< Zurück   INHALT   Weiter >

7.6.1.2 Cluster

Bisher wurde ausgeschlossen, dass die Regionen als Variablen im Regressionsmodell einen Einfluss haben, also kein Teil des Erklärungswertes der Innovationsfähigkeit einfach auf die Regionen zurückgeht. Bleibt aber die Frage, ob die Erfolgsfaktoren, die global gefunden wurden, sich stabil über die einzelnen Regionen finden lassen. Beziehungsweise insbesondere, ob die Modelle gerechnet Region für Region den globalen Ergebnissen widersprechen. Um dies zu überprüfen wird die Datenbasis aufgeteilt und separate Regressionsmodelle mit den gleichen unabhängigen und den gleichen abhängigen Variablen werden gerechnet.

7.6.1.2.1 Grundüberlegungen

Dabei sticht eine Schwierigkeit direkt ins Auge. Wie in Abbildung 21 ersichtlich umfasst die Datenbasis für Europa 55 Geschäftseinheiten, damit 55 Fälle im Regressionsmodell, für Asien & Pazifik sind dies noch 18 Fälle und für Amerika sind es nur 10 Fälle. Es werden hier zwar wieder nur sieben unabhängige Variablen betrachtet, aber nach der Faustregel sollen es mindestens zehn Datenpunkte pro unabhängiger Variable sein (vgl. Field, 2003). Während diese für Europa noch fast erreicht wird,

Abbildung 21: Regionale Verteilung der Geschäftseinheiten

sind es für Amerika weniger als 1,5 Datenpunkte pro Variable. Damit ist es sehr unwahrscheinlich, dass signifikante Teilmodelle entstehen, dies gilt insbesondere für die Regressionsmodelle mit der Fremdeinschätzung.

Dies wissend und auch im Hinterkopf behaltend, dass die Aussage der einzelnen Regressionsmodelle sehr eingeschränkt sein wird, werden im Folgenden die drei unterschiedlichen Modelle jeweils für die Fremd- und die Selbsteinschätzung gerechnet werden, da es sich hier lediglich um Gegentests handelt.

7.6.1.2.2 Auswertung

Die Auswertung erfolgt analog zu Kapitel 7.4. Es werden wieder beide Modelle erst das mit der Fremdeinschätzung durch die Experten und dann das mit der Selbsteinschätzung untersucht werden.

Modell 1: Fremdeinschätzung

Wie zu erwarten ist keines der drei Regressionsmodelle signifikant. Zwar weisen alle drei hohe multiple Korrelationskoeffizienten (R) aus, für Amerika beispielsweise 0,82, aber wenn die ANOVA hier herangezogen wird, dann fallen die Signifikanzniveaus ins Auge. Für Amerika ist der F-Test 0,567, die Signifikanz dazu 0,76. Für Asien & Pazifik sowie Europa sind die F-Tests etwas höher, aber Signifikanzen von 0,36 respektive 0,38 bedeuten auch, dass diese Modelle keine Aussagekraft haben. Der Versuch die Koeffizienten zu interpretieren erscheint daher wenig sinnvoll.

Allgemein kann aufgrund der hier nicht ausreichenden Datenbasis das Modell weder bestätigt noch widerlegt werden kann. Keines der regionalen Modelle ist signifikant und interpretierbar. Daher hat das globale Regressionsmodell weiterhin bestand.

Modell 2: Selbsteinschätzung

Das globale Regressionsmodell mit der Selbsteinschätzung war hoch signifikant, daher ist es hier durchaus möglich, dass die Teilmodelle auch signifikant werden, zumindest für Asien & Pazifik und Europa. Das Modell für Amerika wäre in jedem Fall aufgrund des wenigen Datenpunkte als wenig aussagekräftig einzustufen.

Alle drei Modelle weisen extreme multiple Korrelationskoeffizienten (R) aus, für Amerika 0,99, für Asien & Pazifik 0,88 und für Europa 0,75. Das Bestimmtheitsmaß (R2) für Amerika liegt sogar bei 0,98. Das würde heißen, dass 98% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden könnten. Aber wie zu erwarten, ist das Modell nicht signifikant. Daher ist auch die Betrachtung der Koeffizienten hier nicht zuträglich.

