Kausalanalyse. Paneldaten kategoriale Zielvariablen

Ähnliche Dokumente
Vorlesung 10: Regressionsmodelle für Paneldaten

Die Normalverteilung. Die Normal- oder Gauß-Verteilung ist die am häufigsten vorkommende Verteilung.

Das Ziel ist das Ziel

Teil I: Offenes Beispiel

Regelungstechnik Labor

Bundesministerium für Verkehr, Bau und Stadtentwicklung. Bekanntmachung der Regeln für Energieverbrauchskennwerte im Wohngebäudebestand

Checkliste Wärmebrücken

Erläuterungen zu Leitlinien zum Umgang mit Markt- und Gegenparteirisikopositionen in der Standardformel

Evaluation & Forschungsmethoden

1. Auswertung Daten_Studenten.xls

Analyse der Panelmortalität mit der Logistischen Regression

Herleitung und Umstellung der allgemeinen Zinseszinsformel

Radiometrische Kalibrierung

Routenwahl im ÖV. Claude Weis

Rechtsbelehrung. Java und OOP Das Buch Christian Silberbauer 10

Das Phasendiagramm des 3-Zustands- Pottsmodells

Wärmebrücken bei Gebäudemodernisierungen. Ratgeber für Baufachleute

Multivariate Analysemethoden

Vorschlag (Endstand) für Normentext zur Berechnung der Lüftungswärmeverluste in EN (deutsch)

Multivariate Analysemethoden

Item-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich

Übungen zu Moderne Theoretischen Physik III SS Korrelatoren im 1D-Ising-Modell ( = 30 Punkte, schriftlich)

a) Wie können die Fließeigenschaften kohäsiver Schüttgüter gemessen werden?

zu den 100 wichtigsten deutschen Wörtern

von Kai-Uwe Ekrutt Erste Fassung

Arbeitszeit 60 Minuten Seite 1 von 6 FH München, FK 03 Bordnetze (Vorlesung) SS07. Name:... Vorname:... St. Grp...

Mathematik 3 MB Übungsblatt 3 ***LÖSUNGSVORSCHLÄGE*** Themen: Mehrfachintegrale Doppelintegrale

5. Mehrkomponentensysteme - Gleichgewichte

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Kurse und Renditen von Anleihen. Ein Wörterbuch der Anleihenmärkte. Finanzmärkte und Erwartungen 6-1

= G. 2.1 Beschreibung linearer Systeme im Zeitbereich. 24 Beschreibung linearer Systeme im Zeitbereich. Parallelschaltung mit gemeinsamem Eingang G 1

Mitschrift Schwingungen

Lineare Feder-Masse-Systeme

3. Grad Ist die höchste vorkommende Potenz : y`, (y`)², (y`)³ y`: 1. Grad (linear), (y`)² : 2. Grad (quadrat) dx dt

Kodierungstipps. Frage 4: Stimmst Du der Aussage zu: Kinder verbringen zu viel Zeit im Internet [] ja [] nein

1 Aufgaben Messen Sie mit dem Oberflächensperrschichtzähler die Elektronen-Spektren der 207 Bi- und

Kurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit

SCHRITT 1. I - Allgemeine Informationen

4. Berechnung von Transistorverstärkerschaltungen

3.1 Definition, Einheitsvektoren, Komponenten, Rechenregeln, Vektorraum

Makroökonomik III: Wechselkurs

1.3.9 Ko- und kontravariante Darstellung vektoriell betrachtet

L.JPH.WH r d. i l

7. Versteifte Platten und Schalenkonstruktionen

Kap. 6: Fundamentale Determinanten des Wechselkurses

Ausgabe Sommer 11. Interviews mit drei der neuen Dozenten ab Seite 6. mit viel Humor aufseite 54. war noch nie poetischer als ab Seite 34

E. Wärmeleitung in Systemen mit Wärmequellen

Inhalt. Beschreibung von DNA- Sequenzen als Markov-Ketten. DNA-Sequenz. Markov-Ketten. X: Stochastische Sequenz. P(X): Wahrscheinlichkeit der Sequenz

