modelmispecifikation

Modelmispecifikation (ofta kallad modellmisspecifikation eller felaktig modellspecifikation) avser situationer där en statistisk eller matematisk modell inte korrekt fångar den underliggande datagenererande processen. Det kan röra sig om felaktig funktionell form, utelämnade variabler, felaktiga antaganden om feltermernas fördelning eller beroenden, eller mätfel i variablerna.

Orsaker inkluderar bristande teoretisk kunskap, databegränsningar, förenklingar för tolkbarhet och felaktiga antaganden om linjäritet eller oberoende. Konsekvenser kan vara snedvridna eller inkonsistenta skattningar, felaktiga konfidensintervall och hypotesprövningar samt försämrad prediktiv förmåga, vilket i sin tur leder till missvisande slutsatser och dåliga beslutsunderlag.

Upptäckt av modelmispecifikation görs genom diagnostiska tester och analyser, som residualanalys, grafiska diagnostikverktyg, RESET-test, Hausman-test, goodness-of-fit-mått, korsvalidering och känslighetsanalyser. I praktiken kombineras ofta flera metoder för att bedöma olika typer av felaktigheter.

Åtgärder för att minska eller rätta till modelmispecifikation innefattar omformulering av modellens funktionella form, inkludering av saknade variabler eller interaktioner, användning av transformeringar, robusta skattare, instrumentvariabler vid endogenitet samt icke-parametriska eller maskininlärningsmetoder för att undvika hårda antaganden. Tydlig teoretisk motivation och noggrann diagnostik är centrala för att begränsa risken för skadlig modelmispecifikation.