10 Erros comuns em econometria aplicada

Evitando erros quando você faz análise econométrica depende da sua capacidade de aplicar o conhecimento que você adquiriu antes e durante a sua classe econometria. A seguir é um resumo das armadilhas comuns para ajudar a melhorar a sua aplicação de análise econométrica.

Deixar de usar o seu senso e conhecimento de teoria econômica comum

Uma das características que diferenciam investigação aplicada em econometria de outras aplicações de análise estatística é o uso da teoria econômica e bom senso para motivar a conexão entre as variáveis ​​independentes e dependentes.

Em econometria, você deve ser capaz de fazer um caso forte para as variáveis ​​independentes (Xs) causando alterações na variável dependente (Y). Você precisa teoria som e bom senso comum para justificar a sua abordagem. Isso permite que você forneça uma interpretação sensata de seus resultados para além das medidas típicas de significância estatística e apto.

Fazendo as perguntas erradas primeiro

Primeiros obcecado com os detalhes técnicos de estimar modelos econométricos pode ser fácil. No entanto, você deve sempre dar um passo atrás e perguntar por que você está fazendo o que está fazendo. Por que os outros vão achar meu tema interessante e importante?

Ignorando o trabalho e as contribuições de outros

Na falta de ligar o seu trabalho com o de outros que têm examinado a sua questão de pesquisa ou algo intimamente relacionado com isso é um erro grave. Entender como os outros lidaram com problemas semelhantes pode ajudar você a descobrir qual modelo usar, pode produzir aperfeiçoamentos em seu trabalho, e permite que os leitores a entender melhor a relevância de seu tema.

Em sua revisão da literatura, o foco em papéis ou segmentos de papéis que estão diretamente relacionadas ao seu trabalho. Resumem a abordagem, dados e resultados de outros pesquisadores. Finalmente, ser claro sobre como seu trabalho se encaixa com o que já foi feito por outros, o que foi melhorado, e / ou como novas dimensões do tema têm sido exploradas.

Deixar de se familiarizar com os dados

Os alunos muitas vezes assumem que os dados de que está trabalhando com está completa para todas as variáveis ​​e que a informação reportada é preciso. Você pode reduzir suas chances de conseguir surpresas indesejáveis ​​nos seus resultados, fazendo algum trabalho exploratório que inclui estatísticas descritivas, gráficos de linha (para dados de séries temporais), distribuições de freqüência, e até mesmo anúncios de alguns valores de dados individuais.

Uma série de resultados indesejáveis ​​podem resultar de não ter se familiarizar com os seus dados de análise. Estes três exemplos são, talvez, as mais comuns:

• Variáveis ​​que você pensou foram medidos continuamente estão realmente em categorias ou grupos.

• Medidas que você acreditava serem os valores reais são realmente faltando valores.

• Os valores dos dados que aparecem perfeitamente legítimo são os valores realmente censurados.

Tornando-se muito complicado

A arte de econometria está em encontrar a especificação adequada ou forma funcional para modelar o seu resultado de interesse particular. Em muitos casos, no entanto, a teoria pode ser vago sobre os elementos específicos de uma especificação do modelo.

Dada a incerteza de escolher a especificação “perfeito”, muitos econometristas aplicadas cometem o erro de overspecifying seus modelos (o que significa que incluem inúmeras variáveis ​​irrelevantes) ou favorecer métodos de estimação complicadas sobre as técnicas mais simples. Isso pode resultar em propriedades estimador indesejáveis ​​e dificuldade em interpretar o significado dos resultados.

Ser inflexível a complicações do mundo real

As soluções ou previsões derivadas usando teorias econômicas usar dedução lógica e / ou prova matemática que normalmente contam com a ceteris paribus (Tudo o mais constante) suposição.

Os dados que você usar para testar hipóteses econômicas, no entanto, são derivados de um mundo onde os agentes (indivíduos, empresas, ou o que você tem) estão envolvidos com o seu ambiente circundante de maneiras que não são susceptíveis de satisfazer o ceteris paribus suposição, porque muitas das variáveis ​​que definem as suas circunstâncias específicas variam consideravelmente de uma observação para outro.

Olhando para o outro lado quando você vê resultados bizarros

A maioria dos projetos de pesquisa econométricos conter resultados da estimação para inúmeras variações de modelos relacionados. Você quer se concentrar em suas principais variáveis ​​de interesse (variáveis ​​fundamentais), mas certifique-se de examinar todos os seus resultados.

Isso significa que não ignore os resultados razoáveis ​​(estimativas em sua maioria insignificantes, coeficientes com o sinal errado, e magnitudes que são demasiado grandes) e proceder à elaboração de relatórios e interpretação. Se alguns resultados não passar por um teste de senso comum, então os testes estatísticos são susceptíveis de ser sem sentido e pode até indicar que você cometeu um erro com suas variáveis, a técnica de estimação, ou ambos.

Obcecada com medidas de ajuste e significância estatística

Depois de estimar um modelo econométrico, concentrar sua atenção e orientar o leitor (se você estiver escrevendo um trabalho de pesquisa) para os resultados que são mais relevantes para abordar a sua pergunta de pesquisa.

A importância de seus resultados não devem ser determinados com base em ajuste (valores de R-quadrado) ou significância estatística sozinho. Claro, coeficientes estatisticamente insignificantes sugerem que a variável independente não é susceptível de afectar a sua variável dependente. No entanto, se a falta de um relacionamento é novo ou inesperado, este achado pode ser significativo!

Esquecendo importância econômica

Você pode usar medidas de significância estatística para determinar quais variáveis ​​não são susceptíveis de ter um efeito sobre a variável dependente, mas você não pode usá-los para determinar quais variáveis ​​têm um efeito relevante.

Depois de ter estabelecido que uma variável é estatisticamente significativa, não se esqueça de concentrar sua atenção sobre o coeficiente. Às vezes, as variáveis ​​podem ter coeficientes que são altamente estatisticamente significativa mesmo que nenhum significado económico está associada com o resultado.

O elemento mais importante na discussão de seus resultados é a avaliação de significância estatística e magnitude para as variáveis ​​primárias de interesse. Se uma variável tem um coeficiente estatisticamente significativa, mas a magnitude é muito pequeno para ser de qualquer importância, então você deve ser claro sobre a sua falta de significado econômico.

Assumindo que os resultados são robustos

Na maioria dos casos, a teoria econômica permite uma quantidade considerável de flexibilidade na determinação da especificação exata do modelo econométrico. Você vai querer ver se pequenos ajustes alterar os resultados.

Não assumir que apenas um modelo econométrico pode aplicar a sua questão de pesquisa e que os resultados não vai mudar com modificações razoáveis ​​para sua especificação. Você deseja executar análise de robustez (ou sensibilidade) para mostrar que suas estimativas do modelo não são sensíveis (são robustos) para pequenas variações na especificação.