Bei 126 Fällen sollten Sie nicht zu viele Drittvariablen "kontrollieren", denn sonst verursachen Sie schnell Scheinzusammenhänge. Alleine die Fallzahl wird es kaum zulassen, dass Sie z.B. jede Alters-Geschlecht-Kombination in jedem Unternehmen vorliegen haben.
für nicht normalverteilte Daten wird jedoch manchmale multiple lineare Regression vorgeschlagen.
Die lineare Regression benötigt normalverteilte Residuen (nicht UVs/AVs), ist aber hinsichtlich dieser Voraussetzung ein wenig robust. Die Anwendung ist denkbar einfach: Die Drittvariablen werden einfach als zusätzliche UVs ins Modell aufgenommen.
Etwas eleganter ist es noch, wenn man hierarchische (mehrstufige) Modelle rechnet, heißt: Man rechnet für die AV erstmal nur ein Modell mit den Drittvariablen. Dann ein Modell mit allen Variablen (Drittvariablen + UVs). Und dann vergleicht man, ob sich das R² (erklärte Varianz) durch die UVs noch signifikant verändert.
Vorsicht: Die Regression erwartet intervallskalierte oder dichotome Variablen. Nominale und ordinale Variablen (z.B. die Unternehmenszugehörigkeit) muss man evtl. manuell in Dummy-Variablen umkodieren, wenn man mit SPSS rechnet. R macht das automatisch.