Estimation non paramétrique de modèles à variables latentes non échangeables.

Résumé Nous proposons une méthode en deux étapes pour estimer de manière non paramétrique des modèles multivariés dans lesquels les résultats observés sont indépendants conditionnellement à une variable latente discrète. Les applications comprennent les modèles microéconométriques avec des types d'agents non observés, les modèles à changement de régime et les modèles avec erreur de classification. Dans la première étape, nous estimons les poids qui transforment les moments de la distribution marginale des données en moments de la distribution conditionnelle des données pour des valeurs données de la variable latente. Dans la deuxième étape, ces moments conditionnels sont estimés comme des moyennes d'échantillon pondérées. Nous illustrons la méthode en estimant un modèle de salaires avec hétérogénéité non observée sur les données PSID.