Регрессия в экономике: а что не так? || Критерии статистической значимости
Потапенко Вадим Викторович, научный сотрудник ИНП РАН
Список презентаций и публикаций докладчика: https://ecfor.ru/person/potapenko/
Выходные данные: В.В. Потапенко. Элементы математической статистики в экономических исследованиях // Сайт ИНП РАН. — 21 октября 2022. — URL: https:// ecfor.ru/publication/elementy-matematicheskoj-statistiki-v-ekonomicheskih-issledovaniyah/ (дата обращения: 21.12.2022).
Страница с файлом презентации: https://ecfor.ru/publication/elementy-matematicheskoj-statistiki-v-ekonomicheskih-issledovaniyah/
Примечание: формат научной презентации подразумевает, что в большинстве случаев для узкого круга специалистов представляются промежуточные результаты. Слушатели ищут в них «слабые» места и контрдоводы, ответы на которые авторы обдумывают и исследуют уже после презентации. Это «рабочий» формат, направленный в первую очередь для внутреннего использования. Ценность таких выступлений — в сборе различных точек зрения по вопросу, неожиданных идеях и общем обзоре информации по вопросу.
00:00:00 Вступление: не все критерии одинаково полезны?
00:03:18 Статистическая значимость: некорректное использование критериев
00:08:40 Стандартная регрессионная модель в экономике: что с ней не так?
00:19:12 Что делать?
00:25:12 Заключение
00:27:39 Что почитать?
Обсуждение
00:29:15 Как это использовать на практике?
00:32:09 Что имеется в виду под оценкой коэффициентов МНК ?
00:35:45 Разделяете ли вы цели оценки и массив данных? Истинное значение показателей.
00:47:14 Что делать: взгляд ИЭОПП СО РАН
00:55:08 Подход книги «Введение в эконометрику» (авторы — Сток, Уотсон). Нейросети. Куда двигаться.
01:03:20 Комментарий Ксенофонтова М.Ю.
01:14:32 Комментарий Широва А.А.
01:21:56 Комментарий Ксенофонтова Д.М.
01:22:36 Комментарий Гильмундинова В.М.
——————————
Институт Народнохозяйственного Прогнозирования Российской Академии Наук занимается разработкой экономических прогнозов, стратегий регионального развития и прогнозно-аналитическими исследованиями для крупного бизнеса и органов госуправления. Для тех, кто интересуется экономикой, на нашем канале мы выкладываем выступления наших сотрудников и приглашенных экспертов, которые проходят внутри института.
——————————
Другие выступления экономистов на нашем канале, с рубриками по разделам экономики: https://www.youtube.com/channel/UCxGNjiX7kMHyP7yiEn-hmjw/playlists
На нашем сайте в каталоге публикаций Вы найдете выступления наших сотрудников в других СМИ, а также наши научные статьи и другие материалы по экономике:
Стандартная регрессионная модель неприменима
к экономическим данным (и многим неэкономическим)
Экономические данные не удовлетворяют двум главным предположениям стандартной регрессионной модели:
1) нет “истинных” значений параметров, или “коэффициента жесткости пружины”;
2) нет вероятностной модели — нельзя сказать, как «бросались кости».
И такое положение характерно не только для экономики (пример: регрессия роста людей по их весу)
Без выполнения этих предположений теряется смысл многих мейнстримных эконометрических понятий:
— статистические гипотезы нельзя проверить, следовательно p-values, t-критерий etc. технически рассчитать можно, но при этом их нельзя корректно интерпретировать
— понятия состоятельности, несмещенности и эффективности оценок тоже становятся неинтерпретируемыми (если, конечно, мы не рассматриваем параллельные миры, как в романе Клиффорда Саймака), следовательно привязка к МНК становится необязательной
Заключение:
● Элементы математической статистики требуют наличия «истинных» параметров и вероятностной компоненты — иначе становятся неинтерпретируемыми.
● Но экономические данные в большинстве случаев не позволяют их определить
● При работе с экономическими данными математико-статистические критерии почти во всех случаях становятся функциями фиттинга (далеко не лучшими)
● Регрессия нужна, но это описательный инструмент — чтобы эффективно использовать регрессию, стоит работать с наиболее точными описательными статистиками
● (Отдельная история) Если регрессия или другая модель нужна для прогноза, то кросс-валидация всегда бьет фиттинг. Если с кросс-валидацией все хорошо, фиттинг не нужен
