Hi, super Video :) Beim Hausman-Test, sagen Sie, wenn keines der Modelle inkonsistent ist wird das FE-Modell gewählt. R gibt dann als Ergebnis aus, dass ein Modell inkonsistent ist. Es wird dann trotzdem das FE-Modell gewählt obwohl dies ja dem Widerspricht, was Sie als Hypothese aufgeschrieben haben. Haben Sie sich versprochen oder verstehe ich hier etwas nicht? Vielen Dank vorab für Ihre Antwort.
Ja, das ist ein Versprecher! Nullhypothese ist Random Effects, Alternativhypothese ist Fixed Effects. Da im Video ein sehr kleiner p-Wert herauskommt, gilt Fixed Effects.
Die Daten stammen aus Refinitiv Eikon. Sie sind aber für Demonstrationszwecke bereits aufbereitet. Die notwendigen Schritte zeige ich in meinem Video zur Value-Relevance-Study.
Guten Abend Herr Meier, Warum erstellt man überhaupt den Pooled OLS-Test, wenn man ihn dann nicht gegen die anderen antreten lässt? Und wieso übergibt man beim F-Test z.B. nicht das Modell MOD.POOLTIME oder das MOD.WITHIN in welches man nur die zeitlichen FE mit einbezogen hat? Des Weiteren würde mich interessieren, wie die die NUll- und Alternativhypothese beim Breusch Pagan Test lauten und wieso man bei p < 0,05 darauf kommt, dass das Random-Modell gewinnt. LG aus Mainz :)
Gibt es eine Möglichkeit das FE/Random Modell auf Multikollinearität zu prüfen? Mit der VIF-Funktion des "car" package treten hier leider Fehlermeldungen auf. Des Weiteren würde ich mich über eine Erweiterung des Videos freuen, indem auf die Prüfung der (Regressions-)Voraussetzungen bei Modellen mit dem plm.package eingegangen wird :)
Guten Tag Herr Meier! Ich untersuche gerade die Vergabe von Bedarfszuweisungen an Gemeinden- habe hierfür daten über 5 Jahre auf Gemeindeebene. Alle Paneldatenvarianten die sie hier vorgestellt haben ergeben bei mir signifikante Koeffizienten und "brauchbare" r². Wenn ich jedoch das Within Modell alá "twoways" erstelle, bekomme ich ein r² bei beinahe 0 und ein negatives r² adjusted. Könnten sie mir hierbei eventuell bei der Interpretation behilflich sein? Mfg
Hallo Herr Meier, vielen Dank für dieses ausführliche Video! Ich habe ein fixed-effects model aufgestellt und möchte nun prüfen, ob Homoskedastizität vorliegt. Kann ich auch für FE Modelle einen Breusch-Pagan-Test durchführen (wenn die Residuen normalverteilt sind) mit bptest() oder muss ich ein anderes Verfahren verwenden?
Hallo Frau Brandt, machen Sie es sich bitte einfach. Verwenden Sie in jedem Fall heteroskedastizitätsrobuste Standardfehler. Diese schaden nicht, wenn keine Heteroskedastizität vorliegt aber sie korrigieren den Fehler, wenn es doch der Fall sein sollte. Dann brauchen Sie gar nicht mit Breusch-Pagan testen. Wie man robuste Standardfehler erzeugt, darüber habe ich auch ein Video gemacht, das auf diesem hier aufbaut. Sollten Sie doch unbedingt testen wollen, finden Sie hier die Dokumentation, wie der Test genau funktioniert (Siehe Abschnitt 4.5.6). Darunter sind auch die robusten Standardfehler dokumentiert. rstudio-pubs-static.s3.amazonaws.com/372492_3e05f38dd3f248e89cdedd317d603b9a.html Schöne Grüße JHM
Hallo Herr Meier, vielen Dank für die gut nachvollziehbare Erklärung. Ist der Datensatz mit dem Sie in diesem Video arbeiten frei verfügbar? Ich würde die Analyse gerne selber einmal in R probieren.
