N=1.300 und trotzdem zu wenig Fälle für Regression?

[stenograph]

Hallo zusammen,

nachdem bereits sämtliche Experten an der Uni an meinem Problem gescheitert sind, suche ich jetzt Hilfe bei Euch!

Folgender Ansatz: Ich habe bei rund 1.300 Personen die Markenpersönlichkeiten von 4 Produktmarken und 9 Händlern auf einer Skala von 22 Persönlichkeitszügen abgefragt. Jeder Proband hat ein Produkt und einen Händler anhand dieser Persönlichkeitsitems bewertet.

Meine Hypothese ist, dass die Kongruenz (also Ähnlichkeit) der Markenpersönlichkeiten zwischen je einem Händler und einem Markenprodukt zu einer besseren Verkaufsleistung dieses Produkts bei diesem Händler führt. Dazu habe ich die Leistung mit 6 Erfolgsgrößen konzeptionalisiert (AV) und einen Ähnlichkeits-Wert für alle Produkt-Händler-Kombinationen gebildet (UV).

Eigentlich wollte ich jetzt pro Erfolgsgröße eine Regressionsanalyse durchführen, insges. also 6 Stück, bei denen jeweils die Ähnlichkeit als UV fungiert.

Das Problem ist nun, dass ich als Inputdatensatz für die Ähnlichkeit natürlich nur noch 9 (Händler) x 4 (Produktmarken) = 36 Werte habe. Damit lassen sich aber weder zufriedenstellende r² noch ausreichende Signifikanzen erzielen.

Die Frage ist nun: Gibt es alternative Verfahren, die einen Zusammenhang zwischen zwei Variablen auch bei verhältnismäßig wenig Inputwerten messen können? Oder: Welche Möglichkeiten seht ihr, die Kongruenz weiter zu fassen und so mehr Inputwerte zu verwenden?

Vielen Dank für Eure Hilfe!