La microéconométrie est une approche statistique et mathématique pour examiner l’état économique d’une société à un niveau individuel, ou au niveau d’une seule entreprise au lieu d’utiliser des tendances économiques plus larges. Les données recueillies sont utilisées pour prédire les motivations et les activités économiques liées à la recherche dans le domaine des sciences sociales. Certaines des méthodes statistiques utilisées incluent la modélisation non linéaire, la recherche de causalité au lieu d’une simple association dans les données, et la réalisation d’inférences ou d’hypothèses logiques basées sur des distributions limitées d’informations disponibles. Les modèles économétriques à l’échelle microscopique simplifient également parfois l’analyse pour mieux comprendre leur signification grâce à des approches binaires, ou en testant ce qui se passe lorsque a affecte b.
Les modèles binaires sont courants en économie théorique et deux types de ces modèles fréquemment utilisés en microéconométrie comprennent les modèles logit et probit. Le logit, ou modèle de régression logistique, est une forme d’analyse de régression qui prend des données et essaie de prédire les résultats avec, par exemple en basant la propension d’un client à acheter une nouvelle voiture ou non sur son revenu, son âge et la taille de sa famille. Le modèle probit est également une forme de régression linéaire avec une composante binaire plus simple qui essaie de prédire la probabilité maximale de l’un des deux résultats, par exemple si un individu est marié ou non sur la base des données de régression probit disponibles.
La valeur des modèles économétriques binaires repose sur le fait que les données ne sont pas par inadvertance un échantillonnage basé sur des choix, où un groupe est favorisé par rapport à un autre. Des biais peuvent également apparaître si les choix étudiés n’ont été faits que par un échantillon relativement petit de la population plus large. Il est possible de compenser ces erreurs en utilisant ou en incluant le modèle d’utilité aléatoire additif (ARUM) dans l’analyse des tendances microéconométriques.
Les méthodes statistiques à l’échelle microéconométrique existent depuis longtemps. Initialement, ils ont été utilisés au milieu des années 1800 pour analyser les données budgétaires des ménages et les recherches se sont poursuivies avec eux dans les années 1950 pour étudier les niveaux de production commerciale et la demande des consommateurs. Des années 1980 au 21e siècle, la nature de la microéconométrie et son orientation ont changé. Cela est en grande partie dû à la montée en puissance de la puissance de calcul pour l’analyse mathématique ainsi qu’à des données de recensement beaucoup plus détaillées sur les populations.
Des technologies telles que les scanners laser dans les magasins de détail et l’analyse des tendances commerciales des entreprises, telles que les dossiers d’une compagnie aérienne dans sa réservation en ligne de passagers, ont conduit à une capacité explosive en microéconométrie. Malgré les grandes bases de données d’informations qui sont apparues et les modèles mathématiques plus complexes qui sont utilisés pour les analyser, la microéconométrie se concentre toujours sur plusieurs aspects fondamentaux de l’analyse. Ceux-ci incluent la nature distributionnelle des données, les méthodes non linéaires pour les examiner et une tentative de déterminer la causalité des actions sur de simples relations corrélatives entre les informations elles-mêmes.
SmartAsset.