Bootstrapping heteroskedastic regression models : wild bootstrap vs. pairwise bootstrap

Emmanuel Flachaire, EUREQua

Résumé. Dans cet article, nous nous intéressons à l'estimation et à l'inférence robuste à l'hétéroscédasticité de forme inconnue, pour lesquels les méthodes du bootstrap appropriées sont le wild bootstrap par paires. Dans un premier temps, nous montrons que l'estimateur asymptotique de la matrice de covariance, proposé par Eicker (1963) et White (1980), devrait être préféré en pratique à une version bootstrap de celui-ci. Dans un second temps, des résultats de simulations Monte Carlo montrent que la distorsion du niveau d'un test est toujours plus petite avec le wild bootstrap qu'avec le bootstrap par paires, si on utilise la version proposée par Davidson and Flachaire (2001). De plus, ces résultats expérimentaux montrent que le bootstrap par paires est sensible à la présence d'observations à fort effet de levier dans les régresseurs, alors que le wild bootstrap ne l'est pas.
Mots clés : Wild bootstrap, bootstrap par paires, estimateur robuste à l'hétéroscédasticité, distorsion du niveau.

Abstract. In this paper we are interested in estimation and inference based on heteroskedasticity consistent covariance matrix estimators, for which appropriate bootstrap methods are the wild bootstrap and the pairwise bootstrap. In a first part, we show that the asymptotic estimator proposed by Eicker (1963) and White (1980) should be prefered in practice to a bootstrap version of it. In a second part, Monte Carlo simulations results show that the size distortion of a test is always smaller with the wild bootstrap than with the pairwise bootstrap, if we use the version proposed by Davidson and Flachaire (2001). Moreover, our experimental results show that the pairwise bootstrap is sensitive to high leverage observations, not the wild bootstrap.
Keywords : Wild bootstrap, pairwise bootstrap, heteroskedasticity consistent covariance matrix estimators, size distortion.

JEL Classification : C12, C13, C15.