STATA-FORUM.DE

[Julia_Stata]

Liebe Leute,

ich hätte eine Frage, die leider mehr mit Statistik im Allgemeinen als mit Stata zu tun hat. Vielleicht könnt ihr mir trotzdem dabei helfen?
Ich möchte in meine fixed effects Panel Regression einen year* season fixed effect aufnehmen. Die Jahre sind jeweils 2008 und 2010, als Season habe ich jetzt eine (1,2) Variable gewählt, wobei Trockenzeit==2 und Regenzeit==1.
Dann habe ich season*year berechnet und erhalte eine Variable für die gilt:(2008 Regenzeit, 2010 Regenzeit)=(2008,2010); 2008 Regenzeit, 2010 Trockenzeit)=(2008,4020) etc. Diese Variable füge ich meiner Regression bei.

Könnt ihr mir sagen, ob dieses Verfahren richtig ist, oder ob ich besipielsweise die Saison als (0,1) Variable nutzen sollte?
Macht es Sinn zusätzlich einen fixed effects als i.year zu nutzen?

Ich würde mich riesig über eine Rückmeldung freuen!

LG Julia

[daniel]

Das Ganze klingt etwas abstrakt, was vermutlich daran liegt, dass es hier nicht unbedingt um mein Fachgebiet geht. Nichtsdestotrotz kann ich Deine Frage nicht ohne weitere Informationen beantworten.

Ich möchte in meine fixed effects Panel Regression einen year* season fixed effect aufnehmen.

Wieso? Was ist die theoretische Überlegung dahinter und worum geht es insgesamt bei der Analyse? Musst nicht ausführlich Antworten, aber etwas Kontext wäre vielleicht hilfreich.

Könnt ihr mir sagen, ob dieses Verfahren richtig ist, oder ob ich besipielsweise die Saison als (0,1) Variable nutzen sollte?

Standard ist die binäre Kodierung, obgleich es für die Koeffizienten keine Rolle spielt. Die Konstante lässt sich allerdings besser interpretieren. An der bist Du aber vermutlich nur bedingt interessiert (und bei der man in FE Regressionen ohnehin schauen muss, was das eigentlich sein soll). Aber wenn Du Nachfragen vermeiden willst, verwende die binäre Kodierung.

Macht es Sinn zusätzlich einen fixed effects als i.year zu nutzen?

Diese Frage ist ohne den Kontext zu kennen kaum zu beantworten. Allgemein musst Du aber zwingend die konditionalen Haupteffekte in der Regression belassen, wenn Du tatsächlich Interaktionen modellieren willst.

[Julia_Stata]

Ich regressiere die Entfernung von Haushalten zu der nächstegelegenen Wasserquelle in Afrika auf die Arbeitszeit der Haushaltsmitglieder. Da die Arbeitszeit zwischen Regen- und Trockenzeit stark variiert - ebenso wie die Entfernung zur nächsten Wasserquelle- möchte ich diesen Interaktionsterm aufnehmen.
Zudem handelt es sich um Paneldaten von 2008 und 2010.
Ich hoffe das ist so verständlicher. LG!

[Julia_Stata]

Ich habe ein bisschen herumprobiert. Wenn ich o.g. benutze, erhalte ich diegleichen Koeffizinten, wie wenn ich i.dryseason benutze (dryseason_==1 wenn Trockenzeit und 0 bei Regenzeit).

Könntest du diese Variante unterstützen?

LG!

[daniel]

Ich regressiere die Entfernung von Haushalten zu der nächstegelegenen Wasserquelle in Afrika auf die Arbeitszeit der Haushaltsmitglieder.

Dein Modell ist also (leicht vereinfacht)



oder meinst Du das eher umgekehrt? In diesem Fall regressierst (= zurückführen) Du dann die Arbeitszeit auf die Entfernung. Klingt für mich plausibler, und passt besser zu

Da die Arbeitszeit zwischen Regen- und Trockenzeit stark variiert

Das spielt nur dann eine Rolle, wenn Du eine hohe Erklärungskraft benötigst. Die Entfernung ist doch nämlich plausibler Weise unanbhängig von Regen oder Trockenzeit? Oder bauen die Ihre Häuser/Hütten in der Regenzeit woanders hin, als in der Trockenzeit?

- ebenso wie die Entfernung zur nächsten Wasserquelle- möchte ich diesen Interaktionsterm aufnehmen.

Das klingt wie eine Interaktion zwischen Entfernung und Arbeitszeit. Wenn letzteres das outcome darstellt, ist das schwer möglich. Anderenfalls verstehe ich nach wie vor nicht, weshalb da eine Interaktion des Jahres mit der Trockenzeit sein soll.

Eine Interaktion des Jahres mit der Trockenzeit impliziert, dass die Trockenzeit in verschiedenen Jahren einen Unterschiedlichen Effekt auf das outcom hat (oder umgekehrt). Das lese ich nicht aus Deiner Argumention.