STATA-FORUM.DE

[RK97]

Hallo allerseits:-)

Ich muss im Rahmen einer Hausarbeit in meinem Bachelor-Studiengang eine multinomiale logistische Regressionsanalyse durchführen.
Dabei soll analysiert werden, ob die politische Involvierung Einfluss auf die Wahlkampfrezeption nimmt.

Die inkludierten Variablen sind wie folgt codiert:
Abhängige Variable: Wahlkampfrezeption (0 = überhaupt nicht; 1 = weniger stark; 2 = mäßig; 3 = stark; 4 =sehr stark)
Unabhängige Variable: Politische Involvierung (0 = überhaupt nicht; 1 = weniger stark; 2 = mäßig; 3 = stark; 4 =sehr stark)
Kontrollvariablen: Geschlecht (0 = männlich; 1 = weiblich)
Alter (0-n;metrisch)
Bildung (0 = Kein-/Hauptschulabschluss; 1 = Realschulabschluss; 2 = (Fach-)Abitur
Parteiidentifikation (0 = Keine; 1 = Schwache; 2 = Mäßige; 3 = Starke; 4 = Sehr starke)

Zur Erstellung der Regressionsanalyse habe ich folgenden Befehl benutzt:

mlogit wkrezeption polinvolvierung pid weiblich alter bildung, baseoutcome(0)

Da ich zudem die Regressionsergebnisse nicht anhand der erhaltenen logit-Koeffizienten präsentieren und interpretieren
möchte, würde ich gerne Average Marginal Effects verwenden. Dafür habe ich folgenden Befehl verwendet:
margins, dydx(*)

Die Frage ist nun zum einen - da ich noch nie eine multinomiale logistische Regressionsanalyse durchgeführt habe,
und wir diese im Studium nicht besprochen haben - ob diese Durchführung richtig ist, und wie ich den Output
(der im Anhang beigefügt ist) interpretieren kann. Gerade im Hinblick auf die Average Marginal Effects. Gibt
es vielleicht noch eine bessere Alternative? Und wie lassen sich die Outputs gut und sinnig von Stata zur Daten-
repräsentation exportieren. Wäre schön, wenn mir jemand helfen könnte

Danke im Voraus!:)

[Staxa]

Hallo, warum benutzt du hier mlogit? Deine abhängige Variable weist eine natürliche Rangordnung auf. Es wäre daher durchaus möglich, eine ordinale Regression zu benutzen, dann einfach statt mlogit besser ologit nutzen. Weil so musst du, aufgrund der Kategorien, extrem viele Effekte interpretieren, was sehr aufwendig ist. Wenn du es fancy machen möchtest könntest du am ehesten noch gologit2 nutzen, aber für eine BA Arbeit hast du gute Argumente, einfach ologit zu nehmen. Dann kannst du dort z.B. OR interpretieren, etwa:

Code: Alles auswählen

ologit wkrezeption polinvolvierung pid weiblich alter i.bildung, or

polinvolvierung und pid könntest du als kontinuierliche Var aufnehmen, bildung definitiv nicht.

[RK97]

Hallo, warum benutzt du hier mlogit? Deine abhängige Variable weist eine natürliche Rangordnung auf. Es wäre daher durchaus möglich, eine ordinale Regression zu benutzen, dann einfach statt mlogit besser ologit nutzen. Weil so musst du, aufgrund der Kategorien, extrem viele Effekte interpretieren, was sehr aufwendig ist. Wenn du es fancy machen möchtest könntest du am ehesten noch gologit2 nutzen, aber für eine BA Arbeit hast du gute Argumente, einfach ologit zu nehmen. Dann kannst du dort z.B. OR interpretieren, etwa:

Code: Alles auswählen

ologit wkrezeption polinvolvierung pid weiblich alter i.bildung, or

polinvolvierung und pid könntest du als kontinuierliche Var aufnehmen, bildung definitiv nicht.

Hallo Staxa,

vielen Dank, dass du dir die Zeit genommen hast, um mir zu helfen!
Tatsächlich hast du Recht mit deiner Anmerkung, dass in so einem Fall eher zu einer ordered logistischen Regression gegriffen werden
soll. Dies habe ich mir eigentlich auch gedacht, da meine abhängige Variable ein ordinales Skalierungsniveau besitzt. Eine multinomiale
Regression wird ja eher dann durchgeführt, wenn die abhängige Variable nominal skaliert ist.

Dementsprechend werde ich bei der Analyse auch auf den ologit - Befehl zurückgreifen!

Nochmals vielen Dank für deine Zeit und Mühe!!!:))