การวิเคราะห์ทางเศรษฐมิติเป็นหัวใจของการวิจัยทางเศรษฐศาสตร์ มันจะไม่คุ้มเลยถ้าฉันไม่ดูเศรษฐมิติ โดยพื้นฐานแล้ว เศรษฐมิติเป็นรูปแบบพิเศษของการวิเคราะห์ทางสถิติที่อุทิศให้กับการเติบโตของการวิจัยทางเศรษฐศาสตร์ และในบางกรณีก็แตกต่างจากคณิตศาสตร์สถิติมาตรฐาน ระบอบการปกครองของเศรษฐมิติมีมากมายและมีการเพิ่มแนวทางใหม่ในแต่ละวัน เศรษฐมิติมีความสามารถในการให้ข้อมูลเชิงลึกที่ละเอียดอ่อนแต่มีความหมายแก่เราผ่านการคำนวณและพลังการวิเคราะห์

บางครั้งแบบจำลองที่ไม่ชัดเจนในกิจกรรมการวิจัยบางอย่างทำให้ฉันกังวลและเป็นผู้บุกเบิกให้ฉันคิดอย่างลึกซึ้งเกี่ยวกับปัญหาแบบจำลอง ขณะเข้าร่วมการสัมมนาระดับชาติที่มหาวิทยาลัยแห่งหนึ่ง ฉันสังเกตเห็นบุคคลหนึ่งกำลังนำเสนอแบบจำลองทางเศรษฐมิติด้วยการเคลื่อนไหวที่อธิบายไม่ได้โดยทำให้ตัวดำเนินการลอการิทึมธรรมชาติเหมือนกันสำหรับตัวแปรอธิบายทั้งหมด โดยพื้นฐานแล้วโมเดลของเขาดูเหมือนจะใช้งานไม่ได้ตามที่ระบุ กล่าวคือ ส่วนประกอบของโมเดลถูกนำเสนออย่างผิดพลาด ในบริบทนี้ ฉันกำลังพยายามสะท้อนหุ่นจำลองภายใต้ร่มของลอการิทึมธรรมชาติ

เรามาเริ่มกันที่ความต้องการบันทึกธรรมชาติในแบบจำลองการถดถอย บันทึกธรรมชาติมักใช้เพื่อแสดงแบบจำลองการถดถอยแบบเปอร์เซ็นต์คงที่ ตัวอย่างเช่นกับตัวแปรตามค่าจ้างล็อกและการศึกษาเป็น

บันทึก (ค่าจ้าง) = b0 + b1educ + u

เราสามารถพูดได้ว่าการถดถอย (regressor) ขึ้นค่าจ้างเป็นเปอร์เซ็นต์คงที่ในทุกๆ ปีของการศึกษาเพิ่มเติม นอกจากนี้ยังสามารถใช้บันทึกธรรมชาติเพื่อให้ได้ความยืดหยุ่นคงที่และแบบจำลองการถดถอยกึ่งยืดหยุ่น ในสมการด้านบน 100.b1 หมายถึงค่ากึ่งยืดหยุ่นของ y เทียบกับ x ถ้าตัวแปรการศึกษาคือ log (educ) เราก็บอกได้ว่า b1 คือความยืดหยุ่นของ y เทียบกับ x

ในทางกลับกัน ตัวแปรแบบสองขั้วหรือตัวแปรจำลองเป็นตัวแปรประเภทหนึ่งสำหรับแสดงการตอบสนองแบบไบนารี กล่าวคือ ใช่หรือไม่ใช่ (0 หรือ 1 ในทำนองเดียวกัน) แต่การใช้ลอการิทึมธรรมชาติกับตัวแปรจำลองไม่ใช่ความคิดที่ดี เพราะอาจทำให้ผลลัพธ์มีความเอนเอียง ไม่มีความหมายเนื่องจากบันทึกธรรมชาติของ 0, 1 ไม่ได้กำหนดและ 0 ตามลำดับ การวางบันทึกบนหุ่นโดยพื้นฐานแล้วเป็นการไม่รู้ทฤษฎีทางคณิตศาสตร์พื้นฐานและจะเป็นการประเมินที่สำคัญ จากมุมมองของฉัน การใช้บันทึกกับตัวแปรหมวดหมู่ก็หลีกเลี่ยงได้เช่นกัน สิ่งนี้อาจนำไปสู่ปริศนาที่ยังไม่ได้แก้เหมือนกัน ผู้ใช้แบบจำลองการถดถอยคาดว่าจะมีความสามารถในการตัดสินใจอย่างมีประสิทธิภาพในการตัดสินใจว่าจะใช้วิธีนี้ที่ใดและที่ใดไม่ควร เป็นการดีกว่าเสมอที่จะปล่อยให้ตัวแปรดัมมี่อยู่ เนื่องจากควรมีความจำเป็นในการเปลี่ยนแปลงที่เหมาะสม