Ökonomeetrilise mudeli spetsifikatsioonivead viitavad erinevatele vigadele, mida saab teha sõltumatute muutujate hulga valimisel ja töötlemisel sõltuva muutuja selgitamiseks.
Kui mudel on üles ehitatud, peab see vastama õige spetsifikatsiooni hüpoteesile. See põhineb asjaolul, et mudeli jaoks on valitud seletavad muutujad, mis on võimelised selgitama sõltumatut muutujat. Seetõttu eeldatakse, et puudub sõltumatu muutuja (x), mis seletaks sõltumatut muutujat (y) ja et sel viisil oleks valitud muutujad, mis võimaldavad õige mudeli lähenemist.
Mudeli spetsifikatsiooni vead
Mudeli spetsifikatsioonis on mitmeid vigu, mille võiks grupeerida kolme suurde rühma:
1. rühm: toimimisviis pole õigesti määratud
- Asjakohaste muutujate väljajätmine: Kujutame ette, et tahame selgitada ettevõtte Y aktsiate tootlust. Selleks valime sõltumatute muutujatena PER-i, turukapitalisatsiooni ja bilansilise väärtuse. Kui vaba ujuk on korrelatsioonis mõne mudelis sisalduva muutujaga, oleks meie mudeli viga korrelatsioonis mudelis sisalduvate muutujatega. See põhjustaks mudeli hinnangul parameetrite erapooletuse ja ebajärjekindluse. Seega ei sobiks prognooside ja mudelis tehtud erinevate testide tulemused.
- Teisendatavad muutujad: Regressioonimudeli hüpotees eeldab, et sõltuv muutuja on lineaarselt seotud sõltumatute muutujatega. Paljudel juhtudel ei ole nende suhe aga lineaarne. Kui sõltumatule muutujale vajalikku teisendust ei tehta, ei ole mudelil sobiv sobivus. Sõltumatute muutujate teisendamise näidetena võtame teiste seas logaritmid, ruutjuure või ruutu.
- Valimiandmete kehv kogumine: Sõltumatute muutujate andmed peavad olema ajaga kooskõlas, see tähendab, et sõltumatute muutujate struktuurimuutusi ei saa toimuda. Kujutagem ette, et tahame selgitada X-i SKP varieerumist, kasutades sõltumatute muutujatena tarbimist ja investeeringuid. Oletame, et selles riigis avastatakse riigimaal naftaväli ja valitsus otsustab maksud kaotada. See võib viia riigi tarbimisharjumuste muutumiseni, mis selle kuupäeva seisuga säilivad aja jooksul lõputult. Sel juhul peaksime koguma kaks erinevat aegrida ja hindama kahte mudelit. Üks mudel enne muudatust ja teine pärast. Kui koondaksime andmed ühte valimisse ja hindaksime mudelit, oleks meil halvasti täpsustatud mudel ning hüpoteesid, kontrastid ja ennustused oleksid valed.
2. rühm: sõltumatud muutujad on korrelatsioonis aegridade veaterminiga
- Viivitusega sõltuva muutuja kasutamine sõltumatu muutujana: Viivitusega muutuja kasutamine tähendab samade muutujate andmete kasutamist, kuid mõõdetud eelmist perioodi. Oletame, et sõltuva muutujana kasutame eelmist SKP mudelit. Lisame mudelile lisaks tarbimisele ja investeeringutele ka eelmise aasta SKP (SKTt-1). Kui eelmise aasta SKP on korrelatsioonis veaga korrelatsioonis, oleksid hinnangulised koefitsiendid kallutatud ega oleks vastuolulised. See muudab kehtetuks kõik hüpoteesitestid, ennustused jne.
- Mineviku ennustamine: Muutuja mõõtmisel peame alati võtma perioodi enne seda, mida soovime hinnata. Oletame, et meie sõltuv muutuja on aktsia X tootlus ja sõltumatu muutuja PER. Oletame veel, et võtame veebruari lõplikud andmed. Kui kasutame seda oma mudelis, järeldame, et veebruari lõpu kõrgeima PER-iga aktsia tootlus oli veebruari lõpus kõige kõrgem. Mudeli õige spetsifikatsioon tähendab andmete võtmist perioodi algusest hilisemate andmete ennustamiseks, mitte vastupidi, nagu eelmises juhtumis. Seda nimetatakse mineviku ennustamiseks.
- Sõltumatu muutuja mõõtmine veaga: Oletame, et meie sõltumatu muutuja on aktsia tootlus ja üks meie sõltumatu muutuja on nominaalne intressimäär. Pidage meeles, et nominaalne intressimäär on intressimäär pluss inflatsioon. Kuna nominaalse intressimäära inflatsioonikomponent ei ole tulevikus jälgitav, mõõdaksime muutujat ekslikult. Intressimäära õigeks mõõtmiseks peaksime kasutama eeldatavat intressimäära ja et see võtaks arvesse oodatavat inflatsiooni, mitte praegust.