Спецификация модели

Спецификация модели

• Технические характеристики модели В предыдущей главе мы использовали различные диагностические тесты. Проверьте правильность спецификации регрессионной модели. рассматривать Проверьте спецификацию объясняющей переменной. / -Проверьте метод описания Индивидуальные свойства (и, следовательно, должны быть включены в модель).

• Тестирование объясняющих переменных и / или групповых объяснительных способностей Лепить переменную. Пенис: автокорреляционный тест и тест на неравномерную дисперсию. было Предлагаемые процедуры, которые можно использовать в качестве функциональных тестов Новая форма зависимости: Box — процедура Кокса для определения наиболее Преобразовать соответствующий тип переменной (предварительно 354 Entity).

Проверка достоверности спецификации ОС была рассмотрена. Людмила Фирмаль

И это только часть всех диагностических тестов. Я был фактически нанят. Общая стратегия исследования использовалась неявно до Настоящее время можно обобщить следующим образом: 1. Форма на основе экономической теории, опыта, интуиции Создать запасную модель. 2. Выберите доступные данные и оцените параметры модели. 3. Запустите диагностический тест. 4.

Если хотя бы один из тестов показывает недостаточную специфичность Модель, переосмыслить, чтобы устранить это ненадлежащим образом STI 5. Если вас устраивают спецификации, поздравляем. Используйте решение задачи самостоятельно, чтобы закончить работу. Опасности этой стратегии (и «опасность» здесь — хорошее слово) Финальная версия модели Доказано, чтобы быть удовлетворенным — технические характеристики модели.

Это существующий набор данных, но он совсем не соответствует фактической модели. Eco Метрическая литература наделена двумя типами неявных доказательств Это всегда так, особенно для недорогих моделей. Модель, которая отражает временные ряды, особенно макроэкономику Отношения. Часто случается, что исследователи анализируют одну вещь.

То же явление, но вы можете получить доступ к различным источникам данных, Существуют модели, которые внутренне согласованы, но абсолютно невозможны для сравнения. часто Модель, которая прошла образец диагностического теста Прогностическая способность очень низкая. Особенно бросается в глаза Оба эти аспекта, моделирование литературы Инвестиции в Нью-Йорке.

Если есть еще одно свидетельство, оно необходимо. Приведенные эксперименты показывают, что это совсем не сложно Построить бессмысленную модель, способную выдержать все условные проверки (См. Работу J. Peach и J. Webb [Peach, Webb 1983]). В результате вся боль Кроме того, тестирование позволяет Полностью неверно определенная модель и тот факт, что модель поддерживается Нанеси им удар и не могу гарантировать их точность. «Но как насчет прогностического тестирования описанной модели? В главе 10? Я спросил «.

Итак, модель Сопоставить новые данные. Есть две проблемы с этими тестами. Во-первых, их эффективность довольно низкая. Может быть плохо Указанная модель соответствует наблюдениям за предыдущий период Легенда и нулевая гипотеза об устойчивости модели не отвергаются, особенно Больно, если прогнозируемый период короткий. «Хорошо», говорите вы Сократить прогноз и периоды выборки.

Действительно я Может оказаться, что это правильное направление анализа, но здесь это повторяется Проблема, особенно если образец маленький. Сокращая период выборки, Уменьшите соответствие модели образцам данных и определите, насколько Поведение в течение прогнозируемого периода значительно отличается, но есть еще работа Ее. Другая проблема с прогнозным тестированием стабильности — что делать.

Если тест не пройден, для исследователя. Ясно, что закон неправ На данный момент он уважает свою работу и принимает поражение. Естественное направление Действие — продолжайте переделывать модель, пока она не пройдет Тем не менее, последующие тесты менее «честны», чем peritests Ord fetch.

Это неудовлетворительная ситуация Две взаимосвязанные проблемы: возможность отказа от некоторых мошенников Наблюдать за моделями и возможностями в результате сравнения моделей друг с другом Принять более систематическую исследовательскую стратегию, Неправильно построить модель сразу.

Сравнение альтернативных моделей Методы сравнения альтернативных моделей могут быть очень сложными Ноа, и здесь мы ограничимся некоторыми очень краткими частичными соображениями Некоторые вопросы Во-первых, введите различие между включенным и выключенным Основная модель.

Когда первая модель называется содержится в другой модели Вы можете получить модель из второй модели, наложив некоторые ограничения. Колено две модели, когда ни одна не включены, называются (не содержащиеся) Он не может быть представлен как отдельная ограниченная версия.

