Gli errori di specifica di un modello econometrico si riferiscono ai diversi errori che possono essere commessi quando si seleziona e si tratta un insieme di variabili indipendenti per spiegare una variabile dipendente.
Quando un modello viene costruito, deve soddisfare l'ipotesi di specifica corretta. Ciò si basa sul fatto che le variabili esplicative selezionate per il modello sono quelle in grado di spiegare la variabile indipendente. Pertanto, si assume che non esista una variabile indipendente (x) che possa spiegare la variabile indipendente (y) e che in questo modo sarebbero state scelte le variabili che consentono l'approccio del modello corretto.
Errori di specifica del modello
Ci sono una serie di errori nella specifica del modello che potrebbero essere raggruppati in tre grandi gruppi:
Gruppo 1: il modo in cui funziona non è specificato correttamente
- Omissione di variabili rilevanti: Immaginiamo di voler spiegare il rendimento delle azioni della società Y. Per fare ciò, selezioniamo PER, capitalizzazione di mercato e valore contabile come variabili indipendenti. Se il flottante è correlato con una qualsiasi delle variabili contenute nel modello, l'errore del nostro modello sarebbe correlato con le variabili incluse nel modello. Ciò farebbe sì che i parametri stimati dal modello siano imparziali e inconsistenti. Pertanto, i risultati delle previsioni e dei diversi test eseguiti sul modello non sarebbero validi.
- Variabili da trasformare: L'ipotesi del modello di regressione presuppone che la variabile dipendente sia linearmente correlata alle variabili indipendenti. Tuttavia, in molte occasioni il rapporto tra questi non è lineare. Se la trasformazione necessaria non viene eseguita sulla variabile indipendente, il modello non avrà l'adattamento corretto. Come esempi di trasformazione di variabili indipendenti abbiamo l'assunzione di logaritmi, la radice quadrata o la quadratura tra gli altri.
- Scarsa raccolta di dati di esempio: I dati delle variabili indipendenti devono essere coerenti con il tempo, cioè non possono esserci cambiamenti strutturali delle variabili indipendenti. Immaginiamo di voler spiegare la variazione del PIL nel paese X utilizzando consumi e investimenti come variabili indipendenti. Supponiamo che in quel paese venga scoperto un giacimento petrolifero su un territorio statale e che il governo decida di abolire le tasse. Ciò potrebbe comportare un cambiamento nelle abitudini di consumo del Paese che, a partire da tale data, si manterranno indefinitamente nel tempo. In questo caso dovremmo raccogliere due diverse serie temporali e stimare due modelli. Un modello prima del cambiamento e un altro dopo. Se raggruppassimo i dati in un singolo campione e stimassimo un modello, avremmo un modello mal specificato e le ipotesi, i contrasti e le previsioni sarebbero errate.
Gruppo 2: le variabili indipendenti sono correlate con il termine di errore nelle serie temporali
- Utilizzo della variabile dipendente con ritardo come variabile indipendente: Utilizzare una variabile con un ritardo significa utilizzare i dati delle stesse variabili ma misurati in un periodo precedente. Supponiamo di utilizzare il modello precedente del PIL come variabile dipendente. Aggiungiamo al modello, oltre a consumi e investimenti, il PIL dell'anno precedente (PILt-1). Se il PIL dell'anno precedente fosse correlato in modo seriale con l'errore, i coefficienti stimati sarebbero distorti e non sarebbero incoerenti. Anche questo invaliderebbe tutti i test di ipotesi, le previsioni, ecc.
- Prevedere il passato: Quando misuriamo una variabile, dobbiamo sempre prendere il periodo precedente a quello che vogliamo stimare. Supponiamo che la nostra variabile dipendente sia il rendimento del titolo X e che la nostra variabile indipendente sia PER. Supponiamo inoltre di prendere i dati finali per febbraio. Se usiamo questo nel nostro modello, concluderemo che il titolo con il PER più alto alla fine di febbraio ha avuto i rendimenti più alti alla fine di febbraio. La corretta specificazione del modello implica prendere i dati dall'inizio del periodo per prevedere i dati successivi e non viceversa come nel caso precedente. Questo si chiama predire il passato.
- Misurare la variabile indipendente con errore: Supponiamo che la nostra variabile indipendente sia il rendimento di un'azione e una delle nostre variabili indipendenti sia il tasso di interesse nominale. Ricorda che il tasso di interesse nominale è il tasso di interesse più l'inflazione. Poiché la componente di inflazione del tasso di interesse nominale non è osservabile in futuro, misureremmo la variabile con errore. Per misurare correttamente il tasso di interesse, dovremmo utilizzare il tasso di interesse atteso e che questo tenga conto dell'inflazione attesa e non di quella attuale.