Hallo zusammen,
ich untersuche aktuell die Einflussfaktoren der Präsenz auf Hauptversammlungen. Ich gelange aktuell zum Problem, dass ich in verschiedenen Modellvarianten meiner Panelregression bei einem Reset-Test auf p-Werte <0,01 komme und somit die Voraussetzung der Linearität nicht erfüllt ist bzw. eine Fehlspezifikation vorhanden ist. Ich habe diverser Varianten probiert und verschiedene unabhängige Variablen ausgetauscht bzw. aus dem Modell entfernt. Das Problem bleibt vorhanden.
Meine Variablen sind entweder metrisch skaliert oder es handelt sich um Dummy-Variablen. Die Anordnung der Daten ist im Long-Panel-Format
Zudem habe ich in dem Datensatz Autokorrelation und Heteorskedazitität. Insbesondere das Problem mit Heteroskedastizität scheint mir ggf. mit der Fehlspezifikation zusammenzuhängen.
Kann mir jemand eine Methode zur Adjustierung vorschlagen und ggf. das Package und die entsprechende Funktion nennen?
Mit freundlichen Grüßen
Marco
Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Test)
-
- Beiträge: 16
- Registriert: Mo Aug 06, 2018 12:33 pm
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Hört sich für mich nach einem Job für nlme an: Random-Effects, Autokorrelation & mehrere Varianz-parameter.Zudem habe ich in dem Datensatz Autokorrelation und Heteorskedazitität.
Z.b. so (dummy-code):
Code: Alles auswählen
lme(y ~ x1 + x2 + x1:x2, data = data, random = ~ slope | intercept, weights = varIdent(form = ~ 1| x1), correlation = corAR1(form =~ 1|x2) )
Wenn man das ganze mit smoother haben will (nicht-linearität), würde ich zum GAMM raten. Das ist aber nochmal ne Spur komplexer und braucht nochmehr Daten.
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
-
- Beiträge: 16
- Registriert: Mo Aug 06, 2018 12:33 pm
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Halli Edi,
verstehe ich das Richtig :
x1:x2 -> Ich muss jede Variable durch eine andere dividieren? -> X1:2X + X1:X3 + X2:X3?
Bisher habe ich mein x immer wie folgt definiert x <- cbind( 123, 234, 456)
Als Datensatz habe ich ca. 110-120 Unternehmen und t=5 Beobachtungszeitpunkte.
Ich habe mal einen Plot von meinem REM angehangen.
verstehe ich das Richtig :
x1:x2 -> Ich muss jede Variable durch eine andere dividieren? -> X1:2X + X1:X3 + X2:X3?
Bisher habe ich mein x immer wie folgt definiert x <- cbind( 123, 234, 456)
Als Datensatz habe ich ca. 110-120 Unternehmen und t=5 Beobachtungszeitpunkte.
Ich habe mal einen Plot von meinem REM angehangen.
- Dateianhänge
-
- Bildschirmfoto 2019-03-14 um 20.20.02.png (35.45 KiB) 584 mal betrachtet
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Der ":" Operator erzeugt eine Interaktion, siehe ?formula. Ich weiß nicht ob du das in deinem Model haben willst, ich hab ja nur dummy-code dargestellt...x1:x2 -> Ich muss jede Variable durch eine andere dividieren? -> X1:2X + X1:X3 + X2:X3?
Ich würde da nicht mit AR1 korrelierten Residuen anfangen, zu wenig..t=5 Beobachtungszeitpunkte.
Ein random effect mit Unternehmen könnte schon reichen.
Woran erknnst du das?Problem mit Heteroskedastizität
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
-
- Beiträge: 16
- Registriert: Mo Aug 06, 2018 12:33 pm
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Hallo Edi,
auf Heteroskedasitizät komme ich auf Grund der Ergebnisse folgender Tests:
gqtest (wohl wissend, dass er bei der kleinen Stichprobe kaum einen Aussagewert besitzt)
bptest
Ich würde gerne noch den White-Test durchführen nur ist mir die Modellierung über bptest nicht klar.
Mit freundlichen Grüßen
Marco
auf Heteroskedasitizät komme ich auf Grund der Ergebnisse folgender Tests:
gqtest (wohl wissend, dass er bei der kleinen Stichprobe kaum einen Aussagewert besitzt)
bptest
Ich würde gerne noch den White-Test durchführen nur ist mir die Modellierung über bptest nicht klar.
Mit freundlichen Grüßen
Marco
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Ich halte nichts von solchen Tests (kommen wieder mit Annahmen, haben teilw. komische Nullhypothesen, sind entweder zu scharf (viele Daten) oder zu schwach (wenige Daten)) und verlasse mich eher auf Diagnostische plot um meine Modelle zu prüfen.
BTW: White test geht mit bptest(), einfach in der formel noch die quadrierten Einzelterme hinzufügen (http://r.789695.n4.nabble.com/Breusch-p ... 06484.html)
BTW: White test geht mit bptest(), einfach in der formel noch die quadrierten Einzelterme hinzufügen (http://r.789695.n4.nabble.com/Breusch-p ... 06484.html)
Bitte immer ein reproduzierbares Minimalbeispiel angeben. Meinungen gehören mir und geben nicht die meines Brötchengebers wieder.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
Dieser Beitrag ist lizensiert unter einer CC BY 4.0 Lizenz
.
-
- Beiträge: 16
- Registriert: Mo Aug 06, 2018 12:33 pm
Re: Adjustierung Paneldaten Analyse Pool und Random Effect Model und fehlende Linearität / Fehlspezifikation (Reset-Te
Hallo Edi,
nur damit ich es richtig verstehe, weil ich bisher immer nur Code-Beispiele mit zwei Variablen finde. Bei drei bzw. vier Variablen würde ich den Code wie folgt aufbauen:
nur damit ich es richtig verstehe, weil ich bisher immer nur Code-Beispiele mit zwei Variablen finde. Bei drei bzw. vier Variablen würde ich den Code wie folgt aufbauen:
Code: Alles auswählen
bptest (formula, ~ x * z * a *b + I(x^2) + I(z^2) +I(a^2) +I(a^2))