16 Econometrics (Special Regression Models)

UGC NET Economics: Special Regression Models (संपूर्ण गणितीय अध्ययन खंड)

यहां स्पेशल रिग्रेशन मॉडल्स (Special Regression Models) का UGC NET Economics के लिए संपूर्ण अध्ययन खंड (Study Module) है। इसमें डमी वेरिएबल रिग्रेशन (Dummy Variable Regression), इंटरेक्शन मॉडल (Interaction Model), और पीसवाइज लीनियर रिग्रेशन (Piecewise Linear Regression) के सिद्धांत, फॉर्मूले, साथ ही पिछले वर्षों के प्रश्न (PYQs) और उनके हल शामिल हैं।

📊 तीनों स्पेशल मॉडल्स की तुलना (एक नज़र में)
फीचरडमी वेरिएबल रिग्रेशनइंटरेक्शन मॉडलपीसवाइज लीनियर रिग्रेशन
मुख्य उपयोगगुणात्मक (Qualitative) चरों को मॉडल में शामिल करनाएक चर का प्रभाव दूसरे चर के स्तर पर निर्भर करता हैडेटा में टूट-फूट (Break) या संरचनात्मक परिवर्तन का विश्लेषण
समीकरण रूपY = β₀ + β₁D + β₂X + uY = β₀ + β₁D + β₂X + β₃(D×X) + uअलग-अलग रेंज के लिए अलग-अलग ढलान
व्याख्या (Interpretation)D = 1 समूह के लिए इंटरसेप्ट शिफ्टढलान गुणांक D के मान के साथ बदलता हैथ्रेशोल्ड (Threshold) के दोनों ओर अलग-अलग रिश्ता
मुख्य चुनौतीडमी वेरिएबल ट्रैप (Perfect Multicollinearity)व्याख्या की जटिलताब्रेक प्वाइंट (Break Point) का चयन

📘 1. डमी वेरिएबल रिग्रेशन (Dummy Variable Regression)

🔹 मॉडल क्या है?

डमी वेरिएबल रिग्रेशन का उपयोग गुणात्मक (Qualitative) या श्रेणीबद्ध (Categorical) सूचनाओं को रिग्रेशन मॉडल में शामिल करने के लिए किया जाता है। चूंकि ये चर संख्यात्मक नहीं होते (जैसे लिंग, शहर, नीति परिवर्तन), इन्हें 0 और 1 के रूप में कोडित (Code) किया जाता है।

  • D = 1: यदि विशेषता मौजूद है (जैसे महिला, शहरी क्षेत्र)
  • D = 0: यदि विशेषता अनुपस्थित है (जैसे पुरुष, ग्रामीण क्षेत्र)

🔹 मॉडल का स्वरूप (Specification)

\[ Y_i = \beta_0 + \beta_1 D_i + \beta_2 X_i + u_i \]

व्याख्या (Interpretation):

  • जब D = 0 (संदर्भ समूह / Reference Group): \( Y = \beta_0 + \beta_2 X \)
  • जब D = 1 (प्रभाव समूह): \( Y = (\beta_0 + \beta_1) + \beta_2 X \)

\( \beta_1 \) (डमी का गुणांक) इंटरसेप्ट में अंतर (Intercept Shift) को दर्शाता है। यह बताता है कि X को स्थिर रखते हुए, दो समूहों के बीच Y के मान में कितना अंतर है।

🔹 डमी वेरिएबल ट्रैप (Dummy Variable Trap) – बहुत महत्वपूर्ण

⚠️ समस्या क्या है?

यदि आपके पास 'm' श्रेणियां (Categories) हैं और आप रिग्रेशन में सभी 'm' डमी वेरिएबल्स + इंटरसेप्ट टर्म शामिल कर लेते हैं, तो यह परफेक्ट मल्टीकोलिनियरिटी (Perfect Multicollinearity) पैदा करता है।

कारण: सभी m डमी वेरिएबल्स का योग हमेशा 1 (इंटरसेप्ट के समान) होता है, जिससे X मैट्रिक्स सिंगुलर (Singular) हो जाता है और OLS अनुमान असंभव हो जाता है।

✅ समाधान (Solution):

हमेशा 'm-1' डमी वेरिएबल्स का उपयोग करें और एक श्रेणी को बेसलाइन (Baseline/Reference Category) के रूप में छोड़ दें।

उदाहरण: यदि लिंग (Male/Female) है, तो केवल एक डमी (जैसे Female=1, Male=0) लें। पुरुष (Male) स्वचालित रूप से संदर्भ समूह बन जाता है।

📘 2. इंटरेक्शन मॉडल (Interaction Model)

🔹 मॉडल क्या है?

इंटरेक्शन मॉडल का उपयोग तब किया जाता है जब एक स्वतंत्र चर (X) का प्रभाव, दूसरे स्वतंत्र चर (D) के स्तर पर निर्भर करता है। इसे "Conditional Effect" या "Effect Modification" भी कहते हैं।

🔹 मॉडल का स्वरूप (Specification)

\[ Y = \beta_0 + \beta_1 D + \beta_2 X + \beta_3 (D \times X) + u \]

जहां \( D \times X \) इंटरेक्शन टर्म है।

🔹 व्याख्या (Interpretation) – सबसे महत्वपूर्ण

  • जब D = 0: X में एक यूनिट बदलाव पर Y में \( \beta_2 \) का बदलाव होता है।
  • जब D = 1: X में एक यूनिट बदलाव पर Y में \( (\beta_2 + \beta_3) \) का बदलाव होता है।

यहां \( \beta_3 \) (इंटरेक्शन टर्म का गुणांक) सबसे महत्वपूर्ण है। यह बताता है कि D = 1 होने पर ढलान (Slope) कितना बदल जाता है।

🔹 UGC NET में पूछे गए प्रश्न (PYQs)

प्रश्न 1: "If a variable has 'm' categories, we can run the regression using?" (UGC NET Paper 2: Economics, 3rd Jan 2025 Shift 2)
· (a) m dummy variables and an intercept term
· (b) (m-1) dummy variables without an intercept
· (c) (m-1) dummy variables and an intercept term ✅
· (d) (m+1) dummy variables without an intercept
· उत्तर: (c) (m-1) dummy variables and an intercept term
· व्याख्या: यह डमी वेरिएबल ट्रैप से बचने का नियम है। m श्रेणियों के लिए केवल (m-1) डमी बनाई जाती हैं, और छोड़ी गई श्रेणी (Reference Category) को इंटरसेप्ट द्वारा कैप्चर किया जाता है।
✅ उत्तर: (c) (m-1) dummy variables and an intercept term
प्रश्न 2: "The regression model ______ is used to analyze piecewise linear relationship in data." (UGC NET 2022)
· उत्तर: Piecewise Linear Regression Model (इसका उत्तर आगे दिए गए पीसवाइज मॉडल सेक्शन में मिलेगा)।
✅ उत्तर: Piecewise Linear Regression Model
प्रश्न 3: "In the case of concurrent regression while comparing two regression models, two regressions are said to have?"
· (a) Different intercepts, same slopes (Concurrent Regression)
· (b) Both intercepts and slopes are the same (Coincident Regression)
· (c) Different intercepts, different slopes (Dissimilar Regression)
· (d) Same intercepts, different slopes (Parallel Regression)
(यह प्रश्न डमी वेरिएबल और इंटरेक्शन टर्म के उपयोग की व्याख्या करता है। डिफरेंट इंटरसेप्ट्स के लिए सिर्फ डमी वेरिएबल, अलग-अलग स्लोप्स के लिए इंटरेक्शन टर्म लगाया जाता है)।

📘 3. पीसवाइज लीनियर रिग्रेशन (Piecewise Linear Regression)

🔹 मॉडल क्या है?

पीसवाइज लीनियर रिग्रेशन एक ऐसा मॉडल है जो आश्रित चर और स्वतंत्र चर के बीच विभिन्न श्रेणियों (Ranges) में अलग-अलग रैखिक संबंधों को कैप्चर करता है। इसे Segmented Regression या Spline Regression (सरल रूप में) भी कहा जाता है। यह विशेष रूप से तब उपयोगी होता है जब डेटा में स्ट्रक्चरल ब्रेक (Structural Break) या थ्रेशोल्ड (Threshold Point) हो, जहां संबंध की दिशा या तीव्रता बदल जाती है।

🔹 मॉडल का स्वरूप (Specification – एक ब्रेक प्वाइंट के लिए)

\[ Y = \beta_0 + \beta_1 X + \beta_2 (X - X^*)D + u \]

जहां,

  • \( X^* \) = वह बिंदु (Threshold) जहां ढलान बदलता है।
  • \( D \) = डमी वेरिएबल (1 यदि \( X > X^* \), अन्यथा 0)।

🔹 व्याख्या (Interpretation)

  • जब \( X \leq X^* \) (ब्रेक से पहले): ढलान = \( \beta_1 \)
  • जब \( X > X^* \) (ब्रेक के बाद): ढलान = \( \beta_1 + \beta_2 \)

यहां \( \beta_2 \) ढलान में बदलाव (Change in Slope) को दर्शाता है।

🔹 UGC NET में पूछे गए प्रश्न (PYQs)

प्रश्न 1: "The regression model ______ is used to analyze piecewise linear relationship in data." (UGC NET 2022)
· उत्तर: Piecewise Linear Regression Model ✅
· व्याख्या: जैसा कि ऊपर बताया गया है, पीसवाइज रिग्रेशन का उपयोग डेटा में पीसवाइज लीनियर रिलेशनशिप का विश्लेषण करने के लिए किया जाता है। यह मॉडल विशेष रूप से तब उपयोगी होता है जब डेटा में स्ट्रक्चरल ब्रेक होता है और आप यह देखना चाहते हैं कि एक निश्चित बिंदु (थ्रेशोल्ड) के बाद X और Y के बीच संबंध कैसे बदलता है।
✅ उत्तर: Piecewise Linear Regression Model

🎯 UGC NET परीक्षा के लिए महत्वपूर्ण टिप्स (Exam Tips)

1. डमी वेरिएबल ट्रैप (Dummy Variable Trap): याद रखें कि यह परफेक्ट मल्टीकोलिनियरिटी (Perfect Multicollinearity) का एक उदाहरण है। परीक्षा में यदि विकल्प में "Perfect Multicollinearity" लिखा हो, तो वही सही होगा।

2. श्रेणियों की संख्या (Number of Categories): यदि प्रश्न पूछता है कि 'm' श्रेणियों के लिए कितनी डमी बनाएं, तो उत्तर हमेशा 'm-1' डमी + इंटरसेप्ट होता है।

3. गुणांक की व्याख्या (Interpreting Coefficients):

  • सिर्फ डमी वेरिएबल (\( \beta_1 \)): यह इंटरसेप्ट शिफ्ट है (ढलान वही रहता है)।
  • इंटरेक्शन टर्म (\( \beta_3 \)): यह ढलान (Slope) में बदलाव है।
  • पीसवाइज मॉडल में \( \beta_2 \): यह भी ढलान में बदलाव है, लेकिन एक विशिष्ट थ्रेशोल्ड प्वाइंट पर।

4. बेसलाइन (Baseline) अवश्य रखें: डमी वेरिएबल का परिणाम हमेशा उस श्रेणी (Reference Category) के सापेक्ष (Relative) समझा जाता है जिसे आपने मॉडल से बाहर रखा है।

📐 स्पेशल रिग्रेशन मॉडल्स | UGC NET Economics पाठ्यक्रम पर आधारित | डमी वेरिएबल, इंटरेक्शन, पीसवाइज रिग्रेशन
सभी सूत्र LaTeX में प्रस्तुत | PYQs हल सहित

टिप्पणियाँ

एक टिप्पणी भेजें

इस ब्लॉग से लोकप्रिय पोस्ट

1st paper 3 june

🔹 1. IBID (short for ibidem ) Meaning: “In the same place” Use: When you cite the same source and the same page as the immediately previous citation . Example: Ramesh Sharma, Indian Economy , p. 45. Ibid. ➡️ Here, footnote 2 refers to the same book and page (p. 45) as footnote 1. If the page changes: 3. Ibid., p. 50. → same book, but different page. 🔹 2. LOC. CIT (short for loco citato ) Meaning: “In the place cited” Use: When you refer again to the same work and same page number as a previous (not necessarily the immediately preceding) citation. Example: Ramesh Sharma, Indian Economy , p. 45. K. Singh, Economic Growth of India , p. 72. Ramesh Sharma, loc. cit. ➡️ Here, “loc. cit.” refers back to the earlier citation of Ramesh Sharma (p. 45). 🔸 In Short Basis IBID LOC. CIT. Full form ibidem loco citato Meaning In the same place In the place cited Refers to Immediately preceding citation A previous citation (not necessarily th...
और पढ़ें

REASONING BY PIYUSH VARSHNEY

1. ALPHABETICAL SERIES  1   2  3   4 2. PAIR FORMATION 1 3. LATTER SERIES 1 4. WORD FORMATION JUMBLING DICTIONARY 1 5. CODING DECODING 1   2   3   4  5      6. DISTANCE AND DIRECTION      1   2   3   4   5 7. BLOOD RELATION 1   2   3   4 8. INEQUALITIES 1   2   3   4   9.CALANDER 1   2  3   4   5 10.CLOCK 1   2   3   4   5   6 11. VEEN DIAGRAM 1   2  3 12. RANKING 1   2   3   4 13. SYLLOGISM 1   2   3   4   5   6   7   8   9 14.CODED EQUATION 1 15.MATRIX 1 16.PUZZLE 1  2 3   4   5 17. MACHINE INPUT 1   2   3   4 18. SITTING ARRANGEMENT 1   2   3   4   5   6 19.STATEMENT ASSUMPTION 1  2 20. STATEMENT ARGUMENT 1   2 21. COURSE OF ACTION 1 22. CAUSES AND EFFECT 1 23. STATEMENT AND CONCL...
और पढ़ें

16 Econometrics (OLS under Violations)

UGC NET ECONOMICS: HETEROSCEDASTICITY, AUTOCORRELATION & SIMULTANEOUS EQUATIONS - OFFICIAL PYQs (2025 TAK) COMPLETE MODULE 📊 HETEROSCEDASTICITY, AUTOCORRELATION, और SIMULTANEOUS EQUATIONS के तहत OLS के व्यवहार पर 2025 तक के सभी आधिकारिक UGC NET प्रश्न (PYQs) नीचे HETEROSCEDASTICITY, AUTOCORRELATION, और SIMULTANEOUS EQUATIONS के तहत OLS के व्यवहार पर 2025 तक के सभी आधिकारिक UGC NET प्रश्न (PYQs) दिए गए हैं, जिनमें उनके सटीक वर्ष, शिफ्ट, और हल का विवरण दिया गया है। 📊 त्वरित सारांश (CHEAT SHEET) स्थिति OLS UNBIASED? OLS BLUE? OLS CONSISTENT? क्या करें? HETEROSCEDASTICITY ✅ हाँ ❌ नहीं ✅ हाँ GLS / WLS / ROBUST STD. ERRORS AUTOCORRELATION ✅ हाँ ❌ नहीं ✅ हाँ (कुछ शर्तों में) GLS / NEWEY-WEST STD. ERRORS SIMULTANEOUS EQUATIONS ❌ नहीं ❌ नहीं ❌ नहीं 2SLS / ILS / FIML 🔷 A. HETEROSCEDASTICITY (विषमविचरणता) – OFFICIAL PYQS 📅 UGC NET OFFICIAL PYQ - SEPTEMBER 2020 (EVENING SHIFT) प्...
और पढ़ें