STATISTIK-FORUM.de

[Timmytime]

Danke für deine Einschätzung. Die Fallzahl für die Regressionen ist N=51. Sie dient ja im Grunde nur der Veranschaulichung der 3 der Mediation untergeordneten Bedingungen die erfüllt sein müssen. Dennoch muss ich Voraussetzungen prüfen und ggfs. auf Verletzungen verweisen. Aber: Die Prüfung auf Signifikanz der Mediation erfolgt ja mit Hayes Makro und das greift ja auf die Methode des Bootstrap zurück (und ein Konfidenzintervall wird geschätzt). Soweit ich das verstanden habe, ist diese Methode auf jeden Fall gegenüber Normalverteilungsverletzungen robust. Aber bezüglich Varianzheterogenität konnte ich nicht viel finden, also ob Bootstrapping dort auch robust gegen ist. Weißt du da vielleicht was zu?

EDIT:
Hm jetzt bin ich mir schon wieder unsicher wegen der Varianzheterogenität. Habe im Field-Lehrbuch-Material folgendes Beispiel gefunden, bei dem gesagt wird, die Varianzen seien laut Streudiagramm homogen:


Ist das von mir dann nicht auch homogen? Sieht doch ziemlich ähnlich aus

[Holgonaut]

Daniel,

aber führen robuste Schätzungen der SE nicht meist zu einer Erhöhung? Von da aus sind die meisten Leute nicht gerade leicht motivierbar (ich auch nicht , solche Verfahren anzuwenden.
Außerdem überrascht mich die Aussage deines Dozenten. Dachte, VWLer interessieren sich nur für Konsistenz ))

Grüße
Holger

[daniel]

Hi Holger,

Dachte, VWLer interessieren sich nur für Konsistenz

Ich auch. Naja, was soll man sagen, er ist sehr in der Ökonometrie drin mitlerweile.

führen robuste Schätzungen der SE nicht meist zu einer Erhöhung?

In der Tat. Daher sind die Ergebnisse eher nicht signifikant. Meine (eher intuitiv, als statistisch/mathematische) Argumentation ist nun folgende: Wenn die Ergebnisse mit robusten Standardfehlern signifikant sind, dann sind sie es auch ohne (und das muss ich nicht mal testen, weil effiziente Fehler immer kleiner sind, sonst wären si nicht effizient), also tendenziell eher vertrauenswürdig. Wenn umgekehrt die Ergebnisse mit robusten Fehlern nicht mehr siginifgikant sind, dann wirft das (abhängig von Stichprobe etc.) tendenziell Zweifel am Modell bzw. der Theorie auf. Anders gesagt, ich wäre skeptisch ein Modell bzw. eine Theorie als bestätigt anzunehmen, wenn lediglich die OLS Standardfehler zu signifikanten Ergebnissen führen, die robusten dagegen nicht. Wieso dann nicht gleich robust schätzen?

Grüße

[Timmytime]

Hi,

also bezüglich des einen bivariaten Regressionsfalles habe ich noch was gefunden in einem Buch:

Man kann die Residalvariable mit dem Levene-Test prüfen, wenn man sie in 2 Gruppen teilen kannen (z.B. mittels Mediansplit). Noch besser wenn die UV in 2 Gruppen vorliegt (was bei mir der Fall ist). Es resultiert ein Ergebnis von 0,087. Kann ich das bezüglich des Levene-Tests als nicht signifkant interpretieren? Ich frage deshalb, weil es neben dem 0,01 und 0,05-Niveau (da liegt 0,087 ja drüber) ja mit 0,1 noch die "marginale Signifikanz gibt". Ich habe die 0,087 jetzt als nicht signifikant deklariert und daraus geschlussfolger dass die Varianzen ausreichend homogen sind.

Bezüglich der multivariaten Regression geht das nicht ganz so einfach glaube ich. Ich bin mir nach wie vor nicht sicher, ob das Diagramm ausreichend varianzhomogen aussieht.
Z.b ganz links bei -2 streut es etwas weniger. Würdet ihr das Diagramm eher als varianzhomogen oder varianzheterogen bewerten?