La mise en oeuvre des techniques de Bootstrap pour la prévision économétrique : application à l'industrie automobile

L'application des méthodes de bootstrap aux modèles de régression permet dobtenir des approximations de la distribution des coefficients ainsi que la distribution des erreurs de prédiction. Dans cet article, nous nous intéressons à l'application des techniques de bootstrap pour déterminer des intervalles de prédiction à partir d'une modélisation économétrique où les régresseurs sont des données. Nous abordons différents problèmes liés à cette application : la détermination du nombre de réplications, le choix de la méthode de calcul de l'estimateur des moindres carrés ordinaires (pseudo-inverse ou inverse) ainsi que l'algorithme de tri de la statistique considérée. Ces investigations proviennent des besoins de prédiction des coûts dans l'industrie automobile dès la phase d'avant-projet du développement d'un nouveau véhicule. Généralement, les échantillons sont de faible taille et les termes erreur n'ont pas forcément une distribution gaussienne. Ainsi, l'utilisation des techniques de bootstrap permet d'améliorer les intervalles de prédiction en retranscrivant la distribution originale des données. Deux exemples (moteur et réservoir) illustrent la mise en oeuvre de ces techniques.