10 erreurs courantes dans l'économétrie appliquée

Éviter les erreurs lorsque vous faites une analyse économétrique dépend de votre capacité à appliquer les connaissances que vous avez acquises avant et pendant votre classe de l'économétrie. Ce qui suit est un aperçu des écueils les plus courants pour vous aider à améliorer votre application de l'analyse économétrique.

A défaut d'utiliser votre bon sens et la connaissance de la théorie économique

Une des caractéristiques qui différencient la recherche appliquée en économétrie à partir d'autres applications d'analyse statistique est l'utilisation de la théorie économique et de bon sens pour motiver la connexion entre les variables indépendantes et dépendantes.

En économétrie, vous devriez être en mesure de faire un dossier solide pour les variables indépendantes (Xd) provoquant des changements dans la variable dépendante (Y). Vous devez théorie solide et le bon sens pour justifier votre approche. Cela vous permet de fournir une interprétation sensible de vos résultats, en plus des mesures typiques de signification statistique et en forme.

Poser les mauvaises questions en premier

Premiers pas obsédé par les détails techniques de l'estimation des modèles économétriques peut être facile. Cependant, vous devez toujours prendre un peu de recul et demandez-vous pourquoi vous faites ce que vous faites. Pourquoi les autres trouver mon sujet intéressant et important?

Ignorant le travail et les contributions des autres

A défaut de connecter votre travail avec celui des autres personnes qui ont examiné votre question de recherche ou quelque chose lui est étroitement lié est une grave erreur. Comprendre comment les autres ont traité de questions similaires peut vous aider à déterminer quel modèle utiliser, peut donner des améliorations dans votre travail, et permet aux lecteurs de mieux comprendre la pertinence de votre sujet.

Dans votre revue de la littérature, se concentrer sur des papiers ou des segments de documents qui sont directement liés à votre travail. Résumer l'approche, les données et les conclusions d'autres chercheurs. Enfin, être clair sur la façon dont votre travail inscrit dans ce qui a déjà été fait par d'autres, ce qui a été améliorée, et / ou comment les nouvelles dimensions de la question ont été explorées.

A défaut de vous familiariser avec les données

Les étudiants pensent souvent que les données qu'ils travaillent avec est terminée pour toutes les variables et que les informations communiquées sont exactes. Vous pouvez réduire vos chances d'obtenir de mauvaises surprises dans vos résultats en effectuant des travaux d'exploration qui comprend des statistiques descriptives, des graphiques linéaires (pour les données de séries chronologiques), distributions de fréquences, et même des listes de certaines valeurs de données individuelles.

Un certain nombre d'effets indésirables peut survenir à défaut de se familiariser avec vos données d'analyse. Ces trois exemples sont peut-être les plus courantes:

• Variables vous pensiez ont été mesurés en continu sont en fait dans les catégories ou groupes.

• Les mesures que vous avez cru étaient vraies valeurs sont réellement les valeurs manquantes.

• Les valeurs des données qui semblent parfaitement légitimes sont en fait des valeurs censurés.

Faire trop compliqué

L'art de l'économétrie est de trouver la spécification appropriée ou forme fonctionnelle de modéliser votre résultat d'intérêt particulier. Dans de nombreux cas, cependant, la théorie peut être vague sur les éléments spécifiques de la spécification d'un modèle.

Compte tenu de l'incertitude du choix de la “ parfait ” spécification, de nombreux économètres appliquées font l'erreur de surspécification leurs modèles (ce qui signifie qu'ils comprennent de nombreuses variables non pertinentes) ou favoriser des méthodes d'estimation plus complexes techniques plus simples. Elle peut conduire à des propriétés de l'estimateur indésirables et la difficulté à interpréter la signification des résultats.

Etre inflexible à des complications dans le monde réel

Les solutions ou les prédictions dérivées en utilisant les théories économiques utilisent la déduction logique et / ou une preuve mathématique qui repose généralement sur le ceteris paribus (toutes choses étant égales) hypothèse.

Les données que vous utilisez pour tester des hypothèses économiques, cependant, sont dérivés d'un monde où les agents (individus, entreprises, ou ce que vous avez) sont en prise avec leur environnement d'une manière qui ne sont pas de nature à satisfaire la ceteris paribus hypothèse parce que beaucoup de variables définissant leurs circonstances spécifiques varient considérablement d'une observation à l'autre.

Vous cherchez de l'autre quand vous voyez les résultats bizarres

La plupart des projets de recherche économétriques contiennent les résultats des estimations pour de nombreuses variantes de modèles connexes. Vous voulez vous concentrer sur vos principales variables d'intérêt (variables de base), mais assurez-vous d'examiner l'ensemble de vos résultats.

Cela signifie ne pas ignorer des résultats déraisonnables (estimations souvent insignifiantes, les coefficients avec le mauvais signe, et des amplitudes qui sont trop grands) et de procéder à la déclaration et à l'interprétation. Si certains résultats ne passent un test de bon sens, alors les tests statistiques sont susceptibles d'être dénué de sens et peuvent même indiquer que vous avez fait une erreur avec vos variables, la technique d'estimation, ou les deux.

Obsédé par les mesures d'ajustement et la signification statistique

Après vous estimez un modèle économétrique, concentrez votre attention et guider le lecteur (si vous écrivez un document de recherche) les résultats les plus pertinents pour répondre à votre question de recherche.

L'importance de vos résultats ne doit pas être déterminée sur la base de l'ajustement (des valeurs de R-carré) ou la signification statistique seul. Bien sûr, les coefficients statistiquement insignifiants suggèrent que votre variable indépendante est pas susceptible d'affecter votre variable dépendante. Toutefois, si l'absence d'une relation est nouvelle ou inattendue, cette constatation peut être important!

Oubliant importance économique

Vous pouvez utiliser des mesures de signification statistique pour déterminer quelles variables ne sont pas susceptibles d'avoir un effet sur la variable dépendante, mais vous ne pouvez pas les utiliser pour déterminer quelles variables ont un effet pertinent.

Une fois que vous avez établi qu'une variable est statistiquement significative, ne pas oublier de concentrer votre attention sur le coefficient. Parfois, les variables peuvent avoir des coefficients qui sont statistiquement très significatifs, même si pas de signification économique est associé avec le résultat.

L'élément le plus important dans la discussion de vos résultats est l'évaluation de la signification statistique et grandeur pour les principales variables d'intérêt. Si une variable a un coefficient statistiquement significative, mais la magnitude est trop petit pour être de quelque importance, alors vous devriez être clair sur son manque de signification économique.

En supposant que vos résultats sont robustes

Dans la plupart des cas, la théorie économique permet une flexibilité considérable dans la détermination de la spécification exacte du modèle économétrique. Vous aurez envie de voir si des ajustements mineurs modifier vos résultats.

Ne présumez pas qu'un seul modèle économétrique peut appliquer à votre question de recherche et que les résultats ne changera pas avec des modifications raisonnables à votre cahier des charges. Vous souhaitez effectuer robustesse (ou sensibilité) analyse pour montrer que vos estimations du modèle ne sont pas sensibles (robustes) à de légères variations dans la spécification.