Lineare Regression/ Denkfehler? Bitte dringend um Hilfe!

[frozenpizza]

Hallo zusammen,
entschuldigt den langen Text - ich dachte mir, je mehr Infos, desto eher lässt sich ein Fehler finden. Ich bin leicht verzweifelt und brauche dringend jemanden, der sich kurz Zeit nimmt um mein Vorgehen nachzulesen und mir Feedback zu geben. Ich habe die Befürchtung, evtl. keine Regression rechnen zu dürfen oder einen anderen Denkfehler gemacht zu haben. Tausend Dank im Voraus!

In meiner Bachelorarbeit untersuche ich das Ausmaß der Werbevermeidung (=aV) auf einer bestimmten Online-Plattform in Abhängigkeit verschiedener Einflussfaktoren (z.B. Einstellung gegenüber Werbung, Zielgerichtetheit der Plattform-Nutzung, Alter, Einkommen).

Die Variablen wurden über endpunktbenannte, 5-stufige Skalen erfasst und können daher (laut Prof) als metrisch angesehen werden. Das Alter wurde über Direkteingabe erfasst, das Einkommen über die Dropdown-Auswahl einer Einkommensgruppe.

Die Variable "Werbevermeidung_gesamt" wurde dann in SPSS aus zwei Items berechnet: RND((Vermeidung_1+Vermeidung_2)/2).
So bin ich auch bei zwei anderen Variablen vorgegangen, die zusammengefasst werden mussten.

Ich möchte Hypothesen der Art "Je höher der Wert X, desto stärker/ schwächer die Werbevermeidung." prüfen.
Erster Gedanke: Lineare Regression.

N=304. Variablen sind nicht normalverteilt (KS-Test für jede Variable ist hoch signifikant).
Residuen liegen mal mehr und mal weniger entlang der Normalverteilungskurve (ich habe jedoch gelesen, dass ab einem N>150 diese Normalverteilung nicht mehr ausschlaggebend ist. STIMMT DAS?).

Also habe ich erst einmal für jede zu prüfende Hypothese eine lineare Regression gerechnet.
Der Wert zur Durbin-Watson-Statistik liegt jedes Mal um die 2, der VIF beträgt bei jeder Rechnung 1,000. So sollte das nach meinen Kenntnissen sein. Da diese Werte sehr gut ausfielen, dachte ich, ich sei auf dem richtigen Weg.

Nun ist es jedoch so, dass ich kein einziges Mal einen Zusammenhang aufdecken konnte (R ist immer 0,XX, Beta meistens 0,0XX).
Dazu kommt, dass nur zwei der acht Modelle signifikant sind.

Die B-, Beta- und T-Werte sind bei sieben von acht Modellen mit negativem Vorzeichen. Dies gibt an, dass ein negativer Zusammenhang, also: Je größer X, desto kleiner Y - vorliegt. RICHTIG?

Obwohl laut Literatur Zusammenhänge bestehen müssten, konnte kein einziger Zusammenhang - nicht mal ein schwacher - aufgedeckt werden. Daher mache ich mir Sorgen, etwas nicht beachtet zu haben.
Darf ich vlt. keine lineare Regression rechnen? Wenn nicht, wie prüfe ich dann die linearen ZH?
Wie lässt sich außerdem die zumeist fehlende Signifikanz erklären?
Kommt so etwas vor oder habe ich etwas nicht beachtet?


Ich bin für jede Hilfe unendlich dankbar, da der Abgabetermin immer näher rückt!
Also schon mal tausend Dank im Voraus!