Как обосновать выбор функциональной формы зависимости в эконометрической модели?
Подробное объяснение
Процедура обоснования вида функциональной зависимости в эконометрике называется спецификацией модели. Она включает выбор набора факторов, функциональной формы (линейная, лог-линейная, степенная и т.д.) и способа включения переменных. Правильная спецификация основана на теоретических предпосылках, экономической теории и эмпирических данных. После оценки модели проводится проверка адекватности (тесты на гетероскедастичность, автокорреляцию, спецификацию).
Часто задаваемые вопросы (FAQ)
1
Какие критерии используются для выбора функциональной формы?
Основные критерии: теоретическая обоснованность (соответствие экономической теории), статистическая значимость коэффициентов, качество подгонки (R², скорректированный R²), информационные критерии (AIC, BIC) и проверка на адекватность (RESET-тест, тест Бокса-Кокса).
2
В чем разница между линейной и лог-линейной моделью?
Линейная модель предполагает абсолютные изменения зависимой переменной при единичном изменении фактора, а лог-линейная — относительные (процентные) изменения. Лог-линейная модель часто используется для эластичностей и при положительных переменных.
3
Что такое тест Рамсея RESET?
Тест Рамсея RESET (Regression Equation Specification Error Test) проверяет, не пропущена ли нелинейная форма или важные переменные. Если тест значим, спецификация модели может быть неверной.
Типичные ошибки
1
Игнорирование экономической теории при выборе формы
Выбор функциональной формы только на основе статистических критериев без теоретического обоснования может привести к бессмысленным или неустойчивым результатам.
2
Предположение линейности без проверки
Часто исследователи автоматически выбирают линейную модель, хотя экономические зависимости могут быть нелинейными (например, убывающая отдача). Необходимо тестировать нелинейные альтернативы.
3
Переобучение при сложных функциональных формах
Использование слишком гибких форм (высокие степени, много взаимодействий) может хорошо описывать обучающую выборку, но плохо обобщаться на новые данные.