Hallo! Ich verstehe noch nicht, wieso beim Fixed Effects Modell die Industry Fixed Effects rausfallen. Die Industries sind doch genauso Faktoren wie auch die Jahre. Ich versuche gerade eine Studie zu replizieren, in der eine OLS-Regression durchgeführt wurde und die Jahres- und Industry-FE berücksichtigt wurden. Welches Modell kann man hierfür verwenden? Wenn ich eine normale OLS Regression (lm) oder eine Pooled OLS Regression (plm) durchführe, habe ich ja keine FE mehr oder? Vielen Dank für Ihre Hilfe! (Hier die genannte Studie: onlinelibrary.wiley.com/doi/pdf/10.1002/csr.2018?casa_token=SaTjD6ClvpgAAAAA:-Qecxq2WbtXcKMw8HYTaD_z28Ap-Jh5I6wlTBtK1XBctTWW46FgeRIPPTkzTvcACqPO1U2uIVNguQQ)
Zeitkonstante Variablen fallen bei Paneldatenmodellen weg. Erkläre ich such in meinem Grundlagenvideo. Allerdings gibt es andere Schätzmodelle, die das ermöglichen. Meist aber unter Verzicht auf individual fixed effects. Soweit ich weiß, kommt Stata mit solchen Modellen, plm aber nicht.
Hi, ich bin gerade dabei die Auswirkung von Covid-19 Fällen auf Aktienindizes einzelner Länder zu analysieren und beziehe mich hier stark auf ein bereits veröffentlichtes Paper. Diese nutzten ebenfalls time und country-fixed effects, erhalten aber einen overall intercept. Wie geht das und wie könnte ich das auch in r replizieren?
Eigentlich ist das etwas künstlich, aber wenn es in der "prior literature" so gemacht wird, warum nicht. Hier ist ein Link, wie das funktioniert: rdrr.io/rforge/plm/man/within_intercept.html
Vielen Dank für das wirklich aufschlussreiche Video! Jetzt habe ich eine Gleichung die ich nachstellen möchte. ROAit = β0 + β1 ARit + β2 SGROWit + β3 DEBTit + β4 GDPGROWit + ηi + λt + εit. Meine Frage an der Stelle, wie kommt man auf den Wert für die unbeobachtete Heterogenität ηi, den Zeitdummy λt und den Errorterm εit.
Super Video, hat mir sehr weiter geholfen. Ich habe eine kleine (offtopic) Frage bezüglich der Interpretation. In meiner Regression habe ich die EK-Quote als abhängige Variable, der Koeffizient für eine der erklärenden Variablen (Dummy-Variable für das Jahr 2019) beträgt -0,22. Bedeutet dies nun einen "22%-Rückgang" oder einen Rückgang um 0,22 Prozentpunkte der EK-Quote? Vielen Dank schon im Voraus :-)
Das kommt natürlich darauf an, wie die Daten in der Ausgangstabelle vermerkt sind. Ist die Eigenkapitalquote von 0-100 definiert, dann wären es 0,22%. Ist die Eigenkapitalquote - wie eigentlich in der BWL üblich - auf dem Intervall von 0-1 definiert, dann wären es 22%. Aber Achtung: Wenn es sich um eine Dummy-Variable handelt, dann ist der Koeffizient ein Gruppenunterschied und zwar zu demjenigen Jahr, dass bei der Dummy-Variable weggelassen wurde. Die Interpretation würde beispielhaft lauten: "Gegenüber dem Ausgangsjahr 2000 weisen die Unternehmen im Jahr 2019 eine um -0.22% geringere Eigenkapitalquote auf. Das Ergebnis ist signifikant"
Hallo Herr Meier, vielen Dank für Ihre Erklärungen im Video, Ihre Videos helfen mir sehr bei meiner aktuellen Regression. Ich analysiere zur Zeit, in meiner Bachelorarbeit, die Auswirkung von dem Managerton in Aktionärsbriefen und weiteren Fondscharakteristiken (Alter, Größe, Rendite, usw.) auf die Fondsfüsse. Haben Sie eine Idee, welche Größe ich genau mit Fixed-Effects reinbringen sollte und bringt eventuell ein Logarithmus etwas um die Daten besser zu vergleichen? Ich danke Ihnen.
