Centraal Statistiektopic (SPSS, R, excel, etc.) #9

Nog bedankt voor de eerdere reactie.

Ik heb inmiddels een model kunnen maken.

Ik gebruik panel data over een 3 jarige periode en 30 regio's. Ik heb GDP en GDP growth als dependent variables. Bij GDP klinkt alles vrij logisch, de variabelen die effect zouden moeten hebben zijn significant. Echter bij GDP growth is het een compleet ander verhaal. Ik ben vrij zeker van m'n GDP growth variabelen, dat zij de juiste waardes hebben. Ik heb dit zowel handmatig uitgerekend als via m'n software (STATA). Echter zijn de independent variables en control variables compleet onlogisch. Variables die een positief effect zouden moeten hebben, bijvoorbeeld het growth percentage van employment, unemployment (negatief), investeringen, import en export increase, nemen negatieve waardes aan! Verder zijn zij vrijwel allemaal negatief.

Ik snap er niks van, ik heb zowel een normale regressie gedaan, als een fixed en random effect regressie.

Heeft iemand dit wel eens meegemaakt? Dat de resultaten van de regressie totaal onverwacht zijn... Waar zou dit aan kunnen liggen?

quote:

Op donderdag 26 mei 2016 18:14 schreef ScriptieIdee12345 het volgende:

Heeft iemand dit wel eens meegemaakt? Dat de resultaten van de regressie totaal onverwacht zijn... Waar zou dit aan kunnen liggen?

Dan heb je geen bewijs gevonden voor je hypothese?

Post je output eens.

Post je model / output en de VIF. Post ook een (screenshot van) correlatietabel. Er zijn verschillende redenen waarom een coefficient negatief kan worden terwijl je andersom verwacht, multicollinearity is daar een van. Aangezien je een economisch model probeert te maken waarin alles elkaar beinvloed lijkt me dat wel voor de hand liggend.

Probeer ook eens de variablen een voor een toe te voegen om te kijken hoe de coefficients veranderen in bijzijn van andere.

quote:

Op vrijdag 27 mei 2016 08:25 schreef Silverdigger2 het volgende:

[..]

Dan heb je geen bewijs gevonden voor je hypothese?

Het is erger dan dat, de H₀ wordt zo wel weerlegd, alleen niet op de manier die verwacht was.

Anyway - zo lang er geen info is over de betrouwbaarheid van het model (is er multicollinearity, endogeneity, homoscedasticity?) is het nog niet duidelijk of het model realistisch/betrouwbaar is.

_{Ik zou trouwens bij dit soort onderzoeken altijd beginnen met autoregressions, omdat de huidige GDP altijd zeer (95%+) afhankelijk is van de GDP ^t-1, ^t-2, , enz.. Als je niet de benodigde hoeveelheid data hebt hiervoor (veel tijdsperiodes) dan kan je GDP t-1 als lag toevoegen voor een snelle oplossing...}

quote:

Op vrijdag 27 mei 2016 12:25 schreef Zith het volgende:

[..]

Het is erger dan dat, de H₀ wordt zo wel weerlegd, alleen niet op de manier die verwacht was.

Anyway - zo lang er geen info is over de betrouwbaarheid van het model (is er multicollinearity, endogeneity, homoscedasticity?) is het nog niet duidelijk of het model realistisch/betrouwbaar is.

_{Ik zou trouwens bij dit soort onderzoeken altijd beginnen met autoregressions, omdat de huidige GDP altijd zeer (95%+) afhankelijk is van de GDP ^t-1, ^t-2, , enz.. Als je niet de benodigde hoeveelheid data hebt hiervoor (veel tijdsperiodes) dan kan je GDP t-1 als lag toevoegen voor een snelle oplossing...}

Zeker in gevallen als GDP-groei zou ik ook al snel denken aan een algemeen gebrek aan statistische kracht (niet genoeg observaties) en gecorreleerde meetfouten (observaties beïnvloeden elkaar door omstandigheden).

http://imgur.com/97VD57L

Bedanktt

Dit is een model over 3 jaren met jaarlijkse data en 31 regios.

GRP = gross regional product
GRPcapgrowth = % groei in GRP capita
fixedinvesrgrowth = % groei in fixed asset investments
intusergrowth = % groei internet penetratie (internet gebruikers/populatie)
gcf = gross capital formation
higheducper = % van populatie die hoger onderwijs volgt
urbanunper = unemployment % in urban cities
grptert2 = grp tertiary/grp
popdensity = populatie density

Verder weet ik dit dit model niet optimaal is, en heb het met verschillende constructies geprobeerd maar allen geven soortgelijke resultaten.

