STATISTIK-FORUM.de

[Berry]

Hallo Zusammen.

Ich bin schon wieder auf Eure Hilfe angewiesen. Ich habe in meinem ursprünglichen Modell heteroskedastische Fehler und führe daher eine gewichtete Regression durch. Als Folge resultiert neben etwas besseren Bestimmtheitsmaß ein Residuenstandardfehler, der doppelt so hoch ist als im ungewichteten Modell. Dadurch werden doch meine Koeffizientenschätzer ungenauer. Eigentlich liefert die gewichtete Regression robustere Schätzungen. Ist die höhere Modellvarianz der Preis für diese höhere Robustheit?

[Berry]

Anscheinend ist es noch so eine blöde Frage von mir, denn ich kan mir nicht vorstellen, dass niemand in diesem eine Antwort auf sie hat. Ich bitte Euch Leute, schreibt mal wenigstens, wo ich mich unverständlich ausgedruckt habe bzw. wo genauer meine Frage Euch als blöd vorkommt.

[daniel]

Wir haben in einem anderen Thread (regressionanalyse-f11/interaktionseffekt-t1190-10.html) mal den Unterscheid zwischen robuster Regression und und Regression mit robusten Standardfehlern andiskutiert. Mir ist nicht ganz klar, was Du hier gemacht hast, aber da sich der Modelfit verändert, tippe ich darauf, dass Du bewusst und korrekter Wesie den Ausdruck "robuste Regression" gewählt hast. Soweit ich das im Blick habe, sollten die Standardfehler bei korrekt spezifizierter GLS Schätzung effizient sein. Ich bin aber nicht sicher, ob Du die Standardfehler der beiden Modelle einfach vergleichen kannst. Wenn das erste Modell heteroskedastisch ist, dann sind die Standradfehler verzerrt, also schlicht falsch. Sie können fäslchlicher Wesie zu hoch, aber auch fälschlicher Weise zu klein sein.