticks, and all Amblyomma sp. nymphal pools collected from capybaras were shown to contain rickettsial DNA, which after DNA sequencing, revealed to be 100% identical to the recently identified Rickettsia sp. strain Pampulha from A. dubitatum ticks collected in the state of Minas Gerais, Brazil. Phylogenetic analysis with concatenated sequences (gltA-ompA) showed that our sequence from A. dubitatum ticks, referred to Rickettsia sp. strain Serra dos Orgaos, segregated under 99% bootstrap support in a same cluster with Old World rickettsiae, namely R. tamurae, R. monacensis, and Rickettsia sp. strain 774e. Because A. dubitatum is known to bite humans, the potential role of Rickettsia sp. strain Serra dos Orgaos as human pathogen must be taken into account, because both R. tamurae and R. monacencis have been reported infecting human beings.

Bootstrap approaches for estimation and confidence intervals of long term memory processes

In this work, we investigate an alternative bootstrap approach based on a result of Ramsey [F.L. Ramsey, Characterization of the partial autocorrelation function, Ann. Statist. 2 (1974), pp. 1296-1301] and on the Durbin-Levinson algorithm to obtain a surrogate series from linear Gaussian processes with long range dependence. We compare this bootstrap method with other existing procedures in a wide Monte Carlo experiment by estimating, parametrically and semi-parametrically, the memory parameter d. We consider Gaussian and non-Gaussian processes to prove the robustness of the method to deviations from normality. The approach is also useful to estimate confidence intervals for the memory parameter d by improving the coverage level of the interval.

Genetic resources in wild and cultured stocks of the Asian mud crab, Scylla paramamosain

