und zwar habe ich in voller Allgemeinheit ein Modell wie
Nachdem ich lange über den Sachverhalt, welcher dem Modell zugrunde liegt, nachgedacht habe konnte ich nicht wirklich die Struktur der endogenen erklärenden Variablen in den obigen Gleichungen reduzieren. Außerdem kann ich nur sehr schwer exogene Regressoren (sind alle in der X-Matrix enthalten) ausschließen.
Das Thema meines Modells betrifft das Studienverhalten von Bachelorstudenten. Die abhängigen Variablen entsprechend somit die Note, die Anzahl benötigter Semester bis zum Abschluss, sowie die durchschnittliche Anzahl benötigter Prüfungsversuche.
Als erstes habe ich IV, 2SLS, 3SLS ausprobiert jedoch wie schon bereits angedeutet passen diese Methodiken nicht zu der vorliegenden Situation, weil sich keine geeigneten Instrumente finden lassen. Wenn ich dennoch einige Variablen ausschließe, so ist der IV/2SLS/3SLS fit sehr schlecht, weil schon die erste Stufe von 2SLS einen sehr schlechten fit liefert (aufgrund der schwachen Instrumente).
Als nächstes habe ich einen Ansatz probiert, welcher ohne Ausschlusskriterien auskommt. Dieser Ansatz, der sog. Rank-Order-Variablen erstellt (nach. Vella) und diese als Instrument benutzt um somit das Endogenitäts- und Identifikationsproblem zu lösen benutzt die Residuen der reduced-form der jeweiligen endogenen erklärenden Variablen.
Zwar wurde darüber ein Paper veröffentlicht jedoch bin ich mir nach mehreren Simulationsstudien ziemlich sicher, dass das auftretende Multikoliniearitätsproblem diesen Ansatz unbrauchbar macht.
Ich weiß nun nicht weiter und hoffe, dass Ihr mir vlt ein paar Anregungen oder Tipps geben könnt
Grüße
Druss
