خطاهاي روش‌شناسي اقتصادسنجي در بررسي نظريه‌هاي اقتصادي

Errors of Econometric Methodology in the Study of Economics Theories

نظريه‌هاي علمي شيوه‌اي از شناخت انسان مي‌باشند. اختلاف اساسي اين شيوه با ساير شيوه‌ها آزمون‌پذيري ادعاهاي آن است. آزمون‌پذيري كمك مي‌كند تا شناخت علمي از خطا پيراسته شود. در اقتصاد با استفاده از روش‌ها و مدل‌هاي اقتصادسنجي اين شناخت ايجاد مي‌شود. فروض مدل‌هاي اقتصادسنجي فروض كمكي ناميده مي‌شوند. دو مشكل اساسي در اقتصادسنجي كه آزمون پذيري را با چالش مواجه مي‌كنند؛ ناديده گرفتن فروض كمكي و ساده انگاشتن معني‌داري آماري مي‌باشند. دوئم (1904) بيان داشت كه در صورت ناسازگاري فروض كمكي با واقعيت روش ابطال‌پذيري پوپر زير سوال خواهد رفت. در پژوهش حاضر مسئله دوئم در زمينه فرضيه بازارهاي كارا (EMH) و ساختار داده‌هاي مالي مورد بررسي قرار گرفته است. در بخشي ديگري استفاده و تفسير معني‌داري آماري مطالعه شده است كه معمولاً با شاخصي به نام p -مقدار ارزيابي مي‌شود. در حالي‌كه p -مقدار مي‌تواند يك متريك آماري مناسب باشد اما استفاده و تفسير آن به شكلي نامطلوب صورت مي‌گيرد. در نتيجه، برخي مجلات معتبر علمي،استفاده از p -مقدار را ممنوع كرده‌اند. براي استفاده مناسب از اين معيار در روش‌شناسي اقتصادسنجي پيشنهادات انجمن آمار آمريكا مورد بحث واقع شده است. همچنين براي مقابله با نقش فروض كمكي آزمون‌هاي تصريح و توجه به ساختار داده‌ها ضروري است.

Scientific theories are a way of knowing man. The main difference between this method and other methods is the testability of its claims. Testability helps to correct scientific knowledge of error. In economics, this knowledge is created by using econometric methods and models. Assumptions Econometric models are called auxiliary assumptions. Two fundamental problems in econometrics that challenge testability; ignoring auxiliary assumptions and statistically significant. The Duhem (1904) stated that if the auxiliary assumptions are inconsistent with the reality falsity method will be questioned. In the present study, the Duhem problem in the EMH and financial data structure has been investigated. In another section, the use and interpretation of statistical significance is studied, which is usually evaluated with an index called p < /em>-value. While the p < /em>-value can be a good statistical metric, it is often misused and misinterpreted. As a result, some reputable scientific journals have banned the use of p < /em>-values. To make good use of this criterion in the econometric methodology, the recommendations of the American Statistical Association in this field have been discussed. In order to deal with the role of auxiliary assumptions, it is necessary to specify tests and pay attention to the data structure.