Есть ограничения Коснуться всех аспектов спецификации модели, Объясните только ограничения, наложенные на параметры Переменная в модели, которая состоит из одного уравнения. Объясни это Примеры функций потребления домохозяйств, проанализированные в главе 7 10. В этих главах были рассмотрены следующие три динамические модели: Коврик модель Зависимая переменная (обозначается как модель B);

цена — оценка победы Статическая модель стены (модель C); модель со всеми значениями отставания Нет ограничений на ремень и его параметры (модель А). Добавить полностью Ваша фотография представляет собой простую статическую модель (модель D): (A) yf = \ 0+ V / -i + * + + * -1 + X4Pt + ^ sPr- \ + iln O 2-8) (B) d = Xo + Chl-1 + * L + AL + «*; (12,9) (C) y = \ + \ xy, x + X2xt-a. , V / -i + V / ~ V-A-i + и <± (12.10) (D) y = X0 + X + + V, + »π (12.11)

Как упомянуто в разделе 7.9, модель B и модель C включены в A. Оба являются его ограниченными версиями: модель B накладывает нулевые ограничения Сокращение коэффициентов хх ^ и р ^ х (конечно, это просто еще один способ Так что эти переменные исключены из модели) Общие факторы факторов описаны в разделе 7.9. Модель D может Модель 2?

И C считаются включенными. Получить из модели B, сделав коэффициент yy равным нулю, Наложить ограничения по модели C-p = 0. Структура является всеобъемлющей Модель показана на рисунке. 12.2. Мы рекомендуем начать с модели А, самой распространенной модели. Сравнивая жилье, А и С, вы найдете ограничение по сумме. Факторы, присутствующие в модели C, отклоняются (см. Раздел 7.9).

Следовательно, модель C находится вне списка приемлемых моделей. Если мы Сравнение моделей A и B показывает, что B является отличной альтернативой A. *, , А /? Коэффициент оценки _ равен Ноль, как показано в разделе 7.9. Вместо того, чтобы на самом деле использовать / -Индивидуальные коэффициенты испытаний должны применять их F-тест Всесторонняя ответственность, и это сделано.

Всего четыре Отклонение модели A составляет 0,00076, а отклонение модели B составляет 0,00080. соответствующий Соответствующая F-статистика с 2 и 18 степенями свободы равна 0,47. Она Модель B не важна даже на уровне значимости 5% Держите этот тест. Наконец, модель D должна быть отклонена. Откажитесь от ограничения, что коэффициент у ^ х равен нулю Используйте простой / -test.

Во всех этих соображениях, Процедура испытаний не сильно зависит от использования задержки Эти переменные в качестве объяснения. Как вы знаете, это, безусловно, вер Однако только для больших образцов. ) Приведенный выше пример показывает возможность как успеха, так и неудачи. В случае структуры модели, включенной в тест chi: success Склонение и выход из строя двух из четырех моделей — как часть Раскол остался до конца.

Есть ли причина предпочитать модель А? Или наоборот? Многие авторы (например, Дэвид Хендри — уже упоминалось Шотландские исследователи) скажут, что модели следует отдать приоритет Более экономичный, но не с точки зрения экономии денег, с точки зрения экономии Использование параметров: Модель A требует оценки шести параметров.

Dell B — всего четыре. Тем не менее, экономические выгоды этого Контекст не совсем понятен. Такое соотношение, по-видимому, связано с Преимущественно принцип максимальной простоты предложенного объяснения (Поцелуй принцип — будь проще и глупее) или Бритва оккама Потому что все это практически необоснованно Четкие инструкции, пока проблема выбора эффекта остается.

Смещение, которое можно рассматривать как активность при включении и выключении изменений Используйте незначительные коэффициенты, как описано в главе 6 Самый убедительный аргумент бережливости 357 Обычно легко придумать ряд потенциально важных объяснений. Переменные переменные, чьи коэффициенты не важны, И как результат, сохранение одного или двух из них в модели не является обязательным.

Сделайте это, если не включены конкурентные модели Модель? Одной из возможных тактик является создание интегрированной модели, которая: Рассмотрим эти две модели как ограниченные версии, Есть ли прогресс в оценке каждой модели по объему? Принудительный. Например, предположим, что модели F и (/ идентичны, за исключением всего Независимая переменная спецификация.

