Handout
Handout
Handout
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 Messfehler in der Multiple Regression<br />
In der multiplen Regression sind die Auswirkungen der Messfehler komplizierter<br />
als in der linearen Regression. Wenn auch nur bei einer Variable Messfehler<br />
vorhanden sind, können sich diese sogar auf die Schätzungen der messfehlerfreien<br />
Kovariablen auswirken.<br />
Wir betrachten nun folgendes klassisches, additives Modell:<br />
Y = β 0 + β X X + β t ZZ + ɛ<br />
X ist skalar mit Messfehler und Z ist der Vektor der messfehlerfreien Kovariablen.<br />
Für X ∗ ergibt sich als KQ-Schätzer mit σX|Z 2 und σ2 X ∗ |Z<br />
als Residualvarianzen:<br />
λ 1 β x mit λ 1 = σ2 X|Z<br />
σ 2 X ∗ |Z<br />
=<br />
σ 2 X|Z<br />
σ 2 X|Z + σ2 U<br />
Hierbei muss X ∗ unverzerrt für X sein und U unabhängig von X,Z und<br />
ɛ. Solange Z unabhängig von X ist, hat der Messfehler keinen Einfluss, wenn<br />
aber Z von X abhängt (was bei den allermeisten Datensätzen der Fall sein<br />
sollte), ergibt die einfache KQ-Schätzung nicht β Z , sondern β Z ∗, welche von<br />
β X abhängt und somit auch verzerrt ist. Das bedeutet, dass die Meßfehler<br />
der Variable X auch einen Effekt auf die Variablen ohne Messfehler haben<br />
kann.<br />
β Z ∗ = β Z + β X (1 − λ 1 )Γ Z<br />
2<br />
Das bedeutet, dass die Meßfehler der Variable X auch einen Effekt auf<br />
die Variablen ohne Messfehler haben kann. Wenn nun ein Behandlungseffekt<br />
anhand einer zwei Gruppen Analyse untersucht werden soll, stellt sich solange<br />
kein Problem, solang das Design der zwei Gruppen ausgeglichen ist (d.<br />
h. wenn die Mittelwerte gleich und unabhängig von der Behandlung sind).<br />
Sobald dies aber nicht mehr der Fall ist, kann durch den Messfehler in der<br />
Variable X der Eindruck erweckt werden, dass es zum einen einen Behandlungseffekt<br />
gibt, wo überhaupt keiner vorliegt, und zum anderen, dass der<br />
Effekt positiv ist obwohl er eigentlich negativ wäre (bzw andersherum).<br />
2 Γ t Z ist der Koeffizient der Regression von von X auf Z. E(X|Z) = Γ 0 + Γ t Z Z<br />
10