15
Methoden empirischer Forschung (Subject) / Ergänzungen zu den Übungen (Lesson)
Advertisement
- Lagemaße 1. Minimum/Maximum: Kleinster bzw Größter Messwert 2. Unteres/Oberes Quartil: 0.25 Quartil (25% der Messwerte liegen unterhalb dieses Quartils) bzw 0.75 Quartil (75% der Messwerte liegen unterhalb dieses Quartils) 3. Mittelwert: Statistischer Durchschnittswert (Summe aller Werte/Anzahl aller Werte) 4. Median: Wert, der genau in der Mitte einer Datenverteilung liegt -> 1,1,2,6,100 , Median=2 -> 3,5,6,10 , Median=5,5 5. Modalwert: Wert, der in einer Datensammlung am häufigsten existiert 6. Arithmetisches Mittel:
- Was versteht man unter "Indikator", "Instrument" und "theoretisches Konstrukt" Indikator: Merkmal, das als statistisch verwertbares Anzeichen für eine bestimmte Entwicklung oder einen eingetretenen Zustand dient. Instrument: Ist ein Faktor, mit dem ein Indikator gemessen bzw ermittelt werden kann theoret. Konstrukt: sprachliche Konstruktionen (bspw. Schicht, Macht etc), deren Bedeutung sich erst durch eine Explikation der theoretischen Überlegungen erschließt. Diese müssen operationalisiert werden, bevor sie zur Beschreibung, Erklärung und Prognose empirischer Phänomene verwendet werden können.
- Ziel der IV-Regression Ziel ist es, bei einer Regressionsanalyse eine Korrelation zwischen den erklärenden Variablen und dem Fehlerterm zu verhindern. Dies geschieht durch andere Größen (Instrumentalvariablen), diese stehen im engen Zusammenhang mit den erklärenden Variablen, korrelieren aber nicht mit dem Fehlerterm.
- endogene und exogene Variablen Ansatz: lineares Regressionsmodell: Yi = ß0 + ß1*Xi endogene Variablen: Yi , wird auch abhängige Variable oder Zielgröße genannt exogene Variablen: Xi , wird auch unabhängige oder erklärende Variable bzw Einflussgröße genannt
- Auswirkungen von Bedrohungen der internen Validität -Ergebnisse werden unter- oder überschätzt - OLS-Schätzung wird verzerrt, inkonsistente Ergebnisse
- Aufstellen einer Regressionsgrade anhand von Daten Koeffizient der Konstante = ß0 Koeffizient der abhängigen Var. = ß1 oder ß^1, wenn t-Test durchgeführt wird
- Aussagen über das Signifikanziveau treffen 1. t-Statistik berechnen, ist der t-Wert größer, als der kritische t-Wert (aus der Tabelle ablesen), so wird H0 verworfen (immer den bereinigten t-Wert nehmen!) 2. p-Wert berechnen, zweiseitiger Test, ist das Ergebnis p≤ ∝ (Signifikanzniveau), so wird auch hier H0 verworfen. => falls nicht genau vorgegeben, auf den Signifikanzniveaus vorarbeiten (bspw. wenn t-Wert = 2,7 ist, dann kann man direkt mit dem 99%-Signifikanzniveau anfangen)
- Referenzkategorie und Problematik bei Aufnahme als weitere Variable Dient anderen Variablen als Relation, also als Vergleichswert. Würde die Referenzkategorie als weitere Variable aufgenommen werden, so wäre das Intercept eine perfekte lineare Funktion der Regressoren, dies würde zu einer perfekten Multikollinearität führen und der OLS-Schätzer könnte nicht berechnet werden.
- Was sagt die t-Statistik aus, wenn das Ergebnis kleiner als der kritischer t-Wert ist? Dann ist der Wert statistisch nicht signifikant!
- Indizies "i" und "t" bei Paneldaten i = Index "i" für die i-te Einheit t = Denotation "t" für die t-te Zeitperiode -> Yit = Variable Y für das i-te Individuum zum Zeitpunkt t
- Advertisement
- Was messen Fixed-Effects Modelle? Vorher-Nachher Veränderungen über die Zeit
- Lineares Wahrscheinlichkeitsmodell Pr (Y=1lX) = ∝ + ß1 * Xi
- multivariate Analyseverfahren - lineares Wahrscheinlichkeitsmodell - Probit-Modell - Logit-Modell - Faktorenanalyse
- OLS-Regression: Berechnung von ß^1 ß^1 = ∑ (Xi - X¯)*(Yi - Ȳ)/∑ (Xi - X¯)2 ß^0 = Ȳ - ß^1 * X¯
- Berechnung Varianz und Standardabweichung Varianz: s2 = ∑(Xi - X¯)2/n Standardabweichung: s = √s2