STATISTIK-FORUM.de

[MaraXX]

Hallo zusammen,

für meine Studienarbeit untersuche ich die Auswirkungen der Internationalität der Top Führungskräfte von 139 Unternehmen auf den Internationalisierungserfolg des Unternehmens. Dazu erfasse ich 4 unabhängige Variablen: die nationale Diversität im Vorstand, die Länge der absolvierten Auslandsaufenthalte der Führungskräfte, die Anzahl der besuchten Länder und die kulturelle Distanz zu den besuchten Ländern. Meine Hypothesen lauten, dass es jeweils einen positiven Zusammenhang zwischen den unabhängigen und der abhängigen Variable (dem Internationalisierungserfolg) gibt.

Anhand einer multiplen linearen Regression möchte ich nun meine Daten auswerten. Jedoch deuten hohe Korrelationswerte der unabhängigen Variablen untereinander und hohe VIF-Werte auf Multikollinearität. In mehreren Lehrbüchern wird empfohlen bei vorliegender Multikollinearität entweder Variablen auszuschließen oder eine Faktorenanalyse durchzuführen und dann mit den Faktoren weiterzuarbeiten. Meine 4 Variablen laden auf einen Faktor den ich "Internationalität" nennen könnte.
Nun habe ich sowohl eine Regression durchgeführt, bei der ich die Variable "Anzahl der besuchten Länder" ausgeschlossen habe und eine Regression mit dem Faktor Internationalität und komme auf sehr unterschiedliche Ergebnisse.

Meine Fragen:

Bei der Regression mit dem Faktor wird mein Ergebnis mit einem geringen R² signifikant. Meine Hypothesen beziehen sich jedoch auf die einzelnen Variablen. Kann ich damit die einzelnen Hypothesen trotzdem bestätigen?

Führe ich die Regression mit nur drei Variablen der ursprünglichen vier durch, wird lediglich der Zusammenhang mit einer Variable signifikant (die Distanz zu den besuchten Ländern). Damit könnte ich nur eine Hypothese bestätigen und müsste die restlichen ablehnen. Wie gehe ich mit der Hypothese um, die sich auf die Variable bezieht, die ich ausgeschlossen habe?

Durch die unterschiedlichen Ergebnisse bekomme ich das Gefühl, dass meine Ergebnisse nicht unbedingt sehr verlässlich sind. Aber trotzdem muss ich ja ein Ergebnis in meiner Studienarbeit berichten. Welchen Weg haltet ihr für sinnvoller, eine Variable ausschließen oder Faktorenanalyse?

Vielen Dank für eure Hilfe, ich freue mich über jeden Hinweis!

[PonderStibbons]

Meine Hypothesen lauten, dass es jeweils einen positiven Zusammenhang zwischen den unabhängigen und der abhängigen Variable (dem Internationalisierungserfolg) gibt.

Was heißt das "jeweils"? Geht es um die Leistung des Gesamtmodelles oder um
einzelne Variablen?

Jedoch deuten hohe Korrelationswerte der unabhängigen Variablen untereinander und hohe VIF-Werte auf Multikollinearität.

Das betrifft die Standardfehler der Koeffizienten. Kommt das Deinem Analyseziel
überhaupt in die Quere?

Bei der Regression mit dem Faktor wird mein Ergebnis mit einem geringen R² signifikant.

Das ist uninformativ. Warum gibst Du nicht R² und p an, das ginge sogar schneller.

Meine Hypothesen beziehen sich jedoch auf die einzelnen Variablen. Kann ich damit die einzelnen Hypothesen trotzdem bestätigen?

Du hast jetzt keine einzelnen Variablen mehr. Hattest Du 4 Hypothesen, für jede
Prädiktor-Variable eine?

Führe ich die Regression mit nur drei Variablen der ursprünglichen vier durch, wird lediglich der Zusammenhang mit einer Variable signifikant (die Distanz zu den besuchten Ländern). Damit könnte ich nur eine Hypothese bestätigen und müsste die restlichen ablehnen.

Ich kenne Deine Hypothesen nicht, aber dass 3 inhaltlich und vermutlich auch statistisch
markant überlappende Prädiktoren in einer multiplen Regression allesamt inferenzstatistisch
signifikant werden sollten, würde ich nicht erwarten.

Wie gehe ich mit der Hypothese um, die sich auf die Variable bezieht, die ich ausgeschlossen habe?

