📊 statistics

A Kolmogorov-Smirnov-Type Test for Dependently Double-Truncated Data

Cet article propose un test de type Kolmogorov-Smirnov pour des familles de distributions paramétriques de données de durée de vie à double troncature, utilisant des modèles de copules pour rendre compte de la dépendance et démontrant son efficacité par des simulations et une application aux durées de vie des entreprises allemandes qui rejette l'hypothèse d'un risque de fermeture homogène en âge.

Auteurs originaux : Anne-Marie Toparkus, Rafael Weissbach

Publié 2026-07-22

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Anne-Marie Toparkus, Rafael Weissbach

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Mystère du Temps Disparu

Imaginez que vous êtes un détective essayant de découvrir combien de temps un type d'objet particulier dure habituellement. Cela peut être une ampoule, un smartphone ou même une entreprise. Dans le monde des statistiques, on appelle cela l'étude des « durées de vie ». Mais il y a un piège : vous ne pouvez pas simplement attendre que chaque objet meure pour voir combien de temps il a vécu. Vous devez observer un instantané dans le temps.

C'est là qu'intervient la « troncature ». Imaginez cela comme un appareil photo qui ne prend des photos que des personnes qui se trouvent déjà dans une pièce spécifique. Si vous ne photographiez que les personnes qui sont actuellement dans une salle d'attente, vous manquez tous ceux qui ne sont pas encore arrivés (troncature à gauche) et tous ceux qui sont déjà partis (troncature à droite). Dans la vie réelle, cela arrive tout le temps. Par exemple, si vous étudiez les entreprises qui ont fermé en 2014, vous ne voyez que celles qui étaient déjà assez âgées pour être présentes en 2014. Vous manquez celles qui ont commencé en 2015, et vous manquez celles qui ont fermé en 2010.

Habituellement, les statisticiens supposent que le moment où quelque chose a commencé n'a rien à voir avec la durée de sa vie. Ils supposent qu'une entreprise fondée en 1990 est tout aussi susceptible de fermer rapidement qu'une entreprise fondée en 2010. Mais dans le monde réel, les choses sont rarement aussi simples. L'espérance de vie change au fil du temps, et l'âge auquel on commence quelque chose peut en fait influencer la durée de sa survie. Cet article traite du problème délicat de tester si une durée de vie suit un modèle prévisible lorsque le moment du début et le moment de la fin sont secrètement connectés, comme deux danseurs qui bougent toujours en synchronisation.

La Danse des Données à Double Troncature

Anne-Marie Toparkus et Rafael Weißbach, statisticiens de l'Université de Rostock, ont décidé de construire un nouvel outil pour résoudre ce mystère de piste de danse. Ils ont créé un « test de type Kolmogorov-Smirnov », ce qui est une façon sophistiquée de dire qu'ils ont construit une règle super sensible pour mesurer à quel point une supposition théorique correspond à la réalité désordonnée des données.

Leur tâche principale consistait à tester une supposition spécifique : les durées de vie des entreprises suivent-elles une « distribution exponentielle » ? En langage clair, une distribution exponentielle suggère que le risque de fermeture est constant. C'est comme un atome radioactif : peu importe son âge, la probabilité qu'il se désintègre dans la seconde suivante est toujours la même. Si cela était vrai pour les entreprises, cela signifierait qu'une entreprise de 20 ans est tout aussi susceptible de faire faillite demain qu'une entreprise de 1 an.

Cependant, les auteurs soupçonnaient que ce n'était pas toute l'histoire. Ils savaient que dans le monde réel, l'« âge à la troncature » (quand l'étude commence) et la « durée de vie » (combien de temps l'entreprise dure) sont souvent dépendants l'un de l'autre. Pour modéliser cette connexion, ils ont utilisé un outil mathématique appelé « copule », plus précisément la copule de Farlie-Gumbel-Morgenstern (FGM). Vous pouvez considérer une copule comme une colle qui fixe deux courbes de probabilité distinctes, leur permettant de onduler en synchronisation. La copule FGM est spéciale car elle peut les coller ensemble, qu'elles se déplacent dans la même direction ou dans des directions opposées.

