Menü
Start
Anmelden / Registrieren
Suche
 
Start arrow Betriebswirtschaft & Management arrow Erfolgsfaktoren für Innovation in Unternehmen
< Zurück   INHALT   Weiter >

7.3 Modellprämissen

Für eine Regressionsanalyse ist es wichtig, dass ausreichend viele Datenpunkte zur Verfügung stehen, damit ein vertrauenswürdiges und stabiles Regressionsmodell entsteht. Dabei gilt als Faustregel, dass es mindestens zehn Datenpunkte pro unabhängiger Variable sein sollten (vgl. Field, 2005). Im vorliegenden Fall werden 84 Unternehmen betrachtet, damit 84 Datenpunkte. Bei sieben unabhängigen Variablen bedeutet dies 12 Datenpunkte pro Variable was als ausreichend einzustufen ist.

Des Weiteren gibt es einige Prämissen, die bei einem linearen Regressionsmodell eingehalten werden müssen. Dies bedeutet beispielsweise, dass die unabhängigen Variablen nicht linear abhängig sein dürfen oder dass die Streuung der Residuen in einer Reihe von Werten der prognostizierten Variablen konstant sein muss. Diese Prämissen werden im Anschluss an die Regressionsanalyse umfassend getestet werden.

7.4 Auswertung

7.4.1 Modell 1: Fremdeinschätzung

Wie eingangs festgelegt, wird das Hauptaugenmerk auf das Regressionsmodell mit der Fremdeinschätzung gelegt und damit auf das Modell mit der von Experten eingeschätzten Innovationsfähigkeit als abhängige Variable. Als unabhängige Variablen gehen die sieben potentiellen Erfolgsfaktoren in das Modell ein. Als Regressionsmethode wird die Least-squares-Methode angewendet.

Der Multiple Korrelationskoeffizient (R) beträgt 0,41, das Bestimmtheitsmaß (R2) liegt bei 0,17. Das heißt, dass 17% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden können. „Allgemeingültige Aussagen, ab welcher Höhe ein R2 als gut einzustufen ist, lassen sich [.] nicht machen“ (Backhaus et al., 2003). Bei zufallsbehafteten Prozessen, wie der Börse, werden R2 von 0,1 als gut angesehen (vgl. Backhaus et al., 2003). Nachdem es sich bei der Innovationsfähigkeit um ein Konstrukt handelt, das ebenfalls einer Vielzahl von externen Einflüssen ausgesetzt ist, ist es ein gutes Ergebnis, 17% der Variation der Innovationsfähigkeit erklären zu können. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,10 etwas geringer. Dies ist durch die relativ hohen Korrelationen der Faktoren untereinander zu erklären.

Die ANOVA (analysis of variance) zeigt auf, wie viel der Varianz durch die Regression erklärt werden kann. Es wird getestet, ob das Modell signifikant besser das Ergebnis vorhersagt, als dies der Durchschnitt tun würde (vgl. Field, 2005). Dabei wird in der ersten Spalte der Tabelle 23 die durch das Regressionsmodell erklärte Streuung ausgewiesen. Die Anzahl der Freiheitsgrade richtet sich nach der Anzahl der unabhängigen Variablen, hier also sieben. Die erklärte Varianz, oder auch Mittel der Quadrate, ist der Quotient aus Streuung und Freiheitsgraden. Relevant ist hier die FStatistik. Je höher der F-Wert, desto besser die Vorhersage durch das Modell. Er berechnet sich aus dem Quotienten von Mittel der Quadrate der Regression zum Mittel der Quadrate der Residuen (vgl. Tabelle 23). Dieser Wert sollte daher größer als 1 und signifikant sein. Im gegebenen Fall ist beides gegeben, der F-Wert ist 2,25 und signifikant mit < 0,05. Damit ist auch die Regression als signifikant einzustufen.

Tabelle 23: ANOVA für die Regression mit der Fremdeinschätzung

Quadratsumme

df

Mittel der Quad.

F

Sig.

