Академический Документы
Профессиональный Документы
Культура Документы
Вопросы спецификации
Н. В. Артамонов
15 января 2023 г.
1 Вопросы спецификации
2 Функциональная форма
2 Функциональная форма
Базовые рекомендации
1 логарифмируем зависимую переменную, если нужно оценить
процентный отклик на неё
2 логарифмируем регрессор, если хотим оценить эффект от
увеличения регрессора на 1%
3 ”выправление” неоднородных данных1
1
полезно посмотреть на описательные статистики и на распределение
наблюдений (гистограмма)
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 5 / 41
Логарифмирование переменных в модели
Важно!
Процентное изменение переменных не всегда экономически
оправдано. В таких случаях эти переменные не логаричимруются
Пример
Возраст, ставки, уровень образования
Важно!
Если нужно учесть непостоянство (как правило убывание)
предельного значения (эластичности) y по x, то в число
объясняющих переменных следует включить квадрат регрессора.
∂(Ewage)
= β1 + 2β2 age
∂age
Очевидно, в этой модели β1 > 0 и β2 < 0.
Важно!
В этой модели коэффициенты β1 , β2 неинтерпретируемы!
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 11 / 41
Включение квадратов регрессоров
Пример
Рассмотрим модель зависимости цены автомобиля price от его
возраста age:
Пример
Но в реальности (скорее всего) стоит ожидать, что с возрастом
падение цены будет замедляться.
Пример
Но в реальности (скорее всего) стоит ожидать, что с возрастом
падение цены будет замедляться.
2 Функциональная форма
y = x ′ β + z ′ γ + error
H0 : γ = 0
2
J.B. Ramsey (1969), Tests for Specification Errors in Classical Linear
Least-Squares Regression Analysis. Journal of the Royal Statistical Society, Series
B 31, 350–371
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 17 / 41
RESET-тест
Важно!
Альтернативная регрессия как правило экономически
неинтерпретируема
3
A. Harvey & P. Collier (1977), Testing for Functional Misspecification in
Regression Analysis. Journal of Econometrics 6, 103–119
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 19 / 41
Rainbow тест
4
J.M. Utts (1982), The Rainbow Test for Lack of Fit in Regression.
Communications in Statistics – Theory and Methods 11, 2801–2815
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 20 / 41
1 Вопросы спецификации
2 Функциональная форма
Важно!
Показатели критериев – это не тестовые статистики! А сами
критерии – это не тестирование гипотез!
2 n−1
Radj = 1 − (1 − R 2 )
n−k −1
Важно!
2
Модель выбирается из условия max Radj .
5
Для каждой модели k своё!
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 23 / 41
Информационные критерии
Обозначения
AIC = Akaike Information Criterion (An Information Criterion)
BIC/SIC=Bayesian/Schwarz Information Criterion
6
для каждой модели RSS и k свои!
Н. В. Артамонов (МГИМО) Вопросы спецификации 15 января 2023 г. 24 / 41
Информационные критерии
Важно!
”Оптимальная” модель с минимальным значением
информационного критерия!
Важно!
2
Критерии Radj , AIC , BIC могут давать разные ”оптимальные
модели”
2 Функциональная форма
2 Функциональная форма
Рассмотрим модель
yi = xi′ β + zi′ γ + ui
со стандартными условиями
E(ui |X , Z ) = 0 Var(ui |X , Z ) = σ 2
(A) : y = x ′ β + z ′ γ + error
(B) : y = x ′ β + error
(B) (A)
Тогда оценка β̂OLS «точнее» оценки β̂OLS в том смысле, что
стандартные ошибки меньше.
Вывод
Включение заведомо нерелевантного фактора снижает точность
оценивания. Это приводит к увеличению доверительных
интервалов и к снижению мощности тестов.
2 Функциональная форма
Рассмотрим модель
со стандартными условиями
E(ui |X , Z ) = 0 Var(ui |X , Z ) = σ 2 .
В этой регрессии
E(vi |X ) = E(zi′ |X )γ ̸= 0,
E(β̂|X ) ̸= β
β̂ −→ β + bias (n → +∞)
Вывод №1
Если не включить в модель регрессии релевантный фактор,
«коррелирующий» с другими объясняющими переменными, то
метод наименьших квадратов не даёт состоятельных оценок
коэффициентов и, следовательно, неприменим.
Вывод №1
Если не включить в модель регрессии релевантный фактор,
«коррелирующий» с другими объясняющими переменными, то
метод наименьших квадратов не даёт состоятельных оценок
коэффициентов и, следовательно, неприменим.
Вывод №2
Как следствие, стандартные тестовые статистики метода
наименьших квадратов неприменимы для тестирования гипотеза.
Их использование может привести к неверным выводам
(например, выводам о значимости)
log(wage) = β0 + β1 educ + · · · + u
log(wage) = β0 + β1 educ + · · · + u
log(wage) = β0 + β1 educ + · · · + u
Отдача от образования
Аналогичный результат имеет место в общем случае т.н.
«минцеровских» регрессий (J. Mincer) когда оценивается
влияние характеристик “человеческого капитала” на зависимую
переменную.