Dr. Wolfgang Langer - Verallgemeinerte Lineare Modelle ... · Dr. Wolfgang Langer -...

Dr. Wolfgang Langer - Verallgemeinerte Lineare Modelle - SoSe 2001 - 1

Dokumentation der LIMDEP-Befehlssprache für die DOSund die Windows-Version 7.0:

Befehlsübersicht für die im Methoden V - Kurs: Regressions-modelle für diskret abhängige Variablen nötigten Befehle


Übersicht der wichtigsten LIMDEP-Befehle und ihrEntsprechungen in SPSS

Funktionsbereich: LIMDEP 7.0 SPSSfWin 10.0

Dateiverwaltung:

� Einlesen von Rohdaten� Einlesen von binären Da-

ten aus externer Datei� Speichern von binären

Daten in externer Datei� Speichern in anderen Da-

tenformaten (LOTUS /EXCEL)

READ;

LOAD;

SAVE;

WRITE;

DATA LIST

GET FILE

SAVE OUTFILE

SAVE TRANSLATE

Datentransformationen:

� Rekodierungen� Berechnen neuer Varia-

blen� Bedingte Zuweisungen

� Skalaroperationen

RECODE;

CREATE;CREATE; IF

CALC;

RECODE

COMPUTEIfDO IF ( )..END IF---

Fallauswahl� nach logischen oder arith-

metrischen Bedingungen� Ausschluß von Fällen mit

fehlenden Angaben

INCLUDE;REJECT;

SKIP

SELECT IF ()

(automatisch)


Funktionsbereich: LIMDEP 7.0 SPSSfWin 10.0

Statistikprozeduren� Schätzen einer multiplen

linearen Regression� Schätzen einer binären

logistischen Regression� Schätzen einer binären

probabilistischen Regres-sion

� Schätzen einer multino-mialen logistischen Re-gression (MNL)

� Schätzen einer ordinalenlogistischen /probabili-stischen Regression

� Schätzen eines konditio-nalen MNL

REGRESS;

LOGIT;

PROBIT;

LOGIT;

ORDEREDPROB;

NLOGIT;

REGRESSIONLOGISTICREGRESSION

PROBIT

NOMREG

PLUM

---

Erstellen von graphischenDarstellungen:� Histogrammen� Scatterplot

HISTOGRAM;PLOT;SPLOT;

GRAPH /BARGRAPH /SCATTERPLOT

Variablenverwaltung:� Erstellen von Variablen-

listenNAMELIST; Menü-Extras:

Sets definierenSets verwenden


Syntaxchart: Einlesen von Daten

READ ; Befehlsaufruf

NOBS = n ;[NREC= n ;] Anzahl der Fälle

NVAR = ; Anzahl der Variablen

NAMES= name1,name2,name3 ;NAMES= k; Anzahl der Zeilen mit Varia-

blennamen in der DatendateiFILE= Dateiname; Einlesen der Daten aus

externer Datei FORMAT= ( Fortranformat ) ;BLANKS ; Übersetzung von Leerstellen in

"fehlende Werte" (-999)Wichtig für Fortranformat !

Andere Einleseformate:

FORMAT = WKS; LOTUS-WorksheetsFORMAT = BINARY; binaeres DateiformatFORMAT = DIF; Data Interchange FormatOhne Formatangabe: Freies Format !

TEMP=Dateiname ; binäre Auslagerungsdatei

MAXVAR= k $ Maximale Variablenanzahl k der Auslagerungsdatei


Ab LIMDEP 7.0 Windows/NT:

Direktes Einlesen von Lotus-WKS oder EXCEL-XLS-Dateienist ohne Angaben zur Fall- und Variablenanzahl möglich ! DieDatenübernahme kann direkt im Dateneditor von LIMDEP 7NT erfolgen, wobei LIMDEP folgendes leistet:

1. LIMDEP übernimmt direkt die Spaltenköpfe als Varia-blennamen.

2. Der von SPSS als SYSTEM-MISSING-VALUE verwen-dete „ . “ wird von LIMDEP als fehlender Wert erkanntund intern umgesetzt.