Im Gegensatz dazu sind die anderen beiden Regressionsmodelle signifikant und können, mit der gebotenen Vorsicht aufgrund der geringen Datenpunkte, interpretiert werden.

Teilmodell 1: Asien & Pazifik

Wie eingangs bereits erwähnt ist der multiple Korrelationskoeffizient (R) 0,88, das Bestimmtheitsmaß (R2) liegt bei 0,78. Das heißt, dass 78% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden können. Dieser Wert ist als sehr hoch für ein Konstrukt wie Innovationsfähigkeit. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,63 geringer, aber immer noch sehr hoch.

Entsprechend zeigt die ANOVA, dass ein sehr großer Teil der Varianz durch die Regression erklärt werden kann. Besonders relevant ist hier wieder die F-Statistik. Der Wert von 5,1 ist bei weitem nicht so hoch, wie der Wert des F-Tests des globalen Regressionsmodells (14,53), aber er ist noch deutlich größer als 1. Das Signifikanzniveau für diesen Wert ist mit 0,01 auch deutlich unterhalb der Grenze von 0,05.

Es kann festgehalten werden: Die globalen Gütemaße des Modells sind als positiv zu bewerten und es ist anzunehmen, dass das Modell eine signifikante Aussagekraft hat; immer unter der Prämisse, dass nur sehr wenige Datenpunkte zur Verfügung stehen. In jedem Fall stellt sich nun die Frage, wie hoch der Einfluss der einzelnen Faktoren und der unabhängigen Variablen ist. Dies wird anhand der Statistik für die Koeffizienten überprüft.

Auch bei der Überprüfung, welche Variablen zu betrachten sind, wird der t-Test herangezogen. Für einen signifikanten t-Test und damit signifikanten Einfluss der Variable darf das Signifikanzniveau 0,05 nicht überschreiten. Das bedeutet mit anderen Worten, dass alle Faktoren mit einem signifikanten t-Test einen Einfluss haben, der signifikant anders als null ist.

Für das Regressionsmodell für die Region Asien & Pazifik hat nur eine der unabhängigen Variablen einen signifikanten Einfluss. Dies ist der Faktor 3, die koordinierte Markt- und Kundenorientierung. Dieser Faktor hat einen Wert für B (nichtstandardisierter Koeffizient) von 0,69. Damit würde sich die selbsteingeschätzte Innovationsfähigkeit der Unternehmen aus der Region um 0,69 Punkte verbessern, wenn die Einschätzung der Markt- und Kundenorientierung um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen (= 4,0) eine Verbesserung der geschätzten Innovationsfähigkeit um 17,4% bedeuten.

Das Konfidenzintervall der Schätzung des Koeffizienten ist 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. Der standardisierte Koeffizient ist mit 0,65 Standardabweichungen kaum geringer und damit als sehr hoch einzustufen.

Auf Basis des Plots der standardisierten Residuen und der standardisierten vorhergesagten Werte ist sowohl Nicht-Linearität als auch Heteroskedastie auszuschließen.

Für Unternehmen im Raum Asien & Pazifik kann also festgehalten werden, dass besonders die koordinierte Markt- und Kundenorientierung einen wichtigen Einfluss auf die selbsteingeschätzte Innovationsfähigkeit hat.

Teilmodell 2: Europa

Wie oben bereits genannt ist der multiple Korrelationskoeffizient (R) für die Region Europa 0,75, das Bestimmtheitsmaß (R2) liegt bei 0,56. Das heißt, dass 56% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden können. Auch dieser Wert ist als sehr hoch für ein Konstrukt wie Innovationsfähigkeit. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,50 geringer. Dabei liegen die Werte nahe den Werten des globalen Modells, von einer Aussagekraft ist demnach auszugehen.

Entsprechend zeigt die ANOVA, dass ein sehr großer Teil der Varianz durch die Regression erklärt werden kann. Besonders relevant ist auch hier wieder die F-Statistik. Der Wert von 8,7 ist dabei etwas höher als der Wert des F-Tests des Regressionsmodells für Asien & Pazifik. Das Signifikanzniveau für diesen Wert ist < 0,01 und damit eindeutig signifikant.

