STATISTIK-FORUM.de

[StatLeo]

Hallo zusammen,

ich habe die Aktienanteile, welche ein CEO hält gegeben. Die Normalverteilung ist dabei sehr rechtsschief, da ich viele Werte mit 0 vorliegen habe. Daher habe ich versucht das ganze zu logarithmieren, wobei ich dann eine Normalverteilung bekomme, wo auf beiden Seiten ein sehr großer Balken ist. Wenn ich damit nun die Regressionsanalyse durchführe, bekomme ich kein sinnvolles Ergebnis. Wenn ich dann einen Interaktionseffekt auf eine andere logarithmierte Variable betrachte, bekomme ich bei den Aktienanteilen einen negativen Koeffizienten raus und wenn ich sie nicht logarithmiere einen positiven Koeffizienten bei der Regression. Der Koeffizient müsste auf jeden Fall positiv sein. Wie kann ich den Aktienanteil nun sinnvoll transformieren und warum ist der Koeffizient mal negativ und mal positiv? Muss ich wenn ich einen Interaktionseffekt habe, beide Variablen gleich transformieren also beide z.B. logarithmieren?

Vielen Dank und beste Grüße!

[PonderStibbons]

ich habe die Aktienanteile, welche ein CEO hält gegeben. Die Normalverteilung ist dabei sehr rechtsschief, da ich viele Werte mit 0 vorliegen habe. Daher habe ich versucht das ganze zu logarithmieren, wobei ich dann eine Normalverteilung bekomme, wo auf beiden Seiten ein sehr großer Balken ist.

Zum Wortgebrauch: nicht die Normalverteilung ist schief, sondern die Verteilung. Wie hoch ist denn der Anteil Nullwerte?

Durch Logarithmieren kann man eine Verteilung mit extrem vielen Nullwerten nicht in eine Normalverteilung verwandeln. Auch mit anderen Transformationen nicht.

Logarithmieren kann dennoch sinnvoll sein, wenn man nicht absoluten, sondern proportionalen Zuwachs modellieren möchte. Was eigentlich nicht geht, ist Herumrechnen mit der transformierten und der untransformierten Variable parallel, bis es irgendwie passt.

Zu dem Rest kann ich leider nichts sagen, es fehlen konkrete Fragestellung, Stichprobengröße, Beschreibung der Prädiktoren, eventuell die konkreten Regressionsgewichte und ihre Standardfehler. In einem vollständigen Modell kann ein "eigentlich" positiver Zusammenhang durchaus auch mal negativ erscheinen; die Regressionsgewichte der einzelnen Prädiktoren hängen immer auch von den übrigen Variablen im Modell ab (sofern die Prädiktoren nicht völlig unabhängig, also gänzlich unkorreliert sind).

Mit freundlichen Grüßen

PonderStibbons