Zusammenfassung
Jedem empirischen Forschungsprojekt liegen eine oder mehrere Problemstellungen zugrunde, aus denen konkrete Hypothesen abzuleiten sind (Abschnitt 6.2). Um diese Hypothesen zu überprüfen, werden Regressionsgleichungen spezifiziert und dann geschätzt. Dabei sind in der Regel sehr viele verschiedene Zusammenhänge zwischen den vielen möglichen Einflussfaktoren denkbar. Abschnitt 6.3 erläutert die Gesichtspunkte und Verfahren bei der Suche nach geeigneten Variablen einschließlich eines sinnvollen funktionalen Zusammenhangs zwischen der abhängigen und den unabhängigen Variablen. Der folgende Abschnitt 6.4 beschreibt die in der Forschungspraxis übliche Präsentation der Resultate einer Regressionsanalyse und abschließend enthält Abschnitt 6.5 kurze Hinweise zur Durchführung in SPSS und Stata.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
- 2.
Dies gilt für die Verwendung der Regression als Methode, um Hypothesen zu testen und kausale Beziehungen zu überprüfen. Wird die Regression eingesetzt, um bestmögliche Prognosen zu erzielen, spielen theoretische Vorüberlegungen und Hypothesen keine (oder zumindest eine geringere) Rolle.
- 3.
Andere Begriffe hierfür sind: Eingebettetes Modell (nested model), verschachteltes Modell oder (hierarchisch) geschachteltes Modell.
- 4.
Anders ausgedrückt ist das restringierte Modell (nested model) im nicht‐restringierten Modell enthalten. Andernfalls handelt es sich um „non‐nested models“.
- 5.
Weitere Beispiele sind leicht zu konstruieren, siehe dazu Chatterjee und Firat (2007).
- 6.
Das heißt zum Beispiel, bei einer Spezifikation mit erstens der unveränderten endogenen Variable Y und zweitens der logarithmierten endogenen Variablen lnY ist das (korrigierte) Bestimmtheitsmaß beider Regressionsschätzungen nicht vergleichbar.
- 7.
Der Begriff Overfitting bezeichnet in der Literatur zum Teil generell das Problem des Einbezugs irrelevanter Variablen (siehe dazu Abschn. 5.7.4). Hier wird der Begriff enger auf die funktionale Form des Zusammenhangs von exogenen und endogenen Variablen bezogen.
- 8.
Dieses Vorgehen mittels F‐Test basiert (zumindest bei geringer Zahl von Beobachtungen) auf der Annahme der Homoskedastie. Ein modifizierter F‐Test (Wald‐Test) ist auch bei Heteroskedastie verlässlich (Stock und Watson 2014, S. 264).
Literatur
Adkins, L.C., Hill, R.C. (2008): Using Stata for Principles of Econometrics, 3rd Ed. Hoboken, New Jersey
Anscombe, F. J. (1973): Graphs in Statistical Analysis, American Statistician, 27 (1): 17–21
Backhaus, K., Erichson, B., Plinke, W., Weiber, R. (2011): Multivariate Analysemethoden, 13. Auflage, Heidelberg et al.
Cameron, L.A., Trivedi, P.K. (2010): Microeconometrics using Stata, Revised Edition, College Station, Texas
Chatterjee, S., Firat, A. (2007): Generating Data with Identical Statistics but Dissimilar Graphics: A Follow up to the Anscombe Dataset, American Statistician, 61 (3): 248–254
Chatterjee, S., Hadi, A. (2012): Regression Analysis By Example, 5th ed., Hoboken
Field, A. (2013): Discovering Statistics Using SPSS statistics: and sex and drugs and Rock ’n Roll, 4th ed., Ventura
Fox, J. (2016): Applied Regression Analysis & Generalized Linear Models, Thousand Oaks
Hamilton, L. C. (2013): Statistics with STATA, Updated for Version 12, Boston Mass.
Hilbe, J.M. (2014): Modeling Count Data, Cambridge
Kohler, U., Kreuter, F. (2012): Data Analysis Using Stata, Third Ed., College Station, Texas
Kuhlmann, J. (2009): Ausgewählte Verfahren der Holdout- und Kreuzvalidierung, in: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (Hrsg.): Methodik der empirischen Forschung, 3. Auflage, Wiesbaden: 537–546
Murray, P. (2006): Econometrics: A Modern Introduction, Boston
Stock, J.H., Watson, M.W. (2014): Introduction to Econometrics, 3rd Ed. Boston
Stoetzer, M.-W., Osborn, E. (2014): Does Gender really matter? An analysis of Jena University scientists collaboration with industry and non-profit-partners, Jenaer Beiträge zur Wirtschaftsforschung, No. 2014/2
UCLA (2016): Stata FAQ, How can I perform the likelihood ratio, Wald, and Lagrange multiplier (score) test in Stata?, http://www.ats.ucla.edu/stat/stata/faq/nested_tests.htm (Zugriff: 02.10.2016)
Urban, D., Mayerl, J. (2011): Regressionsanalyse: Theorie, Technik und Anwendung, Wiesbaden
Weisberg, S. (2014): Applied Linear Regression, 4th Ed., Hoboken
Wooldridge, J.M. (2013): Introductory Econometrics – A Modern Approach, 5th Ed., Mason, Ohio
Author information
Authors and Affiliations
Corresponding author
Anhang 6.1
Anhang 6.1
Rights and permissions
Copyright information
© 2017 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Stoetzer, MW. (2017). Modellbildung und Variablenauswahl. In: Regressionsanalyse in der empirischen Wirtschafts- und Sozialforschung Band 1. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-53824-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-662-53824-1_6
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-53823-4
Online ISBN: 978-3-662-53824-1
eBook Packages: Business and Economics (German Language)