Mehrebenenanalyse mit Paneldaten und dem Programm HLM6

Präsentation zum Thema: "Mehrebenenanalyse mit Paneldaten und dem Programm HLM6"—  Präsentation transkript:

1 Mehrebenenanalyse mit Paneldaten und dem Programm HLM6
Ulrich Rosar Institut für Angewandte Sozialforschung Vortrag im Kolloquium des Lehrstuhl für Empirische Sozial und Wirtschaftsforschung, Universität zu Köln Köln, den 1. Juni 2005

2 Mehrebenenanalyse mit Paneldaten und dem Programm HLM6
Die Mehrebenenstruktur international vergleichender Paneldaten Ein Beispiel: Determinanten der Einkommensungleichheit Die Datenanalyse Vorbereitung der Daten Das Handling von HLM 6 Ergebnisse

3 Die Mehrebenenstruktur international vergleichender Paneldaten

4 Die Mehrebenenstruktur international vergleichender Paneldaten

5 Die Mehrebenenstruktur international vergleichender Paneldaten
yi = β0 + β1 • xi + ei yijk = π0jk + π1jk • xijk + eijk π0jk = β00k + β01k • wjk + r0jk β00k = γ000 + γ001 • zk + u00k β01k = γ010 + γ011 • zk + u01k π1jk = β10k + β11k • wjk + r1jk β10k = γ100 + γ101 • zk + u10k β11k = γ110 + γ111 • zk + u11k

6 Ein Beispiel: Determinanten der Einkommensungleichheit
Level 3 (Land) BSP in US-$ Betreuungsplätze je 100 Kinder < 4 Jahre Level 2 (Person) Mittlere Bildung + + + Hohe Bildung + Frau + – – Level 1 (Person in Zeit) Kind < 6 Jahre ? Monatliches Nettoeinkommen in Euro + Teilzeit Erwerbstätig + Vollzeit Erwerbstätig

7 Ein Beispiel: Determinanten der Einkommensungleichheit
netincijk = π0jk + π1jk•(ptempl) + π2jk•(ftempl) + π3jk•(kidle5) + eijk (1) π0jk = β00k + β01k•(woman) + β02k•(educ_m) + β03k•(educ_m) + r0jk (2) β00k = γ000 + γ001•(gdpc_1) + γ002•(child_1) + u00k (3) π3jk = β30k + β31k•(woman) + r3jk (4) β31k = γ310 + γ311•(child_1) + u31k (5)

8 Ein Beispiel: Determinanten der Einkommensungleichheit
Level 3 (Land) BSP in US-$ Betreuungsplätze je 100 Kinder < 4 Jahre γ002 γ001 Level 2 (Person) Mittlere Bildung γ311 Hohe Bildung β02 β03 Frau β01 γ310 Level 1 (Person in Zeit) Kind < 6 Jahre β30 Monatliches Nettoeinkommen in Euro Teilzeit Erwerbstätig π1 π2 Vollzeit Erwerbstätig γ000

9 Die Datenanalyse: Vorbereitung der Daten
3 Datensätze Level 1 (Personen in Zeit) Level 2 (Personen) Level 3 (Länder) 2 ID-Variablen Level 2-ID Level 3-ID Ggf. 3 Gewichtungsvariablen erstellen Ggf. Fälle mit nur einer Messung aus dem Level 1- und dem Level 2-Datensatz eliminieren Keine Missing Values im Level 2- und im Level 3-Datensatz erlaubt!

10 Der Level 1-Datensatz idl3 idl2 id netinc kidle5 woman child_1 1
101273 1273 1223 17.3 1445 1503 101744 1744 3097 3104 2 203901 3901 451 23.1 200901 901 577

11 Der Level 2-Datensatz idl3 idl2 woman child_1 1 101273 17.3 101744 2
17.3 101744 2 200901 23.1 200998 3 305396 18.9 316670 319822 4 404521 7.6

12 Der Level 3-Datensatz idl3 child_1 1 17.3 2 23.1 3 18.9 4 7.6 5 47.2 6
9.9 7 31.0 8 26.8

13 Die Datenanalyse: Das Handling von HLM 6
MDM-File erstellen Modellauswahl Nesting of input data: persons within groups vs. measures within persons (nur in Zweiebenenmodellen möglich!) Datensatzauswahl Variablenauswahl Missing Data Make MDM Check Stats + Done HLM-File erstellen Basic Settings / Outcome Weighting (Other SettingsEstimation SettingsWeighting) Run Analysis +View Output

14 Das Nullmodell und das Endmodell
Endmodell  Kausalanalyse Nullmodell  Varianzanalyse

15 Die Varianzaufteilung im Nullmodell
Var(yijk) = Var(eijk) + Var(r0jk) + Var(u00k) Var(eijk) Var(eijk) + Var(r0jk) + Var(u00k) Var(Level 1) in % = Var(Level 1) in % = 30.2 Var(Level 2) in % = 61.7 Var(Level 3) in % = 8.1

16 Ergebnisse

17 Ergebnisse Level 3 (Land) BSP in US-$
Betreuungsplätze je 100 Kinder < 4 Jahre 0.01 Level 2 (Person) Mittlere Bildung (0.87) (3.59) 73.17 Hohe Bildung 401.89 Frau Level 1 (Person in Zeit) Kind < 6 Jahre 59.42 Monatliches Nettoeinkommen in Euro Teilzeit Erwerbstätig 544.34 827.20 Vollzeit Erwerbstätig (-68.90) Werte in Klammern: n.s. (p > 0.100)

18 Ergebnisse