L'Expérience des Entreprises Allemandes

Pour mettre leur nouvelle règle à l'épreuve, les auteurs ont examiné un ensemble de données massif : 55 279 entreprises allemandes. Celles-ci ont été fondées entre 1990 et 2013, et l'étude a examiné celles qui ont fermé leurs portes entre 2014 et 2016. Comme les données n'incluaient que les entreprises vivantes en 2014 mais ayant fermé d'ici 2016, les données étaient « doublement tronquées » — coupées à la fois au début et à la fin.

Les chercheurs ont fait passer leur test deux fois. D'abord, ils ont supposé que la date de début et la durée de vie étaient totalement indépendantes (la version « facile »). Ensuite, ils ont refait le test en utilisant leur copule FGM pour tenir compte du fait que les entreprises plus anciennes pourraient se comporter différemment des plus récentes.

Le Verdict : L'Horloge n'est Pas Constante

Les résultats ont été clairs et décisifs. Lorsque les auteurs ont comparé leurs données à la « distribution exponentielle » (l'idée que le risque de fermeture est constant dans le temps), la statistique de test était énorme. En fait, elle dépassait largement les valeurs critiques calculées par des simulations.

L'article rejette explicitement l'hypothèse selon laquelle les durées de vie des entreprises allemandes suivent une distribution exponentielle avec un taux de risque constant. En d'autres termes, les données prouvent que le risque qu'une entreprise ferme n'est pas le même à chaque âge. L'« homogénéité de l'âge face au risque de fermeture » (l'idée que l'âge n'a pas d'importance) était clairement erronée.

Les auteurs ont également constaté que la dépendance entre la date de début et la durée de vie était réelle. Ils ont calculé un « tau de Kendall » d'environ 0,023, ce qui semble faible, mais l'article confirme que c'est statistiquement significatif. Cette dépendance positive suggère une tendance temporelle négative pour l'espérance de vie : au fil du temps, l'espérance de vie de ces entreprises a en fait diminué.

Comment Ils l'Ont Fait (La Magie Derrière le Rideau)

Vous vous demandez peut-être comment ils ont pu calculer cela avec une telle précision. Les auteurs n'ont pas seulement deviné ; ils ont construit un moteur mathématique rigoureux. Ils ont utilisé une méthode appelée « méthode delta fonctionnelle » et des « arguments de classe de Donsker ». Si cela vous semble être du charabia, pensez-y comme d'une façon de gérer le fait que leurs données n'étaient pas une ligne parfaite et lisse, mais un ensemble accidenté et irrégulier de 55 000 points individuels.

Ils ont développé un algorithme (Algorithme 1) capable de traiter les chiffres en vérifiant des « points d'intersection » spécifiques et des « projections » sur un graphique. Au lieu de vérifier chaque point possible dans le temps (ce qui prendrait une éternité), leur mathématique astucieuse a montré qu'ils n'avaient besoin de vérifier qu'un nombre fini d'endroits pour trouver la plus grande différence entre leur supposition et la réalité.

Pour déterminer si leurs résultats étaient réellement significatifs ou s'il s'agissait d'un coup de chance, ils ont dû simuler la « valeur critique ». Comme il n'existe pas de formule simple pour ces données complexes et dépendantes, ils ont lancé une simulation informatique 1 000 fois, générant des « ponts browniens » aléatoires (un type de marche aléatoire) pour voir à quoi la statistique de test devrait ressembler si la supposition exponentielle était vraie. Les données réelles étaient tellement éloignées de cette plage simulée que le rejet était indéniable.

Ce Qu'il faut Retenir

Cet article ne se contente pas de dire « nous avons trouvé un motif ». Il dit : « Nous avons mathématiquement prouvé que l'idée simple d'un risque constant de faillite d'entreprise est fausse pour les entreprises allemandes. » Les auteurs suggèrent que la raison de ce rejet est probablement la nature changeante de l'environnement commercial au fil du temps, plutôt que simplement la distribution aléatoire du moment où les entreprises ont commencé.

