STATA-FORUM.DE

[BwBw]

Hallo Staxa,
du hast Recht, so funktioniert es. Nun erhalte ich einen Regressionsoutput, bei dem ich den Standartfehler des Regressionskoeffizienten interpretieren kann. Ein niedriger Standartfehler bedeutet eine hohe Konsistenz und Visa versa.
Laut meinem Ausgangspaper muss ich "das Vorzeichen des Standartfehlers umkehren, um einen Index der zeitlichen Konsistenz zu erhalten".
Kannst Du mir einen Input geben, wie ich dies zu interpretieren habe?

Vielen Dank für Deine Unterstützung, nachdem ich den Argumentationsgang gut nachvollziehen konnte habe ich mit der Operationalisierung ganz schön zu kämpfen.

Beste Grüße,
BwBw

[Staxa]

Das erscheint mir sehr seltsam, denn Standardfehler sind immer positiv, also haben nie ein Minuszeichen. Warum das hier umgedreht werden soll verstehe ich nicht. Vielleicht kannst du uns mal den Originalartikel verlinken.

[BwBw]

Hallo Staxa,

sehr gerne. Die Operationalisierung von Temporal Consistency ist auf Seite 426 beschrieben. Die Dimensionen, von denen der Autor spricht sind Unterkategorien von CSR, das hatte ich bisher nicht erwähnt, da es für mein konkretes Problem nebensächlich ist. Die 5 Dimensionen erfasen inetwa Menschenrechte,Umwelt, Diversität,..

https://journals.sagepub.com/doi/full/10.1177/0149206310375850?casa_token=Fbc2u17M-OQAAAAA%3A1Uh3RDonHhxp42ahz1ApEg0fwlCGQMK9wTOBUF15kCjLnsQOx0SAPUtUizIFIz8o4C1Khbf857tqeQ

[Staxa]

Inhaltlich ergibt das an dieser Stelle für mich keinen Sinn. Dann kannst du diese Werte auch einfach mitteln, ab die Vorzeichen sind immer positiv.

[BwBw]

Ich habe den Autor kontaktiert und hoffe, dass ich noch eine intuitivere Erklärung bekomme.
Grundsätzlich ist das Journal ja sehr renommiert, daher würde ich der Gegebenen Anleitung erst einmal folgen wollen.

Hättest Du einen Ansatz, wie ich den Index konstruieren könnte?
Deine Kritikpunkte sind sehr wertvoll für mich, und ich werde mich bemühen sie alle nachzuvollziehen und das Vorgehen gut aufzuarbeiten.

Danke für Deinen Einsatz!

[Staxa]

Ganz klar ist mir das beschriebene Vorgehen nicht, immerhin ist der SE der Regression ja für das gesamte Sample, du hast also einen Wert. So wie ich das verstehe möchtest du aber für jede Firma einen einzelnen Wert haben, oder?

[BwBw]

Genau, ich brauche für jede Firma einen Wert.

[Staxa]

Offensichtlich reicht die Regression an sich dann nicht aus. Du könntest hier den Standardfehler für jede Beobachtung predicten und mitteln, aber das ist jetzt eher geraten. Aus dem Artikel wird das für mich nicht klar.

Code: Alles auswählen

reg outcome years
predict se, stdp
bysort firma: egen meanse = mean(se)

[BwBw]

Alles klar.

Ich schaue, ob ich einen Tipp vom Autoren bekomme, sollte das nicht der Fall sein Frage ich bei Statalist nach.
Wenn ich zu Ergebnissen komme melde ich mich nochmal, ist ja vielleicht für andere auch ganz interessant.

Finde ich super wie viel Zeit Du Dir genommen hast. Danke dafür!

[BwBw]

Hallo zusammen,

das Package rangestat sollte geignet sein das hier beschriebene Problem zu lösen.
Ich habe mich nun allerdings dazu entschieden, dem von Staxa ursprünglich vorgeschlagenen Ansatz zu folgen, und die Variation über die Zeit zu betrachten. Grund hierfür ist, dass der Ansatz intuitiver und für mich verständlich ist.

Code: Alles auswählen

webuse nlswork, clear
bysort idcode: egen variation = sd(ln_wage)
egen pickone = tag(idcode)
hist variation if pickone == 1
sum variation if pickone == 1, det
list idcode year ln_wage variation in 1/70, sepby(idcode)


Staxa könntest Du mir erklären, was für einen Zweck der Befehl egen pickone = tag(idcode) hier erfüllt?
Ich habe testweise

Code: Alles auswählen

sum variation, det

angefügt, und erhalte 27987 Observationen, gegenüber 4164 Observationen bei

Code: Alles auswählen

sum variation if pickone == 1, det


Vielen Dank für Eure Hilfe!