ich hab ein Problem und komm nicht weiter, vielleicht kann mir von euch jemand helfen. Meine Hypothese, die ich testen will, lautet "Je höher Arbeitslosengeldzahlungen, desto niedriger ist das generelle Vertrauen von Arbeitslosen in Menschen."
Das ganze soll in einem Ländervergleich stattfinden, d.h. ich habe eine Ländervariable mit 18 Ausprägungen (Ländern). Die Vertrauensvariable ist metrisch skaliert (Skala von 0 bis 10), die Arbeitslosenvariable (beruf1) dichotom (0 erwerbstätig, 1 arbeitslos) und die Sozialausgaben (in % am BIP) habe ich selbst erstellt mit gen(sozial) = WERT if land == 1 ... usw., ist also an die Ländervariable geknüpft. Wenn ich jetzt den Regressionsbefehl erstelle, sieht das für Land 1 bei mir so aus:
reg vertrauen beruf1 sozial i.beruf1#c.sozial if land == 1
Dann wird mir aber, ich nehmen mal an aufgrund der Kolinearität, für "sozial" und für den Interaktionseffekt 0 (omitted) angezeigt. Wenn ich aber ein Modell für alle Länder geclustert nach der Ländervariable erstelle, also
reg vertrauen beruf1 sozial i.beruf1#c.sozial, cluster (land) robust
dann bekomme ich zwar ein Modell mit lauter Koeffizienten, aber kann dieses ja nicht mehr länderspezifisch interpretieren. Versteht jemand mein Problem und kennt vllt sogar die Lösung?
Leider kenn ich mich inhaltlich nicht mit Interaktionseffekten aus, das benutze ich zum ersten Mal und weiß daher auch nicht genau, ob ich in der Vorgehensweise an sich schon nen Denkfehler habe.
