Econometria: escolha da forma funcional do seu modelo de regressão
Video: Econometria - Análise e Regressão
Conteúdo
Em econometria, o procedimento de estimação padrão para o modelo de regressão linear clássico, Mínimos Quadrados Ordinários (MQO), pode acomodar relações complexas. Portanto, você tem uma quantidade considerável de flexibilidade no desenvolvimento do modelo teórico. Você pode estimar funções lineares e não lineares, incluindo mas não limitado a
funções polinomiais (por exemplo, as funções quadráticas e cúbicos)
Video: Econometria
funções inversas
Video: ��ECONOMETRIA GUJARATI, MQO, 2ª HIPÓTESE
Log funções (log-log, log-linear, e linear-log)
Em muitos casos, a variável dependente em um modelo de regressão pode ser influenciado por ambas as variáveis quantitativas e fatores qualitativos. Além de manter o controle das unidades de medida ou conversão para uma escala logarítmica, o uso de variáveis quantitativas na análise de regressão é geralmente simples. As variáveis qualitativas, no entanto, requerem a conversão para uma escala quantitativa utilizando variáveis binárias, que são iguais a 1, quando uma característica especial está presente e 0 de outro modo. (Note-se que quando mais de dois resultados qualitativos são possíveis, o número de variáveis binárias que você precisa é o número de resultados menos um.) Utilizando variáveis quantitativas e qualitativas geralmente resulta em modelos mais ricas com resultados mais informativos.
Embora algumas experiências com a forma exata de seu modelo de regressão pode ser esclarecedor, tomar o tempo para pensar em questões de especificação metodicamente. Tenha certeza que você pode explicar por que você escolheu variáveis independentes específicas para o seu modelo. Você também deve ser capaz de justificar a forma funcional que você escolheu para o modelo, mesmo se você já assumiu uma relação linear simples entre suas variáveis. Testar as hipóteses do modelo de regressão linear clássico (CLRM) e fazer alterações no modelo, se necessário. Finalmente, passar algum tempo examinando a sensibilidade dos seus resultados, fazendo pequenas modificações para as variáveis (por vezes influenciados pelos resultados de seus testes CLRM) incluída no modelo e a forma funcional da relação. Se os resultados são estáveis a esses tipos de variações, que fornece justificação adicional para suas conclusões.