Business

Die Rolle der Zufälligkeit in der Ökonometrie

Die Rolle der Zufälligkeit in der Ökonometrie - Dummies

Ökonometrie wird typischerweise für eines der folgenden Ziele verwendet: Vorhersage oder Vorhersage zukünftiger Ereignisse oder Erklärung, wie sich ein oder mehrere Faktoren auf ein interessierendes Ergebnis auswirken. Obwohl einige ökonometrische Probleme beide Ziele haben, verwenden Sie in den meisten Fällen ökonometrische Werkzeuge für das eine oder das andere Ziel.

Unabhängig von der Zielsetzung der Ökonometrie haben ökonometrische Studien im Allgemeinen ein Merkmal gemeinsam: die Spezifikation eines Modells. Die Modellspezifikation besteht aus der Auswahl eines interessierenden Ergebnisses oder einer abhängigen Variablen (typischerweise bezeichnet als Y ) und einem oder mehreren unabhängigen Faktoren (oder erklärenden Variablen, üblicherweise bezeichnet mit X > s). Die Modellspezifikation bezieht sich neben der Variablenauswahl auch auf die Auswahl einer geeigneten funktionalen Form.

Unabhängige Variablen

sind die Faktoren, die Änderungen in Ihrer abhängigen Variablen verursachen, nicht umgekehrt. Da die meisten Situationen in der Ökonomie (und in einigen Geschäftsfeldern wie Marketing und Buchhaltung) Ursache-Wirkungs-Szenarien beinhalten, achtet die angewandte Arbeit in der Ökonometrie sorgfältig darauf, welche Variablen abhängig und unabhängig sind. Wenn die Beziehung zwischen Ursachenvariablen und Effektvariablen nicht offensichtlich ist, sollten Sie Ihren gesunden Menschenverstand und Ihr ökonomisches Wissen nutzen, um die kausalen Annahmen Ihres Modells zu rechtfertigen.

Das Modell

zu begründen bedeutet, dass Sie erklären können, warum es sinnvoll ist, sich Ihre abhängige Variable als durch die von Ihnen ausgewählten unabhängigen Variablen verursacht zu denken. In einigen Fällen kann diese Verbindung offensichtlich sein, aber in anderen Fällen müssen Sie möglicherweise eine detaillierte Erklärung bereitstellen. Wenn Sie beispielsweise über Zustandsdaten verfügen und Ihre abhängige Variable die durchschnittliche Zeit ist, die arbeitslose Arbeitnehmer ohne Arbeit sind, sollten Sie unabhängige Variablen einbeziehen, die die Qualifikationsmerkmale von Arbeitnehmern und andere staatliche Merkmale erfassen, die Einfluss haben können. Arbeitslosigkeitsdauer. Durchschnittliche Bildung und Arbeitserfahrung sind Merkmale, die nach der Humankapitaltheorie Arbeitern helfen sollten, die Zeit zu reduzieren, in der sie arbeitslos sind.

Dies sind vertretbare unabhängige Variablen, die wegen ihrer direkten Verbindung mit dem interessierenden Ergebnis nicht viel Erklärung benötigen.

Auf der anderen Seite haben staatliche Maßnahmen wie Sozialhilfe und Arbeitslosenversicherung eine weniger offensichtliche Verbindung. Dennoch werden sie wahrscheinlich die Entscheidungsfindung der Arbeitnehmer beeinflussen und wichtige kausale Faktoren sein.Es ist jedoch wahrscheinlich, dass Sie mehr Zeit investieren müssen, um zu erklären, wie sie mit dem Ergebnis zusammenhängen und warum ihre Einbeziehung in die unabhängigen Variablen sinnvoll ist.

Beachten Sie, dass die Regressionsanalyse die Richtung (Vorzeichen) und die Stärke (Größe) der Beziehung zwischen den Variablen in Ihrem Modell identifiziert. Die Stärke der statistischen Beziehung impliziert jedoch keine Kausalität.

Die Abbildung zeigt das Streudiagramm der monatlichen Eiscremeproduktion in den Vereinigten Staaten und Ertrinken von Todesfällen in einzelnen Florida-Wohngebieten im Jahr 2006. Sie können sehen, dass Ertrinken und Eiscremeproduktion eine starke positive Beziehung haben (Trendlinie ist aufwärts geneigt, also bewegen sich beide Variablen in die gleiche Richtung [Todesfälle steigen, Eiscreme erhöhen]), aber Sie haben keinen starken Fall für einen

, der verursacht, einfach weil sie korreliert sind (Eiscreme wirkt ertrinkend? ). Es ist einfach ein Beispiel für eine

Störkorrelation, , die auftritt, wenn zwei Variablen zufälligerweise eine statistische Beziehung (positiv oder negativ) haben, aber die eine nicht die andere verursacht. Die Verursachung kann nicht durch statistische Ergebnisse nachgewiesen werden. Ihre Ergebnisse können verwendet werden, um eine Hypothese der Kausalität zu unterstützen, aber erst nachdem Sie ein Modell entwickelt haben, das in der Wirtschaftstheorie und / oder dem gesunden Menschenverstand fundiert ist.