เมื่อเร็ว ๆ นี้ฉันต้องอ่านบทความทางเศรษฐศาสตร์หลายฉบับ (สาขาที่ฉันไม่คุ้นเคย) สิ่งหนึ่งที่ฉันสังเกตเห็นคือแม้ว่าตัวแปรตอบสนองจะเป็นแบบไบนารี่ แต่โมเดลการถดถอยเชิงเส้นที่ใช้ OLS นั้นเป็นที่แพร่หลาย คำถามของฉันคือ:
เหตุใดการถดถอยเชิงเส้นจึงได้รับการสนับสนุนเช่นการถดถอยโลจิสติกส์ในสาขาเศรษฐศาสตร์ นี่เป็นวิธีปฏิบัติทั่วไปหรือเป็นขั้นตอนที่ได้รับการสนับสนุนอย่างแข็งขัน (ในเอกสารโดยอาจารย์และอื่น ๆ )?
โปรดทราบว่าฉันไม่ได้ถามว่าทำไมการใช้การถดถอยเชิงเส้นกับการตอบกลับแบบไบนารีอาจเป็นความคิดที่ไม่ดีหรือวิธีการทางเลือกอื่นคืออะไร ในทางตรงกันข้ามฉันถามว่าทำไมผู้คนใช้การถดถอยเชิงเส้นในการตั้งค่านี้เพราะฉันรู้คำตอบของคำถามทั้งสองนี้
5
คุณยกตัวอย่างอะไรได้บ้าง
—
Stephan Kolassa
สิ่งนี้ไม่ถูกต้อง เศรษฐศาสตร์และเศรษฐมิติยังมีวรรณกรรมมากมายเกี่ยวกับ logit และ probit และโมเดลที่เกี่ยวข้อง ฉันเป็นคนนอกเช่นกันและฉันไม่สามารถหาปริมาณการใช้แบบสัมพัทธ์ได้อย่างง่ายดาย แต่วรรณกรรมมีขนาดใหญ่พอที่จะลบล้าง "แพร่หลาย" (ความหมายทุกที่!) มีคำถามอยู่ที่นี่เกี่ยวกับสาเหตุที่ใช้แบบจำลองความน่าจะเป็นแบบเชิงเส้นเลยและฉันไม่คิดว่าคำอธิบายจะต้องลึกหรือยากที่จะหา: มันง่ายที่จะเข้าใจและบางครั้งมันก็ทำงานได้อย่างเพียงพอ
—
Nick Cox
เศรษฐศาสตร์มีความสัมพันธ์แบบสบาย ๆ กับคณิตศาสตร์ ฉันจะไม่กังวลมากเกินไปเกี่ยวกับเรื่องนี้
—
Sycorax พูดว่า Reinstate Monica
@Sycorax ฉันมีความรู้สึกคล้ายกัน และถ้าหากใครมีความเลอะเทอะกับคณิตศาสตร์เขา / เธอก็ยังสามารถสร้างบางสิ่งบางอย่างที่ "ได้ผล"
—
Haitao Du
@Sycorax นั่นไม่จริงหรือไม่ยุติธรรม แน่นอนโดยระบุว่า "คุณไม่ต้องกังวลมากเกินไป" ไม่รับผิดชอบต่อคำถาม เศรษฐศาสตร์มีความสัมพันธ์ที่ดีกับคณิตศาสตร์และสถิติทั้งนี้ขึ้นอยู่กับสาขาย่อย มันเป็นเพียงนักเศรษฐศาสตร์ที่มักจะเกี่ยวข้องกับการอนุมานสาเหตุในขณะที่ยังต้องจัดการกับข้อมูลเชิงสังเกตการณ์ (เช่นวิทยาศาสตร์สังคมทำ) สิ่งนี้ทำให้ยากมากในการสร้างความแม่นยำทางคณิตศาสตร์ที่แข็งแกร่งโดยไม่ต้องคำนึงถึงสัญชาตญาณทางเศรษฐกิจ
—
StAtS