87 resultados para Causalit
Resumo:
Les modèles de séries chronologiques avec variances conditionnellement hétéroscédastiques sont devenus quasi incontournables afin de modéliser les séries chronologiques dans le contexte des données financières. Dans beaucoup d'applications, vérifier l'existence d'une relation entre deux séries chronologiques représente un enjeu important. Dans ce mémoire, nous généralisons dans plusieurs directions et dans un cadre multivarié, la procédure dévéloppée par Cheung et Ng (1996) conçue pour examiner la causalité en variance dans le cas de deux séries univariées. Reposant sur le travail de El Himdi et Roy (1997) et Duchesne (2004), nous proposons un test basé sur les matrices de corrélation croisée des résidus standardisés carrés et des produits croisés de ces résidus. Sous l'hypothèse nulle de l'absence de causalité en variance, nous établissons que les statistiques de test convergent en distribution vers des variables aléatoires khi-carrées. Dans une deuxième approche, nous définissons comme dans Ling et Li (1997) une transformation des résidus pour chaque série résiduelle vectorielle. Les statistiques de test sont construites à partir des corrélations croisées de ces résidus transformés. Dans les deux approches, des statistiques de test pour les délais individuels sont proposées ainsi que des tests de type portemanteau. Cette méthodologie est également utilisée pour déterminer la direction de la causalité en variance. Les résultats de simulation montrent que les tests proposés offrent des propriétés empiriques satisfaisantes. Une application avec des données réelles est également présentée afin d'illustrer les méthodes
Resumo:
Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal
Resumo:
Mémoire numérisé par la Division de la gestion de documents et des archives de l'Université de Montréal.
Resumo:
Le modèle déductivo-nomologique domine depuis longtemps la réflexion philosophique concernant l’explication en science économique. Or, pour plusieurs, comme James Woodward et Tony Lawson, ce modèle ne considère pas suffisamment la causalité dans l’explication. L’objectif de cet article est double : 1- renforcer la critique que Tony Lawson adresse à l’économie contemporaine et 2- évaluer la théorie alternative qu’il propose, le « réalisme critique », qui tente de réintroduire la causalité dans l’explication en science économique. Nous conclurons que les considérations causales sont très importantes pour l’explication en science économique mais aussi pour bien comprendre les limites de cette science.
Resumo:
Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.
Resumo:
Certains philosophes affirment que les relations causales sont fondées sur les lois de la nature. Cette conception cadre mal avec la réalité des sciences biomédicales et des sciences humaines. Pour se rapprocher de la pratique réelle des diverses sciences, James Woodward propose une conception de la causalité et de l’explication causale fondée sur une relation beaucoup moins exigeante que celle de loi de la nature, qu’il appelle l’invariance. Le but de ce mémoire est de présenter le concept d’invariance et les autres concepts causaux qui s’y rattachent et, d’identifier certaines difficultés, dans le but de cerner l’usage approprié de cette famille de concepts. La conception causale de Woodward suppose que le but de la recherche des causes est pratique plutôt que simplement épistémique : il s’agit pour les agents de s’appuyer sur les causes pour modifier les phénomènes. Cette conception est également non-réductive; elle utilise des contrefactuels et reflète les méthodes expérimentales des diverses sciences. La cohérence de cette conception avec les généralisations causales réelles des sciences fait en sorte qu’elle abandonne l’objectif d’universalité rattaché à la notion de loi de la nature, en faveur d’un objectif de fiabilité temporaire. De plus, comme le critère d’invariance est peu exigeant, d’autres critères doivent lui être ajoutés pour identifier, parmi les relations causales (c’est-à-dire invariantes), les relations les plus susceptibles d’être employées pour modifier les phénomènes de façon fiable.
Resumo:
Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.