Hierzu müssen Sie im Dateneditor die rechte Maustaste drük-ken und die Option „Import Variables“ wählen. Danach fragtSie LIMDEP, in welchem Verzeichnis Ihr Lotus oder ExcelArbeitsblatt liegt. LIMDEP importiert dann alle Variablen unddefiniert die Anzahl der eingelesenen Fälle.


Syntax für Einlesen eines Lotus123-Worksheet:

READ ; FILE=Dateiname.WK1; FORMAT=WKS; NAMES $

Beispiel:

read; file=d:\meth5s01\limdep\eb30kurs.wk1;FORMAT=WKS; NAMES$


Syntaxchart: Schätzung des multiplen linearen Re-gressionsmodells mit maximal 70 Prä-diktoren

REGRESS ;

LHS = Varname ; Spezifikation der abhängigenVariablen

RHS= ONE, Varnames; Spezifikation der unabhängigen Variablen

ALG = STEP ; Anfordern der schrittweisen Regression

RH2 = Varnames ; Unabhängige Variablen, diezusätzlich/zwangsweise in dasModell aufgenommen werdensollen

PLOT ; STANDARD ; Plot der standardisierten Residuen

PLOT ( Varname ) ; Plot Residuen gegen Variable Varname

RES = Varname ; Speichern der Residuen unterVarname


KEEP = Varname ; Speichern der geschätzten Werte der A.V.

LIST; Ausgabe der geschätzten Werteder abhängigen Variablen, derResiduen und Konfidenzinter-valle

FILL ; Ersetzen fehlender Werte derA.V. durch geschätzte Werte

WTS=Varname $ Festlegung eines Gewichtungs-variablen für die Beobachtun-gen


Syntaxchart: Binäre und multinomiale logistischeRegression

LOGIT; Befehlsaufruf

LHS = Varname ; Spezifikation der abhängigenVar. (0 dient als Referenzkate-gorie !)

RHS= ONE, Varnames; Spezifikation der unabhängigenVars.

WTS= Varname , NOSCALE;

Gewichtung der Beobachtungen mit Varname. Bei Aggre-gatdaten - Subpopulationen - muß die automatische Skalie-rung mit NOSCALE ausgeschaltet werden !

WTS= Varname, CHOICE BASED ;

Gewichtung der Beobachtungen nach der in derGrundgesamtheit beobachteten Verteilung der Wahlalterna-tiven.

MARGINAL EFFECTS ;

Berechnung der partiellen Ableitungen für die einzelnenU.V.s. ("Marginals")


KEEP = Varname ;

Speichern der geschätzten Gruppenzugehörigkeit der A.V. bei Individualdaten.

Speichern der geschätzten Anteilswerte für die betrachte-te Alternative bei tabellierten/aggregierten Daten

RES = Varname ;

Speichern der Residuen bei Individualdaten

LIST $

Ausgabe der geschätzten Werte auf Fallebene:

1. Beobachteter Wert von Y2. Geschätzten Gruppenzugehörigkeit3. Geschätztes Residuum 4. Geschätztes Logit (Linearer Prädiktor)5. Geschätzte Wahlwahrscheinlichkeit (Y=1)

Limits:

Es können maximal 150 logistische Regressionskoeffizientengeschätzt werden.


Syntaxchart: Erstellen von Scatterplots

PLOT ; Befehlsaufruf

LHS = Varname ; Variable der X-Achse

RHS= Varnames; Variablen der Y-Achse(Maximal 7 Vars.!)