The mud crab (Scylla spp.) aquaculture industry has expanded rapidly in recent years in many countries in the Indo - West Pacific (IWP) region as an alternative to marine shrimp culture because of significant disease outbreaks and associated failures of many shrimp culture industries in the region. Currently, practices used to produce and manage breeding crabs in hatcheries may compromise levels of genetic diversity, ultimately compromising growth rates, disease resistance and stock productivity. Therefore, to avoid “genetic pollution” and its harmful effects and to promote further development of mud crab aquaculture and fisheries in a sustainable way, a greater understanding of the genetic attributes of wild and cultured mud crab stocks is required. Application of these results can provide benefits for managing wild and cultured Asian mud crab populations for multiple purposes including for commercial production, recreation and conservation and to increase profitability and sustainability of newly emerging crab culture industries. Phylogeographic patterns and the genetic structure of Asian mud crab populations across the IWP were assessed to determine if they were concordant with those of other widespread taxa possessing pelagic larvae of relatively long duration. A 597 bp fragment of the mitochondrial DNA COI gene was amplified and screened for variation in a total of 297 individuals of S. paramamosain from six sampling sites across the species’ natural geographical distribution in the IWP and 36 unique haplotypes were identified. Haplotype diversities per site ranged from 0.516 to 0.879. Nucleotide diversity estimates among haplotypes were 0.11% – 0.48%. Maximum divergence observed among S. paramamosain samples was 1.533% and samples formed essentially a single monophyletic group as no obvious clades were related to geographical location of sites. A weak positive relationship was observed however, between genetic distance and geographical distance among sites. Microsatellite markers were then used to assess contemporary gene flow and population structure in Asian mud crab populations sampled across their natural distribution in the IWP. Eight microsatellite loci were screened in sampled S. paramamosain populations and all showed high allelic diversity at all loci in sampled populations. In total, 344 individuals were analysed, and 304 microsatellite alleles were found across the 8 loci. The mean number of alleles per locus at each site ranged from 20.75 to 28.25. Mean allelic richness per site varied from 17.2 to 18.9. All sites showed high levels of heterozygosity as average expected heterozygosities for all loci ranged from 0.917 – 0.953 while mean observed heterozygosity ranged from 0.916 – 0.959. Allele diversities were similar at all sites and across all loci. The results did not show any evidence for major differences in allele frequencies among sites and patterns of allele frequencies were very similar in all populations across all loci. Estimates of population differentiation (FST) were relatively low and most probably largely reflect intra – individual variation for very highly variable loci. Results from nDNA analysis showed evidence for only very limited population genetic structure among sampled S. paramamosain, and a positive and significant association for genetic and geographical distance among sample sites. Microsatellite markers were then employed to determine if adequate levels of genetic diversity has been captured in crab hatcheries for the breeding cycle. The results showed that all microsatellite loci were polymorphic in hatchery samples. Culture populations were in general, highly genetically depauperate, compared with comparable wild populations, with only 3 to 8 alleles recorded for the same loci set per population. In contrast, very high numbers of alleles per locus were found in reference wild S. paramamosain populations, which ranged from 18 to 46 alleles per locus per population. In general, this translates into a 3 to 10 fold decline in mean allelic richness per locus in all culture stocks compared with wild reference counterparts. Furthermore, most loci in all cultured S. paramamosain samples showed departures from HWE equilibrium. Allele frequencies were very different in culture samples from that present in comparable wild reference samples and this in particular, was reflected in a large decline in allele diversity per locus. The pattern observed was best explained by significant impacts of breeding practices employed in hatcheries rather than natural differentiation among wild populations used as the source of brood stock. Recognition of current problems and management strategies for the species both for the medium and long-term development of the new culture industry are discussed. The priority research to be undertaken over the medium term for S. paramamosain should be to close the life cycle fully to allow individuals to be bred on demand and their offspring equalised to control broodstock reproductive contributions. Establishing a broodstock register and pedigree mating system will be required before any selection program is implemented. This will ensure that sufficient genetic variation will be available to allow genetic gains to be sustainably achieved in a future stock improvement program. A fundamental starting point to improve hatchery practices will be to encourage farmers and hatchery managers to spawn more females in their hatcheries as it will increase background genetic diversity in culture stocks. Combining crablet cohorts from multiple hatcheries into a single cohort for supply to farmers or rotation of breeding females regularly in hatcheries will help to address immediate genetic diversity problems in culture stocks. Application of these results can provide benefits for managing wild and cultured Asian mud crab populations more efficiently. Over the long-term, application of data on genetic diversity in wild and cultured stocks of Asian mud crab will contribute to development of sustainable and productive culture industries in Vietnam and other countries in the IWP and can contribute towards conservation of wild genetic resources.

Broad Bean Stain Virus: Identification, Detectability with ELISA in Faba Bean Leaves and Seeds, Occurrence in West Asia and North Africa and Possible Wild Hosts

Abstract During a survey of faba bean viruses in West Asia and North Africa a virus was identified as broad bean stain virus (BBSV) based on host reactions, electron microscopy, physical properties and serology. An antiserum to a Syrian isolate was prepared. With this antiserum both the direct double antibody sandwich ELISA (DAS-ELISA) and dot-ELISA were very sensitive in detecting BBSV in leaf extracts, ground whole seeds and germi nated embryos. Sens it i vity was not reduced when the two-day procedure was replaced by a one-day procedure. us i ng ELISA the vi rus was detected in 73 out of 589 faba bean samples with virus-like symptoms collected from Egypt (4 out of 70 samples tested), Lebanon (6/44) , Morocco (017), Sudan (19/254), Syria (36/145) and Tunisia (8/69). This is the first report of BBSV infection of faba bean in Lebanon, Sudan, Syria and Tunisia. speci es i ndi genous to Syri a were Fourteen wild legume susceptible to BBSV infection, with only two producing obvious symptoms. The virus was found to be seed transmitted ~n Vicia palaestina.

Seed Transmission of Broad Bean Stain Virus in the Wild Legume Vicia Palestina Boiss

Abstract Seed-transmissibility of brood bean stain virus (BBSV) was investigated in a number of wild legume species. Genninating axes of seeds coliected from BBSV -infected plants were tested by the enzyme-linked immunosorbent assay (ELISA). The virus was found to be seedtransmitted in Vida pal«stina.