Warum hast Du sie ausgeschlossen? Was sind Deine Hypothesen? Warum hast Du eine
explizit multiple Regression gerechnet anstelle von 4 einzelnen Regressionen?

Mit freundlichen Grüßen

PonderStibbons

[MaraXX]

Zunächst einmal danke für die schnelle Antwort.

Was heißt das "jeweils"? Geht es um die Leistung des Gesamtmodelles oder um einzelne Variablen?

Mit jeweils meine ich, dass ich für jede Prädiktorvariable eine Hypothese aufgestellt habe, z.B. H1: "Es gibt einen positiven Zusammenhang zwischen der nationalen Diversität der Führungskräfte und dem Internationalisierungserfolg des Unternehmens", H2: "Es gibt einen positiven Zusammenhang zwischen der Anzahl an Jahren, die Führungskräfte im Ausland verbracht haben und dem Internationalisierungserfolg des Unternehmens" usw.

Ich habe eine multiple Regression gerechnet, da ich gelesen habe, dass das die "schickere" Variante ist und sie mir während meiner Recherche auch häufiger in Studien begegnet ist. Außerdem meinte auch die Statistikberatung meiner Uni ich solle lieber eine multiple Regression rechnen. Aus diesem Grund habe ich dann auch die Voraussetzungen der multiplen Regression geprüft, von der eine lautet, dass keine hohe Multikollinearität vorliegen darf.

Wenn ich deine Fragen richtig deute, empfiehlst du mir also für jede Hypothese und damit für jede Prädiktorvariable eine Regression zu rechnen oder?
Damit hätte sich dann auch mein Problem der Multikollinerität aus dem vorherigen Post erledigt.

Die Entscheidung gegen die multiple Regression könnte ich dann damit begründen, dass meine Prädiktorvariablen hoch korrelieren und sich Varianz "stehlen" könnten (s. Forumsbeitrag: https://forum.onlineforschung.org/viewtopic.php?t=693).

[PonderStibbons]

z.B. H1: "Es gibt einen positiven Zusammenhang zwischen der nationalen Diversität der Führungskräfte und dem Internationalisierungserfolg des Unternehmens", H2: "Es gibt einen positiven Zusammenhang zwischen der Anzahl an Jahren, die Führungskräfte im Ausland verbracht haben und dem Internationalisierungserfolg des Unternehmens" usw.

Das wären 4 einzelne Regressionsanalysen.

Ich habe eine multiple Regression gerechnet, da ich gelesen habe, dass das die "schickere" Variante ist und sie mir während meiner Recherche auch häufiger in Studien begegnet ist.

Außerdem meinte auch die Statistikberatung meiner Uni ich solle lieber eine multiple Regression rechnen.

Die Methoden sollen zur Fragestellung passen.

Aus diesem Grund habe ich dann auch die Voraussetzungen der multiplen Regression geprüft, von der eine lautet, dass keine hohe Multikollinearität vorliegen darf.

Das ist so nicht richtig. Das R² wird dadurch nicht berührt.

Man könnte wie gesagt 4 einzelne Regressionen rechnen
und dann eine multiple Regression mit den 4 Variablen,
um das gemeinsame R² zu ermitteln. Alternativ statt der
multiplen Regression eine einfache Regression mit der
Hauptkomponente bzw. dem Faktor aus der Hauptkomponenten-
bzw. Faktorenanalyse (ich weiß nicht, was da gerechnet wurde),
wenn ich auch zugeben muss, dass mir selbst das
nicht vollends einleuchten würde.

Du musst Dein Vorgehen jetzt mal mit Deinem Betreuer oder Gutachter
abstimmen. Was eine Methodenberatung oder hier in einem
Webforum jemand sagt, muss demjenigen nicht zwangsläufig
gefallen.

Mit freundlichen Grüßen

PonderStibbons

[MaraXX]

Ok, werde mich noch mal mit meinem Betreuer in Verbindung setzen. Danke für die Hilfe und die Hinweise.

[DHA3000]

Anstatt blind nach Lehrbuch vorzugehen könntest du auch einmal ein wenig nachdenken. Warum sollten diese vier Variablen inhaltlich hoch korreliert sein?
Wie hoch ist die Korrelation überhaupt?

Für mich gibt es keinen Grund, eine Variable auszuschließen.