Pflichtteilaufgaben zu Stammfunktion, Integral. Baden-Württemberg

Analysis III Winter 2016/17 Prof. Dr. George Marinescu/Dr. Frank Lapp / M.Sc. Hendrik Herrmann Serie 10 mit Musterlösungen

Wirkungen und Nebenwirkungen des EU/IWF-Rettungsschirms für verschuldete Euro-Länder

F E R N U N I V E R S I T Ä T

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

Pflichtteilaufgaben zu Stammfunktion, Integral. Baden-Württemberg

Entscheidungstheorie Teil 3. Thomas Kämpke

Otoskopie. Subjektiven Verfahren ORL Probleme in der Pädiatrie Praxis. Audiometrie. Objektiven Verfahren

, also jedem Ortsvektor r im R 3 eine vektorielle Größe A(r).

Abiturprüfung Mathematik 13 Technik A I - Lösung mit CAS

Musterlösung Übungsserie 4

Statistische Physik, G. Schön, Karlsruher Institut für Technologie (Universität) 71

1.1. Thünen sche Kreise und Thünen-Modell

Beweis einer einzigartigen Transformation von Reihen

Für Wachstumsprozesse, die nach dem logistischen Wachstumsmodell ablaufen, gilt: (1)

Fachbereich Maschinenbau Elektrotechnik für Mechatroniker

Moderne Mietwohnungen Zentral leben im Gallusviertel Frankfurt am Main

Das Gesetz unterscheidet zwei Arten von Rechtssubjekten:

mit δ-förmiger 7.4 Greenfunktionen Linear Response = n 7.4 Zerlegung eines Pulses in Harmonische Definition: δ-funktion Beispiel:

d Beweis. Knoten 1 den Grad k hat.

5.3 Lokale Extrema und Mittelwertsätze

Rostaufnahme / Höhenlinienkonstruktion / Flächenberechnung / Massenermittlung

3.4.4 Die M/M/s-Multiserver-Warteschlange

Numerische Methoden in der Strömungstechnik

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Diplomhauptprüfung. "Nichtlineare Regelungssysteme" 31. Juli Aufgabenblätter

Vorlesung: Grundlagen und Prozesse der Verfahrenstechnik Seminar: Elektrochemische Doppelschichten

Raychem-Schaltanlagen für Regelung, Überwachung und Stromverteilung

Sicherheit von Π MAC2

Triangulierung eines planaren Graphen

3. Spezielle diskrete Wahrscheinlichkeitsmodelle

Neutrinos. Ein Vortrag über die Eigenschaften von Neutrinos und Experimenten mit Neutrinos. Autor: Dieter Oellers. Betreuer: Prof.

1 Edited by Schlurcher Lineare Algebra II

Schaltungstechnik 1 Erstelldatum: 12. Februar Eigenschaften. Umpolung. Widerstände. Leitwerte R 1.

Namen. für mehr Frequenz in Ihrem Markt. Zum ersten Mal in Deutschland: Coca-Cola mit individuellen

Datenaufbereitung und -darstellung III

Einstellwerte für das H Streuwerk. für Güstrower Großflächenstreuer ( Kratzbodenstreuer )

LOG 3 log 4 = log 43 = log 64 x a log 2 + log 3 = log 2 3 = log 6 : * 8 log 8 log 2 = log = log PreStudy 2018 Torsten Schreiber 56

Sensorik. Praktikum Halbleiterbauelemente. B i p o l a r e T r a n s i s t o r e n

Eurocode 6 - unbewehrtes Mauerwerk DIN V ENV

Flughafen- und Zugangsverkehrsmittelwahl in Deutschland - Ein verallgemeinerter Nested Logit-Ansatz

B) Übungen zu parametrisierten Flaechen

[Arbeitsblatt Trainingszonen]

Einführung in die statistische Thermodynamik und Quantenmechanik

Makroökonomie I/Grundlagen der Makroökonomie

Die günstige Alternative zur Kartenzahlung. Sicheres Mobile Payment. Informationen für kesh-partner. k sh. smart bezahlen

6.8 Zusammenfassung Kapitel 6

Statische Meßfehler und Meßunsicherheiten

Einstellwerte für das H Streuwerk. für Güstrower Großflächenstreuer ( Bandstreuer )

Ohne Sparkasse fehlt was: * Ihr Immobilienpartner. Für Käufer.

