STATA-FORUM.DE

[LassmichArzt,ichbindurch!]

Ja genau, ich meine die Option corr(ar1). Ich frage deshalb, da mir jemand gesagt hat ich diese Option bei meinen Daten einfügen sollte.

Dazu 2 Fragen:

(1) Wie kann ich die Annahme überprüfen?

(2) Wie würde ich die Option einfügen? Denn wenn ich hinter dem Regressionsbefehl die option ,corr eingebe gibt Stata die Fehlermeldung: "option corr() not allowed" aus.

Grüsse

[daniel]

Wie würde ich die Option einfügen? Denn wenn ich hinter dem Regressionsbefehl die option ,corr eingebe gibt Stata die Fehlermeldung: "option corr() not allowed" aus.

Dazu möchte ich auf die Hilfe verweisen. -corr()- ist eine Option von -xtreg- und -xtmixed- erlaubt diese Option nicht. Wie im help file beschrieben würde man etwas entsprechendes mit der Option -residuals()- anfordern. In diese Fall in etwa

. xtmixed depv indepv ,res(ar 1 ,t(<zeit>))

Zum Testen fällt mir spontan nicht viel ein. Du könntest die Resuden -predict-en lassen und in Zeitreihenanalyse einsteigen um eine ARIMA Modellspezifikation für die Residuen anzupassen, die Du dann in der -residuals()- Option spezifizierst. Vielleicht hat jemand eine besseren Vorschlag.

[LassmichArzt,ichbindurch!]

Hallo,
also wenn ich Dich richtig verstanden habe dann ist die Option (corrAR1) eine Autokorrelation 1. Ordnung? Dann müsste man das mit einem Durbin-Watson Test ermitteln können.
[url]
http://de.wikipedia.org/wiki/Durbin-Watson-Test[/url] oder gelesen in Kohler/Kreuter. Datenanalyse mit STATA. 3. Auflage. S. 228 (aber leider nicht weiter ausgeführt).

Allerdings erinnert mich das eher an was wir vorher schon diskutiert haben, am 25.1.12:

Das gleiche Problem ergibt sich meiner Meinung nach auch mit der Variable time, da der Einfluss des treatments vermutlich stärker ist, je länger das Tier diesem ausgesetzt ist. Also sind die Werte von der abhängigen var. fecdm sich ähnlicher, je näher sie beieinander liegen. Ist das das was man unter Kovarianz versteht?

Jein. Diesen "steigenden" Effekt der Zeit kontrollierst Du im Modell ja indem Du den Zeitpunkt als Kovariate aufnimmst (bzw. zusätzlich für Zeitpunkt*Treatment kontrollierst). Damit sollte der Puntkschätzer für den Effekt ok sein. Die Kovarianzmatirx kannst Du als "unstructured" schätzen, damit bist Du nicht effizient, aber vermutlich "auf der sicheren Seite". Wenn Du eine theoretischen ARIMA Prozess unterstellen willst/kannst, kannst Du das natürlich auch machen.

Falsch verstanden?

Ganz grossen Dank für die Hilfe bisher. Ich glaube beim nächsten Mal müssen die Daten an extern vergeben werden um eine saubere Lösung zu gewährleisten. Weisst Du oder jemand sonst hier was so etwas kosten würde?

Übrigens noch ein Problem: Postesitmation: Wie stelle ich residuals vs. unabh. Variable im Falle von einer Dummy Variable mit 4 Ausprägungen in STATA dar?

Viele Grüsse

[daniel]

[...]

Die Kovarianzmatirx kannst Du als "unstructured" schätzen, damit bist Du nicht effizient, aber vermutlich "auf der sicheren Seite". Wenn Du eine theoretischen ARIMA Prozess unterstellen willst/kannst, kannst Du das natürlich auch machen.

Falsch verstanden?

Richig verstanden. Auch Richtig ist, dass der Durbin-Wattson Test eine Möglichkeit ist. Ich finde diesen Test etwas merkwürdig, da es Bereiche gibt in denen keine Eindeutige Testentshceidung getroffen werden kann. Zudem testest Du hier ausschließlich auf AR1 und bestimst nicht den "wahren" AR(IMA) Prozess.

Ich glaube beim nächsten Mal müssen die Daten an extern vergeben werden um eine saubere Lösung zu gewährleisten. Weisst Du oder jemand sonst hier was so etwas kosten würde?

Frag doch einfach mal bei STATWORX (www.statworx.de oder Link hier im Forum) nach.

Übrigens noch ein Problem: Postesitmation: Wie stelle ich residuals vs. unabh. Variable im Falle von einer Dummy Variable mit 4 Ausprägungen in STATA dar?

Kannst Du dazu nicht einfach die (standardisierten) Residuen mittels -predict- generieren und die dann gegen den gewünschten Prädikator plotten?