Huber-White oder robuste Regression?

[mika]

Hallo zusammen,

vielleicht weiß einer von euch hier ja etwas genauer Bescheid:

Bei der Berechnung einer linearen Regression ergab sich eine heteroskedast. Verteilung der Residuen.

Mit SPSS kann man diesem Problem ja beispielsweise mit der "Robusten Regression" entgegenwirken. Alternativ lese ich aber auch immer wieder, dass die Berechnung des Standardfehlers mit Huber/White berechnet wird.
Eigentlich erscheint mir dies sogar geläufiger.

Mich würde nun interessieren, was die Vor- und Nachteile sind.
Wenn ich es richtig verstehe, wird bei der robusten Regression in SPSS für die einzelnen Koeffizienten keine Signifikanz angegeben. Ist das vielleicht der Grund und weshalb wird sie nicht angegeben?

Freue mich über eine Rückmeldung!

[drfg2008]

Ich weiß jetzt nicht, welche Version von SPSS du hast.

Bei meiner Version 17 muss die Robuste Regression noch extra über R integriert/importiert werden. Der Output enhält dann auch die Bemerkung SPSSINC (R)

Beispiel

Code: Alles auswählen

	SPSSINC Robust Regression
Value	Std. Error	t value
(Intercept)	966,354	14,533	66,492
uv	-6,690	,656	-10,202
rlm(formula = av ~ uv, data = dta, na.action = na.exclude, method = "MM", model = FALSE) 
Residual standard error: 204.44818
Degrees of freedom: 998

Da sowohl die t-Werte als auch die Freiheitsgrade angegeben sind, lässt sich dazu der p-Wert leicht berechnen. Weshalb das R-Programm hier auf die Berechnung des p-Werts verzichtet, ist mir jetzt auch nicht so geläufig.

Gruß

[mika]

Danke für die Rückmeldung.

Aber gibt es denn generell einen Grund, weshalb man es vorziehen sollte die Standardfehler nach Huber/White (mit Stata) zu berechnen oder aber die robuste Regression (mit SPSS) durchzuführen?

[drfg2008]

Aber gibt es denn generell einen Grund, weshalb man es vorziehen sollte die Standardfehler nach Huber/White (mit Stata) zu berechnen oder aber die robuste Regression (mit SPSS) durchzuführen?

Ja die gibt es: Ich habe kein Stata (Wenn, dann würde ich noch mit SAS oder R arbeiten)

Ich sehe methodische Probleme eher woanders, nämlich im Problem, dass die Daten eigentlich hierarchisch gegliedert sein könnten und das wird nicht selten übersehen. Also methodische Probleme eher in der Spezifikation des Modells und weniger in der Robustheit.

Gruß