Wolfgang Schmid. Berechnung kürzester Wege in in Graphen mit verbotenen Strukturen

Franziskusmesse. 1. Von Gott gerufen. Eingangslied. Text: Raymund Weber Musik: Klaus Wallrath 2012/13. q. = 72

Transkript:

Kasalanals Panldatn katgoral Zlvarabln

Warm ght s n dn folgndn Stzngn? Stzng Thma 9.4.8 Enführng nd Übrblck 6.4.8 Allgmns lnars Modll 3 3.4.8 Kmlrt Qrschnttsdatn I 4 3.4.8 fällt as 5 7.5.8 Kmlrt Qrschnttsdatn II 4.5.8 Analsmöglchktn von Panldatn (trotz Pfngstfrn) 6.5.8 Panldatnanals kontnrlchr Zlvarabln I 7 8.5.8 Panldatnanals kontnrlchr Zlvarabln II 8 4.6.8 Panldatnanals kontnrlchr Zlvarabln III Panldatn: katgoral 9.6.8 8.6.8 Panldatnanals katgoralr Zlvarabln I Panldatnanals katgoralr Zlvarabln II 5.6.8 Panldatnanals katgoralr Zlvarabln III.7.8 Ergnsdatnanals I 3 9.7.8 Ergnsdatnanals II 4 6.7.8.7.8 Ergnsdatnanals III Klasr (6 Mntn)

Gldrng. Möglch Analsstratgn. Logstsch Rgrsson für Panldatn 3. Vrglch vrschdnr Schätzvrfahrn 3

Bspl : Strsssmptom Übrlbnd von Hasbrändn m Gbt von Phladlpha (USA) Panldatn: ptsd.dta (s. Handot) n36 Prsonn T3 Wlln (3, 6 nd Monat nach Brand) Varabln dchotom Zlvarabl ptsd: posttramatsch Strsssmptom (nn, ja) control: Kontrollübrzgng (Skala) problms: Problm n vrschdnn Lbnsbrchn (Anzahl) svnt: Anzahl blastndr Ergnss st ltztm Intrvw cohs: Famlnzsammnhalt (Skala) Sqnzn:,,,,,,, ach möglch: 333, 33, 3, 3 sw., wnn poltom 4

Bspl : Tätgktsdar Erwrbstätg Prsonn (smlrt Datn) Panldatn: jobrs_complt.dta (s. Handot) n Prsonn T5 Wlln (jährlch) Varabln dchotom Zlvarabl qttd: Tätgkt bndt (nn, slbst gkündgt) [Kündgng drch Arbtgbr: gnorrt] d: Asbldng (Jahr) prstg: Prstg dr Tätgkt (Skala) salar: Enkommn (n $) z Bgnn dr Tätgkt Sqnzn:,,,..., Bsondrht: all bgnnn m glchn Asgangszstand () gntlch ntrssrn nr Wlln bs. Wchsl (jobrs.dta) altrnatv n Datnsatz pro Prson mt Dar (jobdr.dta) 5

Analsmöglchktn Bspl (Absoltwrt von Y): Was st d Wahrschnlchkt, z nm blbgn Ztpnkt d Asprägng z bobachtn? Pr( t k) G( ( t) t K k kt γ z K γ j z Logstsch Rgrsson für Panldatn j ) Bspl (Vrändrng von Y): Was st d (bdngt) Wahrschnlchkt, nn ggbnn Asgangszstand z vrlassn? Pr( t k K, t j) G( K) Ergnsdatnanals (s. spätr Vorlsng) 6

Gldrng. Möglch Analsstratgn. Logstsch Rgrsson für Panldatn a) Wdrholng: Qrschnttsdatn b) Fd Effcts c) Random Effcts 3. Vrglch vrschdnr Schätzvrfahrn 7

