Damit die Ergebnisse einer Ordinary Least Squares (OLS) Regression gültig sind und für die politikwissenschaftliche Forschung verwendet werden können, müssen die inferenzstatistischen Annahmen der OLS-Regression erfüllt sein. Eine besonders wichtige Annahme ist die, dass keine Autokorrelation besteht. Autokorrelation besteht dann, wenn die Residuen einer Beobachtung nicht unabhängig von den Residuen einer anderen Beobachtung sind. Gerade bei internationalen Länderdaten kann diese Annahme verletzt werden. Entweder weil die verwendeten Daten zeitlich oder räumlich oder zeitlich und räumlich abhängig sind. Um diesen Annahmeverletzungen zu begegnen, sind unterschiedliche statistische Techniken anzuwenden.
Im Folgenden werden exemplarisch Techniken vorgestellt, die es erlauben, mit diesen benannten Annahmeverletzungen umzugehen. Zunächst werden Regressionstechniken vorgestellt, die auf die räumliche Abhängigkeit von Länderdaten bei Querschnittsanalysen eingehen. Es folgt ein kurzer Einblick über Regressionstechniken, die sich zum Umgang mit zeitlicher Abhängigkeit bei Längsschnittstudien eignen. Die Quer- und Längsschnittperspektive wird schließlich im vierten Kapitel zusammengeführt. Dort werden über die time-series cross-sectional (TSCS) Analyse weitere Techniken exemplarisch vorgestellt. Aufgrund der Fülle an statistischen Techniken und den möglichen Detailtiefen, setzt die nachfolgende Ausarbeitung ihren Schwerpunkt darauf, mithilfe der Auswahl einiger Techniken zum Umgang mit internationalen Länderdaten, ihren Annahmen und Einsatzmöglichkeiten, sowie den entsprechenden Stata-Do-Befehlen einen groben Überblick zu verschaffen.
Inhaltsverzeichnis
- Abkürzungsverzeichnis
- 1. Einleitung
- 2. Räumliche Abhängigkeit bei internationalen Länderdaten
- 3. Zeitliche Abhängigkeit bei internationalen Länderdaten
- 4. Zeitliche und räumliche Abhängigkeit bei internationalen Länderdaten
- 5. Fazit
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Dieser Text beschäftigt sich mit der Anwendung statistischer Techniken im Kontext von international vergleichenden Länderdaten. Der Fokus liegt dabei auf der Bewältigung von zeitlicher und räumlicher Abhängigkeit, die in solchen Datensätzen häufig auftreten. Die Arbeit beleuchtet die Herausforderungen, die durch diese Abhängigkeiten entstehen, und präsentiert verschiedene statistische Modelle, die zur Lösung dieser Probleme eingesetzt werden können.
- Räumliche Abhängigkeit bei internationalen Länderdaten
- Zeitliche Abhängigkeit bei internationalen Länderdaten
- Statistische Techniken zur Behandlung von räumlicher und zeitlicher Abhängigkeit
- Anwendung von räumlich autoregressiven Modellen (SAR)
- Die Rolle von Gewichtungsmatrizen bei der Berücksichtigung räumlicher Abhängigkeiten
Zusammenfassung der Kapitel
1. Einleitung
Das Kapitel stellt das Problem der Autokorrelation bei internationalen Länderdaten vor. Dabei wird die OLS-Regression als Beispiel herangezogen und die Notwendigkeit der Berücksichtigung von Autokorrelation für valide Ergebnisse betont. Die Bedeutung von zeitlicher und räumlicher Abhängigkeit sowie die Notwendigkeit spezieller statistischer Techniken zur Bewältigung dieser Herausforderungen werden erläutert.
2. Räumliche Abhängigkeit bei internationalen Länderdaten
Dieses Kapitel konzentriert sich auf die räumliche Abhängigkeit von Länderdaten im Kontext von Querschnittsanalysen. Es erklärt, wie räumliche Autokorrelation durch Nachbarschaftseffekte oder Messfehler entstehen kann. Der Beitrag des Geographen Waldo Tobler, der das erste Gesetz der Geographie formulierte, wird erwähnt. Das Kapitel führt schließlich das Konzept der räumlich autoregressiven Modelle (SAR) ein und beschreibt deren Einsatz zur Berücksichtigung räumlicher Abhängigkeiten.
3. Zeitliche Abhängigkeit bei internationalen Länderdaten
Dieses Kapitel beschäftigt sich mit der zeitlichen Abhängigkeit von Länderdaten in Längsschnittstudien. Es werden verschiedene Techniken vorgestellt, die sich zum Umgang mit zeitlicher Autokorrelation eignen.
4. Zeitliche und räumliche Abhängigkeit bei internationalen Länderdaten
Das Kapitel verbindet die beiden vorherigen Kapitel und führt in die time-series cross-sectional (TSCS) Analyse ein. Es präsentiert verschiedene Techniken, die zur Berücksichtigung sowohl zeitlicher als auch räumlicher Abhängigkeiten in internationalen Länderdaten verwendet werden können.
Schlüsselwörter
Internationale Länderdaten, räumliche Abhängigkeit, zeitliche Abhängigkeit, Autokorrelation, OLS-Regression, räumlich autoregressive Modelle (SAR), Gewichtungsmatrizen, time-series cross-sectional (TSCS) Analyse, Stata-Do-Befehle, inferenzstatistische Annahmen.
- Quote paper
- Tobias Hamm (Author), 2018, Statistische Techniken zum Umgang mit zeitlicher und räumlicher Abhängigkeit bei internationalen Länderdaten, Munich, GRIN Verlag, https://www.grin.com/document/1378782
