Summary kwantitatieve onderzoeksmethodologie

Les 1: econometrie
OLS wordt wel toegelicht, maar er zijn ook andere methoden om data te analyseren

Type regressie is afhankelijk van de afhankelijke variabele  zo weet je welke methode je moet
gebruiken

2 ENIGE EXAMENVRAGEN
Stata output verklaren  deftig kunnen uitleggen
 Betrouwbaarheidsinterval
 Methode
 Betekenis coëfficiënten

Onderzoeksvraag kunnen gieten in onderzoeksmodel kunnen gieten
 Zo doen, benadering beschrijven die functioneert
 Als het niet werkt geen of slechte punten
 Deze methode
 Deze data
 Ik doe dit zo omdat die data antwoord kunnen geven op de onderzoeksvraag
 Iets uitwerken dat ook effectief in de realiteit werkt

Output kunnen verklaren (zie OZM 3) !!!

Reg price mpg i.rep…  lineaire regressie
 Eerste woord is altijd de soort regressie die er gebruikt wordt in het model
 Eerste na commando (tweede woord) is altijd de afhankelijke variabele
 Dit is continu en daarom gebruiken we regressie, omdat het in lijn is met dat type variabele
 Daarna zijn verklarende variabele (onafhankelijke variabele)
 i. voor variabele dan is het een categorische
 Deze vraag heeft dan 5 antwoordmogelijkheden
 Er moet er steeds 1 wegvallen, omdat de categorie altijd in relatie wordt gezien van de
basiscategorie. Dus de 2de categorie wordt in relatie gezien tot de 1ste categorie

R²: kijken hoe goed het model op zich is
t en P: om te kijken of de variabele significant verschilt van de 1 ste categorie
 Grens is 5% (0,05)
 Belangrijk deze waarde weer te geven, omdat wanneer er 2 middelen zijn op de markt om af te
vallen met het ene valt u 2 kg af met een betrouwbaarheid van 5%, het tweede middel valt u 15kg
van af met een betrouwbaarheid van 12%.
 Welk middel zou u kiezen? Meeste mensen gaan 2 de kiezen
 Alles is afhankelijk van de betrouwbaarheid die we hebben in de waarde en de waarde van de
bèta, maar het is wel een indicatie naar de conclusie toe

One tail vs. two tail testing
 t-test is two-tail testing: testen of coëfficiënt in betrouwbaarheidsinterval valt
 0,05
 One tail testing: vooraf een hypothese in 1 richting geschreven
 0,06




1

,Goed model?
Nee, want R² is aan de lage kant.
 Hoge R² is vaker een slecht teken dan een goed teken
 Vb. ik ga het aantal werknemers proberen verklaren door de turnover
 Beide zijn maatstaffen om te grote van een onderneming te meten
 R² gaat heel hoog zijn, maar daarom niet bepaald een goed model

!! Niet elk model heeft een R²

Omitted variable bias: groot probleem, de nodige variabele/ verklarende variabelen zijn niet
opgenomen en je hebt dus verklarende variabelen laten vallen

De f-test geeft aan of uw model op zich iets verklaard  het model verklaard iets, maar het is niet
super
 Test of je het model kan gebruiken of niet

Stappen om te beginnen aan de onderzoeksvraag:
 Introduction
 Importing and cleaning data
 Browsing data
 Creating variables
 Research questions
 Matching data
 Regressions
 Do file

Mogelijke valkuilen:
 Puur ‘mechanisch’ na-apen, zonder te snappen waar je mee bezig bent
 Geen rekening houden met type data (cross-sectie, tijdreeks, panel, ordered, count, …)
 Geen rekening houden met meetniveau van afhankelijke en onafhankelijke variabelen
 Correlatie (of significant effect) impliceert geen causaliteit: spurious correlation, random
walk
 Omitted variable bias
 Extreme observaties

Importing data
Gebruik termen die gebruikt worden in de literatuur (vb. home and host country)

Hoe kan je van een rode variabele een zwarte maken?
 Destring: variabelen om te zetten naar bruikbare data
 Non-numerieke data omzetten naar numerieke: dummies maken voor industriën  string
omzetten naar numerical

Encode: we gaan van een stringvariabele naar een code

!! Laat altijd alles staan in uw dataset, het kan dat je deze later misschien wel nodig hebt

Als er bij het commando ‘sum’ in de output 0 staat, zijn er wel evenveel observaties als de andere
variabele, je kan er gewoon niet met rekenen en moet ze dus encoden

Sum, detail
 Dan kan je van die variabele alles meer in detail zien



2

, Exogene
 Dummificeren indien nodig
 Dummy variable trap
 Slope dummy vs. shift dummy
 Dummy voor extreme observaties
 Seizoensdummies, dummies voor trendbreuken

Endogene
 (multinomial) logit
 (multinomial) probit

4 broad categories : ratio scale, interval scale, ordinal scale and nominal scale




RQ: Wat zijn de determinanten van jobcreatie bij greenfield investeringen?
R²: model verklaard maar 10% van de waarden
F: > 57%, dus dat zit goed
 Zonder kennis van zaken goede regressie

H0: Bij nieuw investeringen worden er meer jobs gecreëerd
 Nieuwe variabele maken waarbij om te controleren of deze H0 klopt
 2de manier is zeker niet beter dan de 1ste manier
 Stata onthoud altijd de laatste gerunde regressie en op basis daarvan worden de testen
gedaan

Door normalisatie van de 2 belangrijkste variabelen zijn zowel R² als de F-waarde gestegen 
probleem is veel minder groot

Rreg= robuust regression  sluit bepaalde outliers uit en houdt dus rekening met bepaalde waarde
van die variabelen
 Creëert sample gebaseerd op regressie die net is uitgevoerd

Specifieke outlier dummy gemaakt voor een bepaalde variabele  outlier_1 toegevoegd

OF observatie eruit i.p.v. dummy te maken

Maak hypothese van deze regressie: ‘reg JobsCreated CapitalInvestment isic4_2digit quarter year
Type_new’
 Coëfficiënt is negatief, dus hoe hoger het getal bij isic4_2digit en hoe lager het aantal jobs

tab isic4_2digit= 1, komt 14 keer voor  wat is de volgorde?
 Het is nu een soort continue variabele, hoe hoger dit cijfer hoe minder jobs er zijn




3