Обнаружение и корректировка ошибок спецификации

При построении уравнений регрессии, особенно на начальных этапах, ошибки спецификации весьма нередки. Они допускаются обычно из-за поверхностных знаний об исследуемых экономических процессах либо из-за недостаточно глубоко проработанной теории, или из-за погрешностей сбора и обработки статистических данных при построении эмпирического уравнения регрессии. Важно уметь обнаружить и исправить эти ошибки. Сложность процедуры определяется типом ошибки и нашими знаниями об исследуемом объекте.

Если в уравнении регрессии имеется одна несущественная переменная, то она обнаружит себя по низкой -статистике. В дальнейшем эту переменную исключают из рассмотрения.

Если в уравнении несколько статистически незначимых объясняющих переменных, то следует построить другое уравнение регрессии без этих незначимых переменных. Затем с помощью -статистики сравниваются коэффициенты детерминации для первоначального и дополнительного уравнений регрессий. Здесь — число наблюдений, — число объясняющих переменных в первоначальном уравнении, — число отбрасываемых из первоначального уравнения объясняющих переменных. Возможные рассуждения и выводы для данной ситуации приведены ранее.

При наличии нескольких несущественных переменных, возможно, имеет место мультиколлинеарность. Рекомендуемые выходы из этой ситуации подробно рассмотрены ранее.

Однако осуществление указанных проверок имеет смысл лишь при правильном подборе вида (функциональной формы) уравнения регрессии, что можно осуществить, если согласовывать его с теорией.

Отметим, что выбор модели далеко не всегда осуществляется однозначно, и в дальнейшем требуется сравнивать модель, как с теоретическими, так и с эмпирическими данными, совершенствовать ее. Напомним, что при определении качества модели обычно анализируются следующие параметры:

а) скорректированный коэффициент детерминации ;

б) -статистики;

в) статистика Дарбина-Уотсона ;

г) согласованность знаков коэффициентов с теорией;

д) прогнозные качества (ошибки) модели.

Если все эти показатели удовлетворительны, то данная модель может быть предложена для описания исследуемого реального процесса. Если же какая-либо из описанных выше характеристик не является удовлетворительной, то есть основания сомневаться в качестве данной модели (неправильно выбрана функциональная форма уравнения; не учтена важная объясняющая переменная; имеется объясняющая переменная, не называющая значимого влияния на зависимую переменную).

Для более детального анализа адекватности модели может быть предложено исследование остаточного члена модели.