STATISTIK-FORUM.de

[Demian]

Hallo,

ich möchte meine multiple Regression auf Heteroskedastizität prüfen. Da in SPSS leider keine Tests integriert sind, bleibt mir ja nur die grafische Überprüfung.
Jetzt habe ich eine Grafik, die aber irgendwie nicht den typischen Lehrbuchbeispielen folgt.

Was kann ich jetzt aus dieser Grafik folgern und wie interpretiere ich sie richtig?

[Streuner]

Falls du dich nicht nur auf SPSS versteifen willst, könntest du schauen ob andere Software implementierte Tests haben, denn Tests auf Heteroskedastizität gibt es schon, siehe: White-, Breusch-Pagan-, Goldfeld-Quandt-Test

Allgemein gesagt: Wenn die Streuung der Residuen von der erklärenden Variablen oder der Prognosse abhängt, dh ein Muster erkennbar ist, liegt (vermutlich) Heterosked. vor.

In deinem Fall würd ich darauf tippen, dass Heterosked. vorliegt, da deine Residuen eine parallel verschobene Linienstruktur aufweisen.

Wie gesagt, testen kann (und müsste) man dies mit obigen Tests, welche z.B. in R implementiert sein müssten.


Mit freundlichen Grüßen,

M.

[daniel]

Ich stimme Streuner zu, der plot deutet auf Heteroskedastie hin. Da sich nun direkt die Frage anschließt, was Du zu tun gedenkst, wiederhole Streunders Frage: bist Du versteift auf SPSS? Falls ja, dann hast Du vermutlich ein Problem, da robuste Standardfehler, die eine relativ simple Behandlung des Problems erlauben, in dieser Software ebenfalls nicht implementiert sind. Es lässt sich allerdings in den Tiefebn des www sicher eine Makro dazu finden.

Vielleicht ist Dein Modell aber auch nicht gut spezifiziert.

[Demian]

Hey, danke für die schnellen Antworten.
Werde mich dann mal um eine andere Software bemühen und mich mit der Behandlung des Problems auseinandersetzen.

Aber trotzdem dazu noch mal zwei weiterführende Fragen :
Mein Ziel ist der Vergleich der Beta Koeffizienten verschiedener Regressionen mit den gleichen unabhängigen und zwei verschiedenen abhängigen Variablen.
1. Ist dies bei vorliegender Heterosked. ein Problem oder kann das toleriert werden?

2. Und kennt ihr ein Verfahren zum Testen der Koeffizienten aus zwei Regressionen auf Gleichheit (oder Ungleichheit)?

[Demian]

Habe den Breusch-Pagan / Cook-Weisberg Test in Stata durchgeführt:

chi2(1) = 5.20
Prob > chi2 = 0.0226

Wie interpretiere ich die Ergebnisse nun? Wenn ich das richtig verstanden habe wird die null-Hypothese es liegt Homoskedastizität vor (signifikanzniveau < 0,05 - Prob >chi2) abgelehnt --> also ich habe hier eindeutig eine Heteroskedastizität vorliegen, oder?

P.S. kann mir keiner meine letzten beiden Fragen beantworten oder habe ich sie unklar formuliert? Da der Vergleich der Koeffizienten einen wesentlichen Teil in meiner Abschlussarbeit ausmacht bin ich für jeden Hinweis dankbar.

[daniel]

Wenn ich das richtig verstanden habe wird die null-Hypothese es liegt Homoskedastizität vor (signifikanzniveau < 0,05 - Prob >chi2) abgelehnt --> also ich habe hier eindeutig eine Heteroskedastizität vorliegen, oder?

Ja.

kann mir keiner meine letzten beiden Fragen beantworten oder habe ich sie unklar formuliert? Da der Vergleich der Koeffizienten einen wesentlichen Teil in meiner Abschlussarbeit ausmacht bin ich für jeden Hinweis dankbar.

Schau mal unter dem Stichwort "multivariate regression" nach. Jetzt, wo Du schon mit Stata arbeitest, tippe

. h mvreg

und click Dich auch gleich ins pdf durch. Dein Ansatz sollte vermutlich in etwa folgender Maßen aussehen:

Code: Alles auswählen

mvreg depvar1 depvar2 = indepvar1 indepvars
test [depvar1]indepvar1 = [depvar2]indepvar1


[Demian]

Also ich glaube Stata wird mein Freund .

Danke für Deine großartige Hilfe. Habe den Test auch in der Hilfe gefunden, allerdings ist mir noch nicht ganz klar wie (einfacher t-test, wald test?) und was (b-Werte oder Beta) genau getestet wird. Werden die b-Werte verwendet kann mir doch die Heteroskedastizität für den Vergleich der Koeffizienten im Prinzip egal sein?

Gibt es eigentlich auch eine deutsche Dokumentation für Stata, ich trau meinen Englisch-Kenntnisen bei statistischen Erklärungen nicht so ganz (kann aber auch an meinen statistischen-Kenntnissen liegen )?

[Demian]

Leider sind die bisherigen Vorschläge nach eingehender Prüfung nicht für mein Vorhaben geeignet, weshalb ich meine Suche fortsetzen musste.

Inzwischen habe ich nun eine Formel gefunden, von der ich hoffe, dass sie passt und so weit in Excel für eine schnelle Berechnung nachgebaut. Die Formel habe ich im Buch "Statistik verstehen" gefunden :

http://books.google.de/books?id=9btslo-JoIQC&pg=PA146&lpg=PA146&dq=vergleich+zweier+regressionskoeffizienten&source=bl&ots=MbvsoYFS5_&sig=bX8FfSjnZpHydteXJMVyWM5GhpM&hl=en#v=onepage&q=vergleich%20zweier%20regressionskoeffizienten&f=false

Jetzt bin ich mir allerdings doch unsicher, ob sie tatsächlich auf mein Problem passt und hoffe hier kann mir ein Experte im Forum weiterhelfen .

Meine Untersuchungsidee noch mal in Kürze: ein Datensatz, zwei multivariate Regressionen zweier unabhängiger Variablen mit den gleichen erklärenden Variablen. Nun soll der genannte T-Test prüfen ob die beiden Koeffizienten einer erklärenden Variablen zwischen den beiden Regressionen signifikante Unterschiede aufweisen.

Ich hoffe mich verständlich ausgedrückt zu haben und würde mich sehr über weiter Hilfen freuen.

[fritz_2007]

Hallo,

ich stelle hier mal meine Frage, wenn wir schon beim Thema sind. Habe das Prinzip der grafischen Analyse von Heteroskedastizität noch nicht ganz verstanden.

Woran könnte ich jetzt an diesem Bild (mit linearer fit-line) ob Heteroskedastizität vorliegt oder nicht? Es sieht schon recht gleichmäßig verteilt aus, allerdings gibt es einzelne Ausreißer.. Was wär Eurer Ansatz?



Grüße,
Fritz

[DHA3000]

Es gibt nicht so etwas wie eine sinnvolle "grafische Analyse". Was soll die auch bringen?
"Ja, meine Daten sehen ein bischen nicht gleichmäßig um die Nulllinie verteilt aus und dann nehme ich einmal Het. an." Und nun? Also sind die Aussagen meines Models ein bischen für die Katz.
Entweder man führt einen Test auf Het. durch und korrigiert im Anschluss die Struktur der Residuen oder man lässt es ganz bleiben.

Übrigens liegt Het. in nahezu jedem Modell vor. Het. ist die Regel und Homoskadestizität die Ausnahme.