Ποσοτικοποιώντας τις Επιδράσεις Μεταβλητών Ποιοτικής Φύσεως: Η Τεχνική των Ψευδομεταβλητών (του Δρ. Τρύφωνα Λεμοντζόγλου, Πάντειο Πανεπιστήμιο
Μια από τις πιο δημοφιλείς και εύκολες στην χρήση τεχνικές υπολογισμού των πιθανών επιδράσεων παραγόντων ποιοτικής φύσεως πάνω σε μια ποσοτική μεταβλητή βασικού ενδιαφέροντος είναι αυτή των ψευδομεταβλητών (βλ. dummy variables).
Ας δώσουμε ένα απλό υποθετικό παράδειγμα, βασισμένο στην νεοκλασική οικονομική προσέγγιση του προσδιορισμού του μισθού:
Στο υποθετικό αυτό παράδειγμα βασική μεταβλητή του ενδιαφέροντός μας είναι μια ποσοτική μεταβλητή, και πιο συγκεκριμένα το επίπεδο του μηνιαίου μισθού (Ψ).
Ως ερμηνευτικούς παράγοντες των επιπέδων του μισθού χρησιμοποιούμε τις ακόλουθες μεταβλητές: τα έτη των σπουδών (Χ1), τον βαθμό του πτυχίου (Χ2) και τον παράγοντα φύλο (Χ3).
Προκύπτει λοιπόν το εξής ερώτημα; Με ποιον τρόπο μπορούμε να ποσοτικοποιήσουμε την ποιοτική μεταβλητή "φύλο";
Η εργασία μας έχει ως εξής:
Βήμα 1ο: Δημιουργούμε μια νέα μεταβλητή με την ονομασία "Ψευδομεταβλητή_Φύλου"
Βήμα 2ο: Η μεταβλητή αυτή λαμβάνει την τιμή 1 κάθε φορά που συναντάμε άνδρα (Α)
Βήμα 3ο: Η μεταβλητή αυτή λαμβάνει την τιμή 0 σε κάθε άλλη περίπτωση (όταν συναντάμε γυναίκα Γ ή άτομα που αυτοπροσδιορίζονται ως μη άνδρες).
Με τον τρόπο αυτό προκύπτει μια νέα ποσοτική μεταβλητή που είναι σε θέση να προσδιορίσει τις πιιθανές επιδράσεις του παράγοντα "φύλο". Δείτε την μεταβλητή "φύλο_ψευδομεταβλητή" στον πίνακα που παρουσιάζεται παρακάτω:
Τώρα είμαστε σε θέση να εντοπίσουμε την πιθανή επιρροή του παράγοντα "φύλο", διερευνώντας την ύπαρξη ή μη έμφυλων ανισοτήτων στο μισθό.
Δοκιμάστε τον υπολογισμό του συντελεστή (γραμμικής) συσχέτισης ανάμεσα στα επίπεδα του μηνιαίου μισθού και στις τιμές της ψευδομεταβλητής μας (χρησιμοποιήστε την εντολή = correl του excel). Έπειτα, δοκιμάστε το ίδιο για τη σχέση ανάμεσα στα έτη σπουδών και τον παράγοντα φύλο, καθώς και ανάμεσα στον βαθμό πτυχίου και τον παράγοντα φύλο. Έχουμε κάποιες πρώτες ενδείξεις για την ύπαρξη έμφυλων ανισοτήτων;
Και στις 3 περιπτώσεις που εξετάζονται ο παράγοντας φύλο (ΘΥΜΗΘΕΙΤΕ: λαμβάνει την τιμή 1 όταν συναντάμε άνδρες) φαίνεται να σχετίζεται με τις μεταβλητές μας.
Ας δοκιμάσουμε ένα δεύτερο παράδειγμα, αυτή τη φορά χρησιμοποιώντας πραγματικά δεδομένα. Δείτε τον πίνακα που ακολουθεί:
Στην περίπτωση αυτή έχουμε τιμές για τα επίπεδα των οικονομικών ανισοτήτων (βλ. GINI INDEX) για ένα γκρουπ 30 χωρών κατά τα έτη 2008 και 2018.
Αυτή τη φορά προσπαθούμε να προσδιορίσουμε τις πιθανές επιδράσεις του ποιοτικού παράγοντα "γεωγραφία" (έμμεσα προσεγγίζουμε και τη σημασία των "θεσμών").
Λειτουργούμε ως εξής:
Χτίζουμε μια νέα μεταβλητή (ψευδομεταβλητή) η οποία λαμβάνει την τιμή 1 όταν συναντάμε χώρες του λεγόμενου "δυτικού" κόσμου. Αντίθετα, η τιμή της μψευδομεταβλητής μας λαμβάνει την τιμή μηδέν (0) σε κάθε άλλη περίπτωση (όποτε δηλαδή συναντάμε χώρες εκτός του "δυτικού" γκρουπ χωρών).
Με τον τρόπο αυτό διαμορφώνεται η τελευταία στήλη του πίνακα που παρουσιάζεται παραπάνω.
Έτσι, έχουμε πλέον μια ποσοτική μεταβλητή ικανή να προσδιορίσει τυχόν επιδράσεις του παράγοντα "γεωγραφία".
Όπως και προηγούμενα, μπορούμε να υπολογίσουμε τον συντελεστή γραμμικής συσχέτισης ανάμεσα στα επίπεδα της οικονομικής ανισότητας και στο παράγοντα "γεωγραφία" (ψευδομεταβλητή).
Χρησιμοποιώντας την εντολή = correl του excel θα λάβετε τα ακόλουθα αποτελέσματα:
2008: r = -0,82
2018: r = -0,79
Έχουμε επομένως μια πρώτη ένδειξη πως οι χώρες του λεγόμενου "δυτικού" κόσμου σχετίζονται αρνητικά με τα επίπεδα των οικονομικών ανισοτήτων κατά τα έτη 2008 και 2018.
Με τον τρόπο αυτό αποδείξαμε:
Την ύπαρξη έμφυλων ανισοτήτων (οι άνδρες σχετίζονται θετικά με τα επίπεδα του μηνιαίου μισθού)
Την ύπαρξη ανισοτήτων στο χώρο (οι χώρες του "δυτικού" κόσμου σχετίζονται αρνητικά με τα επίπεδα των οικονομικών ανισοτήτων).
Με τον ίδιο τρόπο μπορείτε να αξιολογήσετε:
- το ιδεολογικό πρόσημο μιας κυβέρνησης
- την ένταξη μιας χώρας στο ΕΥΡΩ
- τη θέσπιση μιας νέας νομοθετικής μεταρρύθμισης
κλπ.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου