Übung 5

Ein Modell ist umso besser, je größer der Anteil der Gesamtvariation ist, der durch das Modell erklärt werden kann.

-> Die Höhe des Bestimmheitsmaß gibt Ausschluss

• R² sagt wenig über die Güte der Schätzung eines partiellen Effektes aus

• sagt nicht über die Kausalität eines geschätzten Effektes aus

• steigt automatisch an bei Hinzunahme weiterer Variablen, aber irgendwann nicht mehr signifikant -> dies wird durch das korrigierte Bestimmtheitsmaß berücksichtigt

• Besserer ceteris paribus Vergleich, da wir andere Faktoren explizit festhaltenkönnen („für andere Einflussfaktoren kontrollieren“)

• Diese anderen Faktoren können korreliert sein (untereinander und mit derinteressierenden unabhängigen Variable)

• Bessere Erklärung von y

• Höheres (adj.) R²

• Bessere Prognoseeigenschaften

• Simulation geschichteter/quotierter Stichproben, in denen wichtige Merkmalekontrolliert wurden

1.) Omitted variable bias (zu wenig Variablen im Modell)

2.) Including irrelevant variables (zu viele Variablen im Modell)

Paneldaten

Wiederholte Messung einer oder mehrerer Variablen bei einen oder mehreren Personen

Vorteile gegenüber Querschnittdaten:

• Analyse von individuellen Entwicklungen

• Informationen zur zeitlichen Abfolge von Zuständen und Ereignissen

• Kontrolle unbeobachteter individueller Heterogenität

• Identifizierung kausaler Effekte

• Das FE-Modell ist speziell dazu geeignet, den kausalen Effekt von zeitveränderlichen Kovariaten (z.B. von Ereignissen) auf eine metrische abhängige Variable zu identifizieren. Es basiert ausschließlich auf der Varianzinnerhalb von Personen

•  FE-Modell und RE-Modell berücksichtigen zudem, dass Personen im Rahmen des Panels mehrfach beobachtet werden und diese personenspezifischen Beobachtungen statistisch nicht unabhängig sind

• In das RE-Modell fließt sowohl die between-Varianz als auch die within-Varianz ein. In diesem Verfahren können auch zeitkonstante Variablen berücksichtigtwerden

• FE-Modell und RE-Modell berücksichtigen zudem, dass Personen im Rahmen des Panels mehrfach beobachtet werden und diese personenspezifischen Beobachtungen statistisch nicht unabhängig sind

• In FE-Gleichung werden die abhängige Variable y und die unabhängige Variable x als Abweichungen vom personenspezifischen Mittelwert abgebildet (nur die Varianz innerhalb von Personen ist also von Interesse)

• Beispiel: Mit dem FE-Modell wird folglich ausschließlich überprüft, inwieweit die Heirat die Zufriedenheit erhöht (within).

• Between-Varianz beeinflusst diese Schätzung nicht.

• Denn: Der zeitkonstante personenspezifische Fehler vi wird durch die Subtraktion der beiden Gleichungen eliminiert.