Виды ошибок спецификации

Одним из базовых предположений построения качественной модели является правильная (хорошая) спецификация уравнения регрессии. Правильная спецификация уравнения регрессии означает, что оно в целом, верно, отражает соотношение между экономическими показателями, участвующими в модели. Это является необходимой предпосылкой дальнейшего качественного оценивания.

Неправильный выбор функциональной формы или набора объясняющих переменных называется ошибками спецификации. Рассмотрим основные типы ошибок спецификации.

1. Отбрасывание значимой переменной.

Последствия данной ошибки достаточно серьезны. Оценки, полученные с помощью МНК, являются смещенными и несостоятельными даже при бесконечно большом числе испытаний. Следовательно, возможные интервальные оценки и результаты проверки соответствующих гипотез будут ненадежными.

2. Добавление незначимой переменной.

В некоторых случаях в уравнения регрессии включают слишком много объясняющих переменных, причем не всегда обоснованно.

Последствия данной ошибки будут не столь серьезными, как в предыдущем случае. Оценки коэффициентов модели остаются, как правило, несмещенными и состоятельными. Однако их точность уменьшается, увеличивая при этом стандартные ошибки, т.е. оценки, становятся неэффективными, что отразится на их устойчивости.

3.Выбор неправильной функциональной формы.

Последствия такой ошибки будут весьма серьезными. Обычно такая ошибка приводит либо к получению смещенных оценок, либо к ухудшению статистических свойств оценок коэффициентов регрессии и других показателей качества уравнения. В первую очередь это связано с нарушением условий Гаусса-Маркова для отклонений. Прогнозные качества модели в этом случае очень низки.