Обе модели содержат переменные х х … мне нравятся регрессоры. Модель / ‘также включает переменные xhe + {… ^ (подмножество F). Модель G не включает их, но вместо этого включает переменные х / + 1 … х g (подмножество G). Объединенная модель £ поддерживает все три подмножества Независимая переменная. Далее вам нужно сделать два теста.

Предположения как нулевая гипотеза Модель E имеет права Подтверждение способности совместно объяснять спецификации и переменные Из подмножества, кроме них, из подмножества G Результат: 1) Оба подмножества G имеют важные режимы объяснения На самом деле. Это неожиданный результат, потому что он связан с отклонениями.

• Обе модели £ и G поддерживают комбинации, которые ранее не рассматривались. 2) Подмножество ^ имеет значительную объяснительную силу, а G — нет. Затем вы должны отклонить модель G и принять модель F. Модель £ невозможна. Принято; 3) Соответствующий результат, противоположный (2) Заключение; 4) Ни подмножество F, ни G не имеют важного объяснения Возможность.

Как и в случае модели E, обе модели Her C будут и впредь рассматриваться. Примите во внимание, чтобы сделать вывод более конкретным Следующий простой пример включен только в подмножество C Одна переменная Модели F и G являются следующими: Модель F y = a + p, x, + p2x2 + uF; (12.12) Модель G y = a + p, x, + p3x3 + uG. (12.13)

Подмножество F соответствует x2, а подмножество G соответствует xy. Людмила Фирмаль

Модель E имеет следующий формат: Модель E y = a + p, x, + p L + p L + uE. (12.14) В этом случае тест М объясняющей способности подмножества Fn G Дается r тест коэффициента х2 и х2. После оценки Модель £ имеет четыре возможных результата. 1) Оба коэффициента b2 и b существенно различаются С нуля. Переменные x2 и x3 должны быть включены в модель.

То есть модель F \ L G отклоняется, а модель E принимается. 2) Коэффициент B2 сильно отличается от нуля, а b3 — нет. В этом случае вы должны включить 2 На JC3 можно включить в модель ( Оказывается, переменная не важна, но переменная Это не обязательно исключается из модели.

Это действительно описательно Переменная, но эффект может быть слабым и размер выборки очень Маленький, так что коэффициенты переменных существенно различаются Zero). Отклонить модель G, принять модель Her E \ 3) коэффициенты В b сильно отличается от нуля, а b2 — нет. Тот же вывод, что и (2), только Fn G изменит местоположение. 4) Ни b2, ни b3 существенно не отличаются от нуля. все Хотя x2 и x3 не важны, принимаются три модели.

Возможно, что фактор действительно объясняющая переменная. Очевидно, что этот подход имеет много потенциальных проблем. в о, модель E используется в качестве нулевой гипотезы для всех тестов. Этот частный случай не совсем приемлем. Когда модель Fw G построен на различных принципах, и комбинация Это очень странно и недопустимо с точки зрения экономической теории. В этом случае нет общей основы для тестирования.

Во-вторых, Если неопределенность сохраняется, окончательный результат может появиться скорее Часто. Если модель Fw построена правильно, Понятно, что модель £ имеет небольшое дополнительное объяснение. На самом деле ни один из двух тестов не важен. Чтобы положить конец этой ситуации Различные процедуры были предложены, но они выходят за рамки книги (См. Ya для подробного анализа и деталей этих проблем.

Кментс [Кмента, 1986, с. 595-598]). Применение подхода «от общего к частному» К спецификации модели Как мы уже видели, начнем с простой модели Более сложный согласно диагностическим тестам Риск получить неправильную модель, которая в конечном итоге нас удовлетворит Пока это «вписывается» в последовательный процесс адаптации.

Добавьте его к выборке данных (все вероятностные тесты Получилось неправильно из-за случайно сформулированного нуля Гипотезы). Некоторые авторы утверждают, что лучше принять противоположное Новый подход. Вместо того, чтобы пытаться сделать частную начальную модель более Генералы, говорят они, начинают с общей модели и делают ее более Путем установления непрерывных ограничений (после тестирования) Точность).

Конечно, подход «от общего к частному» является более предпочтительным в принципе. Проблема в том, что он часто не применим в чистом виде. Ему. Если размер выборки ограничен и первоначальная спецификация включает в себя: Многочисленные потенциальные объясняющие переменные, затем многоцветные Arity может вызвать бессмысленность коэффициентов в большинстве из них Также для всех переменных.