Mijn normale non-groei model werkt wel heel goed. Maar alleen de growth werkt van geen meter. Bijvoorbeeld de R-squared van reg GRP fixedassetinvestments is 75%. Maar de R-squared van reg GRPgrowth fixedassetinvestmentsgrowth = 0.04%!

[ Bericht 64% gewijzigd door ScriptieIdee12345 op 27-05-2016 15:35:57 ]

Mij is verteld dat met panel data al die dingen worden verholpen door fixed en random effects, door middel van xtreg, fe en xtreg, re. Is dit onjuist?

Okay, je doet geen echte fixed effects want je zet de variablen die voor het fixed effects model zorgen niet vast

Zie http://www.jblumenstock.com/files/courses/econ174/FEModels.pdf vanaf Fixed effects regression in practice

Goed, ik zou het volgende doen:

Kies een paar variablen die je echt wil hebben en die niet echt gecorreleerd zijn (corr var1 var2 var3), werk hiermee met de volgende stappen :

-Maak dummy voor Year 2, Year 3. Probeer de reg met deze twee dummies en je gekozen v
variablen.

-Maak een dummy voor elke regio die je hebt behalve 1. Probeer de reg met de year dummies en deze dummies en je variabelen. ( stata command: tabulate regio, generate(regio) zet de regio's in dummies)

Je hebt nu een fixed effect model.

Helpt het niet?

-Maak een variable gdpgrowth_1 en maak hiervan de GDPgrowth van de vorige periode, dus voor de group uit jaar 3 neem je de gdpgrowth van jaar 2. Als je geen dgpgrowth van jaar 0 hebt, dan zul je afscheid moeten nemen van je year 1 observaties in je analyse.

-Probeer de gdpgrowth lag met de regressie + year 2 + year 3

-Probeer de gdpgrowth met de hele fixed effects model.

ADDITIONEEL:

-Type hettest na een regressie, is het resultaat significant?
-Bekijk de VIFs of multicollinearity condition index (find collin)
-Probeer eeens na een regressie command het volgende: , vce(robust) of , vce(cluster regio)

Hoi, ik heb even een kort vraagje.
Ik wil in mijn lineaire regressieanalyse (in SPSS) controleren voor een aantal (scale meetniveau) variabelen.
Doe ik dat gewoon door de controlevariabelen in het eerst block (method:enter) in te voeren, en in het tweede block mijn onafhankelijke variabele?
En waar kijk ik dan als ik de significantie, R² en F van de predictor wil weten?

Ik raak namelijk helemaal in de war. Wat zegt het als het gehele model wel significant is maar de predictor niet? Dat betekent toch dat de predictor niks toevoegt aan het model, maar dat de significante controlevariabelen daarvoor zorgen?
Ik wil vooral weten wat ik nu precies moet rapporteren.

[ Bericht 5% gewijzigd door PluisigNijntje op 28-05-2016 19:49:16 ]

Het

quote:

Op zaterdag 28 mei 2016 19:42 schreef PluisigNijntje het volgende:
Hoi, ik heb even een kort vraagje.
Ik wil in mijn lineaire regressieanalyse (in SPSS) controleren voor een aantal (scale meetniveau) variabelen.
Doe ik dat gewoon door de controlevariabelen in het eerst block (method:enter) in te voeren, en in het tweede block mijn onafhankelijke variabele?
En waar kijk ik dan als ik de significantie, R² en F van de predictor wil weten?

Ik raak namelijk helemaal in de war. Wat zegt het als het gehele model wel significant is maar de predictor niet? Dat betekent toch dat de predictor niks toevoegt aan het model, maar dat de significante controlevariabelen daarvoor zorgen?
Ik wil vooral weten wat ik nu precies moet rapporteren.

Het hangt er een beetje vanaf wat die controlevariabelen zijn. In de sociale wetenschappen is het gebruikelijk dat je demografische variabelen eerst erin zet. De achtergrond van die gedachte is dat deze kenmerken namelijk al aanwezig zijn. De verklaarde variantie wordt dan eerst toegeschreven aan die variabelen. Hier is natuurlijk over te discussieren. Keith heeft hier een heldere uitleg over opgenomen in Multiple Regression and Beyond.

Je laatste stelling/vraag klopt. Kijk voor voorbeelden van hoe je dit rapporteert in Pallant of Field.

Betreft de lineaire regressie analyse heb ik ook een vraag. Ik wil het effect meten van een independent variable op een dependent variable. De sample size is 205. Als ik een control variable toevoeg (gender) blijft de sample size 205. Als ik een tweede control variable toevoeg (age) veranderd de sample size naar 26. Hoe kan dit? Ik heb gezocht op google maar kan er niks over vinden.
Wie helpt mij uit de brand? Vast bedankt!

