FE model - Datensatz vorbereiten

Modelle zur Korrelations- und Regressionsanalyse

Moderator: EDi

Antworten
LiTar
Beiträge: 1
Registriert: Fr Aug 02, 2019 9:48 am

FE model - Datensatz vorbereiten

Beitrag von LiTar »

Hallo zusammen,

ich suche nun schon seit mehreren Tagen erfolglos im Internet nach einer Lösung für folgendes Problem:

Mein Datensatz enthält Informationen zu Häuserangeboten in Deutschland (Kaufpreis, Größe, Alter,...) sowie verschiedene Nachbarschaftsmerkmale (Anzahl der Häuser insgesamt, Bevölkerung, Anzahl Autos,...). Diese Daten liegen mir für verschiedene Jahre vor und enthalten mehrere räumliche/individuelle Indikatoren. Also:

402 deutsche Kreise über 5 Jahre, aber innerhalb der Kreise unterschiedlich viele einzelne Haus-Beobachtungen.


Nun möchte ich gerne den Einfluss eines Hausmerkmals auf den Preis schätzen und für nicht-beobachtbare Nachbarschaftseffekte kontrollieren, sprich: ein Fixed Effects Model mit Time und State (Also Kreis, bzw. NUTS3) FE.


Nun das Problem: plm() funktioniert bei mir nicht, da ich keine eindeutigen NUTS3-Jahr Paare habe (da es individuelle Beobachtungen pro Kreis gibt). Individuelle Effekte macht aber keinen Sinn und aggregieren möchte ich ungern, da mir dann viel Variation verloren geht.

Wenn ich das ganze als LSDV schätze (sprich, ich nehme meine Jahr und NUTS3 Variablen als factor() mit in die lm() Regression), dann dauert das 1. ziemlich lange und 2. funktionieren die meisten Tests dann nicht.

mit felm() aus dem lme-Package läuft die Regression super schnell, jedoch kann ich dann keine Outputs mit stargazer() generieren und ebenfalls keine Tests durchführen.

Habt ihr eine Idee? Mein Ansatz bisher ist, den Datensatz nur über die NUTS3-Variable zu Kennzeichnen und die Jahre als factor() in die Regression zu packen. Ergebnisse sind dann bei allen drei MEthoden identisch, ich weiß nur nicht inwieweit die ganzen Tests (pFtest, phtest, plmtest) funktionieren.


Liebe Grüße
Lisa
Antworten