TITLE = Titel der Grafik ;Erstellen eines Grafiktitels

REGRESSION ; Schätzung einer bivariaten Regression

FILL ; Verbindung der Datenpunktepro A.V. mit einer Linie

GRIDS ; Unterlegung mit Rasterlinien

ENDPOINTS = linker , rechter Grenzwert ;

Festlegung des Minimum undMaximum der X-Achse

LIMITS = untere, obere Grenzwert ;

Festlegung des Minimum undMaximum der Y-Achse


SPIKES = bis zu 5 Werte ; Parallelen zur Y-Achse

BARS = bis zu 5 Werte $ Parallelen zur X-Achse

Syntaxchart: Erstellen eines multiplen Scatterplotsmit geschätzter Regressionsgerade

SPLOT ; Befehlsaufruf

RHS = Variablennamen ; Zu plottende Variablen

REGRESSION $ Anforderung der bivariaten Re-gression

Limits:

Maximal 8 Variablen


Syntaxchart: Vereinbarung von Variablenlisten

NAMELIST; Befehlsaufruf

Name1=Varname1,...,Varname k ;Name2=Varname2,...,Varname l ;

..... Name10 $

LIMITS:

10 Variablensets mit insgesamt 100 Variablen

Bei Überschreitung des Limits können einzelne Variablen-listen mit dem Befehls:

namelist; delete name10 $

gelöscht werden !


Arbeiten mit Systemdateien:

Syntaxchart: Erstellen einer binären Systemdatei

SAVE $ Angabe des Dateinamens + Suffix (*.dum , *.sav, *lpj) auf Anforderung

Einlesen einer Systemdatei

LOAD $ Angabe des Dateinamens + Suffix (*.dum , *.savoder *.lpj) auf Anforderung


Syntaxchart: Binäre PROBIT-Regression

PROBIT ; Befehlsaufruf

LHS = Varname ; Spezifikation der abhängigenVariablen mit „0" als Refe-renzkategorie

RHS= ONE, Varnames; Spezifikation der unabhängigenVariablen



WTS= Varname, CHOICE BASED ;

Gewichtung der Beobachtungen nach der in der Grundge-samtheit beobachteten Verteilung der Wahlalternativen.

KEEP = Varname ; Speichern der geschätzten Gruppenzugehörigkeit der A.V.

RES = Varname ; Speichern der Residuen

LIST $ Ausgabe der geschätzten Wertewie im LOGIT-Modell


Syntaxchart: Vektoroperationen und bedingtes Erzeugenneuer Variablen. (Entspricht dem COMPUTE-Befehl in SPSS)

CREATE; Befehlsaufruf

NEUVAR = OPERATION (ALTVAR) $

Beispiel: Berechnung der geschätzten Werte von Y.

CREATE; YPREDICT = DOT(X,B) $

Erstellen neuer Variablen mit Hilfe logischer Abfragen:

CREATE; IF ( log.Bedingung) | NEUVAR=Wert1;

(ELSE) | NEUVAR= Wert2; (ENDIF) | weitere Transformationen ohne logische

Abfrage $

" | " ermöglicht es, mehrere Transformationen gleichzeitigdurchführen zu lassen, die mit " ; " jeweils zu trennen sind !

Dokumentation der möglichen Operationen:

Greene, W.H. (1995): LIMDEP 7 Quick Referenz GuideBellport, N.Y.: Econometric Software Inc.


Syntaxchart: Skalaroperationen und bedingtes Erzeugenneuer Skalare.

CALCulate; Befehlsaufruf

Neuer Skalar = Wert ; Wertzuweisung

result; Unterdrücken in der Bild-schirmanzeige und im Aus-gabeprotokolls.

list $ Anzeigen des berechnetenErgebnisses und seine Proto-kollierung

Beispiel:

CALC; YCAT=3 $

Für die Skalarbearbeitung stehen folgende Funktionen zurVerfügung:


Logische Vergleichsoperatoren für IF - Abfragen imCREATE / REJECT / INCLUDE - Befehl von LIM-DEP:

" = " : ist gleich" # " : ist ungleich" > " : ist größer als" < " : ist kleiner als " >= ": ist größer oder gleich" <= ": ist kleiner oder gleich

Logische Verknüpfungen:

" & ": und

“ | “: oder


Syntaxchart: Rekodierung der Ausprägungen einerbzw. mehrerer Variablen

RECODE ; Befehlsaufruf

Varname1, Varname2, ...., Varnamek ;

Altwert1, Altwert2,.., Altwertl =Neuwert1;

* = Neuwert2 $ Zuweisung des Neuwert2 denobigen Variablen, wenn sie kei-nen der explizit genannten Alt-werte aufweisen

Limits:

Maximal 50 Einzelrekodierungen pro Variable


Syntaxchart: Auswahl von Substichproben in LIM-DEP

Einbeziehen von Fällen in die aktuelle Analyse nach einerlogischer Abfrage:

INCLUDE;

logischer Ausdruck;

NEW $ Zurücksetzung auf die Ausgangsstichprobe

Ausschluß von Fällen aus der aktuellen Analyse nach logi-scher Abfrage: Gilt für alle nachfolgenden Modelle

REJECT ;

logischer Ausdruck;

NEW $ Zurücksetzen auf die Ausgangsstichprobe

LIMITS:

Nicht mehr als 8 Variablen pro Reject-Befehl. Bei Mehrbe-darf muß ein weiterer Reject-Befehl folgen, der implizit als„Und-Verknüpfung“ interpretiert wird.


Syntaxchart: Ordinale Schwellenwertmodelle

ORDERED PROB; Befehlsaufruf

LHS= Varname; Spezifikation der abhängigen-Variablen (0,1,2,...,k)

RHS= ONE, Varnames; Spezifikation der unabhängigenVariablen



LOGIT ; Wahl der logistischen anstattder kumulativen Normalver-teilungsfunktion

STR = Stratifikationsindikator ;

Schätzung von Schwellenwerten µ's für die einzelnen Sub-stichproben (Stratas)

KEEP = Varname ; Speichern der geschätzten Gruppenzugehörigkeit der A.V.

RES = Varname ; Speichern der Residuen

LIST ; Ausgabe der geschätzten Werte


1. Predicted Y: Vorhergesagte Gruppenzugehörigkeit(Kriterium höchste Einzelwahrscheinlichkeit)

2. ‘Residual’: Größte geschätzte Einzelwahrschein-lichkeit einer Wahlalternative

3. ‘Var 1': Geschätztes kumulatives Probit/Logit4. ‘Var 2': Geschätzte Wahrscheinlichkeit für die

beobachtete Alternative von Y

PARMS ; Speichern der µ's im b-Vektor

MARGINAL Effects; Partielle Ableitungen für den Mit-telwertsvektor der unabhängigenVariablen

SELECT; Schätzung eines kumulativenProbit/Logit-Modells bei zensier-ten Beobachtungen. Zuvor mußder Selektionsprozeß über ein bi-näres Probit modelliert werden.

$


Makroprogrammierung mit LIMDEP

Übersicht der Systemskalare von LIMDEP:

Lineare Modelle:

Skalar: Bedeutung:

SSQRD: Summe der Abweichungsquadrate der Resi-duen / (N-K)

RSQRD: Determinationskoeffizient R²

S: Wurzel aus SSQRD

SUMSQDEV: Summe der Abweichungsquadrate der Resi-duen

RHO: Autokorrelationskoeffizient (Durbin-Watson-Teststatistik)

DEGFRDM: N-K ;

SY: Standardabweichung von Y

YBAR: Mittelwert von Y

KREG: K: Anzahl der Regressionskoeffizienten

NREG: N: Stichprobenumfang


LOGL: Log-Likelihood des aktuellen Modells

Nichtlineare Modelle:

KREG: K: Anzahl der Regressionsgewichte

NREG: N: Stichprobenumfang

LOGL: Log-Likelihood des aktuellen Modells

RHO: Interkorrelation der Fehlerterme inMehrgleichungsmodellen (Simultane Probit-modelle)

