Econometrics: le choix de la forme fonctionnelle de votre modèle de régression

En économétrie, la procédure d'estimation standard pour le modèle de régression linéaire classique, moindres carrés ordinaires (MCO), peut accueillir relations complexes. Par conséquent, vous avez une quantité considérable de souplesse dans l'élaboration du modèle théorique. On peut estimer les fonctions linéaires et non linéaires, y compris mais sans s'y limiter,

  • Fonctions polynômes (par exemple, les fonctions quadratiques et cubiques)




  • Fonctions inverses

  • Fonctions log (log-log, log-linéaire, et linéaire-journal)

Dans de nombreux cas, la variable dépendante dans un modèle de régression peut être influencée par deux variables quantitatives et qualitatives facteurs. En plus de garder la trace des unités de mesure ou la conversion d'une échelle logarithmique, l'utilisation de variables quantitatives dans l'analyse de régression est généralement simple. Les variables qualitatives, cependant, nécessitent une conversion à une échelle quantitative en utilisant des variables muettes, qui égal à 1 si une caractéristique particulière est présente et 0 sinon. (Notez que lorsque plus de deux résultats qualitatifs sont possibles, le nombre de variables muettes dont vous avez besoin est le nombre de résultats moins un.) Utilisant des variables quantitatives et qualitatives se traduit généralement par des modèles plus riches avec des résultats plus informatifs.

Bien que peu d'expérimentation avec la forme exacte de votre modèle de régression peut être instructif, prenez le temps de réfléchir à des questions de spécification méthodiquement. Soyez sûr que vous pouvez expliquer pourquoi vous avez choisi les variables indépendantes spécifiques à votre modèle. Vous devez également être en mesure de justifier la forme fonctionnelle que vous avez choisi pour le modèle même si vous avez pris une relation linéaire simple entre vos variables. Testez les hypothèses du modèle de régression linéaire classique (CLRM) et apporter des modifications au modèle que nécessaire. Enfin, passer un peu de temps à examiner la sensibilité de vos résultats en faisant de légères modifications aux variables (parfois influencés par les résultats de vos tests de CLRM) inclus dans le modèle et la forme fonctionnelle de la relation. Si vos résultats sont stables pour ces types de variations, qui fournit une justification supplémentaire pour vos conclusions.


» » » » Econometrics: le choix de la forme fonctionnelle de votre modèle de régression