Inférence robuste pour des données complexes – Ricode

Les recherches empiriques en sciences sociales sont sujettes à une incertitude importante. La prendre en compte, en particulier via des intervalles de confiance appropriés, est impératif pour s'assurer que les découvertes ne sont pas dues au hasard. Souvent, ces intervalles sont construits en supposant l'indépendance entre observations. Cette hypothèse est cependant irréaliste lorsque les données sont multi-indicées, comme en commerce international : les exportations de Chine vers les Etats-Unis sont probablement corrélées aux exportations d'Allemagne vers la Chine, car la Chine est commune aux deux variables. De même, les salaires de travailleurs d'un même secteur ou d'une même zone géographique sont probablement corrélés du fait de chocs agrégés dans ces dimensions. Le projet Ricode vise à améliorer les pratiques existantes, très perfectibles, dans ces cas de figure de données dites échangeables. Nous escomptons établir de nouveaux résultats théoriques, développer des programmes R et Stata correspondants et étudier plus en détail des domaines d'applications clés. Côté théorie, nous proposerons une méthode d'inférence analytique robuste aux situations dites « dégénérées » où la loi limite n'est plus nécessairement gaussienne. Nous étudierons également les propriétés de méthodes de bootstrap adaptées à ce type de dépendance. Nous développerons enfin des méthodes valides à distance finie, à l'aide de tests de permutation. Côté applications, nous considérerons les modèles de commerce international, qui incluent des effets fixes de grande dimension et pour lesquels aucune théorie d'inférence n'a encore été développée. Nous étudierons également l'estimation de fonctions de demande, où les données sont bien échangeables dans certaines dimensions (comme les biens ou les producteurs) mais pas dans la dimension temporelle, également cruciale. Enfin, nous revisiterons la littérature empirique afin de quantifier l'importance de recourir à des méthodes d'inférence appropriées.