8 Logstschs Rgrssonsmodll k k k k k k π π π K K K ln Logt ) Pr( Wahrschnlchkt..4.6.8 Pr() -5 5 Logstschs Rgrssonmodll (ß, ß)

9 Odds Rato (Antlogarthms) ( ) ( ) ( ) ( ) ( ) ( ) sw., : Rato Odds Odds Odds Odds ) p( ln p K K K K K α α α α α π π π π π π π π k k k k k k k k

Mamm Lklhood Schätzng Vrwnd als Schätzwrt für d (nbkanntn) Paramtr d Wrt, d d Lklhood (d Wahrschnlchkt ) ds vorlgndn Untrschngsrgbnsss mamrn. Was st mt Untrschngsrgbns gmnt? D Untrschngsnhtn mt hrn jwlgn Asprägngn dr abhänggn Varabln (, ) nd dn jwlgn Asprägngn dr nabhänggn Varabln.

Mamm Lklhood Schätzng ( ) ( ) ) ln( ) ln( LR LR - Tst )ln ( ln Log - Lklhood ) Pr( ln ) Pr( ln ln mamr ),, Pr( ),, Pr( Lklhood n n r n nk n k L L (L) L k k k k k k k k K K K K K K K K K K Für das Mamm dr Log-Lklhoodfnkton gbt s kn analtsch Lösng (w b OLS-Schätzngn). D Paramtr, d für d Datn (, ) d Fnkton ln(l) mamrn, müssn nmrsch bstmmt wrdn. D Paramtr, d ln(l) mamrn, hssn ML-Schätzr. Tsts: Lklhood-Vrhältns-Tst (analog F-Tst), Wald-Tst (analog T-Tst)

Gldrng. Möglch Analsstratgn. Logstsch Rgrsson für Panldatn a) Wdrholng: Qrschnttsdatn b) Fd Effcts c) Random Effcts 3. Vrglch vrschdnr Schätzvrfahrn

Wdrholng: Fd Effcts b lnarn Modlln Elmnaton allr ztkonstantn Prsonnffkt allr bobachtt nd nbobachtt Effkt tm-dmand data Rstvaranz nach Elmnaton dr prsonnspzfschn Mttlwrt nr d ztlch Varaton wrd brückschtgt FE Schätzr snd bdngt Schätzr: poold OLS ggbn prsonnspzfsch Mttlwrt Altrnatv: pro Prson n Dmm-Varabl 3

Logstschs Rgrssonsmodll für Panldatn Modll mt Log - Lklhood vrkürzt!!! π t ln π t ln(l) n T ln t t K t K t k k kt K k kt kt n T t ln t t : prsonnspzfschr Fhlrtrm ( t wgglassn, z komplzrt; kn Konstant b fn, wär ncht dntfzrt; ztkonstant nabhängg Varabln z j dr Enfachht halbr wgglassn) Problm: lässt sch ncht ohn wtrs as dr Schätzfnkton lmnrn. Altrnatv: Schätzng dr übr n prsonn-spzfsch Dmm- Varabl st ncht mt Mamm Lklhood vrnbar. ML-Schätzngn snd konsstnt (Vrhaltn n klnn Stp nklar). Bws brht af n. Konsstnzbws mt nmöglch, da d Anzahl z schätzndr Paramtr mt dr Anzahl dr Bobachtngn lnar znmmt. 4

Elmnaton dr drch Condtonal Lklhood (/3) Mamr d bdngt Wahrschnlchkt, n bstmmt Sqnz z bobachtn, ggbn n bstmmt Smm von Ensn n dr Sqnz. B T Wlln snd z.b. folgnd Sqnzn möglch: mt Smm : (kn Vrändrng von, möglchr Fall) Pr( Σ) ( günstgr Fall) / ( möglchr Fall) mt Smm : (kn Vrändrng von, möglchr Fall) Pr( Σ) / mt Smm : odr (Vrändrng von, möglch Fäll) Pr( Σ) < Pr( Σ) < Sqnzn mt bdngtr Wahrschnlchkt glch Ens tragn ncht zr (Condtonal) Lklhood b (a pror schr Ergnss). 5

