A análise econométrica é o coração de qualquer pesquisa econômica. De nada adiantará se eu não der um vislumbre sobre Econometria; basicamente, a econometria é uma forma especial de análise estatística totalmente dedicada ao crescimento da pesquisa econômica e, em alguns casos, é distinguível da matemática estatística padrão. O regime de econometria é vasto e novas abordagens estão sendo adicionadas a cada dia. A econometria tem a capacidade de nos fornecer percepções sutis, mas significativas, por meio de seu poder computacional e analítico.

Às vezes, obscurecer modelos em algumas atividades de pesquisa me deixa ansioso e foi o pioneiro em pensar profundamente sobre questões de modelagem. Enquanto participava de um seminário nacional em uma universidade notei uma pessoa apresentando um modelo econométrico com algum movimento indescritível tornando comum o operador do logaritmo natural para todas as variáveis ​​explicativas. Basicamente, seu modelo parece ser funcionalmente mal especificado, ou seja, os componentes do modelo foram apresentados erroneamente. Neste contexto, estou tentando refletir os manequins sob a égide do logaritmo natural.

Vamos começar com a necessidade de logs naturais em um modelo de regressão. Logs naturais são freqüentemente usados ​​para mostrar modelos de regressão de porcentagem constante. Por exemplo, com variável logarítmica dependente do salário e educação como

log(salário) = b0 + b1educ + u

um regressor, podemos dizer que o salário aumenta em uma porcentagem constante a cada ano adicional de educação. Além disso, o logaritmo natural pode ser usado para obter o modelo de regressão de elasticidade constante e semi-elasticidade. Na equação acima, 100.b1 refere-se à semi-elasticidade de y em relação a x. se a variável educacional fosse log (educ), poderíamos ter dito que b1 é a elasticidade de y em relação a x.

Por outro lado, variável dicotômica ou dummy é um tipo de variável para mostrar respostas binárias, ou seja, sim ou não (0 ou 1 similarmente). Mas aplicar o logaritmo natural a uma variável fictícia não é uma boa ideia, pois isso pode forçar os resultados a serem tendenciosos. Não é significativo porque o logaritmo natural de 0, 1 é indefinido e 0, respectivamente. Colocar o log nos manequins basicamente uma ignorância da teoria matemática básica e seria uma avaliação crítica pontual. Do meu ponto de vista, aplicar log à variável categórica também é evitável; isso também pode levar ao mesmo quebra-cabeça não resolvido. Espera-se que um usuário do modelo de regressão tenha uma capacidade de tomada de decisão frutífera ao decidir onde usar esses métodos e onde não. É sempre melhor deixar a variável dummy como está, caso haja alguma necessidade apropriada de mudança.