STATISTIK-FORUM.de

[Seifenblase]

Hallo zusammen,

ich hoffe hier gibt es jemanden, der mit weiterhelfen kann.
Ich führe gerade für eine Hausarbeit (Politikwissenschaft/Demokratieforschung) eine empirische Analyse mit Stata durch, mit der ich versuche, die durchschnittliche Lebenszufriedenheit eines Landes auf den Regimetyp zurückzuführen.
Als UV benutze ich Dummy-Variablen für die unterschiedlichen Regimetypen (Demokratie, Militärregime, Monarchie, Einparteienregime, begrenzte Mehrparteienregime) sowie das logarithmierte BIP pro Kopf als Kontrollvariable. Die abhängige Variable ist die durchschnittliche Lebensqualität der jeweiligen Länder (metrisch).

In Studien, die ich bisher gelesen habe, habe ich 2 Varianten von Regressionsanalysen gesehen:

1) ich nenne es mal "Gesamtregression", also alle relevanten Dummyvariablen (k-1) werden in eine Regression miteinbezogen; eine Kategorie ist die Referenzkategorie (z.B. Demokratie)

2) einzelne Regressionen für jeden Regimetyp, also jeweils nur eine erklärende Dummyvariable


Nun meine Fragen:

Sehe ich das richtig, dass der einzige Unterschied die Referenzkategorien sind? also in Variante (1) bilden z.B. Demokratien die Referenzkategorie, in Variante (2) bilden alle übrigen Regimetypen die Referenzkategorie?
Oder gibt es noch weitere Unterschiede/Vorteile/Nachteile von getrennten bzw. "Gesamtregressionen"?
Was ist eurer Meinung nach für mein Forschungsanliegen sinnvoller?

Ich bedanke mich bereits im Voraus für eure Hilfe!

[bele]

Im Fall eins erhälst Du eine gemeinsame Steigung, wie steil die Lebensqualität mit Zunahme des log(BIP) zunimmt und für jedes Regime einen eigenen y-Achsenabschnitt. Im Fall zwei erhälst Du für jedes Regime eine Steigung und einen y-Achsenabschnitt für die Lebensqualität.

Die Frage ist nun, von welchem Modell Du ausgehst: Glaubst Du an eine gemeinsame Steigung? Dann ist Modell eins Dein Freund, denn Du kannst anhand gleicher oder verschiedener y-Achsenabschnitte für die verschiedenen Regime leicht Vergleiche zwischen den Regimen durchführen. Glaubst Du nicht an eine gemeinsame Steigung sondern an lauter verschiedene Geraden zwischen log(BIP) und Lebensqualität? Dann musst Du entweder lauter verschiedene Modelle rechnen oder in einem gemeinsamen die Interaktionen zwischen Regime und log(BIP) einbeziehen. Das ist wahrscheinlich näher an der "Wahrheit" aber auch deutlich komplizierter in der Auswertung des Ergebnisses.

LG,
Bernhard

[Seifenblase]

Hallo Bernhard, lieben Dank für deine Antwort! Das hilft mir auf jeden Fall schonmal weiter.

Nun habe ich eine weitere Frage bzgl. der Interpretation der Regressionskoeffizienten.
Für die Kontrollvariable (BIP/Kopf) benutze ich, in Absprache mit meiner Dozentin, den natürlichen Logarithmus. Wie wirkt sich das auf die Interpretation aus?

In Gelman/Hill "Data Analysis Using Regression and Multilevel/Hierarchical Models" findet sich zur Benutzung des ln folgende Bemerkung:

"[...] coefficients on the natural-log scale are directly interpretable as approximate proportional differences: with a coefficient of 0.06, a difference of 1 in x corresponds to an approximate 6% difference in y."

Nun bin ich mir nicht sicher, ob das nur dann zutrifft, wenn die komplette Regressionsfunktion logarithmiert wurde, oder auch in meinem Fall, da nur die Kontrollvariable als ln verwendet wird.
Weiß da jemand näher Bescheid?

Ich freue mich über jeden Hinweis, Danke

[bele]

Das bezieht sich je auf den logarithmierten Wert. "Die ganze Gleichung" logarithmiert man nicht.

LG,
Bernhard

[Seifenblase]

Super,
vielen Dank!