So stellen Sie die Bevölkerung Regressionsfunktion (PRF) Model Up
Bevor Sie mit der Regressionsanalyse beginnen, müssen Sie die zu identifizieren Bevölkerung regression Funktion (PRF). Die PRF definiert Realität (oder Ihre Wahrnehmung davon), wie es zu Ihrem Thema von Interesse bezieht. So identifizieren sie, müssen Sie Ihre abhängigen und unabhängigen Variablen zu bestimmen (und wie werden sie gemessen werden) sowie die mathematische Funktion beschrieben wird, wie die Variablen sind verwandt.
Nachdem Sie Ihr Thema oder eine Frage von Interesse verengen, sind Sie bereit, Ihr Modell mit den folgenden Schritten zu entwickeln:
Geben Sie die allgemeine mathematische Spezifikation des Modells.
Die allgemeine Spezifikation bezeichnet der abhängigen Variablen und alle unabhängigen (oder erklärend) Variablen, die Sie die abhängige Variable in der Population von Interesse beeinflussen glauben.
Nehmen wir an, drei Variablen die abhängige Variable beeinflussen. Die allgemeine Spezifikation wird in etwa so aussehen Y = f(X1,X2,X3), woher Y die abhängige Variable und Xs stellen die unabhängigen Variablen, die Sie direkt beeinflussen glauben (oder verursachen) Schwankungen in der Y Variable.
Es sei denn, die Begründung liegt auf der Hand, bieten eine gewisse Berechtigung für die Variablen als unabhängige Variablen ausgewählt und für die funktionale Form der Spezifikation (siehe Schritt 2). Dadurch können Sie vermeiden Fehlspezifikation, die, wenn Sie wichtige Variablen weglassen oder sind irrelevant Variablen auftritt.
Leiten Sie die ökonometrische Spezifikation des Modells.
In diesem Schritt nehmen Sie die identifizierten Variablen in Schritt 1 und eine Funktion zu entwickeln, die ökonometrischen Ergebnisse zu berechnen verwendet werden kann. Diese funktionale Form ist bekannt als die populeintion regression Funktion (PRF). In diesem Schritt sind die Anerkennung Sie auch, dass die Beziehung, die Sie in Schritt stellten die Hypothese 1 erwartet zu existieren, wenn Sie auf dem Durchschnitt der Daten- schauen nicht für jede einzelne Beobachtung.
Angenommen, Sie Grund zu der Annahme, dass das Modell linear ist. Es wird wie folgt aussehen:
In dieser Funktion wird der bedingten Mittelwert Operator E(Y|X1,X2,X3) Gibt an, dass das Verhältnis im Durchschnitt zu halten, ist zu erwarten, für gegebene Werte der unabhängigen Variablen. Der Schnitt Begriff
auch genannt Konstante, ist der erwartete Mittelwert von Y wenn alle Xs gleich Null sind. Die anderen Betas stellen die Teil Pisten (Effekte). Diese Teil Pisten sagen Ihnen, wie viel Sie Ihre abhängige Variable ändert sich, wenn Sie die unabhängige Variable um eine Einheit ändern, aber den Wert der anderen unabhängigen Variablen konstant halten.
(Diese Idee eine Sache, zu verändern und zu halten, den Rest die gleiche ist ceteris paribus, oder sonst gleichen Bedingungen, Bedingung, dass Sie mit Ihrer Einführungswirtschaftsstudiengänge vertraut sind.)
Abhängig von der jeweiligen Phänomen Sie Analyse unter Verwendung einer nicht-linearen Beziehung quadriert Begriffe, Protokolle oder eine andere Methode anstelle der linearen Funktion
besser geeignet sein können.
Die Spezifikation, die Sie wählen, wird als die zu beschreiben # 147-true # 148- Beziehung, so sicher sein, es mit soliden wirtschaftlichen Theorie und den gesunden Menschenverstand zu rechtfertigen.
Geben Sie die zufällige Natur des Modells.
Dieser Schritt stellt klar, dass die Beziehung, die Sie in den Schritten angenommen haben 1 und 2 hält im Durchschnitt aber können Fehler enthalten, wenn eine bestimmte Beobachtung zufällig aus der Bevölkerung gewählt wird. Dies ist bekannt als die stochastische Bevölkerung Regressionsfunktion und wird geschrieben als
bei dem die ich Indizes bezeichnen jede zufällig ausgewählte Beobachtung und
stellt die stochastische (oder zufällig) Fehlerterm mit dieser Beobachtung verbunden. Beachten Sie, dass stochasTick ist einfach Statistiken Jargon für zufällig.
Unabhängig davon, wie Sie die PRF zu repräsentieren, die Zufallsfehlerterm stellt die Differenz zwischen dem beobachteten Wert der abhängigen Variablen und dem bedingten Mittelwert der abhängigen Variablen aus dem Modell abgeleitet. Dieser Wert ist positiv, wenn der beobachtete Wert über dem bedingten Mittelwert ist und negativ, wenn es unten ist.
Der Zufallsfehler kann aus einer oder mehreren der folgenden Faktoren ergeben:
Zu wenig oder falsch Daten gemessen
Ein Mangel an theoretischen Einsichten in vollem Umfang berücksichtigen alle Faktoren, die die abhängige Variable beeinflussen
Anwenden eines falschen funktionelle form- zum Beispiel, ist die Beziehung linear, wenn es unter der Annahme, quadratisch ist
Nicht beobachtbare Merkmale
Unberechenbar Elemente des Verhaltens
Wenn Sie mehrere erklärenden Variablen haben, können Sie Zeit durch das Schreiben des ökonometrischen Modells mit einigen mathematischen Stenografie speichern. Mit algebraischer Notation, wäre es wie eine der beiden folgenden Funktionen aus:
