STATISTIK-FORUM.de

[mariiiie]

Hallo zusammen,

ich habe eine relativ große Grundgesamtheit (n >200.000), die sich allerdings laufend, wenn auch langsam, vergrößert. Das Regressionsmodell soll für Prognosen genutzt werden und eine Vollerhebung ist kein Problem, da sekundärstatistische und verfügbare Daten. Nun habe ich eine Frage zu den Standardfehlern. Wenn ich genau zum jetztigen Zeitpunkt meine Daten für das Modell erhebe, habe ich ja theoretisch eine Vollerhebung und man könnte argumentieren, dass der Standardfehler dann zB Null ist (Stichwort infinite population correction factor). Wenn sich die Grundgesamtheit jedoch laufend ändert, man also genau weiß, dass man wenige Augenblicke später schon nichtmehr alle Beobachtungen hat, wie ist dieser Umstand dann zu berücksichtigen? Wie wird übrigens bei Vollerhebung mit Standardfehlern und Signifikanzen umgegangen? theoretisch wären ja gar keine Signifikanztests mehr möglich und ich habe meine "echten" Regressionsparameter? Oder trägt der Fehlerterm auch dann noch zB der Fehlspezifikation des Modells Rechnung? Bin etwas verwirrt

Danke und LG!

[DHA3000]

Was soll das für ein Datensatz sein, wo sich die Grundgesammtheit permanent ändert?
Was für ein Modell willst du überhaupt schätzen?
Und was soll es für Prognosen liefern?

Meine erste Intention war, du kommst aus dem SoWi-Bereich, nimmst das SOEP und beantwortest irgendwelche Standardfragen. Aber irgendwie schinst du ja was anderes zu tun.
Beantworte bitte erst einmal diese Fragen, bevor du neue Threads aufmachst. Das mit den Standardfehlern verstehe ich nicht. Wenn du neue Informationen hast, wird das Modell entsprechend auch neu geschätzt...

[mariiiie]

Es geht um einen Autoverleih. Dort soll der Zeitpunkt der Autorückgabe zur besseren Auslastungsplanung besser prognostiziert werden. (Pünktliche Rückgabe = 0, zu früh = positiv, zu spät = negativ, in Tagen). Ich möchte untersuchen, ob und welche Einflüsse auf diesen Zeitpunkt einwirken, damit auf dieser Basis ein statisches Modell in deren EDV integriert werden kann. Ob das nun sinnvoll ist oder nicht - ich habe alle in der Geschichte des Autoverleihs getätigten Vermietungen als Daten vorliegen und kann diese auch verarbeiten (Vollerhebung). Nun möchte ich aufgrund dieser Daten ein lineares multiples Regressionsmodell schätzen. Da jeden Tag neue Wagen verliehen werden, Frage ich mich wie ich diese Tatsache am besten berücksichtige? Evtl nur bei der Interpratation des Modells? Ich habe u.a. in diesem Paper (http://www2.sowi.uni-mannheim.de/gschwend/pdf/publications/BroscheidGschwend2005_Zur_statistischen_Analyse.pdf) etwas darüber gelesen, allerdings auch andere Ansätze im Netz gefunden - in meiner Literatur die ich mir ausgeliehen habe, finde ich leider auch nichts dazu!

P.S. Sorry für den neuen Thread! Und danke für eure beständige Hilfe, das bringt mir wirklich sehr viel
Liebe Grüße

[DHA3000]

Gut, du schätzt also täglich ein Regressionsmodell immer und immer wieder, nur dass sich N erhöht und du möglicht viele Kontrollvariablen hast. Dann solltest du über die Zeit möglichst präzieser-werdende Schätzungen bekommen.
Dann kannst du auch Szenario-Analysen erstellen. Also wenn es zum Beispiel um Feiertage geht, irgendwelche Großveranstaltungen, usw.