Scale-dependence of the Negative Binomial Pseudo-Maximum Likelihood Estimator - HAL Accéder directement au contenu
Autre publication scientifique Année : 2010

Scale-dependence of the Negative Binomial Pseudo-Maximum Likelihood Estimator

Résumé

Following Santos Silva and Tenreyro (2006), various studies have used the Poisson Pseudo-Maximum Likelihood to estimate gravity specifications of trade flows and non-count data models more generally. Some papers also report results based on the Negative Binomial estimator, which is more general and encompasses the Poisson assumption as a special case. This note shows that the Negative Binomial estimator is inappropriate when applied to a continuous dependent variable which unit choice is arbitrary, because estimates artificially depend on that choice.
Depuis l'article de Santos Silva et Tenreyro (2006), plusieurs études ont utilisé le pseudo-maximum de vraisemblance (PMV) avec loi de Poisson pour estimer les équations de gravité des flux de commerce et, plus généralement, des modèles avec données continues (c'est-à-dire non discrètes). Certains papiers rapportent aussi des résultats obtenus à l'aide du PMV avec loi binomiale négative, estimateur plus général dont la loi de Poisson est un cas particulier. Cette note montre que l'estimateur du PMV avec loi binomiale négative est inapproprié lorsque la variable à expliquer est mesurée avec une unité dont le choix est arbitraire, parce que les estimations dépendent artificiellement de ce choix.
Fichier principal
Vignette du fichier
10092.pdf ( 542.67 Ko ) Télécharger
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

halshs-00544129, version 1 (07-12-2010)

Identifiants

  • HAL Id : halshs-00544129 , version 1

Citer

Clément Bosquet, Hervé Boulhol. Scale-dependence of the Negative Binomial Pseudo-Maximum Likelihood Estimator. 2010. ⟨halshs-00544129⟩
317 Consultations
404 Téléchargements
Dernière date de mise à jour le 06/04/2024
comment ces indicateurs sont-ils produits

Partager

Gmail Facebook Twitter LinkedIn Plus