Появление этой проблемы особенно реалистично для моды. Луч временного ряда. В крайних случаях число переменных Невозможно оценить количество наблюдений и параметры модели Когда можно оценить больше моделей, важность многих факторов заключается в следующем: Исследователи имеют большую свободу в принятии решения, какие изменения сделать Них удалить.

Финальная версия модели Любое такое первоначальное решение. Переменные исключены из Незначительные коэффициенты Омы имеют большой фактор Если краткая версия модели остается. искренность 359 Систематическое применение принципа «общего к частному» Мне нужно изучить огромное количество возможных способов упростить меня Дели И даже если таких маршрутов мало, исследователи в конечном итоге.

Оставайтесь во многих конкурентных моделях Уважайте больше других. Этот результат напоминает «подающий надежды» вариант дела. чай (4) Гипотеза не включена (рассматривается в последний раз) Бизнес. В конечном счете, некоторый компромисс кажется нормальным. У него нет правил, кроме принципа, который формирует первую аферу Цепная модель.

Нижняя слабая, но эффективная версия Возможно, вам нужно быть осторожным при включении og в исходную спецификацию Отборочные, которые могут быть отклонены заранее. Есть правила Обращаем ваше внимание, что способность делать это является свидетельством опыта. Исследователи, и в этом случае весь подход становится требованием для накопления Ня опыт.

Скептики могут сравнить этот подход с зависанием «Подумай!» Он рано украсил офис IBM И даже Д. Хендри является одним из настойчивых защитников против этого Конечно — здесь мы понимаем, что поиск всегда неизбежен (Хендри, 1979, с. 228, J. Ссылка на Дэвидсона и др. [Davidson, 1978]).

Много забавных блюд как неофициальная поддержка для этого подхода Комментарии о недостатках построения модели по принципу «от простого» Сложный »и наглядный пример Д. Хендри работа рекомендуется (Хендри, 1979) (у} с небольшим вниманием, что это тест на банкротство Прогнозы, использованные в этом документе, в настоящее время широко признаны неэффективными Ним и, как правило, больше не применяются).

Статистический вывод границы В предыдущем разделе некоторые технические Проблема иногда в эконометрике, хотя она не до конца понятна Признание теории, которая служит информационной базой для модели. Если так Нужно исправить: даже если техническая проблема решена Шен, то другие, более существенные проблемы остаются, эко Им не нужно знать о них, чтобы не переоценить Пожалуйста, оцените ваш вклад.

Современная наука все еще была в колыбели, Считается, что природа следует четко определенному набору Задача ученого — обнаружить и доказать их. Их правда через умелые эксперименты. Предыдущая научная деятельность Предлагается как вид альпинизма с достижением абсолютной истины Встреча на высшем уровне.

Проблема с этой простой идеей Мы не можем доказать абсолютную правду теории. Во-первых, теория это все Создан для объяснения прошлых фактов и не следит за ним Это всегда будет так в будущем. Может нарушить это в любое время Некоторые новые наблюдения. Во-вторых, что происходит довольно часто Тот же набор фактов (с фантазией) Несколько разных теорий.

Все это должно быть учтено и пересмотрено Разделите прогресс науки и научных знаний. Теория Взятые только условно, знания — совокупность таких теорий — должны быть признаны Морщины как условное понятие. Научный прогресс определяется как 100 рамен Теория условной теории является новой, более эффективной и обычно появляется. Когда новое наблюдение противоречит старой теории.

Дальнейший прогресс Это происходит, когда эта новая теория заменяется по очереди. Необходимость Признайте, что «вершина науки» никогда не достигается. Лучший Что вы можете сделать, так это постепенно выйти из долины невежества. К сожалению, этот комплексный подход не является достаточно удовлетворительным Лен.

Не существует строгого подхода к доказательству истинности теории, Не существует строгого подхода, чтобы доказать эту подделку. Если теория вдруг Обычно защитники этой теории противоречат результатам новых наблюдений Только небольшое изменение может спасти ее. Он может сказать это до этой теории Слишком просто, изменения происходят эволюционно.

Когда вы даете воображение, вы всегда можете найти легитимность теории и согласиться с ней Возникшее в результате противоречие (как бы ни было противно). Другими словами Даже не ясно, что мы движемся вверх. Все это ставит нас в очень неудобное положение. Не строго Критерии оценки как правды, так и лжи теории, Можете ли вы сказать, что наука развивается?

