Wichtige Spezifikationsprobleme: Nicht-Berücksichtigung einer relevanten Variable

1 Alexander Spermann Universität Freiburg

6. Sitzung

Wichtige Spezifikationsprobleme:

1. Nicht-Berücksichtigung einer relevanten Variable

2. Berücksichtigung einer überflüssigen Variable

3. Falsche funktionale Form der Schätzgleichung

Probleme der Modellspezifikation


6. Sitzung

1. Nicht-Berücksichtigung einer relevanten Variable, die eigentlich in der Schätzgleichung sein sollte:

1. y=α+β1x1+ β2x2+u

aber man berücksichtigt nicht, dass x2 auch eine Rolle spielt und schätzt:

2. y=α+β1x1+ u

es kommt zu einer Verzerrung

Konsequenzen: s.e. und t-Test sind ungültig



6. Sitzung

reg Lohn Schuljahre Berufserfahrung Betriebszugehörigkeit

Source | SS df MS Number of obs = 22640-------------+------------------------------ F( 3, 22636) = 1905.68 Model | 882.487532 3 294.162511 Prob > F = 0.0000 Residual | 3494.11654 22636 .154361042 R-squared = 0.2016-------------+------------------------------ Adj R-squared = 0.2015 Total | 4376.60407 22639 .19332144 Root MSE = .39289

------------------------------------------------------------------------------ Lohn | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- Schuljahre | .0590488 .0010871 54.32 0.000 .0569181 .0611795Berufserfa~g | -.0003357 .0002757 -1.22 0.223 -.0008761 .0002046Betriebszu~t | .0132637 .0003219 41.20 0.000 .0126326 .0138947 _cons | 2.150714 .015924 135.06 0.000 2.119502 2.181926------------------------------------------------------------------------------

reg Lohn Schuljahre Berufserfahrung


------------------------------------------------------------------------------ Lohn | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- Schuljahre | .0633375 .0011209 56.51 0.000 .0611405 .0655345Berufserfa~g | .0058886 .000238 24.74 0.000 .0054222 .0063551 _cons | 2.108452 .0164341 128.30 0.000 2.07624 2.140664------------------------------------------------------------------------------

reg Lohn Schuljahre Betriebszugehörigkeit


------------------------------------------------------------------------------ Lohn | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- Schuljahre | .0589361 .0010812 54.51 0.000 .0568169 .0610553Betriebszu~t | .0129839 .0002677 48.50 0.000 .0124593 .0135086 _cons | 2.148751 .0150927 142.37 0.000 2.119168 2.178334------------------------------------------------------------------------------


y=α+β1x1+ β2x2 +β3x3+u

Lohn= α+ β1Schuljahre + β2Berufserf + β3Betriebszug + u


6. Sitzung

Wirkungen der Nichtberücksichtigung einer relevanten Variablen:1.Beispiel: 1. Wenn Betriebszug. fehlt, dann entsteht eine Verzerrung:

E(b2) =β2+Verzerrung

2. b2 = -0,0003357, bei einer Schätzung von x1, x2 und x3 b2 = 0,0058886 bei einer Schätzung von x1, x2

Ergebnisse: - b2 ist nach oben verzerrt bei einer Schätzung ohne x3- Überschätzung des Einflusses der erklärenden Variable- Grund: positive Korrelation zwischen x2 und x3

Verzerrung hängt ab von der Korrelation zwischen x2 und x3. Je höher die Korrelation, desto größer die Verzerrung, d.h. keineVerzerrung bei einer Korrelation von 0.



6. Sitzung

reg Lohn Schuljahre Berufserf Betriebszug West


------------------------------------------------------------------------------ Lohn | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- Schuljahre | .0647688 .0010347 62.60 0.000 .0627407 .0667969 Berufserf | .0011065 .0002613 4.23 0.000 .0005944 .0016186 Betriebszug | .0108213 .0003075 35.19 0.000 .0102186 .011424 West | .3207218 .0063453 50.54 0.000 .3082845 .333159 _cons | 1.810839 .0165128 109.66 0.000 1.778473 1.843206------------------------------------------------------------------------------

reg Lohn Schuljahre Berufserf Betriebszug


------------------------------------------------------------------------------ Lohn | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+---------------------------------------------------------------- Schuljahre | .059183 .001085 54.55 0.000 .0570564 .0613097 Berufserf | -.0004615 .0002736 -1.69 0.092 -.0009977 .0000748 Betriebszug | .0132101 .0003204 41.23 0.000 .012582 .0138381 _cons | 2.151206 .0159009 135.29 0.000 2.120039 2.182373------------------------------------------------------------------------------


y=α+β1x1+ β2x2 +β3x3+β4x4+u

Lohn= α+ β1Schuljahre + β2Berufserf + β3Betriebszug + β4West+ u


6. Sitzung

2.Beispiel: 1. Fehlt die Dummyvariable „West“ in der Spezifikation, so entsteht folgende Verzerrung:

E(b1) =β1+Verzerrung

2. b1 = 0,0647688 , bei einer Schätzung von x1, x2, x3 und x4 b1 = 0,059183 , bei einer Schätzung von x1, x2 und x3

Ergebnisse: - b1 ist nach unten verzerrt- Unterschätzung des Einflusses der erklärenden Variable- Grund: negative Korrelation zwischen x1 und x4 (Westdeutsche haben durchschnittlich weniger Schuljahre als Ostdeutsche)



6. Sitzung

Ausweg für das Problem fehlender Variablen bei fehlender Datenverfügbarkeit: Proxy Variable.

