Econometría: la elección de la forma funcional del modelo de regresión
En econometría, el procedimiento de estimación estándar para el modelo de regresión lineal clásica, mínimos cuadrados ordinarios (OLS), puede acomodar 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)
Video: Econometría: Formas funcionales y supuestos del modelo de regresión lineal simple
funciones inversas
Video: UTPL MODELOS DE REGRESIÓN UNIECUACIONALES [(ECONOMÍA)(ECONOMETRÍA I)]
Log funciones (log-log, log-lineal y lineal-log)
En muchos casos, la variable dependiente en un modelo de regresión puede ser influenciada por las dos variables cuantitativas y cualitativas factores. Aparte de mantener un seguimiento de las unidades de medida o la conversión a una escala logarítmica, el uso de las variables cuantitativas en el análisis de regresión es generalmente sencillo. Las variables cualitativas, sin embargo, requieren la conversión a una escala cuantitativa usando variables ficticias, que es igual a 1 cuando una característica particular está presente y 0 en caso contrario. (Tenga en cuenta que cuando son posibles más de dos resultados cualitativos, el número de variables ficticias que necesita es el número de resultados menos uno.) Utilizando las variables cuantitativas y cualitativas generalmente resulta en modelos más ricas con resultados más informativos.
Aunque algunos experimentos 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 ha 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 simple relación lineal entre las variables. Prueba de los supuestos del modelo de regresión lineal clásica (CLRM) y realizar cambios en el modelo como sea necesario. Por último, pasar algún tiempo a examinar la sensibilidad de los resultados por ligeras modificaciones en 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 los resultados son estables a estos tipos de variaciones, que proporciona una justificación adicional para sus conclusiones.