Bien que l'article se concentre sur les entreprises allemandes, l'outil qu'ils ont construit est un nouveau moyen puissant pour les statisticiens de tester des théories sur n'importe quel type de données de durée de vie où le début et la fin sont liés. C'est un rappel que dans le monde des données, les choses sont rarement indépendantes, et que parfois, la meilleure façon de comprendre le futur est d'admettre que le passé et le présent dansent ensemble.

Résumé Technique : Un test de type Kolmogorov-Smirnov pour des données à double troncature dépendante

Énoncé du Problème
L'article traite du défi que représente le test de qualité d'ajustement (goodness-of-fit) pour une famille de distributions paramétriques de durées de vie ( $X$ ) lorsque les données sont soumises à une double troncature (à gauche et à droite) et que le mécanisme de troncature est dépendant de la durée de vie. Dans l'analyse de survie standard, l'indépendance entre la variable d'intérêt et le temps de troncature est souvent supposée. Cependant, dans les contextes démographiques et économiques (tels que la durée de vie des entreprises), l'espérance de vie présente souvent un comportement non stationnaire, ce qui crée une dépendance entre la durée de vie et l'âge auquel l'unité entre dans l'étude (l'âge de troncature, $T$ ). La littérature existante couvre principalement les contributions non paramétriques pour une troncature indépendante ou des modèles paramétriques spécifiques, mais un test non paramétrique rigoureux pour la distribution de $X$ sous une double troncature dépendante faisait défaut.

Méthodologie
Les auteurs proposent un test de type Kolmogorov-Smirnov (KS) adapté au cadre bivarié de la double troncature dépendante.

Cadre du Modèle :
- La population est composée d'unités nées dans une fenêtre temporelle de longueur $G$ .
- La durée de vie $X$ et l'âge de troncature $T$ sont modélisés par une distribution jointe $F_\theta(x, t) = C_\vartheta(F^X_\theta(x), F_T(t))$ , où $C_\vartheta$ est une copule (spécifiquement la copule Farlie-Gumbel-Morgenstern (FGM) dans l'exemple principal) capturant la structure de dépendance via le paramètre $\vartheta$ .
- Les observations sont restreintes à un parallélogramme $D = \{(x, t) : 0 < t \le x \le t+s, t \le G\}$ , représentant la période d'étude $s$ suivant la période de naissance.
Construction de la Statistique de Test :
- Le test compare la distribution empirique de l'échantillon tronqué observé à la distribution conditionnelle théorique $F^{obs}_\theta$ .
- La statistique est définie par :
  $\sqrt{M_n} \frac{1}{\sqrt{\hat{\alpha}_{\hat{\theta}_n}}} \sup_{(x,t) \in S} \left| \hat{P}_{n,D}([0, x] \times [0, t]) - \hat{\alpha}_{\hat{\theta}_n} F^{obs}_{\hat{\theta}_n}(x, t) \right|$
  où $M_n$ est le nombre aléatoire d'unités observées, $\hat{\theta}_n$ est un estimateur cohérent pour les paramètres (incluant le paramètre de dépendance), et $\hat{\alpha}$ est la probabilité d'observation estimée.
- Calcul : Les auteurs dérivent un algorithme (Algorithme 1) qui réduit le calcul de la borne supérieure à un nombre fini d'opérations. L'écart maximal est évalué aux points observés, aux points d'intersection des frontières empiriques et théoriques, aux projections sur les bords du support $D$ et à des coins spécifiques.
Théorie Asymptotique :
- L'article utilise des arguments de classe de Donsker et la méthode delta fonctionnelle pour dériver la distribution asymptotique de la statistique de test sous l'hypothèse nulle ( $H_0$ ).
- Le processus limite est montré comme étant un processus gaussien $H_{P_{\theta_0}}$ , qui est une modification d'un pont de Brownian. Ce processus tient compte de l'estimation des paramètres de la distribution ( $\theta$ ) et de la probabilité d'observation (qui gère efficacement la taille d'échantillon aléatoire $M_n$ ).
- La fonction de covariance de ce processus limite est dérivée explicitement, permettant la simulation des valeurs critiques.
Détermination des Valeurs Critiques :
- Puisque la distribution asymptotique dépend des paramètres inconnus, les valeurs critiques sont calculées via la simulation (Algorithme 2). Cela implique de générer des vecteurs gausiens basés sur la matrice de covariance dérivée sur une grille du support $D$ .