6 Elmnaton dr drch Condtonal Lklhood (/3) Bspl Pr( Σ) bdngt Wahrschnlchkt dr Sqnz )) nd odr ( ) nd Pr(( ) nd Pr(

7 Elmnaton dr drch Condtonal Lklhood (/3) Bspl Pr( Σ) bdngt Wahrschnlchkt dr Sqnz )) nd odr ( ) nd Pr(( ) nd Pr(

8 Elmnaton dr drch Condtonal Lklhood (3/3) T: CML logstsch Rgrsson abhängg Varabl: Sqnz vs. Sqnz nabhängg Varabln: Dffrnzn dr -Varabln T>: CML kondtonal logstsch Rgrsson ( Σ ) Pr Vrglch logstsch Rgrsson für Qrschnttsdatn : ) Pr( Bdngt Wahrschnlchkt dr Sqnz : ) ( ) ( Endrgbns strktrll glch

Zsammnfassng CML T: CML logstsch Rgrsson abhängg Varabl: Sqnz vs. Sqnz nabhängg Varabln: Dffrnzn dr -Varabln ähnlch FD stmator m lnarn Modll T>: CML kondtonal logstsch Rgrsson Prnzp Bdngt Wahrschnlchkt für Sqnz α, ggbn d Sqnzn α,, γ,..., d all d glch Smm von Ensn afwsn. kondtonal logstsch Rgrsson Wlch Egnschaftn dr Altrnatvn A, B, C,... bnflssn, dass Altrnatv A gwählt wrd? häfg Anwndng n dr Marktforschng 9

FE: lnar vs. logstsch Rgrsson bd snd bdngt Schätzngn lnar:... ggbn prsonnspzfsch Mttlwrt logstsch:... ggbn Sqnz von Zständn Untrschngsnhtn ohn Vrändrng lnar: Mttlwrtbrngng b ztkonstantn Varabln (& ) & t Varanzrdkton logstsch: Sqnzn ohn Vrändrng kn Btrag zr Lklhood-Fnkton (L ) fd ffcts nd frst dffrncs lnar: dntsch Ergbnss für T, dffrrn für T> logstsch: CML dntsch mt logstschr Rgrsson für dffrnzrt Datn b T, spzlls CML-Programm notwndg für T>

Gldrng. Möglch Analsstratgn. Logstsch Rgrsson für Panldatn a) Wdrholng: Qrschnttsdatn b) Fd Effcts c) Random Effcts 3. Vrglch vrschdnr Schätzvrfahrn

Mamrng nr vrnfachtn Lklhood-Fnkton Vorasstzng: st nkorrlrt mt alln kt zsätzlch: Vrtlngsannahm für d prsonnspzfschn Fhlrtrm häfg Normalvrtlng Annahm kann problmatsch sn Dr Btrag jdr Prson,..., N zr Lklhood rrchnt sch w folgt: L T Pr(, K, T X) Π t Pr( Y t t t ) f ( ) d f ( ) Dchtfnkton dr prsonnspzfschn Fhlrtrm Da Corr(, kt ) Lklhood nfachs Prodkt

Plasblsrng ds Intgrals (/3) Datn: T, n nabhängg Varabl t Bspl : all Prsonn habn dn glchn Fhlrtrm α trtt dahr b jdr Prson mt Wahrschnlchkt af Pr(α ) L Poold Logt für Modll mt Rgrssonskonstant (α ). L T Pr(, K, T X) Π t Bsplfür Prson : Pr( Y t t t ) f ( ) d L Pr(,, ) [ Pr( α ) Pr( α )] Pr( α ) ncht dntfzrbar 3

Plasblsrng ds Intgrals (/3) Bspl : dr vrschdn Fhlrtrm snd dnkbar α, α, α 3 (z.b. -, nd für ntr-, übr- nd drchschnttlch Rskn) trtn mt ntrschdlchr Wahrschnlchkt af Pr(α ),, Pr(α ),6, Pr(α 3 ), L Wahrschnlchkt, dass ntwdr α odr α odr α 3 ztrfft Bspl für Prson : L Pr(,, ) [ Pr( α ) Pr( α ) ], [ Pr( α ) Pr( α ) ],6 [ Pr( α ) Pr( α )], 3 3 jtzt dntfzrbar 4

