Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

Cette thèse s'intéresse à l'estimation statistique dans un modèle à variances isolées (modèle spike) de grande dimension. La théorie des matrices aléatoires permet de prendre en compte cette spécificité, puisque la plupart des résultats limites s'appliquent aux matrices dont la taille tend vers l'infini. Une part importante de ces résultats concerne la matrice de covariance empirique. Dans un premier temps, nous nous intéressons à l'estimation du nombre de facteurs/spikes. La différence de comportement des valeurs propres de la matrice de covariance empirique, selon que l'on considère celles correspondant aux spikes ou non, nous permet de construire un estimateur. Ce dernier correspond à la différence de deux valeurs propres consécutives ordonnées. Nous établissons la consistance de l'estimateur dans le cas où toutes les spikes sont distinctes, et le comparons à deux méthodes existantes à travers des simulations. L'estimateur dépend d'un seuil qui doit remplir certaines conditions. Dans la suite, nous étendons le résultat de consistance au cas d'égalité et améliorons l'estimateur en changeant de seuil. Dans un second temps, nous considérons les estimateurs du maximum de vraisemblance d'un modèle à facteurs strict à variance homoscédastique. En utilisant un théorème limite pour les statistiques spectrales linéaires, nous corrigeons l'estimateur de la variance commune en grande dimension en donnant l'expression de son biais et en établissant sa loi limite. Nous présentons une version corrigée du test du rapport de vraisemblance d'adéquation à un modèle à facteurs. Finalement, nous construisons un test d'égalité de deux spikes.

Les préférences, les aptitudes et la personnalité prédisent un large éventail de réalisations économiques. Je les mets en correspondance dans un cadre structurel de prise de décision en utilisant des données expérimentales uniques collectées sur plus de 1 200 personnes prenant chacune plus de 100 décisions à enjeu financier.J’estime conjointement les distributions des préférences pour le risque et le temps dans la population, leur stabilité au niveau individuel et la tendance des gens à faire des erreurs. J’utilise le modèle à préférences aléatoires (RPM) dont il a été récemment démontré que ses propriétés théoriques sont supérieures à celles des modèles précédemment employés. Je montre que le RPM a une forte validité interne. Les cinq paramètres structurels estimés dominent un large éventail de variables démographiques et socio-économiques lorsqu'il s'agit d'expliquer des choix individuels observés.Je démontre l’importance économique et économétrique de l’utilisation des chocs aux préférences et de l’incorporation du paramètre dit de « la main tremblante ». Les erreurs et l’instabilité des préférences sont liées à des capacités différentes. Je propose un indice de rationalité qui les condense en un indicateur unique prédictif des pertes de bien-être.J'utilise un modèle à facteurs pour extraire la capacité cognitive et les « Big Five » traits de la personnalité à partir de nombreuses mesures. Ils expliquent jusqu’à 50% de la variation des préférences des gens et de leur capacité à faire des choix rationnels. La conscienciosité explique à elle seule 45% et 10% de la variation transversale du taux d'actualisation et de l'aversion au risque, ainsi que 20% de la variation de leur stabilité individuelle. En outre, l'aversion au risque est liée à l'extraversion et les erreurs dépendent des capacités cognitives, de l’effort, et des paramètres des tâches. Les préférences sont stables pour l'individu médian. Néanmoins, une partie de la population a une certaine instabilité des préférences qui est indicative d’une connaissance de soi imparfaite.Ces résultats ont des implications à la fois pour la spécification des modèles économiques de forme réduite et structurels, et aussi pour l’explication des inégalités et de la transmission intergénérationnelle du statut socio-économique. / Preferences, ability, and personality predict a wide range of economic outcomes. I establish a mapping between them in a structural framework of decision-making under risk and delay using unique experimental data with information on over 100 incentivized choice tasks for each of more than 1,200 individuals.I jointly estimate population distributions of risk and time preferences complete with their individual-level stability and of people’s propensity to make mistakes. I am the first to do so using the Random Preference Model (RPM) which has been recently shown to have desirable theoretical properties over previously used frameworks. I show that the RPM has high internal validity. The five estimated structural parameters largely dominate a wide range of demographic and socio-economic variables when it comes to explaining observed individual choices between risky lotteries and time-separated payments.I demonstrate the economic and econometric significance of appending shocks directly to preferences and of incorporating the trembling hand parameter - their necessary complement in this framework. Mistakes and preference instability are not only separately identified but they are also linked to different cognitive and non-cognitive skills. I propose a Rationality Index which condenses them into a single indicator predictive of welfare loss.I use a factor model to extract cognitive ability and Big Five personality traits from noisy measures. They explain up to 50% of the variation in both average preferences and in individuals’ capacity to make consistent rational choices. Conscientiousness explains 45% and 10% respectively of the cross-sectional variation discount rates and risk aversion respectively as well as 20% of the variation in their individual-level stability. Furthermore, risk aversion is related to extraversion and mistakes are a function of cognitive ability, task design, and of effort. Preferences are stable for the median individual. Nevertheless, a part of the population exhibits some degree of preference instability consistent with imperfect self-knowledge.These results have implications both for specifying reduced form and structural economic models, and for explaining inequality and the inter-generational transmission of socioeconomic status.