Regression

3 8965

7

5566

2,25

0,04

Residuen

18 7942

76

2473

Gesamt

22 6907

83

Nachdem festgestellt wurde, dass die globalen Gütemaße des Modells gut sind und eine signifikante Aussage des Modells sichergestellt wurde, stellt sich die Frage nach dem Einfluss der einzelnen Faktoren, der unabhängigen Variablen. Dies kann anhand der Statistik für die Koeffizienten überprüft werden. Wie in Tabelle 24 (s. S. 78) ersichtlich werden für alle unabhängigen Variablen und für die Konstante verschiedene Werte ausgegeben.

Dabei ist es wichtig erst einmal die letzte Spalte „Signifikanz“ zu überprüfen, denn diese gibt anhand des t-Tests an, welche der unabhängigen Variablen einen Einfluss haben, der signifikant anders ist als null (vgl. Field, 2005). Dabei sollte das Signifikanzniveau unterhalb von 0,05 liegen. Dies ist der Fall für drei der unabhängigen Variablen (grau markiert): Faktor 4, Faktor 5 und Faktor 7. Die anderen Faktoren als auch die Konstante haben keinen signifikanten Einfluss. Daher ist es sinnvoll, hier die ersten drei Spalten für diese drei Faktoren zu betrachten.

Tabelle 24: Statistik für die Koeffizienten (Fremdeinschätzung)

Nicht standardisierte Koeffizienten

Standard. Koeffiz.

t

Sig.

B

Std. Fehler

Beta

(Konstante)

–15,36

63,23

–0,24

0,81

Faktor 1: Innovationskultur

–14,11

9,57

–0,26

–1,47

0,14

Faktor 2: Innovationsstrategie

2,31

11,17

0,04

0,21

0,84

Faktor 3: Kundenorientierung

–3,67

10,27

–0,05

–0,36

0,72

Faktor 4: Organisation

17,79

7,88

0,30

2,26

0,03

Faktor 5: Erfolgsorientierung

20,67

9,10

0,25

2,27

0,03

Faktor 6: R&P-Management

–12,07

10,44

–0,19

–1,16

0,25

Faktor 7: Risikobereitschaft

25,18

12,58

0,42

2,00

0,05

Die Werte, die in der ersten Spalte unter B ausgewiesen werden, geben an, wie stark der Einfluss der einzelnen unabhängigen Variablen auf die Innovationsfähigkeit ist. Für die drei signifikanten Variablen ist dieser in allen Fällen positiv, d. h. diese drei Variablen fördern die Innovationsfähigkeit von Unternehmen.

Faktor 4: Klare Organisation und Rollenverteilung

Dieser Faktor hat ein B von 17,79. Dieser Wert zeigt an, dass wenn die Organisation und Rollenverteilung so verbessert wird, dass sie sich um einen Einschätzungspunkt verbessert, sich die Innovationsfähigkeit um 17,79 Punkte verbessert. Diese Interpretation gilt unter der Annahme, dass die anderen Faktoren sich nicht verbessern. Das heißt, wäre das betroffene Unternehmen im Durchschnitt (Entspricht 118,4 Punkte auf der Innovationsscore ) würde bereits ein Punkt eine Verbesserung um immerhin 15% bedeuten.

Als weiterer Indikator kann auch das Konfidenzintervall der Schätzung herangezogen werden. Dieses ist mit einer Wahrscheinlichkeit von 95% wie der Wert für B positiv. Wäre dies nicht der Fall, wäre der B-Wert anzweifelbar.

Besonders interessant ist jedoch die dritte Spalte, die standardisierten Koeffizienten, da sie einfacher und allgemeingültiger zu interpretieren sind. Diese sind unabhängig von den Maßeinheiten der Variablen. Die standardisierten Betas sind gemessen in der Einheit Standardabweichung, sind demnach direkt vergleichbar.

„Daher bieten sie bessere Erkenntnisse über die ,Wichtigkeit' der Wirkungsvariablen (hier: die Faktoren) des Modells“ (Field, 2003). Betrachtet man die standardisierten Betas, ist die „Wichtigkeit“ des Faktors 4 mit 0,30 etwa vergleichbar mit der des Faktors 5 mit 0,25. Beide haben somit einen vergleichbaren Einfluss auf Innovationsfähigkeit.

