Specifikationsfelen i en ekonometrisk modell hänvisar till de olika misstag som kan göras när man väljer och behandlar en uppsättning oberoende variabler för att förklara en beroende variabel.
När en modell byggs måste den uppfylla rätt specifikationshypotes. Detta baseras på det faktum att de förklarande variabler som valts för modellen är de som kan förklara den oberoende variabeln. Därför antas det att det inte finns någon oberoende variabel (x) som kan förklara den oberoende variabeln (y) och att på detta sätt de variabler som möjliggör tillvägagångssätt för rätt modell skulle ha valts.
Modellspecifikationsfel
Det finns ett antal fel i specifikationen för modellen som kan grupperas i tre stora grupper:
Grupp 1: Hur det fungerar är inte specificerat korrekt
- Utelämnande av relevanta variabler: Låt oss föreställa oss att vi vill förklara avkastningen på företag Y: s aktier. För att göra detta väljer vi PER, börsvärde och bokfört värde som oberoende variabler. Om fritt flöte är korrelerat med någon av variablerna i modellen skulle felet i vår modell korreleras med de variabler som ingår i modellen. Detta skulle göra att parametrarna som beräknas av modellen är opartiska och inkonsekventa. Resultaten av förutsägelserna och de olika test som utförts på modellen skulle således inte vara giltiga.
- Variabler som ska transformeras: Hypotesen om regressionsmodellen antar att den beroende variabeln är linjärt relaterad till de oberoende variablerna. Men vid många tillfällen är förhållandet mellan dessa inte linjärt. Om den nödvändiga omvandlingen inte görs på den oberoende variabeln kommer modellen inte att ha rätt passform. Som exempel på omvandling av oberoende variabler har vi tagit logaritmer, kvadratrot eller kvadrat bland andra.
- Dålig insamling av provdata: Data för de oberoende variablerna måste överensstämma med tiden, det vill säga det kan inte finnas några strukturella förändringar av de oberoende variablerna. Låt oss föreställa oss att vi vill förklara variationen i BNP i land X med användning av konsumtion och investeringar som oberoende variabler. Antag att ett oljefält upptäcks i landet på statsmark och regeringen beslutar att avskaffa skatter. Detta kan leda till en förändring av landets konsumtionsvanor som från och med det datumet kommer att bibehållas på obestämd tid. I det här fallet bör vi samla två olika tidsserier och uppskatta två modeller. En modell före förändringen och en annan efter. Om vi grupperade data i ett enda prov och uppskattade en modell, skulle vi ha en dåligt specificerad modell och hypoteserna, kontrasterna och förutsägelserna skulle vara felaktiga.
Grupp 2: De oberoende variablerna är korrelerade med felterm i tidsserier
- Användning av den beroende variabeln med fördröjning som oberoende variabel: Att använda en variabel med fördröjning är att använda data för samma variabler men mätt en tidigare period. Antag att vi använder den tidigare modellen av BNP som den beroende variabeln. Låt oss lägga till modellen, förutom konsumtion och investeringar, BNP för föregående år (BNPt-1). Om BNP föregående år är seriekorrelerat med felet skulle de uppskattade koefficienterna vara partiska och inte vara inkonsekventa. Detta skulle återigen ogiltigförklara alla hypotesprov, förutsägelser etc.
- Förutsäga det förflutna: När vi mäter en variabel måste vi alltid ta perioden före den vi vill uppskatta. Antag att vår beroende variabel är avkastningen från lager X och vår oberoende variabel är PER. Antag vidare att vi tar slutdata för februari. Om vi använder detta i vår modell kommer vi att dra slutsatsen att beståndet med högst PER i slutet av februari hade den högsta avkastningen i slutet av februari. Den korrekta specifikationen av modellen innebär att man tar data från början av perioden för att förutsäga senare data och inte tvärtom som i föregående fall. Detta kallas att förutsäga det förflutna.
- Mät den oberoende variabeln med fel: Antag att vår oberoende variabel är avkastningen på ett lager och att en av våra oberoende variabler är den nominella räntan. Kom ihåg att den nominella räntan är räntan plus inflation. Eftersom inflationskomponenten i den nominella räntan inte kan observeras i framtiden skulle vi mäta variabeln med fel. För att korrekt mäta räntan måste vi använda den förväntade räntan och att detta tar hänsyn till den förväntade inflationen och inte den nuvarande.