Appendix 1 Toelichting regressieanalyse

• De scores voor basisprofiel en de variaties op het basisprofiel verkrijgen we met behulp van regressieanalyses.
• In het regressiemodel is de te verklaren variabele (de variabele die gemodelleerd wordt) de score S_ij ingevuld door respondent i op een vraag j in de enquête. Deze score S_ij = 1 wanneer de respondent volstrekt oneens is met de stelling, = 2 bij oneens, = 3 bij deel oneens/deel eens, = 4 bij eens, = 5 bij volstrekt mee eens.
• De verklarende variabelen (model variabelen) D_v,i zijn 18 dummy variabelen die de 18 variaties V representeren. De variabele D_v,i is 0 wanneer de respondent i niet scoort op de betreffende variatie V en deze variabele D_v,i is 1 wanneer de respondent i wel scoort op de betreffende variatie V. Bijvoorbeeld de dummy variabele D_MKB, i is gelijk aan 1 indien de respondent i de enquête heeft ingevuld vanuit het perspectief van een niet-beursgenoteerd (for-profit) MKB-bedrijf met een balanstotaal ≤ 100 miljoen euro. In alle andere gevallen heeft deze dummy variabele de waarde 0.
• In tabel A1 zijn de 18 variaties en het basisprofiel op een rij gezet.

1. Het volgende regressiemodel schatten we voor de score S^ij gegeven door respondent i op vraag j in de enquête.
   
   ^{Sij = α + βGB,jDGB,i + βMKB,jDMKB,i + βFAM,jDFAM,i + βCorp,jDCorp,i + βZorg,jDZorg,i + βOW,jDOW,i  + βCult,jDCult,i  + βNP,jDNP,i + βVZ,jDVZ,i + βAUD, jDAUD,i +βHR,jDHR,i +βrvbEL, jDrvbEL + βRvB,jDRvB,i + βSecr, jDSecr,i + βIA, jDIA,i + βmerv,jDmerv,i + + βJong,jDJong,i + βVR, jDVR,i + i,j}

1. Voor elke vraag j schatten we de 18 bovengenoemde beta’s β^V,j met behulp van een regressiemodel.
2. Met het regressiemodel verkrijgen we de ‘zuivere’ verschillen tussen de variaties en het basisprofiel. Voorwaarde is wel dat de correlaties tussen de 18 dummy variabelen niet te hoog mogen zijn (zeker wanneer het aantal variabelen van 18 relatief hoog is ten opzichte van het aantal respondenten van 198). Ook is met het regressiemodel een lineaire afhankelijkheid verondersteld tussen de score Sij en de 18 dummy variabelen Dv,i.
3. De absolute waarden van de correlatiecoëfficiënten in de correlatiematrix voor de 18 variaties blijven in absolute waarde beperkt tot 0.30 of minder. Volgens een vuistregel is dit een veilig bereik om de β’s zuiver te kunnen interpreteren.

Interpretatie regressieresultaten

De coëfficiënten α en β_V in het regressiemodel interpreteren we als volgt:

- De constante α geeft de score wanneer alle dummy variabelen 0 zijn. Dit is de score voor het basisprofiel.

- De β_V coëfficiënten geven de variaties in de score S aan voor de 18 variaties. Bijvoorbeeld: de score voor een rvc-voorzitter bij een MKB-bedrijf is volgens het regressiemodel: S = α+ β_MKB + β_VZ.

Met de geschatte coëfficiënten α en βV berekenen we eenvoudig de scores voor alle variatie profielen. In de onderstaande tabel geven we een voorbeeld voor de score S met betrekking tot de stelling ‘De rvc vervult haar taak goed inzake de adviesrol’.

In het basisprofiel is de score S voor de huidige situatie met betrekking tot de stelling gelijk aan 3.5 (dit is de geschatte coëfficiënt α). Variaties op het basisprofiel kunnen we met α en β_V berekenen. De geschatte score voor bijvoorbeeld een rvc-voorzitter bij een MKB is dan gelijk aan 3.5(α) + 0.7(β_mkb) + 0.2(β_VZ)= 4.4. In een vergelijkbare schatting is de score voor een rvb-lid gelijk aan 3.5(α) – 0.3 (β_DIR) = 3.2 en voor een secretaris is de score gelijk aan 3.5(α) - 0.5(β_SECR) = 3.0.

• We kunnen de ‘zuivere’ (of netto) invloeden van de 18 variaties bepalen. Bijvoorbeeld wanneer we gemiddelde scores van beursgenoteerde bedrijven vergelijken met die van niet-beursgenoteerde bedrijven, is het de vraag of de verschillen toe te schrijven zijn aan het niet beursgenoteerd zijn of dat het ligt aan de gemiddeld kleinere omvang van de niet-beursgenoteerde bedrijven. In dit geval kunnen we de zuivere relatie niet vaststellen.
  
  Met behulp van een regressieanalyse (en nagenoeg onafhankelijke variaties en een complete set aan variaties) kunnen de 'zuivere' relaties wel worden vastgesteld door deze te 'controleren' voor 'concurrerende' variabelen. De geschatte regressie coëfficiënten β_V representeren dan nagenoeg de 'zuivere' effecten.