STATISTIK-FORUM.de

[fabian.unisg]

Hallo zusammen, bin neu hier und bedanke mich schon im Voraus für eventuelle Ratschläge/Tipps. Teilweise verwende ich englische Ausdrücke, da meine Auswertungen/Arbeit in Englisch verfasst sind. Ich arbeite zurzeit an einer multiplen Regressionsanlayse (stepwise) mit Fixed Effects in SPSS. Die Frage bezieht sich vermutlich eher auf Statistik allg. als SPSS.

Mein Modell besteht aus einer abhängigen Variable (DV), drei unabhängigen Variablen (IV1, IV2, IV3) und einer Kontrollvariable (CV). Zudem werden zwei verschiedene Fixed Effects (FE1, FE2) in das Modell eingefügt. FE1 besteht aus 507 Dummy Variablen, FE2 aus 173 Dummy Variablen. Wenn eine simultane multiple Regressionsanalyse (entered) mit nur FE1 gefahren wird, ist R square = 0.23 (VIFmax < 3). Mit nur FE2 ist R square = 0.45 (VIFmax < 2).

Wenn ich dann eine stepwise multiple Regressionsanalyse mit allen IVs, CV und FE1 durchführe, haben sämtliche IVs einen signifikanten (aber tiefen) R square change Wert, ausser der Kontrollvariable, welche im Modell nicht berücksichtigt wird. Wenn ich aber eine stepwise multiple Regressionsanalyse mit allen IVs, CV und FE2 durchführe, werden alle IVs aus dem Modell ausgeschlossen, ausser die Kontrollvariable, welche einen minimalen aber signifikanten R square change Wert hat. Zusatzinformation: Die simple linear Regressionsnanalysen für die einzelnen Variablen ergeben folgende R square Werte: IV1 = 0.017, IV2 = 0.015, IV3 = 0.002, CV = 0.001.

Weiss jemand, was diese Resultate über den Zusammenhang zwischen den IVs, CV und Fixed Effects aussagen? Oder welche zusätzlichen Tests durchgeführt werden könnten, um die Zusammenhänge zu verstehen? Ich verstehe nicht, warum die IVs beim FE1 einen Teil der Varianz der DV erklären (die CV aber nicht), beim FE2 aber genau umgekehrt nur die CV einen Teil der DV-Varianz erklärt.

Vielen Dank! Fabian

[strukturmarionette]

Hi,

- N?
- Worum geht es konkret fachlich, modelltheoretisch?

Gruß
S.

[fabian.unisg]

Hi, danke für Deine Rückfrage.

Die Arbeit untersucht den Einfluss verschiedener Faktoren (IV, CV) auf die Genauigkeit von Einschätzungen (DV) von Finanzanalysten zu verschiedenen Unternehmen. Die Fixed Effects beziehen sich auf die gegebenen Unterschiede von Unternehmen ("einige Industrien/Unternehmen sind einfacher einzuschätzen als andere, unabhängig von meinen Predictors") respektive Analysten ("einige Analysten sind grundsätzlich besser als andere, unabhängig von meinen Predictors"). N = 18'000, das heisst es werden 18'000 Einschätzungen von ca. 500 Analysten zu ca. 170 Unternehmen untersucht.

Hoffe, das hilft weiter.

[strukturmarionette]

Hi,

- also zwei UVs und eine AV mit N =18 000?

FE1 besteht aus 507 Dummy Variablen

- wie kann das verstanden werden?

Gruß
S.

[fabian.unisg]

Hi,

Bzgl. UV/AV: Nein, wie oben geschrieben besteht mein Modell insgesamt aus drei UVs (plus eine KV) und einer AV. Richtig ist, dass die Stichprobengrösse N = 18'000 ist.
Bzgl. Dummy Variable: Vermutlich eher ein technisches Detail um die gewünschten Effekte in das Modell zu integrieren. Hier handelt es sich bspw. um den "Analysteneffekt" – da ich 507 Analysten habe, wurde für jeden Analysten eine Dummy-Variable eingefügt, welche bei jeder der 18'000 Einschätzungen angibt (0/1), von welchem Analyst diese Einschätzung stammt.

Danke!