Die Entscheidung zwischen linearer Regression und dem allgemeinen linearen Modell (ALM) kann komplex sein. Zuerst betrachten wir die Skalierung der unabhängigen Variablen (UV) und die Beziehungen zwischen den abhängigen Variablen (AV). Dies ist entscheidend. Oft stoßen wir auf Likert-Items. Manchmal werden sie als ordinale Skalen klassifiziert. Doch und das ist wichtig – faktisch sind sie ordinalskaliert.
Die Wahl der Methode hängt davon ab ebenso wie wir diese Variablen interpretieren. Wird zum Beispiel die Regression angewendet, betrachten wir diese Variablen als intervallskaliert. Das kann vorteilhaft sein. Im Gegensatz dazu sieht das ALM die Stufen der Likert-Items eher als qualitative Kategorien an. Das birgt die Gefahr eines Informationsverlustes. An dieser Stelle empfiehlt es sich – die lineare Regression für Hypothesentests zu wählen.
Ein weiterer Aspekt betrifft den Einfluss verschiedener UVs auf die AV. Die Antwort auf die Frage ´ welche UV den stärksten Einfluss hat ` ist vielfältig. Wenn UVs stark korreliert sind – kann eine einfache Korrelationsanalyse sinnvoll sein. Hierbei werden die Korrelationen zwischen Variablen berechnet und anschließend statistisch getestet. Alternativ kann eine multiple lineare Regression verwendet werden. Dies geschieht – indem sämtliche UVs im Modell berücksichtigt werden. Die Regressionsgewichte geben Aufschluss über ihre Relevanz sans umfangreicher Tests.
Das Berechnen eines einfachen OLS-Modells und eines Ordinal-Modells kann hilfreich sein. Ein Vergleich zeigt oft deutliche Unterschiede. Zudem ist die Normalverteilung der AV zu prüfen. Bei Nicht-Erfüllung sind robuste Standardfehler eine sinnvolle Wahl in der Regression. Dieser Schritt erhöht die Robustheit der Analyse.
Kritische theoretische Grundlagen sind ein weiterer zentraler Punkt. Bei fehlenden Verbindungen zwischen Variablen kann eine erste Korrelationsanalyse durchgeführt werden. Diese liefert Hinweise auf mögliche Beziehungen. Anschließend kann das Regressionsmodell feinjustiert werden um den Gegebenheiten Rechnung zu tragen.
Die Implementierung aller UVs in die Analyse ermöglicht es uns die standardisierten Koeffizienten zu beobachten. Dies zeigt auf welche UV den größten Einfluss auf die AV besitzt. Zu beachten ist jedoch – dass diese datengetriebenen Ansätze je nach Fachrichtung unterschiedlich gewertet werden. In den Sozialwissenschaften sind solche Methoden eher untypisch. Dagegen finden wir im Bereich der Wirtschaftswissenschaften eine breitere Akzeptanz.
Abschließend ist die Wahl zwischen linearer Regression und ALM von entscheidender Bedeutung für die Hypothesentests. Der Einfluss der UVs auf die AV – das Verständnis der Variablen und die theoretische Fundierung sind entscheidend. Diese Überlegungen helfen, das richtige Modell auszuwählen und dadurch zu validen Ergebnissen in der Forschung zu gelangen.
Die Wahl zwischen linearer Regression und dem allgemeinen linearen Modell: Welche Methode ist für die Hypothesentests geeignet?
Welche Methode eignet sich besser für Hypothesentests: die lineare Regression oder das allgemeine lineare Modell?