Zeitreihenanalyse

[cash flow]

im Rahmen meiner Bachelorarbeit analysiere ich den Einfluss der Einführung der Umweltzonen auf die Luftqualität(NOx-Konzentration) in Innenstädten.
Dazu habe ich die stündliche Messwerte aller Messstationen, die ich allerdings aufgrund der schieren Datenmenge zu täglichen Messwerten zusammengefasst habe, sowie den jeweiligen Status (Umweltzone ja/nein, und wenn ja welche Stufe).
Kurz zur Umweltzone: diese wurde in manchen Städten zu unterschiedlichen Zeitpunkten eingeführt und jeweils nach einiger Zeit verschärft, dies habe ich in 3 Stufen gegliedert).

Nun möchte ich den Einfluss der Einführung bzw. Verschärfung einer Umweltzone auf die Messwerte erhalten.

Datenstruktur:
Messwert | Datum | dummy_Status1 | dummy_Status2 | dummy_Status3 | dummy_Station1 | dummy_Station2 etc.

Eine lineare Regression mit
Messwert = a + b * Zeit + c * Status1 + d*Status2 + e*Status3 + f*Station1 + g*Station2 etc.
liefert allerdings ein nicht schlüssiges Ergebnis, nämlich dass die Einführung einer Umweltzone die NOx-Konzentration erhöht.

Ich nehme an, dass das Problem in dem Modell liegt.
Leider habe ich wenig Erfahrung in Statistik und keine Erfahrung in SPSS, daher bin ich für jede Hilfe dankbar.

[dutchie]

hallo

lass doch erstmal die zeit weg und rechne
nicht über regression sondern über eine zweifaktorielle Varianzanalyse.
nur mit Status und eventuell mit Station:
dann bekommst Mittelwerte ohne zeitbezug!
ohne selber dummies zu bauen

das sieht dann so aus:
https://ibb.co/hVyk1Pd

gruß
dutchie

[cash flow]

Vielen Dank, damit kann ich schon einiges machen.
Aber wie kann ich den zeitlichen Effekt herausrechnen?
Es gibt Messstationen die durchgehend nicht in einer Umweltzone liegen und als Referenzstationen dienen könnten.

[dutchie]

hallo

zwei probleme:
1. Zie zeit als UV korreliert nicht nur mit den Messwerten,
sondern auch mit dem Status.
2. Das ganze ist nicht vollständig "nested"
es gibt stationen mit konstanten status
nur Status 1 nur Status 3, und stationen mit drei....

besser du macht alles aufbauend botton up

anfangs nur eine UV ins Modell und schauen was passiert.
wenn erstmal nur der Staus sig ist, über mittelwert.
ist die Hypo erstmal nachgewiesen.

Dann kann man sich überlegen ob stauts 2 versus status 3
was bringt....die anderen UVs ausblenden

Dann Messtation, Ort, Lage usw....
Dann Zeit, da kannst du eine Moderation (interaktion)
Zeit*Status rechnen, bekommst dann einen steigungsänderung...
Um das zeitliche Geschehen eventuell in trends zu zerlegen
(Tageszeit, Wochentage, rushhour frühlig sommer herbst und winter...)

Dann wirkt der Status überall gleich....
wechselwirkung Messstation x status...alles ANOVA...
du kannst da auch Zeit als Kovariate reinstecken...
und interaktionen selber bauen...

aber ertsmal nicht alles auf einmal in irgendeine gleichung,
und strickt trennen deskriptiv von inferenz (also im Kopf).
zu beschreiben gäbe es sehr viel...

Wichtig die Messstationen sind an sich identisch!
und Status 1 ist überall gleich...
Das ist erstmal kein mixed modell.

gruß
dutchie