Die globalen Gütemaße des Modells sind damit als positiv anzusehen. Es ist anzunehmen, dass das Modell eine signifikante Aussagekraft hat. Dabei immer unter der Prämisse, dass nur 55 und damit wenige Datenpunkte zur Verfügung stehen. Anhand der Statistik für die Koeffizienten wird nun überprüft, wie der Einfluss der einzelnen Variablen ist.

Wieder wird der t-Test herangezogen. Für einen signifikanten t-Test und damit signifikanten Einfluss der Variable darf das Signifikanzniveau 0,05 nicht überschreiten. Nur Faktoren mit einem signifikanten t-Test haben einen Einfluss, der signifikant anders als null ist.

Beim Regressionsmodell für die Region Europa hat wiederum nur eine der unabhängigen Variablen einen signifikanten Einfluss. Dies ist der Faktor 1, zukunftsgerichtete, unterstützende Unternehmenskultur. Dieser hat einen Wert für B von 0,50. Damit würde sich die selbsteingeschätzte Innovationsfähigkeit der Unternehmen aus der Region um 0,50 Punkte verbessern, wenn die Einschätzung der Unternehmenskultur um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen (= 4,0) eine Verbesserung der geschätzten Innovationsfähigkeit um 12,6% bedeuten.

Das Konfidenzintervall der Schätzung des Koeffizienten ist bei einem Wahrscheinlichkeitsniveau von 95% positiv und mit einer Spanne von 0,16 bis 0,84 recht eng. Damit ist es sehr wahrscheinlich, dass der Faktor wirklich einen starken positiven Einfluss auf die Innovationsfähigkeit hat. Der standardisierte Koeffizient ist mit 0,48 Standardabweichungen kaum geringer und damit als hoch einzustufen.

Auf Basis des Plots der standardisierten Residuen und der standardisierten vorhergesagten Werte ist sowohl Nicht-Linearität als auch Heteroskedastie auszuschließen.

Für Unternehmen in Europa gilt demnach, dass die zukunftsgerichtete, unterstützende Unternehmenskultur einen wichtigen Einfluss auf die selbsteingeschätzte Innovationsfähigkeit hat.

Regionenübergreifend sind demnach für die Selbsteinschätzung die gleichen Faktoren relevant, wie bei der globalen Regressionsanalyse. Offensichtlich ist der Einfluss des Faktors 1, der zukunftsgerichteten, unterstützenden Unternehmenskultur, verstärkt für europäische Unternehmen festzustellen, während der Einfluss des Faktors 3, der koordinierten Markt- und Kundenorientierung, besonders in der Region Asien & Pazifik nachgewiesen werden kann. Vor dem Hintergrund, dass für alle Teilregressionen nur unzureichende Datenpunkte vorlagen, sind diese alleine nicht aussagekräftig. Dennoch kann festgehalten werden, dass die Aussage des globalen Regressionsmodells, dass übergreifend Faktor 1 und Faktor 3 zum Innovationserfolg beitragen, gefestigt wurde.

7.6.1.3 Zusammenfassung

Durch die vorhergegangenen Analysen ist deutlich geworden, dass die Regionen an sich keinen Erklärungswert für die Innovationsfähigkeit darstellen. Damit stellen die unterschiedlichen Regionen keinen Störfaktor dar, weder für das Regressionsmodell mit der Fremdnoch mit der Selbsteinschätzung.

Gleichzeitig stützen die Regressionsmodelle für die einzelnen Regionen die Erkenntnisse aus den globalen Modellen, beziehungsweise widerlegen diese nicht. Für die Fremdeinschätzung konnte kein signifikantes Modell auf regionaler Ebene gefunden werden. Bei der Selbsteinschätzung stützen die Teilmodelle die Aussage des globalen Modells. Es werden die gleichen Faktoren signifikant. Dabei ist trotz aller Vorsicht angesichts der kleinen Datenbasis interessant, dass der Faktor 1 besonders in Europa einen hohen Erklärungsgehalt hat und der Faktor 3 besonders in der Region Asien & Pazifik. Im Anschluss wird nun der Einfluss der Industrien genauer untersucht werden.

 
< Zurück   INHALT   Weiter >