Apa yang dimaksud dengan bentuk tereduksi?

Dalam ekonometrik, apa yang dimaksud dengan bentuk tereduksi? Juga, apa yang dicari orang ketika mereka mengatakan "Saya ingin melihat perkiraan bentuk yang dikurangi." Ini telah dilemparkan di tempat kerja dan penjelasan individual dan pencarian Google terlalu teknis. Berharap seseorang di mana bisa memberikan contoh sederhana.

Lihatlah contoh sederhana ini yang menunjukkan bagaimana fungsi konsumsi Keynesian dan kondisi keseimbangan dapat ditulis ulang dalam bentuk yang dikurangi.

Bentuk tereduksi dari model adalah model di mana variabel endogen diekspresikan sebagai fungsi dari variabel eksogen (dan mungkin nilai-nilai lagged dari variabel endogen). Sangat kasar, perkiraan bentuk yang dikurangi tidak memberikan Anda parameter struktural, perilaku-kebijakan invarian kebijakan primitif yang Anda (kadang-kadang) pedulikan, seperti parameter fungsi utilitas agen atau kemiringan kurva permintaan dan penawaran.

Dengan RFE, Anda hanya mendapatkan fungsi parameter-parameter itu (dan seringkali bahkan tidak). Untuk beberapa tujuan, itu sudah cukup, itulah sebabnya beberapa orang ingin melihatnya. Misalnya, Anda bisa sering mendapatkan tanda hubungan dari perkiraan RF, tetapi bukan besarnya. Sekali adalah bulan biru, Anda dapat menggunakan aljabar untuk menyelesaikan parameter struktural dari RFE.

Akhirnya, itu juga kasus bahwa beberapa orang tidak akan percaya asumsi yang diperlukan untuk memperkirakan parameter struktural.

Untuk melengkapi jawaban Dimitriy (+1), bentuk struktural dan bentuk tereduksi adalah dua cara berpikir tentang sistem persamaan Anda.

Bentuk struktural adalah apa yang dikatakan teori ekonomi Anda hubungan ekonomi antara variabel (seperti konsumsi dan pendapatan dalam contoh Keynesian terkait). Namun, untuk mendapatkan estimasi koefisien model perlu melompat melalui beberapa lingkaran untuk memastikan estimasi ini tidak bias karena masalah endogenitas ketika satu variabel endogen diregresikan pada yang lain. Jadi bentuk struktural baik untuk penjelasan intuitif, dan mengerikan untuk bekerja dengan ketika angka masuk

Bentuk tereduksi melengkapi bentuk struktural dalam fungsionalitas. Seperti yang Dimitriy katakan, dan seperti yang ditunjukkan dalam contoh konsumsi, bentuk tereduksi memecahkan variabel endogen (jika memungkinkan) - ini adalah bahan Aljabar Amerika II, setahu saya. Pada akhirnya, dalam setiap persamaan, satu dan hanya satu variabel endogen muncul di sisi kiri, dan sisi kanan hanya berisi variabel eksogen dan istilah kesalahan. Jika mungkin adalah kualifikasi penting: kadang-kadang tidak mungkin untuk sampai pada transformasi bentuk struktural seperti itu, dan itu berarti bahwa model tersebut tidak teridentifikasi, dan tidak ada jumlah data yang akan membantu Anda mendapatkan estimasi parameter Anda. Bentuk yang dikurangi mudah diperkirakan, karena Anda bisa menjalankan sesuatu yang mendasar seperti OLS pada setiap persamaan untuk mendapatkan beberapaperkiraan (meskipun ini bukan perkiraan terbaik), dan tidak bias untuk parameter formulir yang dikurangi. Namun, mungkin ada atau tidak berjalan lintas yang bagus kembali ke bentuk struktural, yang memiliki parameter yang dapat ditafsirkan. Jadi bentuk tereduksi baik untuk estimasi, tetapi mengerikan untuk interpretasi. Formulir yang dikurangi juga dapat digunakan untuk prediksi, termasuk fungsi respons impuls - ini mungkin menjadi alasan seseorang ingin melihat perkiraan ini.

Ketika Anda melakukan regresi yang melibatkan dua langkah (kuadrat dua langkah, atau 2sl) Anda memiliki dua persamaan. Persamaan pertama, dinamai persamaan struktural, terlihat seperti persamaan regresi lainnya. Persamaan kedua adalah persamaan bentuk tereduksi (dan terlihat sangat mirip dengan persamaan regresi lainnya). Alasan untuk melakukan 2sl adalah bahwa beberapa variabel dalam persamaan pertama berkorelasi dengan istilah kesalahan, yang melanggar asumsi dasar analisis regresi. Untuk memperbaiki masalah ini, Anda membuat persamaan kedua (persamaan bentuk tereduksi) menggunakan variabel berkorelasi sebagai variabel dependen dan satu set variabel independen (yang dalam hal ini mendapatkan nama mewah dari variabel instrumen) yang menurut Anda akan memperbaiki masalah korelasi bersama dengan semua variabel independen dari persamaan pertama. Maka Anda memiliki komputer menjalankannya.

Jadi singkatnya, saya pikir orang yang meminta perkiraan formulir dikurangi, ingin melihat pekerjaan Anda. Terutama mereka ingin melihat persamaan kedua dan beta terkait --- menunjukkan kepada mereka hasil regresi dan mereka harus bahagia.

Semoga ini membantu!

Setuju dengan @ user107905, jika Anda menggunakan 2SLS persamaan format tereduksi digunakan untuk membangun IV, sedangkan persamaan struktural asli masih dapat dipasang melalui OLS dengan memasukkan nilai endogen pas. Dengan cara itu, Anda masih bisa mendapatkan parameter INTERPRETABLE untuk persamaan struktural asli / 1.

lihat bab 15 Estimasi variabel instrumental dan dua tingkat kuadrat terkecil dalam Wooldridge 'Introductory Econometrics A Approach Approach'.