Inwieweit gibt es einen Zusammenhang zwischen ausgewählten Kennzahlen und den Länderratings? Zu Beginn der Arbeit werden Länder Europas ausgewählt und die zugehörigen Länderratings bestimmt. Im nächsten Schritt werden unterschiedlichste Kennzahlen ausgewählt und definiert. Daraufhin soll durch die univariate sowie der multivariaten Regression mögliche positive oder negative Zusammenhänge der Länderratings und Kennzahlen analysiert werden. Diese wird mit Hilfe des Statistikprogramms R erfolgen.
Inhaltsverzeichnis
1 Einleitung
1.1 Motivation und Zielsetzung der Arbeit
1.2 Methodik und Abgrenzung
2 Erhebung der notwendigen Daten
2.1 Auswahl der Länder und Länderratings
2.2 Auswahl der Kennzahlen
3 Empirische Analyse
3.1 Einschränkung
3.2 Vorgehensweise
3.3 Durchführung der univariate Regression
3.4 Durchführung der multivariaten Regression
4 Schlusswort
4.1 Abschließendes Fazit
4.2 Ausblick
Zielsetzung & Themen
Das primäre Ziel dieser Seminararbeit besteht darin, mittels einer empirischen Analyse zu untersuchen, inwieweit statistische Zusammenhänge zwischen ausgewählten ökonomischen sowie sozialen Kennzahlen und den Länderratings von 24 europäischen Staaten bestehen und ob sich diese Zusammenhänge plausibilisieren lassen.
- Analyse der Länderratings großer Ratingagenturen mittels numerischer Skalierung.
- Untersuchung von 14 volkswirtschaftlichen und sozialen Kennzahlen aus dem Jahr 2019.
- Durchführung univariater Regressionsanalysen zur Identifikation signifikanter Einflussfaktoren.
- Anwendung einer multiplen linearen Regression zur Prüfung von Gesamteffekten auf das Länderrating.
- Statistische Validierung der Modelle durch Tests auf Fehlspezifikation, Heteroskedastizität und Autokorrelation.
Auszug aus dem Buch
3.2 Vorgehensweise
Im ersten Schritt wird das Statistikprogramm R sowie RStudio heruntergeladen und installiert. Mit diesem Programm wird die komplette Analyse durchgeführt, wie bereits in Kapitel 1.2 beschrieben. Daraufhin werden alle Datensätze, sowohl die Länderratings als auch die Kennzahlen, mit einer passenden Überschrift versehen und ein Dataframe Data erstellt. Dieser beinhaltet die 24 Länder mitsamt ihren durchschnittlichen Länderratings (Average) sowie den ausgewählten 14 Kennzahlen. Der Datenframe sollte, bis auf die Länder (erste Spalte), aus einer numerische Skala bestehen. Tut er dies nicht, wird Mithilfe des Befehls as.numeric() transformiert. Fehlende Werte werden durch „NA“ ersetzt, sodass diese bei der Regressionsanalyse nicht berücksichtigt werden.
Im nächsten Schritt werden lineare Regressionen für jede einzelne Kennzahl durchgeführt. Diese werden dann auf unterschiedlichste Tests untersucht, die nachfolgend genauer erläutert werden. Die lineare Regression wird auf den F-Test, T-Test, auf Fehlspezifikation (REgression Specification Error Test (RESET-Test)), Autokorrelation (Durbin-Watson Test), Heteroskedastizität (Goldfeld-Quandt-Test) sowie auf Normalverteilung (Jarque-Bera-Test) untersucht, wohingegen die multiple lineare Regression weiteren Tests unterzogen werden, die nachfolgend kurz erläutert werden.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung erläutert die Motivation für die Untersuchung von Länderratings im Kontext aktueller Krisen und definiert die Forschungsfrage sowie die methodische Vorgehensweise.
2 Erhebung der notwendigen Daten: Dieses Kapitel beschreibt die Auswahl der 24 europäischen Länder und die Definition sowie Bereinigung der 14 verwendeten volkswirtschaftlichen Kennzahlen für das Analysejahr 2019.
3 Empirische Analyse: Hier erfolgt die statistische Durchführung der univariaten und multivariaten Regressionen unter Anwendung verschiedener diagnostischer Tests zur Überprüfung der Modellqualität.
4 Schlusswort: Das Schlusswort fasst die Ergebnisse zusammen, diskutiert die Signifikanz der Variablen – insbesondere des Bildungsniveaus – und gibt einen Ausblick auf mögliche zukünftige Forschungsansätze.
Schlüsselwörter
Länderratings, Empirische Analyse, Lineare Regression, Multivariate Regression, Eurostat, Volkswirtschaft, Signifikanz, Education, BIP, Arbeitslosigkeit, Sozialindikatoren, Statistik, R-Projekt, Datenanalyse, Bonitätsprüfung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit analysiert statistische Zusammenhänge zwischen verschiedenen Kennzahlen (z.B. BIP, Arbeitslosenquote, Bildungsindikatoren) und der Kreditwürdigkeit (Länderrating) von 24 europäischen Ländern.
Was sind die zentralen Themenfelder der Untersuchung?
Die zentralen Felder sind die empirische Auswertung von Ratingdaten von Agenturen wie S&P, Moody's und Fitch sowie deren Korrelation mit sozialen und ökonomischen Daten des europäischen Statistiksystems.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist zu klären, ob ein signifikanter statistischer Zusammenhang zwischen spezifischen Kennzahlen und dem Länderrating besteht und ob die gefundenen Ergebnisse ökonomisch plausibel sind.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es wird eine quantitative empirische Analyse mittels des Statistikprogramms R durchgeführt, wobei sowohl univariable als auch multiple lineare Regressionsmodelle zur Anwendung kommen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil widmet sich der Datenaufbereitung, der Durchführung der Regressionsmodelle und der umfangreichen Prüfung der Anwendungsvoraussetzungen durch statistische Tests wie den RESET-Test oder Durbin-Watson-Test.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird maßgeblich durch Begriffe wie Länderratings, Regressionsanalyse, ökonomische Kennzahlen und statistische Signifikanz geprägt.
Welche Variable stellte sich in der Analyse als besonders bedeutsam heraus?
Die Variable „Education“ (Bildungsniveau) erwies sich sowohl in der univariaten als auch in der multivariaten Analyse als durchgehend signifikant und positiv mit dem Länderrating korreliert.
Warum wird der Umfang des Datensatzes als kritisch eingestuft?
Der Autor weist explizit darauf hin, dass die geringe Basis von nur 24 Ländern die Robustheit der Ergebnisse beeinflussen könnte und eine potenzielle Übergewichtung von Ausreißern besteht.
- Arbeit zitieren
- Manuela Maurer (Autor:in), 2021, Der Zusammenhang zwischen ausgewählten Kennzahlen und Länderratings, München, GRIN Verlag, https://www.grin.com/document/1140826