Veel missings op leeftijd.

quote:

Op dinsdag 31 mei 2016 21:54 schreef Z het volgende:
Veel missings op leeftijd.

Wauw, stom dat ik dit gemist heb. Hoe makkelijk kan het soms zijn. Dankjewel!

quote:

Op vrijdag 27 mei 2016 22:48 schreef Zith het volgende:
Okay, je doet geen echte fixed effects want je zet de variablen die voor het fixed effects model zorgen niet vast

Zie http://www.jblumenstock.com/files/courses/econ174/FEModels.pdf vanaf Fixed effects regression in practice

Goed, ik zou het volgende doen:

Kies een paar variablen die je echt wil hebben en die niet echt gecorreleerd zijn (corr var1 var2 var3), werk hiermee met de volgende stappen :

-Maak dummy voor Year 2, Year 3. Probeer de reg met deze twee dummies en je gekozen v
variablen.

-Maak een dummy voor elke regio die je hebt behalve 1. Probeer de reg met de year dummies en deze dummies en je variabelen. ( stata command: tabulate regio, generate(regio) zet de regio's in dummies)

Je hebt nu een fixed effect model.

Helpt het niet?

-Maak een variable gdpgrowth_1 en maak hiervan de GDPgrowth van de vorige periode, dus voor de group uit jaar 3 neem je de gdpgrowth van jaar 2. Als je geen dgpgrowth van jaar 0 hebt, dan zul je afscheid moeten nemen van je year 1 observaties in je analyse.

-Probeer de gdpgrowth lag met de regressie + year 2 + year 3

-Probeer de gdpgrowth met de hele fixed effects model.

ADDITIONEEL:

-Type hettest na een regressie, is het resultaat significant?
-Bekijk de VIFs of multicollinearity condition index (find collin)
-Probeer eeens na een regressie command het volgende: , vce(robust) of , vce(cluster regio)

Erg bedankt voor je reactie. Op de een of andere manier lukt het nu wel.

Super bedankt voor je uitleg.

Hettest werkt niet hier, de andere wel maar veranderen niet heel veel aan de waardes. Echter is het model nu wel ok (lijkt zo).

Een andere vraag.

Is log(GDP) hetzelfde als GDP growth?

quote:

Op woensdag 1 juni 2016 14:39 schreef MCH het volgende:

[..]

Ja.

Dank je wel!

quote:

Op woensdag 1 juni 2016 14:39 schreef MCH het volgende:

[..]

Ja.

Niet helemaal. Het is een benadering, maar wel een benadering die door iedereen als goed genoeg wordt beschouwd.

quote:

Op woensdag 1 juni 2016 13:47 schreef ScriptieIdee12345 het volgende:

[..]

Erg bedankt voor je reactie. Op de een of andere manier lukt het nu wel.

Super bedankt voor je uitleg.

Hettest werkt niet hier, de andere wel maar veranderen niet heel veel aan de waardes. Echter is het model nu wel ok (lijkt zo).

Fijn dat het helpt!

quote:

Een andere vraag.

Is log(GDP) hetzelfde als GDP growth?

Hmm, ik zou zeggen - zoals ik de vraag begrijp - Nee.

GDP = 300 miljard
LOG(GDP) = 11.47
Hoe je hier een GDP growth in ziet weet ik niet

Misschien bedoel je het volgende:

quote:

Trend measured in natural-log units = ~percentage growth: Because changes in the natural logarithm are (almost) equal to percentage changes in the original series, it follows that the slope of a trend line fitted to logged data is equal to the average percentage growth in the original series. http://people.duke.edu/~rnau/411log.htm#trend

EDIT:

quote:

Op woensdag 1 juni 2016 16:57 schreef wimjongil het volgende:

[..]

Niet helemaal. Het is een benadering, maar wel een benadering die door iedereen als goed genoeg wordt beschouwd.

Dat klopt ook; als je log(dependent variable) gebruik in regressies dan zijn de coefficienten van de independent variables ongeveer de percentage groei van de dependent, maar het wijkt meer af wijkt meer af bij hogere percentages.



[ Bericht 4% gewijzigd door Zith op 01-06-2016 20:29:31 ]

Ik ben bezig met een aantal logistische regressies, waaronder regressies met interactie-effecten.
Nu heb ik een beetje moeite met het uitvoeren ervan, maar ook met de interpretatie ervan.

Is er misschien iemand die morgen wat tijd over heeft om mijn regressies en interpretaties door te kijken en te voorzien van wat behulpzaam commentaar?

Mijn dank zal groot zijn