Précisant votre modèle de régression de l'économétrie

En économétrie, le modèle de régression est un point de départ commun d'une analyse. Comme vous définir votre modèle de régression, vous devez tenir compte de plusieurs éléments:

  • La théorie économique, l'intuition et le bon sens devraient tous motiver votre modèle de régression.

  • La technique d'estimation de régression la plus courante, les moindres carrés ordinaires (MCO), obtient les meilleures estimations de votre modèle si les hypothèses de CLRM détiennent.

  • En supposant une distribution normale du terme d'erreur est important pour les tests d'hypothèse et de prévision / prévision.

Quand un modèle de régression est estimée, économètres appliquée et les lecteurs de la recherche supposent que le chercheur a choisi les variables indépendantes correctes, ce qui signifie qu'ils sont vraiment susceptibles de causer des changements dans la variable dépendante (le résultat d'intérêt). Les données et l'estimation de votre modèle sera finalement révèlent quelles variables indépendantes sont des facteurs importants et ceux qui ne sont pas. Toutefois, avant d'obtenir des résultats, vous devez fournir une justification solide pour les variables que vous avez choisi.

Une fois que vous avez spécifié le modèle et acquis vos données, analyse de régression permet d'estimer les relations économiques que vous avez définies dans le modèle. Les résultats de l'estimation quantitative fournissent une approximation de la relation entre les variables indépendantes et dépendantes. MCO est la technique la plus couramment utilisée pour ces calculs. Typiquement, vous comptez sur un logiciel spécialisé pour produire vos estimations. Cependant, en utilisant d'abord les calculs manuels dans des situations avec un seul observations variables et relativement peu indépendants, vous pouvez se familiariser avec la technique OLS et d'obtenir une meilleure compréhension des algorithmes et de la production du logiciel.

Aucun modèle de régression est parfait. Le terme d'erreur contient l'influence de tous les facteurs (variables) qui affectent votre variable dépendante et ne sont pas capturées par votre variable (s) indépendante. Les caractéristiques du terme d'erreur sont d'une importance cruciale en économétrie. Vous avez besoin de plusieurs hypothèses sur le terme d'erreur de prouver que les résultats de MCO sont précis. L'hypothèse que le terme d'erreur est normalement distribué est pas nécessaire pour effectuer l'estimation MCO, mais il est nécessaire lorsque vous voulez produire des intervalles de confiance et / ou d'effectuer des tests d'hypothèses avec vos estimations MCO.


» » » » Précisant votre modèle de régression de l'économétrie