VARRHO: Geschätzte asymptotische Varianz desSchätzers für RHO

SYSTEMVEKTOREN:

b: Vektor der Regressionsgewichte

µ: Vektor der Schwellenwerte

VARB: Geschätzte asymptotische Kovarianzmatrixder Schätzer (Wald-Test)


LIMDEP-Makro zur Berechnung des hierarchischen Mo-delltests:

Berechnung von: 1. McFadden Pseudo R²2. �-McFadden Pseudo R² im Vergleich zum Vormodell3. Globaler Likelihood-Ratio-�²-Test4. Partieller Likelihood-Ratio-�²-Test im Vergleich zum

jeweiligen Vormodell

Festlegung der Anzahl der Wahlalternativen der abhängigen Variable mit demfolgenden Befehl:

Calc; ycat= k $

Ausgangspunkt: Nullmodell

Procdure = hierinitType; Initialisierung der Hilfsskalare für hierarchischen Modelltest$Type; Ausführung nach der Schätzung des Nullmodells$Calc; NOLIST; ll0=logl$Calc; nolist; prh=0$Calc; nolist; hkreg=kreg $Calc; nolist; hlogl=logl $Calc; nolist; nkreg=kreg $calc; nolist; hmzr2=0$Endprocedure

Aufruf des Makros "hierinit" nach der Schätzung des Nullmodells mitdem Aufruf:

exec; proc=hierinit$


Makro: hiertest

Proc = hiertest Type ; Durchführung des hierarchischen Modelltest$ Type ; McFadden's Pseudo R2 = (in %)$ Calc ; LIST; pr2=(1-(logl/ll0))*100$Type ; Delta Pseudo R2 (i.V.z. Vormodell) = $Calc ; LIST; pr2d=pr2-prh $Type ; Globaler-Likelihood-Ratio-X² = $ Calc ; LIST; lrc2g=2*(logl-(ll0)) $Type ; Freiheitsgrade (D.F.) = $calc ; LIST; ddfg= (ycat-1)*(kreg-nkreg) $Type ; Signifikanz (p) = $calc ; LIST; sigg=(1-(chi(lrc2g,ddfg))) $Type ; Partieller-Likelihood-Ratio-X² (i.V.z. Vormodell) = $ Calc ; LIST; lrc2p=2*(logl-(hlogl)) $Type ; Freiheitsgrade (D.F.) = $calc ; LIST; ddfp= (ycat-1)*(kreg-hkreg) $Type ; Signifikanz (p) = $calc ; LIST; sigp=(1-(chi(lrc2p,ddfp))) $Calc ; NOLIST; prh=pr2$Calc ; NOLIST; hkreg=kreg $calc ; NOLIST; hlogl=logl $ Endproc

Aufruf des Makros zum hierarchischen Modelltest nach derSchätzung des jeweiligen Folgemodells mit dem Aufruf:

exec; proc=hiertest $


LIMDEP-Makro zur Berechnung des partiellen Modell-tests:

Berechnung von: 1. McFadden Pseudo R²2. �-McFadden Pseudo R² im Vergleich zum Fullmodell3. Globaler Likelihood-Ratio-�²-Test4. Partieller Likelihood-Ratio-�²-Test im Vergleich zum

Fullmodell

Festlegung der Anzahl der Wahlalternativen der abhängigen Variable mit demfolgenden Befehl:

Calc; ycat= k $

Ausgangspunkt: Fullmodell

Proc = partinittype; Initialisierung der Hilfsskalare für partiellen Modelltest$type; Ausführung nach der Schätzung der Full-Modells$type; und des Aufrufes von hiertest$calc; nolist; llf=logl$calc; nolist; pr2f=pr2$calc; nolist; lrc2f=lrc2g$calc; nolist; kregf=kreg$Endproc

