weiterfu ̈ hrende statistische methoden fu ̈ r politikwissenschaftler georg wenzelburger /...

Weiterfuhrende statistischeMethoden furPolitikwissenschaftlerGeorg Wenzelburger / Sebastian Jäckle / Pascal KönigISBN: 978-3-486-75163-5

© 2014 Oldenbourg Wissenschaftsverlag GmbH

Abbildungsubersicht / List of Figures

Tabellenubersicht / List of Tables

Weiterfuhrende statistische Methoden fur Politikwissenschaftler, Georg Wenzelburger / Sebastian Jäckle / Pascal König

ISBN 978-3-486-75163-5 © 2014 Oldenbourg Wissenschaftsverlag GmbH

2

Abb. 2.1: Streudiagramm uber euimage und eubenefit



3

Output 2.1: Korrelationsmatrix



4

Abb. 2.2: Scatterplotmatrix



5

Abb. 2.3: Bivariate Regression von euimage auf eucapable



6

Output 2.2: Bivariate Regression



7

Output 2.3: Bivariate Regression mit standardisierten Koeffizienten



8

Output 2.4: Multiple Regression



9

Output 2.5: Multiple Regression mit standardisierten Koeffizienten (Ausschnitt)



10

Abb. 2.4: Standardnormalverteilung und 95% Konfidenzintervall



11

Abb. 2.5: Standardnormalverteilung und 95 % Konfidenzintervall



12

Tab. 2.1: Diagnose und Handhabung von Problemen bei Regressionsmodellen



13

Abb. 2.6: Streudiagramm der Residuen fur eubenefit



14

Output 2.6: Breusch-Pagan-/Cook-Weisberg Test



15

Output 2.7: Multikollinearität und Varianz-Inflationsfaktor



16

Output 2.8: Test auf Normalverteilung der Residuen



17

Abb. 2.7: Geglättete Kurve der Residuenverteilung



18

Output 2.9: Studentisierte Residuen



19

Output 2.10: DFFITS-Werte



20

Abb. 3.1: Kausalstrukturen direkter und interaktiver Zusammenhänge



21

Abb. 3.2: Interaktionseffekte grafisch



22

Output 3.1: Regression mit Interaktion bei dichotomer Z-Variable



23

Tab. 3.1: Interaktionseffekt und vorhergesagte Werte



24

Abb. 3.3: Empirischer Interaktionseffekt bei dichotomer Z-Variable



25

Abb. 3.4: Interaktionseffekte bei dichotomer Z-Variable mit Stata



26

Output 3.2: Schätzung von Punktschätzern und Konfidenzintervallen mit lincom



27

Tab. 3.2: Interaktionen mit dichotomer Z-Variable: Konfidenzintervalle (KI) (95 %-Niveau)



28

Abb. 3.5: Grafische Darstellung Interaktionseffekt und KI



29

Output 3.3: Regression mit Interaktion bei intervallskalierter Z-Variable



30

Abb. 3.6: Interaktion mit metrischer Z-Variable, vorhergesagte Werte



31

Abb. 3.7: Interaktion mit metrischer Z-Variable, Marginaleffekte



32

Abb. 4.1: Kausalstruktur dichotome abhängige Variable



33

Abb. 4.2: Scatter- und Residualplot dichotome abhängige Variable



34

Abb. 4.3: Mittelwertunterschiede und Streuungen beim Zwei-Gruppen-Vergleich



35

Abb. 4.4: Logit-Funktion



36

Tab. 4.1: Wahrscheinlichkeiten, Odds und Logits



37

Tab. 4.2: Interpretation der Koeffizienten und der Odds-Ratio



38

Tab. 4.3: Deskriptive Statistik



39

Output 4.1: Kreuztabelle



40

Output 4.2: Mann-Whitney-U-Test



41

Output 4.3: Test auf Varianzgleichheit in den Gruppen und t-Test



42



43

Output 4.4: Dummies fur nichtmetrische Variablen



44

Output 4.5: Logistische Regressionsanalyse



45

Output 4.6: Fitmaße nach logistischer Regression



46

Output 4.7: Klassifikationsmatrix



47

Output 4.8: Logistische Regression mit Odds Ratios



48

Output 4.9: Regression mit Odds Ratios durch den Befehl listcoef, reverse



49

Output 4.10: Logistische Regression mit Odds Ratios durch den Befehl listcoef als Prozente