Hallo Niko, Sie müssen zwingend die Controls aus der Literatur ableiten. Daher empfehle ich Artikel aus hochwertigen Journals zur Fondsperformance zu wählen und zu schauen, welche Variablen die verwenden. Auch die Literatur zur Sentiment Analyse können Sie heranziehen. Hier empfehle ich Loughran/ McDonald. Last but not least gibt es ganz sicher Literatur zu Merkmalen der Fondsmanager - Geschlecht, Alter, ... Logarithmieren brauchen sie nur bei Variablen, die extrem schief verteilt sind. Das Fondsvermögen dürfte darunter fallen, weil die Variable extrem rechtsschief sein dürfte.
@@jan-hendrikmeier579 Hallo Herr Meier, ich hätte eine erneute Frage bezüglich der statischen Analyse mit "R". Ich habe Literaturen bearbeitet und jetzt komme ich zu meinem eigenen empirischen Modell anhand der Paneldaten: Wie würden Sie spezifisch vorgehen? Mit den ganzen Variablen? Erst die Korrelation untersuchen, und dann die Analyse mit Fixed Effects und eventuell Lags? oder sollte noch ein wichtiger Zwischenschritt eingebaut werden? Ich danke Ihnen!
Hi, super Video :)
Beim Hausman-Test,
sagen Sie, wenn keines der Modelle inkonsistent ist wird das FE-Modell gewählt.
R gibt dann als Ergebnis aus, dass ein Modell inkonsistent ist. Es wird dann trotzdem das FE-Modell gewählt obwohl dies ja dem Widerspricht, was Sie als Hypothese aufgeschrieben haben.
Haben Sie sich versprochen oder verstehe ich hier etwas nicht?
Vielen Dank vorab für Ihre Antwort.
Ja, das ist ein Versprecher! Nullhypothese ist Random Effects, Alternativhypothese ist Fixed Effects. Da im Video ein sehr kleiner p-Wert herauskommt, gilt Fixed Effects.
Vielen Dank für das tolle Video. Ich habe eine Frage: Warum wurde anfangs nicht auf Linearität geprüft? Fällt diese Prüfung bei Paneldaten weg?
Besten Dank für die ausführliche und umfassende Darstellung! In welchem Video erklären Sie wie der Paneldatensatz bei 1:26 erstellt wurde?
Die Daten stammen aus Refinitiv Eikon. Sie sind aber für Demonstrationszwecke bereits aufbereitet. Die notwendigen Schritte zeige ich in meinem Video zur Value-Relevance-Study.
Guten Abend Herr Meier,
Warum erstellt man überhaupt den Pooled OLS-Test, wenn man ihn dann nicht gegen die anderen antreten lässt?
Und wieso übergibt man beim F-Test z.B. nicht das Modell MOD.POOLTIME oder das MOD.WITHIN in welches man nur die zeitlichen FE mit einbezogen hat?
Des Weiteren würde mich interessieren, wie die die NUll- und Alternativhypothese beim Breusch Pagan Test lauten und wieso man bei p < 0,05 darauf kommt, dass das Random-Modell gewinnt.
LG aus Mainz :)
Gibt es eine Möglichkeit das FE/Random Modell auf Multikollinearität zu prüfen? Mit der VIF-Funktion des "car" package treten hier leider Fehlermeldungen auf. Des Weiteren würde ich mich über eine Erweiterung des Videos freuen, indem auf die Prüfung der (Regressions-)Voraussetzungen bei Modellen mit dem plm.package eingegangen wird :)
Vielen Dank! Sehr hilfreich & informativ.