• Faktor 5: Gelebte Ziel- und Erfolgsorientierung

Dieser Faktor hat einen Wert für B von 20,67 und ist leicht höher als der Wert für Faktor 4. Damit würde sich die Innovationsfähigkeitsscore um 20,67 Punkte verbessern, wenn die Einschätzung der Ziel- und Erfolgsorientierung um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen eine Verbesserung der Innovationsfähigkeit von 17,5% bedeuten.

Das Konfidenzintervall der Schätzung des Koeffizienten ist auch hier bei einem Wahrscheinlichkeitsniveau von 95% über die gesamte Spanne positiv. Damit ist es sehr wahrscheinlich, dass der Faktor wirklich einen positiven Einfluss auf die Innovationsfähigkeit hat.

Betrachtet man in der dritten Spalte die standardisierten Betas, ist die „Wichtigkeit“ des Faktors mit 0,25 etwa vergleichbar mit der des Faktors 4 mit 0,3. Beide haben aber einen geringeren Wert als Faktor 7 mit 0,42.

Faktor 7: Bewusste Bereitschaft, sinnvolle Risiken einzugehen

Dieser Faktor hat einen Wert für B von 25,18. Damit ist er leicht größer als der Wert für die anderen beiden Faktoren. Gleichzeitig hat er aber auch den größten Standardfehler der drei Faktoren.

Damit würde sich die Innovationsfähigkeitsscore um 25,18 Punkte verbessern, wenn die Einschätzung der Risikobereitschaft um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen eine recht deutliche Verbesserung der Innovationsfähigkeit von 21,3% bedeuten.

Das Konfidenzintervall der Schätzung des Koeffizienten ist auch hier bei einem Wahrscheinlichkeitsniveau von 95% über die gesamte Spanne positiv. Damit ist es sehr wahrscheinlich, dass der Faktor wirklich einen positiven Einfluss auf die Innovationsfähigkeit hat. Wäre dem nicht so, könnte das Ergebnis in Frage gestellt werden.

Der standardisierte Koeffizient, der sich in der dritten Spalte wiederfindet, ist direkt mit den anderen beiden vergleichbar und in diesem Kontext mit 0,42 Standardabweichungen der Höchste. Damit kann gesagt werden, dass die Bereitschaft, sinnvolle Risiken einzugehen von den drei hier relevanten Faktoren die höchste Wichtigkeit hat.

Vorbehaltlich der Tests zur Modellstabilität zeigt sich ein deutlicher Einfluss von drei der sieben Faktoren auf die Innovationsfähigkeit der Unternehmen, welche in diesem Falle über die Innovationsexperten als Fremdeinschätzung erhoben wurde. Diese sind: Faktor 4 (Klare Organisation und Rollenverteilung), Faktor 5 (Gelebte Ziel- und Erfolgsorientierung) und Faktor 7 (Bewusste Bereitschaft, sinnvolle Risiken einzugehen).

Wie eingangs angesprochen soll nun aber auch die Selbsteinschätzung untersucht werden. Dabei ist die Frage relevant, ob aus Sicht der Führungskräfte dieselben Erfolgsfaktoren für Innovationsfähigkeit relevant sind, oder ob dies andere sind.

 
Fehler gefunden? Bitte markieren Sie das Wort und drücken Sie die Umschalttaste + Eingabetaste  
< Zurück   INHALT   Weiter >
 
Fachgebiet
Betriebswirtschaft & Management
Erziehungswissenschaft & Sprachen
Geographie
Informatik
Kultur
Lebensmittelwissenschaft & Ernährung
Marketing
Maschinenbau
Medien und Kommunikationswissenschaft
Medizin
Ökonomik
Pädagogik
Philosophie
Politikwissenschaft
Psychologie
Rechtswissenschaft
Sozialwissenschaften
Statistik
Finanzen
Umweltwissenschaften