50

Abb. 4.5: Histogramm der vorhergesagten Wahrscheinlichkeiten



51

Output 4.11: Vorhergesagte Werte mit prvalue



52

Abb. 4.6: Vorhergesagte Wahrscheinlichkeiten grafisch



53

Output 4.12: Vorhergesagte Wahrscheinlichkeiten mit prchange



54

Output 4.13: Vorhergesagte Werte mit prtab



55

Abb. 4.7: Vorhergesagte Wahrscheinlichkeiten mit prgen



56

Output 4.14: Signifikanz der Koeffizienten im Standard-Logit-Befehl (Wald-Test)



57

Output 4.15: Likelihood-Ratio-Test auf Signifikanz einer Variable



58

Output 4.16: Likelihood-Ratio-Tests mit lrdrop1



59

Output 4.17: Linearitäts-Test mit linktest



60

Abb. 4.8: Lowess Smoother fur Schichteinstufung



61

Abb. 4.9: Cook’s Distanzen



62

Abb. 5.1a–f: Zusammenhänge zwischen Mikro- und Makro-Ebene



63

Abb. 5.2: Veranschaulichung der Nachteile der Aggregationsstrategie



64

Abb. 5.3: Aufteilung der Gesamtvarianz und IKK



65

Output 5.1: Mehrebenen-Nullmodell



66

Tab. 5.1: Chi-Quadrat-Verteilung



67

Output 5.2: Liste der Länderresiduen



68

Abb. 5.4: Level-2-Residuen in Caterpillar-Plot



69

Abb. 5.5: Notwendige Stichprobengröße um mit einem Zwei-Ebenen-Design dieselbe Präzision zu erzielen wie mit

einer einfachen Zufallsstichprobe der Größe NEZ = 100 in Abhängigkeit von Gruppengröße n und

Intraklassenkorrelationskoeffizient IKK



70

Output 5.3: Random-Intercept-Modell



71

Abb. 5.6a–b: Random-Intercept-Modell und Random-Slope-Modell



72

Output 5.4: Random-Slope-Modell



73

Abb. 5.7: Fanning out (linke vier Grafiken) und fanning in (rechte vier Grafiken)



74

Abb. 5.8: Random-Slope-Plot fur die Variable Alter



75

Output 5.5: Random-Slope-Modell mit Level-2-Effekt



76

Output 5.6: Random-Slope-Modell mit Cross-Level-Interaktion



77

Tab. 5.2: Prognosewerte bei Cross-Level-Interaktion (Basis: Output 5.6)



78

Abb. 5.9: Cross-Level-Interaktion zwischen Alter und Sitzanteil Gruner Parteien



79

Output 5.7: AIC und BIC fur den Test des Random-Slope-Modells im Vergleich zum Random-Intercept-Modell



80

Tab. 5.3: Interpretation von AIC- und BIC-Differenzen



81

Abb. 6.1: Datenstruktur



82

Abb. 6.2: Bivariate Regressionen in einzelnen Ländern; gepoolte Regressionsanalyse



83

Abb. 6.3: Bivariate Regressionsschätzungen im Querschnitt fur einzelne Jahre



84

Abb. 6.4: Unit-Heterogenität und gepoolte OLS



85

Abb. 6.5: Autokorrelation und Nicht-Stationarität



86

Output 6.1: Angabe der gepoolten Datenstruktur



87

Output 6.2: xtsum und Varianzzerlegung



88

Abb. 6.6: Multiples Liniendiagramm der AV



89

Output 6.3: Nicht-Stationarität



90

Output 6.4: Levin-Lin-Chu-Test und Im-Pesaran-Shin-Test auf Nicht-Stationarität



91

Output 6.5: Pooled OLS ohne Kontrolle fur Autokorrelation



92

Abb. 6.7: Residuenplot fur Pooled OLS ohne Kontrolle fur Autokorrelation



93

Output 6.6: Autoregression der Residuen



94

Output 6.7: Wooldridge-Test auf serielle Autokorrelation



95

Output 6.8: Autokorrelation der Residuen uber mehrere Lags



96

Output 6.9: Volles ADL-Modell und F-Tests auf den Einfluss gelagter Variablen



97

Output 6.10: Reduziertes ADL-Modell



98

Abb. 6.8: Residuenplot auf Basis des reduzierten ADL-Modells



99

Output 6.11: Schätzung mit LDV (nur Koeffizientenblock)



