Dimension Reduction and Model Averaging for Estimation of Artists' Age-Valuation Profiles

Abstract

Dans des modèles de régression hédonique de l'évaluation des oeuvres d'art, on trouve souvent que la valeur explicative de l'âge de l'artiste lors de la création d'une oeuvre (ou d'une variable indicatrice des périodes de sa carrière) est très significative. La plupart des études préalables estiment des modèles où sont mis ensemble plusieurs artistes. Bien qu'il soit intéressant d'estimer de tels modèles pour des artistes individuels, les échantillons disponibles sont d'habitude de taille insuffisante en considérant le grand nombre de toutes les autres variables explicatives qu'on voudrait aussi inclure dans la régression. Dans ce papier, on adresse ce problème de degrés de liberté insuffisants en se servant de deux méthodes statistiques (moyenne de modèles et réduction de dimension) afin d'incorporer de l'information contenue dans un nombre possiblement grand de variables explicatives nous permettant l'estimation avec un petit échantillon. On trouve que les profils « âge-prix » des peintres individuels sont souvent considérablement différents de ceux estimés pour un groupe de peintres rassemblés, suggérant que l'application de nos méthodes dans des régressions hédoniques pourrait fournir de meilleures prévisions de prix réalisés dans des ventes aux enchères.

In hedonic regression models of the valuation of works of art, the age at which an artist produces a particular work, or an indicator variable for periods in his or her artistic career, is often found to have highly significant predictive value. Most existing results are based on regressions that pool large groups of painters. Although it is of interest to estimate such regressions for individual artists, the sample sizes are often inadequate for a model that would also include the large number of other relevant variables. We address this problem of inadequate degrees of freedom in individual artist regressions by using two statistical methods (model averaging and dimension reduction) to incorporate information from a potentially large number of predictor variables, allowing us to work with relatively small samples. We find that individual age-valuation profiles can differ substantially from general pooled profiles, suggesting that methods that are more responsive to the unique features of individual artists may provide better predictions of art valuations at auction.