Nonparamatric estimation in random coefficients binary choice models

Nous considérons dans cet article des modèles à choix binaires et coefficients aléatoires. Le but est d'estimer de manière nonparamétrique la densité du coefficient aléatoire. Il s'agit d'un problème inverse mal posé caractérisé par une transformation intégrale. Un nouvel estimateur de la densité du coefficient aléatoire est proposé. Il est basé sur les développements en séries de Fourier-Laplace sur la sphère. Cette approche permet une étude fine du problème d'identification mais aussi d'obtenir un estimateur par injection ayant une expression explicite et ne nécessitant aucun optimisation numérique. Le nouvel estimateur est donc très facile à obtenir numériquement, tout en étant souple sur le traitement de l'hétérogénéité inobservée. Nous présentons des extensions parmi lesquellesle traitement de coefficients non aléatoires et de modèles avec endogénéité.