Estimación econométrica y los supuestos CLRM
Técnicas econométricas se utilizan para estimar los modelos económicos, que en última instancia le permiten explicar cómo varios factores afectan a algunos resultados de interés o para pronosticar eventos futuros. La técnica de mínimos cuadrados ordinarios (MCO) es el método más popular de llevar a cabo un análisis de regresión y la estimación de modelos econométricos, ya que en situaciones normales (es decir, el modelo satisface una serie de supuestos estadísticos) que produce (las mejores posibles) resultados óptimos.
La prueba de que OLS genera los mejores resultados es conocida como la Teorema de Gauss-Markov, pero la prueba requiere varios supuestos. Estos supuestos, conocido como el modelo de regresión lineal clásica (CLRM) supuestos, son los siguientes:
Los parámetros del modelo son lineales, es decir, los coeficientes de regresión no entran en la función que se está estimado como exponentes (aunque las variables pueden tener exponentes).
Los valores para las variables independientes se derivan de una muestra aleatoria de la población, y contienen variabilidad.
Las variables explicativas no tienen colinealidad perfecta (es decir, ninguna variable independiente se puede expresar como una función lineal de las otras variables independientes).
El término de error tiene media condicional cero, lo que significa que el error promedio es cero en cualquier valor específico de la variable independiente (s).
El modelo no tiene heterocedasticidad (es decir, la varianza del error es el mismo, independientemente del valor de la variable independiente).
El modelo no tiene autocorrelación (el término de error no muestra una relación sistemática con el tiempo).
Si uno (o más) de los supuestos CLRM no se cumple (que llaman econometristas defecto), Entonces OLS puede no ser la mejor técnica de estimación. Afortunadamente, las herramientas econométricas permiten modificar la técnica OLS o usar un método de estimación completamente diferente si los supuestos CLRM no se sostienen.
-
Cómo utilizar regresiones lineales en el análisis predictivo -
3 Principales modelo de probabilidad lineal (lpm) problemas - La aplicación de los métodos estadísticos a los problemas económicos
- Econometría: elección de la forma funcional de su modelo de regresión
-
Econometría y el modelo log-lineal -
Econometría para los maniquíes
Econometría y el modelo log-log Utilizando logaritmos naturales para las variables en ambos lados de su especificación econométrica se llama log-log modelo. Este modelo es útil cuando la relación no es lineal en los parámetros, ya que la transformación logarítmica genera la…
Alta multicolinealidad y el modelo econométrico Resultados de alta multicolinealidad de una relación lineal entre las variables independientes con un alto grado de correlación, pero no son completamente determinista (en otras palabras, que no tienen correlación perfecta). Es mucho más común…
¿Cómo distinguir entre perturbaciones homocedástico y heteroscedásticos El término de error es el componente más importante del modelo de regresión lineal clásica (CLRM). La mayor parte de los supuestos que permiten econometristas CLRM para probar las propiedades deseables de los estimadores MCO (el teorema de…
Cómo seleccionar variables independientes para su modelo econométrico Una de las decisiones más importantes que hacer cuando se especifica el modelo econométrico es que las variables a incluir como variables independientes. Aquí, se entera de lo que pueden producirse problemas si incluye muy pocas o demasiadas…
Cómo configurar la función de regresión poblacional modelo (PRF) Antes de comenzar con el análisis de regresión, es necesario identificar el regre poblaciónsfunción sión (PRF). El PRF define la realidad (o su percepción de ella) en su relación con su tema de interés. Para identificarlo, es necesario…
Los patrones de autocorrelación LAutocorrelation, también conocido como correlación serial, pueden existir en un modelo de regresión cuando la orden de las observaciones en los datos es relevante o importante. En otras palabras, con series de tiempo (ya veces panel o…
Multicolinealidad perfecta y el modelo econométrico Conseguir un asimiento en multicolinealidad perfecta, que es poco frecuente, es más fácil si se puede imaginar un modelo econométrico que utiliza dos variables independientes, tales como las siguientes:Supongamos que, en este modelo,donde los…
Especificar el modelo de regresión de la econometría En la econometría, el modelo de regresión es un punto de partida común de un análisis. A medida que define el modelo de regresión, es necesario tener en cuenta varios elementos:La teoría económica, la intuición y el sentido común deben todo…
Prueba de heterocedasticidad con la prueba de blanco En econometría, una prueba muy común para heteroscedasticidad es la prueba de Blanca, que comienza al permitir que el proceso de heteroscedasticidad sea una función de una o más de las variables independientes. Es similar a la prueba…
Los 2 tipos de multicolinealidad Multicollinearity surge cuando existe una relación lineal entre dos o más variables independientes en un modelo de regresión. En la práctica, rara vez se encuentra con multicolinealidad perfecta, pero de alta multicolinealidad es bastante común…
Trabajar con variables dependientes especiales en la econometría Muchos fenómenos económicos son dicotómicas en naturaleza- en otras palabras, el resultado ya sea se produce o no se produce. Los resultados dicotómicos son el tipo más común de variables dependientes discretas o cualitativas analizadas en…
Estadísticas de las empresas: utilizan el análisis de regresión para determinar la validez de las relaciones El análisis de regresión es una de las técnicas estadísticas más importantes para aplicaciones de negocios. Es una metodología estadística que ayuda a estimar la fuerza y la dirección de la relación entre dos o más variables. El…