Guten Tag Herr Meier! Ich untersuche gerade die Vergabe von Bedarfszuweisungen an Gemeinden- habe hierfür daten über 5 Jahre auf Gemeindeebene. Alle Paneldatenvarianten die sie hier vorgestellt haben ergeben bei mir signifikante Koeffizienten und "brauchbare" r². Wenn ich jedoch das Within Modell alá "twoways" erstelle, bekomme ich ein r² bei beinahe 0 und ein negatives r² adjusted. Könnten sie mir hierbei eventuell bei der Interpretation behilflich sein? Mfg
Hallo Herr Meier,
vielen Dank für dieses ausführliche Video! Ich habe ein fixed-effects model aufgestellt und möchte nun prüfen, ob Homoskedastizität vorliegt. Kann ich auch für FE Modelle einen Breusch-Pagan-Test durchführen (wenn die Residuen normalverteilt sind) mit bptest() oder muss ich ein anderes Verfahren verwenden?
Hallo Frau Brandt,
machen Sie es sich bitte einfach. Verwenden Sie in jedem Fall heteroskedastizitätsrobuste Standardfehler. Diese schaden nicht, wenn keine Heteroskedastizität vorliegt aber sie korrigieren den Fehler, wenn es doch der Fall sein sollte. Dann brauchen Sie gar nicht mit Breusch-Pagan testen. Wie man robuste Standardfehler erzeugt, darüber habe ich auch ein Video gemacht, das auf diesem hier aufbaut.
Sollten Sie doch unbedingt testen wollen, finden Sie hier die Dokumentation, wie der Test genau funktioniert (Siehe Abschnitt 4.5.6). Darunter sind auch die robusten Standardfehler dokumentiert.
rstudio-pubs-static.s3.amazonaws.com/372492_3e05f38dd3f248e89cdedd317d603b9a.html
Schöne Grüße
JHM
@@jan-hendrikmeier579 herzlichen Dank für Ihre hilfreiche und schnelle Antwort!
@@jan-hendrikmeier579 Hallo Herr Meier, könnten Sie sagen in welchem Video sie die Erzeugung von robusten Standardfehlern beschreiben?
th-cam.com/video/lnAUaFAZmF4/w-d-xo.html
Hallo Herr Meier,
vielen Dank für die gut nachvollziehbare Erklärung.
Ist der Datensatz mit dem Sie in diesem Video arbeiten frei verfügbar?
Ich würde die Analyse gerne selber einmal in R probieren.
Leider nein. Der Datensatz ist von Refinitiv Eikon und unterliegt entsprechenden Lizenzen.
Hallo! Ich verstehe noch nicht, wieso beim Fixed Effects Modell die Industry Fixed Effects rausfallen. Die Industries sind doch genauso Faktoren wie auch die Jahre. Ich versuche gerade eine Studie zu replizieren, in der eine OLS-Regression durchgeführt wurde und die Jahres- und Industry-FE berücksichtigt wurden. Welches Modell kann man hierfür verwenden? Wenn ich eine normale OLS Regression (lm) oder eine Pooled OLS Regression (plm) durchführe, habe ich ja keine FE mehr oder? Vielen Dank für Ihre Hilfe!
(Hier die genannte Studie: onlinelibrary.wiley.com/doi/pdf/10.1002/csr.2018?casa_token=SaTjD6ClvpgAAAAA:-Qecxq2WbtXcKMw8HYTaD_z28Ap-Jh5I6wlTBtK1XBctTWW46FgeRIPPTkzTvcACqPO1U2uIVNguQQ)
Zeitkonstante Variablen fallen bei Paneldatenmodellen weg. Erkläre ich such in meinem Grundlagenvideo. Allerdings gibt es andere Schätzmodelle, die das ermöglichen. Meist aber unter Verzicht auf individual fixed effects. Soweit ich weiß, kommt Stata mit solchen Modellen, plm aber nicht.
Hi, ich bin gerade dabei die Auswirkung von Covid-19 Fällen auf Aktienindizes einzelner Länder zu analysieren und beziehe mich hier stark auf ein bereits veröffentlichtes Paper. Diese nutzten ebenfalls time und country-fixed effects, erhalten aber einen overall intercept. Wie geht das und wie könnte ich das auch in r replizieren?
