Dilatation Bootstrap : une méthodologie pour construire des régions de confiance avec des modèles partiellement identifiés.

Résumé Nous proposons une méthodologie pour construire des régions de confiance avec des modèles partiellement identifiés de forme générale. La région est obtenue en inversant un test de cohérence interne de la structure économétrique. Nous développons une méthodologie de bootstrap de dilatation pour traiter l'incertitude d'échantillonnage sans référence à la structure économétrique hypothétique. Elle nécessite le bootstrap du processus quantile pour les données univariées et une nouvelle généralisation de ce dernier à des dimensions supérieures. Une fois que la dilatation est choisie pour contrôler le niveau de confiance, la vraie distribution inconnue des données observées peut être remplacée par la distribution empirique connue et les régions de confiance peuvent alors être obtenues comme dans Galichon et Henry (2011) et Beresteanu, Molchanov et Molinari (2011).