Cette thèse est dédiée à une classe particulière de modèles à facteurs dynamiques non linéaires, les modèles à facteurs dynamiques à changement de régime markovien (MS-DFM). Par la combinaison des caractéristiques du modèle à facteur dynamique et celui du modèle à changement de régimes markoviens(i.e. la capacité d’agréger des quantités massives d’information et de suivre des processus fluctuants), ce cadre s’est révélé très utile et convenable pour plusieurs applications, dont le plus important est l’analyse des cycles économiques.La connaissance de l’état actuel des cycles économiques est crucial afin de surveiller la santé économique et d’évaluer les résultats des politiques économiques. Néanmoins, ce n’est pas une tâche facile à réaliser car, d’une part, il n’y a pas d’ensemble de données et de méthodes communément reconnus pour identifier les points de retournement, d’autre part, car les institutions officielles annoncent un nouveau point de retournement, dans les pays où une telle pratique existe, avec un délai structurel de plusieurs mois.Le MS-DFM est en mesure de résoudre ces problèmes en fournissant des estimations de l’état actuel de l’économie de manière rapide, transparente et reproductible sur la base de la composante commune des indicateurs macroéconomiques caractérisant le secteur réel.Cette thèse contribue à la vaste littérature sur l’identification des points de retournement du cycle économique dans trois direction. Dans le Chapitre 3, on compare les deux techniques d’estimation de MS-DFM, les méthodes en une étape et en deux étapes, et on les applique aux données françaises pour obtenir la chronologie des points de retournement du cycle économique. Dans Chapitre 4, sur la base des simulations de Monte Carlo, on étudie la convergence des estimateurs de la technique retenue - la méthode d’estimation en deux étapes, et on analyse leur comportement en échantillon fini. Dans le Chapitre 5, on propose une extension de MS-DFM - le MS-DFM à l’influence dynamique (DI-MS-DFM)- qui permet d’évaluer la contribution du secteur financier à la dynamique du cycle économique et vice versa, tout en tenant compte du fait que l’interaction entre eux puisse être dynamique. / This thesis is dedicated to the study of a particular class of non-linear Dynamic Factor Models, the Dynamic Factor Models with Markov Switching (MS-DFM). Combining the features of the Dynamic Factor model and the Markov Switching model, i.e. the ability to aggregate massive amounts of information and to track recurring processes, this framework has proved to be a very useful and convenient instrument in many applications, the most important of them being the analysis of business cycles.In order to monitor the health of an economy and to evaluate policy results, the knowledge of the currentstate of the business cycle is essential. However, it is not easy to determine since there is no commonly accepted dataset and method to identify turning points, and the official institutions announce a newturning point, in countries where such practice exists, with a structural delay of several months. The MS-DFM is able to resolve these issues by providing estimates of the current state of the economy in a timely, transparent and replicable manner on the basis of the common component of macroeconomic indicators characterizing the real sector. The thesis contributes to the vast literature in this area in three directions. In Chapter 3, I compare the two popular estimation techniques of the MS-DFM, the one-step and the two-step methods, and apply them to the French data to obtain the business cycle turning point chronology. In Chapter 4, on the basis of Monte Carlo simulations, I study the consistency of the estimators of the preferred technique -the two-step estimation method, and analyze their behavior in small samples. In Chapter 5, I extend the MS-DFM and suggest the Dynamical Influence MS-DFM, which allows to evaluate the contribution of the financial sector to the dynamics of the business cycle and vice versa, taking into consideration that the interaction between them can be dynamic.