STATISTIK-FORUM.de

[tobi_1980]

Hallo zusammen!

Ich möchte den Zusammenhang zwischen Kriminalität und der demographischen Altersstruktur in Regionen untersuchen und habe eine Frage, welche von 2 verschiedenen Spezifikationen zur Erfassung der Altersstruktur sinnvoller ist.

1) ln krm = alpha + beta1*ln age0-14 + beta2*ln age15-29 + beta3*ln age40-64 + beta4*ln age65-99 + beta5*lnX

Dabei ist krm die Anzahl der Delikte pro 1 Mio. Einwohner, und die Gruppen age jeweils die Anzahl der Einwohner in der jeweiligen Altersgruppe (0-14, 15-29, 40-64, 65-99), und X sind ein paar Kontrollvariablen. Alle Variablen sind logarithmiert.

Oder alternativ:

2) ln krm = alpha + beta1*(age15-29/age0-99) + beta2*(age40-64/age0-99) + beta3*(age65-99/age0-99) + beta4*lnX

Diese Spezifikation unterscheidet sich insofern, dass nun die prozentualen Anteile der Altersgruppen zur Gesamtbevölkerung erfasst werden (Anzahl Einwohner in Altersgruppe xy/Gesamtanzahl Einwohner), und der Logarithmus nun für die Altersgruppen weggelassen wird (da sie ja schon in Prozenten ausgedrückt werden). Um Multikollinearität zu umgehen, wird zudem die Altersgruppe 0-14 Jahre weggelassen.

Für beide Spezifikationen bekomme ich ähnliche Ergebnisse, wobei die Koeffizienten in der Spezifikation 1) deutlich signifikanter und ausgepägter sind. Welche Spezifikation ist eurer Ansicht nach zu präferieren, bzw. wie ändert sich die Aussage zwischen 1) und 2)? Insbesondere da, krm ja pro Mio. Einwohner gemessen wird.

Freue mich über euer Feedback!

VG Tobias

[PonderStibbons]

Alle Variablen sind logarithmiert.

Wieso dieses? Und wie groß ist die Stichprobe (Zahl der betrachteten Regionen)?

Mit freundlichen Grüßen

P.

[tobi_1980]

Hallo!

Die Stichprobe enthält 23 Regionen, für die jeweils 24 Beobachtungszeitpunkte (1985-2008) vorliegen. Es ist also ein Paneldatensatz mit über 500 Beobachtungen. Unbeobachtete Heterogenität wird durch ein Fixed efffects Model herausgefiltert. Ausserdem habe ich Zeit-Dummies für jedes Beobachtungsjahr eingeführt.

Ich hatte Anfangs ein Model ohne log-Spezifikation, jedoch entsprachen die Ergebnisse nicht meinen Erwartungen, die log-Spezifikation trifft sie dagegen deutlich besser. Ich habe auch festgestellt, das die Variablen zumeist in der log-Form deutlich näher einer Normarlverteilung folgen als ohne log. Ausserdem habe ich ähnliche Studien gesehen, die eine log-Spezifikation nutzen, auch wenn die Autoren ihre Wahl nicht explizit begründen.

Insgesamt weiss ich jedoch nicht, inwiefern die oben angegebenen Punkte eine log.Spezifikation rechtfertigen.

Beste Grüße,
Tobias