Plasblsrng ds Intgrals (3/3) Bspl 3: Fhlrtrm kann blbg Wrt annhmn - < α < α trtn mt ntrschdlchr Wahrschnlchkt af wrd drch Dchtfnkton f (α) bschrbn Intgraton st n Art vrallgmnrtr Addton. Bspl 3 für Prson : L L Pr( Pr(,, K, T, ) X) [ Pr( α ) Pr( α ) ] [ Pr( α ) Pr( α )] [ Pr( α ) Pr( α )] T Π t Pr( Y t t M t ) f ( ) f ( α ) f ( α ) f ( α ) d 5

Zsammnfassng Fhlrtrm FE: fstr Wrt lnars Modll: schätzbar, vgl. arg logstschs Modll: kontrollrbar RE: Zfallsvarabl nzln Wrt nntrssant gschätzt wrd ldglch hr Strng ML (lnar, logstsch): Vrtlngsannahm GLS (lnar): poold OLS Rsdn odr FE Rsdn Vorasstzng Unabhänggkt dr von dn m Modll brückschtgtn nabhänggn Varabln nd z 6

Gldrng. Möglch Analsstratgn. Logstsch Rgrsson für Panldatn a) Wdrholng: Qrschnttsdatn b) Fd Effcts c) Random Effcts 3. Vrglch vrschdnr Schätzvrfahrn 7

Bspl : Strsssmptom Übrlbnd von Hasbrändn m Gbt von Phladlpha (USA) Panldatn: ptsd.dta (s. Handot) n36 Prsonn T3 Wlln (3, 6 nd Monat nach Brand) Varabln dchotom Zlvarabl ptsd: posttramatsch Strsssmptom (nn, ja) control: Kontrollübrzgng (Skala) problms: Problm n vrschdnn Lbnsbrchn (Anzahl) svnt: Anzahl blastndr Ergnss st ltztm Intrvw cohs: Famlnzsammnhalt (Skala) t, t: Dmms für Erhbngsztpnkt (t3 Rfrnzgrpp) 8

Schätzrgbnss Varabl Poold Logt Random Effcts Fd Effcts Koff. Std. Koff. Std. Koff. Std. Konstant.446.887.3586.833 control -.9594.47 -.336.968 -.983.4 problms.956.55.3544.75.39.7 svnt.3557.84.45.86.7.343 cohs -.78.373 -.477.65 t.3566.55.559.58.794.97 t.499.4.353.394.4365.597 ln(l) -483.4-46.66 -.84 Prsonn 36 36 36 Bobachtngn 948 948 948 9

Untrschd (/4) Varabl Poold Logt Random Effcts Fd Effcts Koff. Std. Koff. Std. Koff. Std. Konstant.446.887.3586.833 control -.9594.47 -.336.968 -.983.4 problms.956.55.3544.75.39.7 svnt.3557.84.45.86.7.343 cohs -.78.373 -.477.65 t.3566.55.559.58.794.97 t.499.4.353.394.4365.597 ln(l) -483.4-46.66 -.84 Prsonn 36 36 36 Bobachtngn 948 948 948 Standardfhlr OLS klnr als Standardfhlr RE w b Ztrhnanals ntrschätzt OLS Standardfhlr, wnn srll Korrlaton ncht kontrollrt wrd poold lfrt schnbar sgnfkantr Ergbnss 3

Untrschd (/4) Varabl Poold Logt Random Effcts Fd Effcts Koff. Std. Koff. Std. Koff. Std. Konstant.446.887.3586.833 control -.9594.47 -.336.968 -.983.4 problms.956.55.3544.75.39.7 svnt.3557.84.45.86.7.343 cohs -.78.373 -.477.65 t.3566.55.559.58.794.97 t.499.4.353.394.4365.597 ln(l) -483.4-46.66 -.84 Prsonn 36 36 36 Bobachtngn 948 948 948 Standardfhlr FE größr als Standardfhlr RE FE ntzt nr Sqnzn mt Varatonn wnn ds Varaton grng st, könnn Effkt nr npräzs gschätzt wrdn 3