Idee: Es ist besser eine fehlende Variable durch eine Ersatzvariable, für die Daten vorliegen, zu schätzen als die Variable vollständig zu ignorieren.

Beispiel: Fähigkeit eines Arbeitnehmers ist schwer zu messen. Proxy ist z.B. Bildungsabschluss

Wahres ökonometrisches Modell: y=α+β1x1+ β2x2 +…+βkxk+u

Es liegen aber keine Daten für x1 vor, sondern nur für z. x1=λ+μz

Annahme: Zwischen z und x1 besteht eine lineare Beziehung.

Neuformulierung des Modells:y=α+β1(λ+μz)+ β2x2 +…+βkxk+u

=α+β1λ+ β1μz+ β2x2 +…+βkxk+u



6. Sitzung

Eigenschaften von Proxies:

1. Die Koeffizienten von x2,...,xk werden gleich sein, als ob x1 anstelle von z eingesetzt worden wäre.

2. Der Standardfehler und die t-Statistik der Koeffizienten x2,...,xk werden gleich sein, als ob x1 anstelle von z eingesetzt worden wäre.3. R2 wird gleich sein, als ob x1 anstelle von z eingesetzt worden wäre.4. Der Koeffizient von z wird ein Schätzer von 1 sein.

5. Jedoch ist die t-Statistik für z die gleiche wie die, die man für x1 erhalten hätte, so dass man die Signifikanz von x1 beurteilen kann, selbst wenn man nicht in der Lage ist, den Koeffizienten zu schätzen.



6. Sitzung

2. Effekt der Schätzung einer überflüssigen Variablen

Wahres ökonometrisches Modell: y=α+β1x1+u

Schätzung: y=α+β1x1+ β2x2 +u

Ergebnis: Koeffizienten sind unverzerrt, aber ineffizient.

Quelle: Dougherty

Dichte-funktion

nutzt die Information, dass 02

1

nutzt nicht die Information, dass 02

1



6. Sitzung

Gefahr: Alle Variablen, die zur Verfügung stehen, werden in die Regressionsanalysen einbezogen und alle signifikanten Variablen werden als relevant erklärt.

Weshalb ist das gefährlich?-> Theorie muss die Auswahl der Variablen leiten!

Zur Beurteilung der Relevanz der Variablen werden t-Werte, F-Test und herangezogen und die Störgrößen untersucht.

3. Falsche funktionale Form der Schätzgleichung

Unter Umständen kann auch die funktionale Form der Gleichung falsch sein:

²R



6. Sitzung

Einfacher Ramsey Reset Test:RESET= Regression Specification Error Test

1. y=α+β1x1+u2. Aus dieser Schätzgleichung erhalten wir einen Schätzwert ŷ3. Neue Spezifikation (fiktives Beispiel)

4. ŷ² und ŷ³ enthalten nicht-lineare Funktionen von x1

5. Vergleich der R² der beiden Schätzungen

6. Ist der berechnete F-Wert signifikant, kann die Nullhypothese (= altes Modell ist nicht fehlspezifiziert) verworfen werden. (Intuition: Je größer Term im Zähler, desto besser scheint neues Modell y zu erklären)

³,ˆ²ˆ yyxy 3211

Modell)neuen im nzahlParametera/()²-(1nRegressoreder Anzahl/)²²(

NRRRF

neu

altneu



6. Sitzung

Beispiel:

1. y=166.467+19993x1 (19.021) (3.066) R2=0.8409

2. y=2140.7723 + 476.6987x1 - 0.09189ŷ² + 0.000118ŷ³ (132.0044) (33.3951) (0.00620) (0.0000074)R2=0.9983

3.

4. Da F > F crit wird die Nullhypothese verworfen. altes Modell ist fehlspezifiziert.

0728141099830128409099830 .)/().(

/)..(

F



6. Sitzung

Weitere Spezifikationstests (werden hier nur nachrichtlich genannt)

Likelihood Ratio Test Wald Test Lagrange Multiplier Test Hausman Test


Date post:	18-Mar-2016
Category:	Documents
Upload:	nola
View:	24 times
Download:	0 times

Wichtige Spezifikationsprobleme: Nicht-Berücksichtigung einer relevanten Variable

Documents