Økonometri er en gren af økonomien. Det er brugen af statistiske og matematiske metoder til at beskrive forholdet mellem økonomiske kræfter som f.eks. kapital (værktøj, arbejde eller andre ting, der er nødvendige for at gøre noget nyttigt), rentesatser (prisen på at låne penge) og arbejdskraft.

En stor del af økonometri består i at lave modeller, som er enkle billeder af den virkelige verden. Disse modeller kan så bruges til at forudsige, hvad der vil ske i den virkelige verden.

Et eksempel på økonometri kunne være at se på huspriserne i en by. En økonom (en person, der studerer økonomi) kan forsøge at danne sig et simpelt billede af huspriserne i byen. Dette billede kan vise, at huse, der ligger tæt på markedet, er mere værd. En økonom kan så sige, at hvis der oprettes et nyt marked i en anden del af byen, vil huspriserne stige der. Økonomen kan også sige, at det nye marked kan gøre priserne lavere end før i nærheden af det gamle marked, fordi det nye marked vil gøre det sådan, at der er flere huse i nærheden af et marked. Det vil få de mennesker, der sælger huse i nærheden af et marked, til at sælge dem til en lavere pris, da der kan være flere sælgere end købere.

Metoder og trin i en økonometrisk analyse

  • Formulering af et økonomisk spørgsmål: Bestem hvad du vil undersøge — fx om en politisk ændring påvirker arbejdsløsheden.
  • Modelspecifikation: Vælg hvilke variabler der skal være med, og hvordan de skal indgå. En typisk simpel model er en lineær regressionsmodel: Y = α + βX + ε, hvor Y er det, du vil forklare, X er en forklarende variabel, og ε er fejlleddet.
  • Indsamling af data: Brug pålidelige data (tværsnit, tidsserier eller paneldata). Data skal renses og beskrives inden estimering.
  • Estimering: Almindeligvis bruges OLS (mindste kvadraters metode) for lineære modeller. For særlige problemer anvendes metoder som instrumentvariabelestimering (IV), fixed effects for paneldata eller ARIMA for tidsserier.
  • Diagnostik og tests: Tjek antagelser: heteroskedasticitet, autokorrelation, multikolinearitet, og modelens specificering. Brug t-tests, F-test, samt tests som Durbin-Watson og Breusch-Pagan.
  • Fortolkning og validering: Tolkningsspørgsmål (korrelation vs. kausalitet) er centrale. Valider modellen med hold-out data eller krydsvalidering og undersøg robustheden af resultaterne.

Typiske økonmetriske modeller

  • Lineær regression: Den mest grundlæggende model til at måle sammenhænge mellem variabler.
  • Paneldata-modeller: Fjerner uobserveret heterogenitet ved at kombinere tværsnit og tidsdimension (fixed effects, random effects).
  • Tidsserieanalyse: AR, MA, ARMA, ARIMA, samt VAR og cointegration til makroøkonomiske data.
  • Instrumentvariabelmetoder: Bruges når forklarende variabler er endogene (dvs. korrelerer med fejlleddet).
  • Diskrete valgmodeller: Logit og probit til binære eller kategoriske udfald (fx beslutningen om at købe/ikke købe).

Vigtige begreber, kort forklaret

  • Korrelation vs. kausalitet: At to ting bevæger sig sammen betyder ikke nødvendigvis at den ene forårsager den anden.
  • Endogenitet: Når en forklarende variabel er korreleret med fejlleddet — kan give biasede estimater.
  • Instrumentvariabel (IV): En variabel, som påvirker den problematiske forklarende variabel men ikke direkte afhængig variabel, bruges til at opnå kausale estimater.
  • Heteroskedasticitet: Når variansen af fejlleddet ikke er konstant — påvirker standardfejl og inferens.
  • Autokorrelation: Når fejlled er korreleret over tid — almindeligt i tidsserie-data.
  • Goodness of fit: Mål som R² og adjusted R² fortæller hvor godt modellen forklarer variationen i data.

Praktiske eksempler på brug

  • Ejendomsmarked: Forklare huspriser med afstand til centrum, antal værelser, offentlige tilbud mv. (som i det tidligere eksempel med markedspladser).
  • Arbejdsmarked: Ansætte løn som funktion af erfaring og uddannelse for at estimere merafkastet ved uddannelse.
  • Makroøkonomi: Forudsige inflation eller BNP-vækst med tidsserie-modeller og vurdere effekten af rentepolitik.
  • Politikevaluering: Vurdere effekten af en arbejdsmarkedsreform ved hjælp af difference-in-differences eller instrumentvariablemetoder.

Begrænsninger og faldgruber

  • Fejlbehæftede eller manglende data kan føre til misvisende resultater.
  • Forkerte modelantagelser eller udeladelse af vigtige variable (omitted variable bias) gør estimaterne utroværdige.
  • Overfitning: En model kan passe meget godt til træningsdata men have dårlig forudsigelsesevne.
  • Fortolkningsfejl: At tage korrelation for kausalitet uden robuste identifikationsstrategier.

Værktøjer og videre læsning

  • Almindelige programmer og pakker: R (fx lm, plm, forecast), Stata, Python (statsmodels, scikit-learn), EViews, og SAS.
  • For begyndere anbefales bøger og online-kurser i statistisk inferens og regressionsanalyse, samt øvelser med virkelige datasæt.

Samlet set er økonometri et praktisk værktøj til at besvare økonomiske spørgsmål på en systematisk måde. Ved at kombinere økonomisk teori, databearbejdning og statistiske metoder kan økonometre bidrage til bedre politik, virksomhedsanalyser og forståelse af økonomiske sammenhænge — så længe man er opmærksom på metodens begrænsninger og krav til valid identifikation.