Econometria: Escolhendo a forma funcional do seu modelo de regressão
Em econometria, o procedimento de estimativa padrão para o modelo de regressão linear clássico, Mínimos Quadrados Ordinários (MQO), pode acomodar relações complexas. Portanto, você tem uma quantidade considerável de flexibilidade no desenvolvimento do modelo teórico. Pode estimar funções lineares e não lineares, incluindo mas não se limitando a
funções polinomiais (por exemplo, funções quadráticas e cúbicas)
funções inversas
Log funções (log-log, log-linear e linear-log)
Em muitos casos, a variável dependente num modelo de regressão pode ser influenciada por variáveis quantitativas e qualitativas factores. Além de manter o controle das unidades de medida ou convertendo a uma escala logarítmica, o uso de variáveis quantitativas na análise de regressão é geralmente simples. As variáveis qualitativas, no entanto, exigem a conversão para uma escala quantitativa utilizando variáveis binárias, que são equivalentes 1 depois de uma característica particular está presente e 0 caso contrário. (Note-se que quando mais de dois resultados qualitativos são possíveis, o número de variáveis dummy que você precisa é o número de resultados menos um.) Utilizando variáveis quantitativas e qualitativas geralmente resulta em modelos mais ricas com resultados mais informativos.
Embora algumas experiências com a forma exacta do seu modelo de regressão pode ser esclarecedor, tomar o tempo para pensar em problemas de especificação metodicamente. Tenha certeza que você pode explicar por que você escolheu variáveis independentes específicas para o seu modelo. Você também deve ser capaz de justificar a forma funcional que você escolheu para o modelo, mesmo que tenha assumido uma relação linear simples entre as variáveis. Testar as hipóteses do modelo de regressão linear clássico (CLRM) e fazer alterações no modelo, se necessário. Finalmente, passar algum tempo examinando a sensibilidade dos seus resultados, fazendo pequenas modificações para as variáveis (por vezes, influenciados pelos resultados de seus testes CLRM) incluídas no modelo e a forma funcional da relação. Se os resultados são estáveis a esses tipos de variações, que fornece uma justificação suplementar para suas conclusões.