100

Output 6.12: Prais-Winsten-Schätzung (Pooled OLS mit AR1)



101

Output 6.13: Schätzung mit ersten Differenzen der abhängigen Variablen



102

Tab. 6.1: Unterschiedliche dynamische Modellierungen bei serieller Autokorrelation



103

Tab. 6.2: Unterschiedliche dynamische Modellierungen bei serieller Autokorrelation



104

Output 6.14: Tests auf Fixed Effects



105

Abb. 6.9: Residualplot fur das ADL-Modell (ohne FE) ohne Italien



106

Output 6.15: Test auf (Panel-) Heteroskedastizität



107

Output 6.16: ADL-Modell mit Kontrolle fur Heteroskedastizität



108



109

Output 6.17: Test auf contemporaneous correlation



110

Abb. 7.1: Typen von Survival-Modellen



111

Abb. 7.2: Zensierungsarten



112

Output 7.1: Ausschnitte aus Sterbetafel mit empirischen Überlebensraten unterteilt nach Ost- und Westdeutschland



113

Abb. 7.3: Empirische Überlebensfunktion (links) und kumulierte Wahrscheinlichkeitsdichtefunktion (rechts) aus Sterbetafel



114

Abb. 7.4: Effekt zensierter Fälle auf Kaplan-Meier-Überlebensfunktion



115

Output 7.2: Ausschnitte aus Kaplan-Meier-Schätzung mit empirischen Überlebensraten unterteilt nach Ost- und

Westdeutschland



116

Output 7.3: stset



117

Abb. 7.5: Kaplan-Meier-Überlebensfunktion



118

Output 7.4: Log-Rank-Test



119

Output 7.5: Rein Exponentielles Modell ohne UV



120

Abb. 7.6: Vergleich von negativ exponentieller und empirischer Überlebensfunktion



121

Output 7.6: Exponentielles Modell mit UV



122

Abb. 7.7: Hazard-Raten fur Weibull, Gompertz und log-logistisches Modell bei unterschiedlichen Shape-Parametern a; (b = 1)



123

Abb. 7.8: Vergleich von stufenweise exponentiellem und Weibull-Hazard



124

Tab. 7.1: Anzahl der Fälle, die in Form von Tied Events vorliegen



125

Output 7.7: Einfaches Cox-Modell – Ausgabe in Form von Partial-Likelihood-Koeffizienten



126

Output 7.8: Einfaches Cox-Modell – Ausgabe in Form von Hazard-Ratios



127

Tab. 7.2: Optionen zum Umgang mit einer Variable in Cox-Modellen (hier Variable ostdeu)



128

Abb. 7.9: Log-Log-Plots zum Test der Proportionalitätsannahme



129

Abb. 7.10: Kaplan-Meier vs. Cox-Plots zum Test der Proportionalitätsannahme



130

Abb. 7.11: Schoenfeld-Residuen-Plots zum Test der Proportionalitätsannahme



131

Output 7.9: Detaillierter Grambsch-Therneau-Test



132

Output 7.10: Competing-Risks-Modelle fur freiwilligen, erzwungenen und kollektiven Amtsverlust



133

Abb. 7.12: Baseline-Überlebensfunktion (links) und kumulative Baseline-Hazard-Rate



134

Abb. 7.13: Baseline-Hazard-Rate (Parzen-smooth) und Hazard-Raten fur unterschiedliche Werte von ostdeu und

regional_verwurzelt (Epanechnikov-smooth)



135

Output 7.11: Harrell’s C (fur das Modell aus Output 7.7)



136

Abb. 7.14: Plots von Cox-Snell-Residuen (links) und Martingalen Residuen



137

Abb. 7.15: Plots von Deviance-Residuen gegen Observationsnummer (links) und Amtsdauer



138

Abb. 7.16: Boxplots der Score Residuen



139

Output 7.12: Cox-Modell mit zeitvariater Variable

weiterfu ̈ hrende statistische methoden fu ̈ r politikwissenschaftler georg wenzelburger /...

Documents

residuen fu r eubenefit

konfidenzintervall folie

korrelationsmatrix folie

residuenverteilung folie

scatterplotmatrix folie

bivariate regression

multiple regression

studentisierte residuen