Econometría: Elección de la forma funcional de su modelo de regresión

  1. Educación
  2. Economía
  3. Econometría
  4. Econometría: Elección de la forma funcional de su modelo de regresión

Libro Relacionado

Por Roberto Pedace

En econometría, el procedimiento de estimación estándar para el modelo clásico de regresión lineal, mínimos cuadrados ordinarios (OLS), puede acomodar relaciones complejas. Por lo tanto, usted tiene una considerable flexibilidad para desarrollar el modelo teórico. Puede estimar funciones lineales y no lineales, incluyendo pero no limitado a

  • Funciones polinómicas (por ejemplo, funciones cuadráticas y cúbicas)
  • Funciones inversas
  • Funciones de registro (log-log, log-linear y linear-log)

En muchos casos, la variable dependiente en un modelo de regresión puede estar influenciada tanto por variables cuantitativas como por factores cualitativos. Aparte de llevar un registro de las unidades de medida o de convertirlas a una escala logarítmica, el uso de variables cuantitativas en el análisis de regresión suele ser sencillo. Sin embargo, las variables cualitativas requieren la conversión a una escala cuantitativa utilizando variables ficticias, que equivalen a 1 cuando un carácter determinado está presente y a 0 en caso contrario. (Tenga en cuenta que cuando son posibles más de dos resultados cualitativos, el número de variables ficticias que necesita es el número de resultados menos uno.) La utilización de variables cuantitativas y cualitativas generalmente da como resultado modelos más ricos con resultados más informativos.

Aunque alguna experimentación con la forma exacta de su modelo de regresión puede ser esclarecedora, tómese el tiempo para pensar metódicamente en los problemas de especificación. Asegúrese de que puede explicar por qué ha elegido variables independientes específicas para su modelo. También debe ser capaz de justificar la forma funcional que ha elegido para el modelo, incluso si ha asumido una relación lineal simple entre sus variables. Poner a prueba los supuestos del modelo clásico de regresión lineal (CLRM) y realizar los cambios necesarios en el modelo. Finalmente, dedique algún tiempo a examinar la sensibilidad de sus resultados haciendo ligeras modificaciones a las variables (a veces influenciadas por los resultados de sus pruebas CLRM) incluidas en el modelo y la forma funcional de la relación. Si sus resultados son estables a este tipo de variaciones, esto proporciona una justificación adicional para sus conclusiones.

Leave a Reply