9
Orgadesign (Fach) / Übung1 (Lektion)
- Grund Modellgleichung y=b0+b1x+u y: abhängige Variable (zu erklären, Regressand) x: unabhängige Variable (erklärende Variable, Regressor) Zentrale Annahme: E(u)=0 u: unbeobachtbare Einflüsse
- Formel b1 und b0 nach Wooldridge b1=(SUM((xi-x)(yi-y)) / (SUM((xi-x)2) b0=y-b1x
- Anpassungsgüte SST=SUM(yi-y)2 Total Sum of Squares SSE=SUM(yid-y)2 Explained Sum of Squares SSR=SUM(ui)2 SST=SSE+SSR
- Bestimmheitsmaß R R2=SSE/SST=1-SSR/SST 0<=R2<=1 Ein Modell ist umso besser, je größer der Anteil der Gesamtvariation ist, der durch das Modell erklärt wird (R2->1)
- Problematik mit R2 Sagt wenig über die Güte von partiellen Effekten aus - daher adjusted R2 R2a=1-(SSE/dfE)/(SST/dfT)=1-MSE/MST dfE=n-k-1 dfT=n-1
- Fehlerquellen der multiplen Regression Omitted variable bias (zu wenige Variablen im Modell) Including irrelevant variables (zu viele Variablen im Modell) Multikolinearität (Redundanzeffekte, Suppressoreffekte)
- Logarithmus im Regressionsmodell Prozentuale Interpretation Sinnvoll bei verschiedenen Größenordnungen der Variablen
- Panelanalyse Wiederholte Messung einer oder mehrerer Variablen bei einer oder mehreren Personen Vorteile zu Querschnittsdaten Analyse von individuellen Entwicklungen Informationen zur zeitlichen Abfolge von Zuständen und Ereignissen Kontrolle unbeobachteter individueller Heterogenität Identifizierung kausaler Effekte
- Fixed-Effekts- vs. Random-Effects-Modell Fixed-Effects: Kausalen Effekt von zeitveränderlichen Kovarianten auf eine metrische abhängige Variable zu identifizieren - basiert ausschließlich auf der Varianz innerhalb von Personen Zeitkonstanter und personen-/zeitspezifischer Fehlerterm Random Effects: sowohl between-Varianz als auch within-Varianz - auch Berücksichtigung von zeitkonstanten Variablen also beide Varianzquellen Zeitkonstanter personenspezifischer und idiosynkratischer Fehlerterm (variiert über Personen und Zeit)
Anzeige