Seite 2 von 2

Re: F Test um Signifikanz mehrerer Variablen gemeinsam zu testen

Verfasst: Do Jun 07, 2018 2:36 pm
von jogo
Hallo Sandra,
Sandra hat geschrieben: Do Jun 07, 2018 1:47 pm Und noch eine Frage um Heteroskedastizität einzubeziehen verwende ich Newey-West Standardfehler, die ich aber in einer extra "Regression" schätze. coef(mein Modell)
Diese sind also nicht in dem lm Modell enthalten mit dem ich meine Hypothesen teste , ist das schlimm? bzw verzerrt das dann das Ergebnis?
bei Heteroskedastizität der Residuen ist der OLS-Schätzer immer noch unbiased; allerdings wird der Standardfehler des Schätzers als zu klein ausgewiesen.
https://de.wikipedia.org/wiki/Satz_von_Gau%C3%9F-Markow

Heteroskedastizität kann bei WLS (weighted least squares) berücksichtigt werden.

Gruß, Jörg

Re: F Test um Signifikanz mehrerer Variablen gemeinsam zu testen

Verfasst: Do Jun 07, 2018 10:58 pm
von EDi
jogo hat geschrieben: Do Jun 07, 2018 2:36 pm Hallo Sandra,
Sandra hat geschrieben: Do Jun 07, 2018 1:47 pm Und noch eine Frage um Heteroskedastizität einzubeziehen verwende ich Newey-West Standardfehler, die ich aber in einer extra "Regression" schätze. coef(mein Modell)
Diese sind also nicht in dem lm Modell enthalten mit dem ich meine Hypothesen teste , ist das schlimm? bzw verzerrt das dann das Ergebnis?
bei Heteroskedastizität der Residuen ist der OLS-Schätzer immer noch unbiased; allerdings wird der Standardfehler des Schätzers als zu klein ausgewiesen.
https://de.wikipedia.org/wiki/Satz_von_Gau%C3%9F-Markow

Heteroskedastizität kann bei WLS (weighted least squares) berücksichtigt werden.

Gruß, Jörg
Ich bevorzuge die Varianz direkt zu modellieren (z.b. via nlme::gls() oder local-scale models (mgcv:gauslss() oder gamlss))