STATISTIK-FORUM.de

[Ramona F.]

Hallo Zusammen!

Im Rahmen einer Panelregression bin ich auf folgendes Problem gestoßen:
Das Ergebnis einer meiner Regressionsgleichungen zeigt einen signifikant positiven Zusammenhang zwischen einer untersuchten Variable und der abhängigen Variable. Stelle ich das Ganze graphisch anhand eines Scatterplots (mit eingezeichneter Linie der "fitted values" ) dar, kann man (klar) einen negativen Zusammenhang erkennen.

Weiß jemand unter euch, wie ich dieses Ergebnis interpretieren soll?

Dankeschön!!

Viele Grüße
Ramona

[bele]

Hallo Ramona,

sei doch so nett und posten den Scatterplot und die Ausgabe Deines Statistikprogramms. Irgendwo liegt ein Fehler/Missverständnis vor und zwar am ehesten zwischen dem Programmoutput und Deiner Interpretation. Da ist es sinnvoll, wenn man beides kennt.

LG,
Bernhard

[Ramona F.]

Hallo Bernhard,

danke für die schnelle Antwort! Wenns nur ein Interpretationsfehler wäre, wäre ich glücklich Es geht um die Variable DIO. Laut Scatter sinkt ROA (die abhängige Variable) mit steigenden DIO. Laut Stata Output steigt die ROA aber mit steigenden DIO.

Danke für deine Hilfe!

Viele Grüße

[Ramona F.]

Ok, das war wohl zu klein.Ich poste mal ein etwas größeres Bild des wichtigen Stata Outputs. Sorry

[bele]

Ok, jetzt muss ich mich outen, dass ich von Panelregression und von Stata nichts verstehe. Was ich sehe ist ein Graph mit einer roten Geraden, die mit 2 Koeffzienten zu beschreiben ist und eine Tabelle in der 4 Koeffizienten beschrieben werden. Es handelt sich also um unterschiedliche Modelle. Wer Dir antwortet muss wohl verstehen, wofür CR, lever und GROWTH stehen.

Sorry,
Bernhard

[DHA3000]

Was ist denn das obere Bild? Eine bivariate Regression, oder wie?

[Ramona F.]

Der Graph ist der Scatterplot, also das Streudiagramm bzgl. der Rendite ROA (abhängige Variable) und den DIO( gemessen in Tagen, unabhängige Variable). Die rote Linie sind die "predicted/fitted values".

Hoffe, mir kann doch noch jemand eine Erklärung dafür geben

[DHA3000]

Ja nun, was ist jetzt das Problem? Augenscheinlich kontrollieren deine anderen Variablen im Modell diesen Effekt.
Warum schaust du dir denn überhaupt den Plot an?
Vergleiche die beiden Modell mit einander, bzw. ihrer Güte, dann hast du auch stichhaltige Argumente.

Und die ein oder andere Korrektur für eine Panel-Regression wäre vielleicht auch nicht schlecht. Oder was stellen diese Variablen überhaupt dar?