תוכן העניינים
שגיאות המפרט של מודל אקונומטרי מתייחסות לטעויות השונות שניתן לבצע בעת בחירה וטיפול בקבוצת משתנים עצמאיים כדי להסביר משתנה תלוי.
כאשר מודל בנוי הוא צריך למלא את השערת המפרט הנכון. זה מבוסס על העובדה שמשתני ההסבר שנבחרו עבור המודל הם אלו המסוגלים להסביר את המשתנה הבלתי תלוי. לכן, ההנחה היא שאין משתנה עצמאי (x) שיכול להסביר את המשתנה הבלתי תלוי (y) וכי בדרך זו היו נבחרים המשתנים המאפשרים את הגישה של המודל הנכון.
שגיאות מפרט דגם
ישנן מספר שגיאות במפרט המודל שיכולות להיות מקובצות לשלוש קבוצות גדולות:
קבוצה 1: אופן הפעולה שלה אינו מוגדר כהלכה
- השמטה של משתנים רלוונטיים: בואו נדמיין שאנחנו רוצים להסביר את התשואה על מניות החברה Y. לשם כך אנו בוחרים את ה- PER, שווי השוק והערך בספרים כמשתנים עצמאיים. אם הצף החופשי מתואם עם אחד המשתנים הכלולים במודל, השגיאה של המודל שלנו תואם עם המשתנים הכלולים במודל. זה יביא לכך שהפרמטרים המוערכים על ידי המודל יהיו משוחדים ולא עקביים. לפיכך, תוצאות התחזיות והמבחנים השונים שבוצעו במודל לא יהיו תקפות.
- משתנים שיש לשנות: השערת מודל הרגרסיה מניחה כי המשתנה התלוי קשור באופן לינארי למשתנים הבלתי תלויים. עם זאת, במקרים רבים הקשר בין אלה אינו לינארי. אם לא נעשה את השינוי הדרוש על המשתנה הבלתי תלוי, המודל לא יתאים. כדוגמאות לטרנספורמציה של משתנים בלתי תלויים יש לנו נטילת לוגריתמים, שורש הריבוע או ריבוע בין היתר.
- איסוף גרוע של נתוני מדגם: הנתונים של המשתנים הבלתי תלויים חייבים להיות עקביים עם הזמן, כלומר לא יכולים להיות שינויים מבניים של המשתנים הבלתי תלויים. בואו נדמיין שאנחנו רוצים להסביר את השונות בתמ"ג במדינה X תוך שימוש בצריכה והשקעה כמשתנים עצמאיים. נניח ושדה נפט מתגלה במדינה זו על אדמות מדינה והממשלה מחליטה לבטל מיסים. זה עלול להוביל לשינוי בהרגלי הצריכה במדינה שנכון לתאריך זה יישמר ללא הגבלת זמן. במקרה זה עלינו לאסוף שתי סדרות זמן שונות ולהעריך שני מודלים. מודל אחד לפני השינוי ואחריו אחר. אם נקבץ את הנתונים למדגם אחד והערכנו מודל, יהיה לנו מודל מוגדר בצורה גרועה וההשערות, הניגודים והחיזויים יהיו שגויים.
קבוצה 2: המשתנים הבלתי תלויים מתואמים עם מונח השגיאה בסדרות זמן
- שימוש במשתנה התלוי עם פיגור כמשתנה עצמאי: להשתמש במשתנה עם פיגור זה להשתמש בנתונים של אותם משתנים אך נמדד תקופה קודמת. נניח שאנחנו משתמשים במודל הקודם של התמ"ג כמשתנה התלוי. בואו להוסיף למודל, בנוסף לצריכה והשקעה, גם את התוצר של השנה הקודמת (תוצרt-1). אם התוצר של השנה הקודמת יהיה מתואם סדרתי עם השגיאה, המקדמים המשוערים היו מוטים ולא יהיו עקביים. זה שוב יבטל את כל מבחני ההשערה, התחזיות וכו '.
- חיזוי העבר: כשאנחנו מודדים משתנה, אנחנו תמיד צריכים לקחת את התקופה שלפני זו שאנו רוצים לאמוד. נניח שהמשתנה התלוי שלנו הוא התשואות ממניה X והמשתנה העצמאי שלנו הוא PER. נניח עוד שאנחנו לוקחים את הנתונים הסופיים לחודש פברואר. אם נשתמש בכך במודל שלנו, נסיק כי המניה עם ה- PER הגבוה ביותר בסוף פברואר השיגה את התשואות הגבוהות ביותר בסוף פברואר. המפרט הנכון של המודל מרמז על לקיחת הנתונים מתחילת התקופה כדי לחזות את הנתונים המאוחרים יותר ולא להיפך כמו במקרה הקודם. זה נקרא חיזוי העבר.
- מדוד את המשתנה הבלתי תלוי עם שגיאה: נניח שהמשתנה העצמאי שלנו הוא התשואה למניה ואחד מהמשתנים הבלתי תלויים שלנו הוא הריבית הנומינלית. זכרו כי הריבית הנומינלית היא הריבית בתוספת האינפלציה. מכיוון שמרכיב האינפלציה של הריבית הנומינלית אינו נצפה בעתיד, היינו מודדים את המשתנה בטעות. כדי למדוד נכון את הריבית, נצטרך להשתמש בריבית הצפויה וכי זה לוקח בחשבון את האינפלציה הצפויה ולא את הנוכחית.