Eigentlich ist das etwas künstlich, aber wenn es in der "prior literature" so gemacht wird, warum nicht. Hier ist ein Link, wie das funktioniert: rdrr.io/rforge/plm/man/within_intercept.html
Vielen Dank für das wirklich aufschlussreiche Video! Jetzt habe ich eine Gleichung die ich nachstellen möchte. ROAit = β0 + β1 ARit + β2 SGROWit + β3 DEBTit + β4 GDPGROWit + ηi + λt + εit. Meine Frage an der Stelle, wie kommt man auf den Wert für die unbeobachtete Heterogenität ηi, den Zeitdummy λt und den Errorterm εit.
Super Video, hat mir sehr weiter geholfen. Ich habe eine kleine (offtopic) Frage bezüglich der Interpretation. In meiner Regression habe ich die EK-Quote als abhängige Variable, der Koeffizient für eine der erklärenden Variablen (Dummy-Variable für das Jahr 2019) beträgt -0,22. Bedeutet dies nun einen "22%-Rückgang" oder einen Rückgang um 0,22 Prozentpunkte der EK-Quote? Vielen Dank schon im Voraus :-)
Das kommt natürlich darauf an, wie die Daten in der Ausgangstabelle vermerkt sind. Ist die Eigenkapitalquote von 0-100 definiert, dann wären es 0,22%. Ist die Eigenkapitalquote - wie eigentlich in der BWL üblich - auf dem Intervall von 0-1 definiert, dann wären es 22%. Aber Achtung: Wenn es sich um eine Dummy-Variable handelt, dann ist der Koeffizient ein Gruppenunterschied und zwar zu demjenigen Jahr, dass bei der Dummy-Variable weggelassen wurde. Die Interpretation würde beispielhaft lauten: "Gegenüber dem Ausgangsjahr 2000 weisen die Unternehmen im Jahr 2019 eine um -0.22% geringere Eigenkapitalquote auf. Das Ergebnis ist signifikant"
Hallo Herr Meier,
vielen Dank für Ihre Erklärungen im Video, Ihre Videos helfen mir sehr bei meiner aktuellen Regression. Ich analysiere zur Zeit, in meiner Bachelorarbeit, die Auswirkung von dem Managerton in Aktionärsbriefen und weiteren Fondscharakteristiken (Alter, Größe, Rendite, usw.) auf die Fondsfüsse. Haben Sie eine Idee, welche Größe ich genau mit Fixed-Effects reinbringen sollte und bringt eventuell ein Logarithmus etwas um die Daten besser zu vergleichen? Ich danke Ihnen.
Hallo Niko, Sie müssen zwingend die Controls aus der Literatur ableiten. Daher empfehle ich Artikel aus hochwertigen Journals zur Fondsperformance zu wählen und zu schauen, welche Variablen die verwenden. Auch die Literatur zur Sentiment Analyse können Sie heranziehen. Hier empfehle ich Loughran/ McDonald. Last but not least gibt es ganz sicher Literatur zu Merkmalen der Fondsmanager - Geschlecht, Alter, ... Logarithmieren brauchen sie nur bei Variablen, die extrem schief verteilt sind. Das Fondsvermögen dürfte darunter fallen, weil die Variable extrem rechtsschief sein dürfte.
@@jan-hendrikmeier579 Hallo Herr Meier, ich hätte eine erneute Frage bezüglich der statischen Analyse mit "R". Ich habe Literaturen bearbeitet und jetzt komme ich zu meinem eigenen empirischen Modell anhand der Paneldaten: Wie würden Sie spezifisch vorgehen? Mit den ganzen Variablen? Erst die Korrelation untersuchen, und dann die Analyse mit Fixed Effects und eventuell Lags? oder sollte noch ein wichtiger Zwischenschritt eingebaut werden? Ich danke Ihnen!