Principales Contributions

Test de Troncature Dépendante : L'article fournit le premier test de type KS spécifiquement conçu pour des données à double troncature dépendante, dépassant l'hypothèse d'indépendance prévalente dans la littérature antérieure.
Implémentation Algorithmique : Il propose un algorithme de calculementment faisable pour calculer la statistique de test en identifiant un ensemble fini de points où la borne supérieure se produit, adaptant les méthodes antérieures univariées et bivariées indépendantes au support parallélogramme de la double troncature.
Dérivation Asymptotique : Les auteurs dérivent rigoureusement la distribution limite de la statistique de test composite (où les paramètres sont estimés), établissant sa convergence vers un processus gaussien spécifique et fournissant la structure de covariance nécessaire pour l'inférence.
Application à des Données Réelles : La méthodologie est appliquée à un large ensemble de données de 55 279 durées de vie d'entreprises allemandes (fondations 1990–2013, fermetures 2014–2016).

Résultats

Simulation et Application : Les auteurs ont appliqué le test à des données d'entreprises allemandes pour vérifier si les durées de vie suivent une loi exponentielle.
- Sous l'hypothèse d'indépendance (Copule Produit), la statistique de test était de 1,651, et sous l'hypothèse de dépendance (Copule FGM), elle était de 1,6917.
- Les valeurs critiques simulées au niveau de 99 % étaient d'environ 0,3558 (indépendance) et 0,2914 (dépendance).
Rejet de l'Hypothèse : Dans les deux cas, la statistique de test a significativement dépassé les valeurs critiques, conduisant à un rejet clair de l'hypothèse de la loi exponentielle.
Interprétation : Les auteurs notent que bien que le rejet puisse théoriquement découler de l'hypothèse d'une distribution uniforme des dates de fondation (naissances), la littérature antérieure suggère qu'un processus de Poisson homogène pour les fondations produit un $T$ uniforme. Par conséquent, le rejet est probablement dû à l'inappropriation de la loi exponentielle pour les durées de vie des entreprises, particulièrement compte tenu de la tendance temporelle négative observée dans l'espérance de vie (dépendance positive entre l'âge au début de l'étude et la durée de vie).

Signification et Revendications
L'article affirme que sa principale contribution est de permettre un test de qualité d'ajustement rigoureux pour les familles paramétriques en présence de double troncature dépendante, un scénario courant en démographie et en économie mais auparavant difficile à tester de manière non paramétrique.

Modestie Théorique : Les auteurs notent que les exigences théoriques sont minimales, ajoutant principalement la finitude de la fonction d'influence $\phi_{\theta_0}$ (Hypothèse A5) aux hypothèses standards d'analyse paramétrique.
Utilité Pratique : L'application démontre qu'ignorer la dépendance (comme cela a été fait dans des études antérieures de cet ensemble de données) peut conduire à des conclusions trompeuses. Le test détecte avec succès que l'hypothèse de « risque de fermeture homogène en âge » (loi exponentielle) est rejetée lorsqu'on modélise correctement la dépendance.
Limites : Les auteurs reconnaissent que pour de petits échantillons, la puissance et le niveau réel du test nécessiteraient une étude de simulation supplémentaire. Ils notent également que la méthode de calcul actuelle (décomposition de Cholesky) possède une complexité cubique, bien que des alternatives plus rapides existent. Le papier ne prétend pas résoudre tous les problèmes de troncature (par exemple, la censure n'est pas pleinement intégrée) mais se concentre sur la lacune spécifique de la double troncature dépendante.