ich habe mich im Rahmen meines Studiums das erste mal so richtig mit einer Regressionsanalyse in Stata beschäftigt und würde gerne wissen inwieweit mein erstelltes Modell zu gebrauchen ist bzw. welche Fehler ich gemacht habe und was ich besser machen kann.
Wie der Titel bereits verrät geht es um das Gravitationsmodell nach Tinbergen, welches um einige Variablen angepasst wurde. Ich wollte herausfinden inwieweit der EU-Beitritt Kroatiens zu Exportsteigerungen in die EU-Länder geführt hat.
Die Daten für das Modell habe ich zum einen aus dem "ITPD-E Release 2", welcher Handelsdaten von Ländern in verschiedenen Branchen von 1986 - 2019 beinhaltet (https://www.usitc.gov/data/gravity/itpde.htm) und zum anderen aus dem Datensatz "Dynamic Gravity Dataset (DGD)", welcher Charakteristiken und Beziehungen zwischen den Ländern beschreibt (https://www.usitc.gov/data/gravity/dgd.htm). Da ich das gesamte Handelsvolumen, und nicht das Handelsvolumen über einzelne Branchen, betrachten möchte, habe ich die Branchen jeweils aufsummiert. Anschließend habe ich die beiden Datensätze über die iso3-Kennung der Länder und das Jahr verbunden. Da Kroatien 2013 der EU beigetreten ist, habe ich mir gedacht ich schaue mir die Jahre 2012 und 2014 an, um unmittelbare Auswirkungen des Beitritts messen zu können. Also wurden alle andere Jahre und Exportländer aus dem Datensatz entfernt.
Ebenfalls wurden einige Variablen logarithmiert und folgende Regression durchgeführt:
- Code: Alles auswählen
reghdfe lntrade lngdp_d lndistance contiguity common_language member_eu_d member_eu_joint, absorb(exp_year) nonconst
Variablenerklärung:
- trade, beschreibt die Exporte Kroatiens in Millionen US-Dollar
- gdp_d, beschreibt das BIP des Handelspartners
- distance, beschreibt die Distanz zwischen dem bevölkerungsgewichteten
Durchschnitt der Stadt-zu-Stadt Entfernung in Kilometern
- contiguity, Dummyvariable, welche 1 ist, wenn die beiden Staaten eine gemeinsame Grenze besitzen
- common_language, Dummyvariable, welche 1 ist, wenn die Bewohner der
betrachteten Staaten mindestens eine gemeinsame Sprache sprechen
- member_eu_d, Dummyvariable, welche 1 ist, wenn der Handelspartner EU-Mitglied ist
- member_eu_joint, Dummyvariable, welche 1 ist, wenn beide Staaten EU-Mitglieder sind
reghdfe ist aus einem Stata package, welches erlaubt viele Ebenen von fixed effects zu benutzen. Dies Art von Regression wurde vorher im Kurs ebenfalls benutzt, daher habe ich diese genommen.
Als Ergebnis erhalte ich folgendes:
Auf den ersten Blick soweit in Ordnung, würde ich laienhaft vermuten.
Das BIP des Handelspartners und die Entfernung sind, wie zu erwarten, hoch signifikant. Gemeinsame Grenzen scheinen nur am 10%-Signifikanzniveau signifikant zu sein. Eine gemeinsame Sprache ist ebenfalls signifikant. Und die EU-dummys zeigen auch keine signifikanten Effekte, was in Hinsicht darauf, dass Kroatien bereits in den 2000er Jahren Handelsabkommen (WTO, Stabilisierungs- und Assoziierungsabkommen (SAA)) mit EU-Ländern pflegte, erklärbar ist.
Nur frage ich mich, kann das wirklich alles so stimmen und ist meine Regression richtig? Ich habe das mit den fixed effects noch nicht so ganz verstanden, wie man diese in der Praxis in dem Beispiel anwendet.
do-File:
- Code: Alles auswählen
*******************************
***** Installing Packages *****
*******************************
ssc install reghdfe
ssc install ftools
**************************
***** Importing Data *****
**************************
***** Gravity Variables********
insheet using "release_2.0_2000_2016.csv", clear
save "gravity_variables.dta", replace
***** Trade Data *****
insheet using "ITPD_E_R02.csv", clear
keep trade exporter_iso3 exporter_name importer_iso3 importer_name year
collapse (sum) trade, by(exporter_iso3 exporter_name importer_iso3 importer_name year)
rename exporter_iso3 iso3_o
rename importer_iso3 iso3_d
keep if iso3_o == "HRV"
save "trade_data.dta", replace
**************************
***** Merge Datasets *****
**************************
use "trade_data.dta", clear
drop exporter_name importer_name
merge 1:1 iso3_o iso3_d year using "gravity_variables.dta"
drop if _merge == 2
save "trade_with_gravity.dta"
****************************
***** First Regression *****
****************************
use "trade_with_gravity.dta", clear
keep if iso3_o == "HRV"
drop if year > 2014
drop if year < 2012
drop if year == 2013
* Transforming variables
gen lntrade = ln(trade)
gen lngdp_o = ln(gdp_wdi_const_o)
gen lngdp_d = ln(gdp_wdi_const_d)
gen lndistance = ln(distance)
egen exp_year = group(iso3_o year)
* Regression
reghdfe lntrade lngdp_d lndistance contiguity common_language member_eu_d member_eu_joint, absorb(exp_year) noconst
