¿Cuál es el fenómeno que se explicará en la decisión?
¿Qué hipótesis o teoría se está probando al tomar la decisión?
¿Cuál es la tendencia a predecir?
¿Qué política se está evaluando?
2. Construya un modelo econométrico empírico;
Además de aprender teorías económicas relevantes, también debe comparar modelos econométricos empíricos con análisis empíricos en tres a cinco documentos:
Confirmar la relación causal); la relación entre variables explicativas y variables dependientes en modelos econométricos;
Aclarar las similitudes, diferencias, ventajas y desventajas de cada modelo, y pensar en la mejora de los modelos existentes en Posibilidad de la literatura;
Finalmente se determinó el prototipo del modelo de medición empírica;
Se realizó una investigación preliminar para ver si existe alguna información relevante. De lo contrario, será inútil por muy bien diseñado que esté el modelo empírico.
3. Recopilar información relevante;
La exactitud de los datos debe verificarse estrictamente y los datos erróneos y falsos deben corregirse cuidadosamente.
Utilizar software de hoja de cálculo; para dibujar una lista de datos, verificar la racionalidad lógica de los datos y procesar valores irrazonables;
Ya sean datos transversales o series de tiempo, cuantos más datos, mejor, especialmente PanelData.
Organiza los valores de los datos, enumera varias estadísticas básicas (media muestral, varianza, coeficiente de correlación muestral entre variables, etc.), enumera las interacciones por pares entre variables y realiza un análisis gráfico preliminar.
Ejecución de los métodos de medición:
1. El método de medición no debe ser demasiado simple (por ejemplo, solo el OLS más simple), pero tampoco debe ser demasiado complicado. Utilice el apropiado. métodos de medición del problema. Si se utiliza un método de medición más complejo, será necesario explicar por qué un método más simple no es adecuado. La calidad de un método de medición no reside en su complejidad, sino en su capacidad para ayudarnos a obtener estimaciones correctas de la información verdadera contenida en los datos.
2. Además de los valores estimados y las pruebas t correspondientes, también se pueden realizar algunas pruebas f para probar la hipótesis de coeficientes múltiples.
3. La configuración del modelo de regresión, especialmente la selección de variables explicativas, puede revisarse continuamente durante el proceso de estimación. Puede probar diferentes transformaciones, como logaritmos, exponenciales y funciones de potencia, tanto para las variables correspondientes como para las variables explicativas. La decisión de estos métodos de transformación es la más importante en la teoría económica. No podemos realizar ciegamente algunas transformaciones variables irrazonables solo para mejorar la adaptabilidad del modelo.
4. A la hora de seleccionar variables explicativas se deben considerar los siguientes factores:
La relación causal entre la variable explicativa y la variable dependiente debe ser correcta, es decir, la explicativa. La variable es la causa primero, la variable dependiente es seguida por el resultado, que tiene un orden determinado. En particular, es importante señalar que es probable que los valores de algunas variables se determinen al mismo tiempo que la variable dependiente, o que la relación causal no esté clara (es decir, estas variables son endógenas con respecto a la variable dependiente ), así que tenga mucho cuidado al seleccionar estas variables como variables explicativas. El problema de endogeneidad de las variables explicativas es a menudo la razón principal por la que se critica la investigación;
Debemos prestar atención al homomorfismo de las variables explicativas y no podemos combinar una gran cantidad de variables altamente correlacionadas (incluidas diferentes transformaciones de la misma). variable o varios (varios términos de productos cruzados entre variables) se colocan aleatoriamente en la fórmula de regresión, lo que causa serios problemas de superposición lineal;
Las variables involucradas en la teoría económica a menudo no son observables, por lo que la investigación empírica debe utilizar sustitutos para estudiar El personal debe explicar en detalle los motivos del agente elegido. Como siempre faltan algunos datos, la gente suele utilizar muchas variables de sustitución increíbles por desesperación;
La definición de variables ficticias debe ser clara y razonable, y deben usarse con precaución.
Es necesario discutir los posibles problemas de medición causados por datos faltantes, como variables explicativas insuficientes y valores de observación deficientes.