En considérant un modèle linéaire en moyenne sur des séries temporelles, nous proposons une méthode pour trouver quels paramètres du modèle changent lorsqu’une cassure structurelle est détectée. Lorsque le nombre de cassures est faible, une recherche exhaustive basée sur un critère convergent permet de sélectionner le meilleur jeu de paramètres évoluant dans le temps. Lorsque le nombre de cassures est élevé, nous utilisons une approche de vraisemblance pénalisée pour réduire le nombre de modèles à considérer et nous prouvons que la fonction de pénalité conduira à une sélection convergente du vrai modèle. Dans ce cas, l’estimation est effectuée via l’algorithme Deterministic Annealing Expectation-Minimisation (DAEM). Notre approche prend en compte l’incertitude de sélection du modèle et fournit une probabilité de sélectionner un ensemble spécifique de variables explicatives. Un nouveau package R, nommé CPdetect, est proposé pour l’application de cette méthode sur des séries chronologiques.

Voir la présentation en format PDF…