И какой смысл Действительно ли существует понятие «наука» и «ученый»? Ответом на эти вопросы является одна из научных школ науки. Очень субъективная и социально определенная наука Все считается верным или неправильным. Они празднуют Я не могу сразу отказаться от теории, Какая теория будет Слишком много накоплений и бесполезно Необходимы хорошие исправления, чтобы четко спасти эти теории от оппозиции Я пишу эти факты.

Согласно этому подходу, научные знания Вероятный теоретический путь, ранее принятый и субъективность этого определения Сплит это отсутствие абсолютного стандарта надежности. Дискуссия о том, что такое знание, Ученые предпочитают брать примеры из естествознания, а не Дети с этими проблемами серьезнее. Ученые обычно наблюдают закономерности и Моделируйте гипотезы и предсказывайте их.

Естествоиспытатель уках — наверное, лучший кроме астрономии — самый лучший Положение о наблюдении, а не эконометрике. Они обычно Может доставить и повторить специально построенный контролируемый эко Эксперименты по выявлению существования и установлению природы закона Размеры. С другой стороны, эконометрика обычно Никакой эксперимент нельзя контролировать Эксперимент.

Вместо этого они должны быть уверены, что они ограничены Неполные столбцы данных и проблемы наблюдения усугубляются двумя Характеристика экономических моделей. Во-первых, экономический процесс Обычно очень сложная и приемлемая теория Это только приблизительное и довольно часто — очень грубое. 361 Хорошая модель упрощает самые важные процессы для анализа.

Если вы живете в наблюдении, плохие модели просто игнорируют их. ВТО часто, потому что экономика — это поведенческая наука Более важное предположение экономической теории исходит из области пси Это трудно или невозможно проверить химию, и, следовательно,. Пример здесь Предпосылки максимизации или максимизации прибыли Полезность.

Экономисты используют сто Статистический анализ. В лучшем случае, когда эконометрист успешен и опытен, Он достигает только отправной точки исследования с репрезентативной позиции Естествознание Существует высокая вероятность того, что наблюдательный туман в конечном итоге не рассеется Наука и научные проблемы еще сложнее.

Если субъективность является фундаментальной проблемой В области естествознания экономика еще важнее. Если ты ска Вы занятой биохимик, изучающий функционирование нервной системы. Вопрос о том, добавляет ли это исследование что-то новое в науку Знание полностью субъективно и био Если вы называете химика ученым, он, вероятно, решит, что вам нужно Сила психиатра. Что касается биохимика, он знает, что такое наука. Он работает.

Если это не работает, это проблема. Наоборот Наука о поведении имеет действительно четкий пример субъективного STI Например, в экономике, Монетарист, неоклассик, кейнсиан, экономический адвокат Теория снабжения, неорикардианство, марксизм и т. Д. Каждая группа имеет свой набор теорий, независимых от экономического подхода Метрический анализ.

К счастью, наша повседневная жизнь практически не зависит от научных знаний. Из-за знания и часто его существования. Удобрение фермер Опыт показал, что это увеличивает урожайность в нормальные полив и солнечные дни. Результаты научных исследований по удобству химических соединений Рений распределяется в растениях и как они влияют на рост клеток, Фермеры не будут очень заинтересованы.

Все, что ему нужно, это право на работу Сколько удобрений добавить на акр земли для достижения наилучших результатов Tatofu. К счастью, таких примеров в экономике много. Но большинство из них связаны с микроэкономическими отношениями. В макроэкономике все еще трудно найти рабочие правила, содержащие su. Значительная предсказательная сила.

Поэтому оно останется в обозримом будущем Достаточно места для субъективизма и сосуществования разных школ Направление. Целью эконометрики является установление рабочих правил в своей области знаний. Рост. Очевидно, что есть пределы тому, что может быть продемонстрировано Используйте эконометрику.

Известно, что ничего не доказать с помощью Комплексная технология применяется правильно, так как еще одно исследование Кандидаты всегда могут по-разному интерпретировать один и тот же результат. луч Что можно сделать, это показать, что эта теория более правдоподобна Хорошо, но другие нет.

Отключает ли это эконометрический анализ? Конечно нет. Политики должны принимать решения каким-то образом. Совершенство недостижимо и лучше, если эти решения основаны О вероятной теории, которая не основана ни на какой теории.

Смотрите также:

• Решение задач по эконометрике

Величина смещения оценки для одновременных уравнений	Послесловие к функциям спроса
Метод максимального правдоподобия (ММП)	Неидентифицируемость