STATISTIK-FORUM.de

[Freddy19911]

Hallo Zusammen,

in einem linearen Regressionsmodell soll der Zusammenhang zwischen der Bewertung von Technologieunternehmen direkt nach dem Börsengang (also Bewertung durch den Markt) und der Bewertung der Unternehmen vor Börsengang (Bewertung durch Analysten) geprüft werden. Das Modell sieht wie folgt aus: Y(Wert nach Börsengang)=X(Wert vor Börsengang).

Ohne die genauen Ergebnisse zu kennen würde ich gerne wissen ob die folgenden Kritikpunkte angebracht zu sein scheinen:
1.) Zu simples Modell, welches potentiell wichtige Faktoren außer acht lässt. Es ist anzunehmen, dass auf die Bewertung eines Unternehmens durch den Markt noch viele weitere Faktoren Einfluss haben,(wirtschaftliche Lage, Erfolg des jeweiligen Unternehmens etc.) die nicht im Model enthalten sind. Verzerrung durch Onmitted Variable Bias ist sehr wahrscheinlich.
2.) Vor Durchführung des Regression wurden die Annahmen der linearen Regression nicht geprüft. So fand bspw. keine Überprüfung statt, ob es sich um einen linearen Zusammenhangs der Variablen handelt.

Gibt es eurer Meinung nach noch andere, eindeutig angebrachte Punkte die hier genannt werden sollten?

Das adjustierte R quadrat liegt bei 96%, woraufhin der Author ein gutes fitting postuliert. Ist es nicht wahrscheinlicher, dass das R quadrat "verzerrt" ist? Als Laie kann ich mir selbst so ein hohes R quadrat nicht erklären...

Vielen Dank

[bele]

Hallo Freddy,

das ist letztlich eine Frage für Wirtschaftswissenschaftler, aber meine Laienidee dazu:

1.) Zu simples Modell, welches potentiell wichtige Faktoren außer acht lässt. Es ist anzunehmen, dass auf die Bewertung eines Unternehmens durch den Markt noch viele weitere Faktoren Einfluss haben,(wirtschaftliche Lage, Erfolg des jeweiligen Unternehmens etc.) die nicht im Model enthalten sind.

Ich denke, dass die Analysten die von Dir vorgeschlagenen Faktoren bereits berücksichtigt haben. Wenn die Analysten dem Unternehmen einen hohen Wert vorhersagen, dann wird es nicht ganz wertlos sein und umgekehrt. Wenn die Werte von Unternehmen eine große Varianz haben, dann lässt sich damit recht leicht eine große Varianzaufklärung erreichen. Zusätzliche Variablen wären dann sinnvoll, wenn die Analysten diese Variablen entweder nicht verwenden konnten oder wenn sie dümmer bei deren Einsatz waren als Du.

2.) Vor Durchführung des Regression wurden die Annahmen der linearen Regression nicht geprüft. So fand bspw. keine Überprüfung statt, ob es sich um einen linearen Zusammenhangs der Variablen handelt.

Da wir die Beschreibung des Vorgehens nicht gelesen haben, können wir uns dazu auch nicht äußern.

LG,
Bernhard

[Freddy19911]

Hallo bele,

vielen Dank für die Antwort, ich habe leider etwas wesentliches im ersten Post vergessen: Das Modell enthält noch eine zweite erklärende Variable. Eine kurze Erklärung dazu: Untersucht werden Unternehmen, die von Investmentgesellschaften Kapitel zur Verfügung gestellt bekommen haben. Diese Investmentgesellschaften halten also einen großen Anteil an den analysierten Unternehmen und haben somit großen Einfluss auf die Unternehmen. Nun soll mittels der Regression analyisiert werden, ob die Investmentgesellschaften die Unternehmen vor deren Börsengang im Schnitt zu hoch bewerten. Die zweite erklärende Variable beinhaltet die Höhe des Investments der Investmentgesellschaften. Das Modell sieht also wie folgt aus: Y(Wert des Unternehmens nach Börsengang) = X1(Wert des Unternehmens laut Investmengesellschaft zum Börsengang) + X2(Höhe des Investments der Investmentgesellschaften).
Im Anhang noch die ANOVA der Analyse.


Würdest du sagen ein so hohes R Quadrat ist in diesem Szenario sinnvoll zu interpretieren? Vermutlich ist es nur bedingt möglich Aussagen darüber zu treffen ohne die Analyse im Detail zu kennen oder?

Nochmals vielen Dank

[bele]

Würdest du sagen ein so hohes R Quadrat ist in diesem Szenario sinnvoll zu interpretieren? Vermutlich ist es nur bedingt möglich Aussagen darüber zu treffen ohne die Analyse im Detail zu kennen oder?

Nochmal: Das sind Fragen an WiWis. Ich habe keine Ahnung, mit welcher Präzision Analysten den Wert von Firmen vorhersagen können.

LG,
Bernhard