Econometría: elección de la forma funcional de su modelo de regresión
En la econometría, el procedimiento de estimación estándar para el modelo de regresión lineal clásica, mínimos cuadrados ordinarios (MCO), tiene capacidad para las relaciones complejas. Por lo tanto, usted tiene una cantidad considerable de flexibilidad en el desarrollo del modelo teórico. Se puede estimar funciones lineales y no lineales, incluyendo pero no limitado a
Funciones polinómicas (por ejemplo, funciones cuadráticas y cúbicas)
Funciones inversas
Funciones log (log-log, log-lineal y lineal-log)
En muchos casos, la variable dependiente en un modelo de regresión puede ser influenciada por ambas variables cuantitativas y factores cualitativos. Aparte de hacer el seguimiento de las unidades de medida o convertir a una escala logarítmica, el uso de las variables cuantitativas en el análisis de regresión suele ser sencillo. Las variables cualitativas, sin embargo, requieren la conversión a una escala cuantitativa utilizando variables ficticias, que equivalen a 1 cuando una característica particular está presente y 0 en caso contrario. (Tenga en cuenta que cuando hay más de dos resultados cualitativos son posibles, el número de variables ficticias que necesita es el número de resultados menos uno.) Utilizando las variables tanto cuantitativas como cualitativas generalmente resulta en modelos más ricas con resultados más informativos.
Aunque un poco de experimentación con la forma exacta de su modelo de regresión puede ser esclarecedor, tomar el tiempo para pensar en los problemas de especificación metódicamente. Asegúrese de que puede explicar por qué has elegido variables independientes específicas para su modelo. También debe ser capaz de justificar la forma funcional que ha elegido para el modelo, incluso si usted ha asumido una relación lineal simple entre las variables. Pon a prueba los supuestos del modelo de regresión lineal clásico (CLRM) y realizar cambios en el modelo según sea necesario. Por último, pasar algún tiempo a examinar la sensibilidad de los resultados al hacer pequeñas modificaciones a las variables (a veces influenciados por los resultados de sus pruebas de CLRM) incluida en el modelo y la forma funcional de la relación. Si sus resultados son estables a este tipo de variaciones, que proporciona una justificación adicional para sus conclusiones.
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…
Cómo desestacionalizar los datos de series de tiempo En muchos casos, los patrones estacionales se quitan de los datos de series de tiempo cuando están en libertad bajo las bases de datos públicas. Los datos que han sido despojados de sus patrones estacionales se conoce como seasonally ajustada o…
Cómo estimar los efectos de estacionalidad Efectos de estacionalidad se pueden correlacionar con las dos variables dependientes e independientes. A fin de evitar confundir los efectos de estacionalidad con los de las variables independientes, es necesario controlar de forma explícita para…
¿Cómo encontrar diferencias promedio utilizando una variable ficticia Usted debe recordar de su curso de estadística cómo llevar a cabo la t-prueba para examinar las diferencias de medias entre dos grupos. Pero lo que no saben es que se puede utilizar variables ficticias y análisis de regresión para obtener los…
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…
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…
Funciones cuadráticas ofrecen flexibilidad en la econometría Dado que las relaciones económicas son raramente lineal, es posible que desee permitir que su modelo econométrico para tener cierta flexibilidad. Con una función cuadrática, usted permite que el efecto de la variable independiente (X) Sobre la…
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…
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…
¿Cómo las empresas utilizan las estadísticas de análisis de regresión El análisis de regresión es una herramienta estadística utilizada para la investigación de las relaciones entre las variables. Por lo general, el investigador desea saber el efecto causal de una variable sobre otra - el efecto de un aumento de…