AFRIKA STATISTIKA

Théorie des Probabilités et Statistiques Mathématiques
et domaines connexes



Journal contents / Contenu du Journal

Volume 14, Numéro 1, Année 2019

OLUWAYEMISI OYERONKE ALABA,Afeez Abolaji LAWAL,
Bootstrap Bartlett Adjustment on Decomposed Variance-Covariance Matrix of Seemingly Unrelated Regression Model, pp. 1891-1902
DOI : http://dx.doi.org/10.16929/as/2019.1891.140
ABSTRACT
ENGLISH We investigated hypothesis testing in Seemingly Unrelated Regression (SUR) using Log Likelihood Ratio (LLR) test. The asymptotic distribution of this statistic is well documented in literature to have substantial inaccuracy by an order of magnitude leading to the rejection of too many true null hypotheses. Bartlett adjustment of Barndorff and Blaesild and Efron's bootstrap methods were considered to provide more accurate significance level to the distribution. Simulation results from the partitioned variance-covariance matrix showed that the lower triangular matrix performed better than the upper triangular matrix. The Bartlett method of Barndorff and Blaesild provided better significance value than the bootstrap method.

FRANCAIS Ici, nous étudions des tests d'hypothèses dans une regression avec vraisemblance de non-correlation, basée le rapport du logarithme de la vraisemblance. La distribution asymptotique de la statistique utilisée est connue pour avoir une grande efficacité. Pour rémédier à cette situation, deux types d'ajustement sont considerés : un premier basé sur la méthode de Bartlett et un seconde basé sur la méthode de Barndorff et Blaesid. Une étude de simulation montre l'éfficacité des méthodes d'ajustement et la superiorité du second ajustement sur le premier.
Citer cet article
OLUWAYEMISI OYERONKE ALABA,Afeez Abolaji LAWAL, (2019). Bootstrap Bartlett Adjustment on Decomposed Variance-Covariance Matrix of Seemingly Unrelated Regression Model. Afrika Statistika . Volume 14(1), pp 1891-1902
Doi : http://dx.doi.org/10.16929/as/2019.1891.140













JAS
JAS



ok