Ich habe ein Sample von 87 Unternehmen und zu jeder Firma habe ich:
- einen logarithmierten Index für die Größe (Regressor 1)
- eine kategoriale Variable für die Branche mit zwei Kategorien (Regressor 2)
- einen stetigen Wert für das Alter (Regressor 3)
- einen stetigen Index für den Internationalisierungsgrad (Regressor 4)
Außerdem habe ich zu jeder Firma:
- einen stetigen Rankingscore für die ökologische Nachhaltigkeit von 0-12 (Regressand A)
- einen stetigen Rankingscore für die soziale Nachhaltigkeit von 0-12 (Regressand B)
Ich habe nun zwei separate lineare Regressionsmodelle aufgestellt:
Modell 1: Einfluss der vier Regressoren auf Regressand A
Modell 2: Einfluss der vier Regressoren auf Regressand B
Die Modelle sind hinsichtlich der Variablen, Ausgangsdaten usw. also absolut gleich. Der einzige Unterschied ist, dass es jeweils ein anderer Regressand ist. Die Regressanden sind dabei aber auch gleich skaliert.
Wenn ich nun die vier Regressoren und Regressand A in einem multiplen linearen Regressionsmodell betrachte, dann habe ich zum Beispiel bei Regressor 1 (logarithmierten Index für die Größe) einen nicht standardisierten Regressionskoeffizienten von 0,6. Das heißt, wenn der logarithmierter Index für die Größe um einen Punkt zunimmt, dann nimmt der Rankingscore für die ökologische Nachhaltigkeit um 0,6 Punkte zu.
Wenn ich danach die vier Regressoren und Regressand B in einem multiplen linearen Regressionsmodell betrachte, dann habe ich zum Beispiel bei Regressor 1 (logarithmierten Index für die Größe) einen nicht standardisierten Regressionskoeffizienten von 0,3. Das heißt, wenn der logarithmierter Index für die Größe um einen Punkt zunimmt, dann nimmt der Rankingscore für die soziale Nachhaltigkeit um 0,3 Punkte zu.
Also, müsste ich doch sagen können, dass die Größe auf die ökologische Nachhaltigkeit einen stärkeren Einfluss hat als auf die soziale Nachhaltigkeit. Oder kann ich das modellübergreifend nicht vergleichen?