Aufruf des Makros "partinit" nach der Schätzung des Fullmodells mitdem Aufruf:

exec; proc=partinit$


Makro: parttest

Proc = parttest Type; Durchführung des partiellen Modelltests nach HOLM (1979)$Type ; McFadden's Pseudo R2 = (in %)$ Calc ; LIST; pr2=(1-(logl/ll0))*100$Type ; Delta Pseudo R2 (i.V.z. full model)= $Calc ; LIST; pr2d=pr2f-pr2 $Type ; Globaler-Likelihood-Ratio-X² = $ Calc ; LIST; lrc2g=2*(logl-(ll0)) $Type ; Freiheitsgrade (D.F.) = $calc ; LIST; ddfg= (ycat-1)*(kreg-nkreg) $Type ; Signifikanz (p) = $calc ; LIST; sigg=(1-(chi(lrc2g,ddfg))) $Type ; Partieller-Likelihood-Ratio-X² (i.V.z.full model)= $ Calc ; LIST; lrc2p=2*(llf-(logl)) $Type ; Freiheitsgrade (D.F.) = $calc ; LIST; ddfp= (ycat-1)*(kregf-kreg) $Type ; Signifikanz (p) = $calc ; LIST; sigp=(1-(chi(lrc2p,ddfp))) $ Endproc

Aufruf des Makros "parttest" nach der Schätzung des je-weiligen Alternativmodells mit dem Aufruf:

exec; proc=parttest $


LIMDEP-Makro zur Berechnung des McKelvey & ZavoinaPseudo R² für binäre bzw. ordinale Logit oder Probitmodelle.

Binäre / Ordinale Logits:

Proc = mzr2ltype; McKelvey&Zavoina R² Berechnung für bineare/ordinaleLOGITS$create; flogit=dot(x,b)$calc; nolist; mlogit=sum(flogit)/n $create;clogit2=((flogit-mlogit)^2) $type; McKelvey&Zavoina Pseudo R² (Aldrich&Nelson 1985) = (in %) $calc; list; mzr2 = (sum(clogit2) / (n*3.29 + sum(clogit2))) *100 $type; Delta M & Z Pseudo R² = (in %)$calc; list; dmzr2 =mzr2-hmzr2$calc; nolist; hmzr2=mzr2$delete; flogit,clogit2$endproc$

Binäre / ordinale PROBITS:

proc = mzr2ptype; McKelvey&Zavoina R² Berechnung für bineare/ordinale PRO-BITS$create; fprobit=dot(x,b) $calc; NOLIST; mprobit=sum (fprobit) / n $create; cprobit2=((fprobit-mprobit)^2) $type; McKelvey&Zavoina Pseudo R² (Aldrich&Nelson 1985) = (in%) $calc; LIST; mzr2= (sum(cprobit2) / (n + sum(cprobit2))) *100 $type; DELTA M & Z Pseudo R² = (in %) $calc; LIST; dmzr2=mzr2-hmzr2$calc; NOLIST; hmzr2=mzr2 $delete; fprobit,cprobit2$endproc


LIMDEP-Makro zur Berechnung des Aldrich & Nelson-Pseudo-R² für binäre Logit oder Probitmodelle und derkorrigierten Version von Veall & Zimmermann:

Proc = anpr2type; Berechnung des Aldrich & Nelson Pseudo R²$type; Anwendung für binäre Probits$Type; Korrektur nach Veall & Zimmermann (1994: 155) $Type; Aldrich & Nelson Pseudo R² = (in %) [unkorrigiert] $ Calc; list; anpr2= (lrc2g / (lrc2g + nreg)) * 100 $type; Obergrenze des Aldrich & Nelson Pseudo R²s = (in %)$calc; list; anpr2max = ((-2 * ll0 / nreg) / (1 - (2 * ll0 / nreg)) * 100)$Type; Korrigiertes Aldrich & Nelson Pseudo R² = (in %) $Calc; list; anpr2k= (anpr2 / anpr2max) * 100$Endproc

Dr. Wolfgang Langer - Verallgemeinerte Lineare Modelle ... · Dr. Wolfgang Langer -...

Documents

Transcript of Dr. Wolfgang Langer - Verallgemeinerte Lineare Modelle ... · Dr. Wolfgang Langer -...