Untrschd (3/4) Varabl Poold Logt Random Effcts Fd Effcts Koff. Std. Koff. Std. Koff. Std. Konstant.446.887.3586.833 control -.9594.47 -.336.968 -.983.4 problms.956.55.3544.75.39.7 svnt.3557.84.45.86.7.343 cohs -.78.373 -.477.65 t.3566.55.559.58.794.97 t.499.4.353.394.4365.597 ln(l) -483.4-46.66 -.84 Prsonn 36 36 36 Bobachtngn 948 948 948 Effkt von control, problms nd svnt nhmn ab. Das mss damt zsammnhängn, dass d nbobachtt Htrogntät nd d jwlg Varabl (z.b. control) korrlrn. Erklärng: Ängstlch Prsonn, d hr Strss brchtn, habn ach grngr Kontrollübrzgngn. 3

Untrschd (4/4) Varabl Poold Logt Random Effcts Fd Effcts Koff. Std. Koff. Std. Koff. Std. Konstant.446.887.3586.833 control -.9594.47 -.336.968 -.983.4 problms.956.55.3544.75.39.7 svnt.3557.84.45.86.7.343 cohs -.78.373 -.477.65 t.3566.55.559.58.794.97 t.499.4.353.394.4365.597 ln(l) -483.4-46.66 -.84 Prsonn 36 36 36 Bobachtngn 948 948 948 FE: d Effkt ztkonstantr nabhänggr Varabln (cohs) könnn ncht gschätzt wrdn, wrdn abr kontrollrt. 33

Zm Schlss

Zsammnfassng Analsstratgn Logstsch Rgrsson ncht dsktrt Absoltwrt von Y: logstsch Rgrsson für Panld. Vrändrng von Y: ztdskrt Ergnsdatnanals FE: fd ffcts stmaton (Condtonal ML) kn ztkonstantn z möglch RE: random ffcts (Mamm Lklhood) Annahm dr Unabhänggkt dr Fhlrtrm poltom Zlvarabln Modllrng dr Vorgschcht von 35

Wchtg Fachasdrück Dtsch Englsch Dtsch Englsch Lklhood- Fnkton lklhood fncton Lklhood- Vrhältns-Tst lklhood rato tst Mamm Lklhood Schätzng mamm lklhood stmaton bdngt Wahrschnlchkt condtonal probablt Kondtonal Lklhood Schätzng condtonal lklhood stmaton Logstsch Rgrsson logstc rgrsson Odds Rato odds rato Kondtonal logstsch Rgrsson condtonal logstc rgrsson 36

Wtrführnd Ltratr Wooldrdg (3) dsktrt kn Modll für Panldatn mt katgoraln Zlvarabln. Sh abr: Kap..5 as Grn, Wllam H. (3): Economtrc Analss. 5th dton. Nw Jrs: Prntc Hall D programmtchnsch Umstzng kann man hr nachlsn: Kap. 9 as Rab-Hskth, Sopha / Evrtt, Bran (4): A Handbook of Statstcal Analss sng Stata. Boca Raton t al.: Chapman & Hall/CRC Kap. 8 as Allson, Pal D. (): Logstc Rgrsson Usng Th SAS Sstm - Thor and Applcaton. Car, NC: SAS Pblshng Andrß, H.J. / Hagnaars, J.A. / Kühnl, S. (997) En asführlch nd anwndngsorntrt Enführng n das logstsch Rgrssonsmodll fndt sch n Kaptl 5 (AHK 6-35). Hr wrdn ach ng Wtrführngn rlätrt (kondtonal logstsch Rgrsson, mltnomal Rgrsson für poltom katgoral Zlvarabln). 37

Stata-Bfhl tsst d t tds logt, noconstant tlogt, f tlogt, r Dklaraton dr Panlstrktr Bschrbng dr Panldatn Logstsch Rgrsson Rgrsson mt fd ffcts Rgrsson mt random ffcts 38