Ökonometrie: Die Wahl des Functional Form Ihrer Regressionsmodell
In der Ökonometrie, die Standard-Schätzverfahren für die klassischen linearen Regressionsmodell gewöhnlichen kleinsten Quadrate (OLS) können komplexe Beziehungen aufzunehmen. Deshalb haben Sie eine beträchtliche Menge an Flexibilität in das theoretische Modell zu entwickeln. Sie können einschließlich linearen und nichtlinearen Funktionen abzuschätzen, aber nicht beschränkt auf
Polynomfunktionen (beispielsweise quadratische und kubische Funktionen)
Inverse Funktionen
Log-Funktionen (log-log, Log-linear und linear-log)
In vielen Fällen kann die abhängige Variable in einem Regressionsmodell von beiden quantitativen Variablen als auch qualitative Faktoren beeinflusst werden. Abgesehen von zu halten, ist die Übersicht über die Maßeinheiten oder Umwandlung in eine Log-Skala, die Verwendung von quantitativen Variablen in der Regressionsanalyse in der Regel einfach. Qualitative Variablen erfordern jedoch die Umwandlung in ein quantitativer Maßstab Dummy-Variablen, die gleich 1, wenn ein bestimmtes Merkmal vorhanden und sonst 0 ist. (Beachten Sie, dass, wenn mehr als zwei qualitative Ergebnisse möglich sind, ist die Anzahl der Dummy-Variablen, die Sie brauchen, ist die Anzahl der Ergebnisse minus eins). Unter Verwendung sowohl quantitative als auch qualitative Variablen führt in der Regel reicher Modelle mit informativer Ergebnisse.
Obwohl einige Experimente mit der genauen Form des Regressionsmodells aufschlussreich sein können, nehmen Sie die Zeit methodisch durch Spezifikation Probleme zu denken. Seien Sie sicher, dass Sie kann erklären, warum Sie bestimmte unabhängige Variablen für Ihr Modell ausgewählt haben. Sie sollten auch in der Lage sein, die funktionale Form zu rechtfertigen Sie für das Modell entschieden haben, auch wenn Sie eine einfache lineare Beziehung zwischen Variablen angenommen haben. Testen Sie die Annahmen des klassischen linearen Regressionsmodell (CLRM) und Änderungen an dem Modell als notwendig. Schließlich verbringen einige Zeit, indem sie geringfügige Änderungen an den Variablen, die die Empfindlichkeit der Ergebnisse der Prüfung (manchmal durch die Ergebnisse Ihrer CLRM Tests beeinflusst), die in dem Modell und der funktionalen Form der Beziehung. Wenn Sie Ihre Ergebnisse auf diese Art von Schwankungen stabil sind, sieht vor, dass zusätzliche Begründung für Ihre Schlussfolgerungen.