STATISTIK-FORUM.de

[Dome]

k, danke für deine einschätzungen! aber stimmt es wirklich, dass Heteroskedastie die Regressionskoeffizienten nicht beeinflusst? Bei einer normalen QLS-Regression habe ich gelesen, dass hier die Schätzwerte dann nicht die kleinst mögliche Varianz aufweisen!

Ok ich habe gerade selbst gemerkt, dass das natürlich das selbe ist:
Keine effizienten Schätzwerte der Regressionskoeffizienten = Standardfehler der Regressionskoeffizienten sind verzerrt...

[daniel]

Bei einer normalen QLS-Regression

Ich nehem an Du meinst OLS?

aber stimmt es wirklich, dass Heteroskedastie die Regressionskoeffizienten nicht beeinflusst? [...] ich [habe] gelesen, dass hier die Schätzwerte dann nicht die kleinst mögliche Varianz aufweisen!

Ja, das ist es, was ich sagte. Varianz = Standardfehler^2. Das hat nichts mit der Unverzerrtheit (Erwartungstreue und Konsistenz) der Koeffizienten zu tun.

[Dome]

ja, wie du siehst habe ich mich bereits selbst korrigiert^^
danke nochmal für deine hinweise!

[Dome]

Hei, habe noch eine Frage zu dem Thema:

Der "r^2 linear"-Wert rechts von den Tabellen beschreibt doch, ob zwischen geschätzten Residuen und geschätzten Werten ein linearer Zusammenhang ist, oder? Also, wenn ich da etwa einen Wert von 0 rausbekommen, heißt das nicht, dass es keinen linearen Zusammenhang zwischen erklärender und erklärter Variable gibt (sprich, ich kann dennoch eine lineare regression durchführen)?

[daniel]

Der "r^2 linear"-Wert rechts von den Tabellen beschreibt doch, ob zwischen geschätzten Residuen und geschätzten Werten ein linearer Zusammenhang ist, oder?

Weiß ich nicht, ich kenne SPSS nicht gut genug. Das sollte aber irgendwo im manual stehen.

Also, wenn ich da etwa einen Wert von 0 rausbekommen, heißt das nicht, dass es keinen linearen Zusammenhang zwischen erklärender und erklärter Variable gibt

Nein. Wenn der Wert das aussagt, was Du oben beschreibst, dann hat das nichts mit dem Zusammenhang zwischen Prädikator (erklärender Variable) und outcome (erklärter Variable) zu tun, sondern bezieht sich auf den Zusammenhang zwischen Residuen und vorhergesagten Werten.

[DHA3000]

k, danke für deine einschätzungen! aber stimmt es wirklich, dass Heteroskedastie die Regressionskoeffizienten nicht beeinflusst? Bei einer normalen QLS-Regression habe ich gelesen, dass hier die Schätzwerte dann nicht die kleinst mögliche Varianz aufweisen!

Nun, stell dir das ganze doch mal Bildlich vor: Du hast eine Schätzgerade durch eine Punktewolke gelegt und variierst nun die Beobachtungen von einer gleichmäßigen Verteilung hin zu einem "Trichter". Ändert sich dadurch die Lage der Gerade? Nein. Also ändert sich auch nicht der geschätzte Koeffizient. Deine Schätzung ist also weiterhin unverzerrt. Was sich aber ändert, sind die Standardfehler und das widerum hat Einfluss auf deine Konfidenzintervalle. Das schlimmste, was dir also passieren kann, ist dass du eine Variable als signifikant betrachtest, obwohl sie es - nach berücksichtigung von Het. garnicht ist.