modelmisspecificatie

Modelmisspecificatie is de situatie waarin het gekozen statistische model niet overeenkomt met het werkelijke gegevensgeneratieproces. Dit houdt in dat de aannames over de relatie tussen variabelen, de vorm van de functie, of de verdeling en afhankelijkheid van de fouttermen onjuist zijn. Als gevolg daarvan kunnen schattingen vertekend of inconsistent zijn, standaardfouten ongeldig worden en inferentie of voorspellingen onbetrouwbaar zijn.

Oorzaken van modelmisspecificatie zijn onder meer een onjuiste functionele vorm (bijvoorbeeld een lineair model wanneer de relatie niet-lineair is), het weglaten van relevante variabelen (ontevreden veronderstelling leidt tot bias), meetfouten in variabelen, endogeniteit, en foutieve aannames over de verdeling of onafhankelijkheid van de fouttermen (bijv. heteroscedasticiteit of autocorrelatie). In tijdreeksen kunnen ook ontbrekende lagtermen of structurele breuken leiden tot misspecificatie.

Gevolgen van misspecificatie kunnen onder meer bestaan uit biased of inconsistente schattingen, incorrecte betrouwbaarheidsintervallen, vertekende hypothesetoetsingen en slechtere voorspellingsprestaties. Dit kan leiden tot foutieve conclusies en beleid dat niet effectief is.

Diagnose en detectie gebeuren via residu-onderzoeken en speciale specificatietesten zoals de Ramsey RESET-test, linktests, en vergelijking van modellen met behulp van informatiecriteria (AIC/BIC) of cross-validatie. Practische diagnose omvat ook visuele inspectie van residuen en verkenning van mogelijke niet-lineariteiten.

Oplossingen omvatten modelherontwerp (toevoegen van relevante variabelen, transformaties of interactie-termen), overweging van niet-parametrische of semiparametrische modellen, robuuste standaardfouten, en indien nodig geavanceerde methoden zoals GMM of machine learning-benaderingen die beter in staat zijn om complexe relaties vast te leggen.