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

7.6.2.2 Cluster

Bis hierher konnte ausgeschlossen werden, dass die Industrien als Variablen im Regressionsmodell einen Einfluss haben. Die Industrie alleine erklärt keinen signifikanten Teil der Varianz im Modell. Bleibt aber die Frage, ob die Erfolgsfaktoren, die mittels eines industrieübergreifenden Modells gefunden wurden sich stabil über die einzelnen Industrien finden lassen. Besonders interessant wäre es, wenn die Modelle auf Ebene der einzelnen Industrien andere Erfolgsfaktoren nachweisen würden. Dies würde die Interpretationsfähigkeit des globalen Modells in Frage stellen. Um dies zu überprüfen wird die Datenbasis aufgeteilt nach Industrien und separate Regressionsmodelle mit den gleichen unabhängigen und den gleichen abhängigen Variablen werden gerechnet.

7.6.2.2.1 Grundüberlegungen

Wieder muss die Datenbasis aufgeteilt werden. Im Gegensatz zu den Regionen sind die Unternehmen etwas homogener über die Industrien verteilt, wie in Abbildung 22 (s. S. 106) ersichtlich. Die Datenbasis umfasst für die Automobilindustrie 39 Geschäftseinheiten, also 39 Fälle im Regressionsmodell. Für die Telekommunikationsindustrie sind es noch 25 Fälle und für die Hochtechnologieindustrie schließlich 20 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, 2005).

Abbildung 22: Verteilung der Geschäftseinheiten auf Industrien

Keine der drei betrachteten Industrien erreicht diesen Grenzwert auch nur annäherungsweise. Für die Automobilindustrie stehen immerhin noch 5,6 Datenpunkte pro Variable zur Verfügung, für die Hochtechnologieindustrie lediglich 2,9 Datenpunkte. Damit ist es einerseits sehr unwahrscheinlich, dass signifikante Teilmodelle entstehen, insbesondere für die Regressionsmodelle mit der Fremdeinschätzung, andererseits haben auch signifikante Modelle nur eine beschränkte Aussagekraft.

Dennoch werden im Folgenden die drei unterschiedlichen Modelle jeweils für die Fremd- und die Selbsteinschätzung gerechnet werden, da es sich hier lediglich um Gegentests handelt.

7.6.2.2.2 Auswertung

Die Auswertung erfolgt analog zu der Auswertung über die Regionen. Es werden wieder beide Regressionsmodelle untersucht werden, erst das mit der Fremdeinschätzung und dann das mit der Selbsteinschätzung.

Modell 1: Fremdeinschätzung

Wie zu erwarten ist keines der drei Regressionsmodelle signifikant. Die multiplen Korrelationskoeffizienten (R) sind vergleichbar mit denen des globalen Modells und schwanken zwischen 0,49 für die Telekommunikationsindustrie und 0,53 für die Automobilindustrie. Das Bestimmtheitsmaß (R2) ist mit Werten zwischen 0,24 und 0,29 recht hoch, bis zu 29% der Innovationsfähigkeit könnten erklärt werden.

Der Blick auf die ANOVA ernüchtert aber. Keines der Signifikanzniveaus erreicht die vorgegebene Grenze. Nicht überraschend ist, dass am Ehesten noch die Automobilindustrie mit einem f-Test von 1,76 ein Signifikantniveau von 0,13 erreicht. Diese ist von den drei Industrien die mit den meisten Datenpunkten. Das Modell für die Telekommunikationsindustrie erreicht ein Signifikantniveau von 0,63, das Modell für die Hochtechnologieindustrie sogar ein Niveau von 0,78. Damit ist klar, dass alle drei Modelle keine Erklärungskraft haben. Der Versuch die Koeffizienten zu interpretieren erscheint daher wenig sinnvoll, im Falle der Automobilindustrie, des Modells mit dem niedrigsten Signifikanzniveaus, sind es aber die selben drei Faktoren wie im globalen Regressionsmodell, welche die niedrigsten Signifikanzniveaus haben.

Allgemein muss aber festgehalten werden, dass aufgrund der hier nicht ausreichenden Datenbasis, das Modell weder bestätigt, noch widerlegt werden kann. Keines der Industriemodelle 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. Aufgrund der geringen Datenmenge sind alle Modelle aber in jedem Fall mit Vorsicht zu interpretieren.

Alle drei Modelle weisen sehr hohe multiple Korrelationskoeffizienten (R) aus, für die Hochtechnologieindustrie 0,89, für die Telekommunikationsindustrie 0,92 und die Automobilindustrie 0,77. Das Bestimmtheitsmaß (R?) liegt zwischen 0,59 und 0,84. Das heißt, dass zwischen 59% und 84% der Varianz von Innovationsfähigkeit anhängig von der Industrie durch die sieben Faktoren erklärt werden kann. Der Wert für die Automobilindustrie deckt sich mit dem Erklärungswertes des globalen Modells, die anderen beiden Industrien liegen darüber.

Beim Blick auf die ANOVA zeigt sich, dass alle Regressionsmodelle signifikant sind. Damit können, mit der gebotenen Vorsicht aufgrund der geringen Anzahl an Datenpunkten, die Modelle und deren Koeffizienten interpretiert werden.

Teilmodell 1: Hochtechnologieindustrie

Wie eingangs bereits erwähnt ist der multiple Korrelationskoeffizient (R) 0,89, das Bestimmtheitsmaß (R2) liegt bei 0,79. Das heißt, dass 79% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden kann. Dieser Wert ist als sehr hoch einzustufen, aber im Kontext der geringen Anzahl an Datenpunkten kritisch zu hinterfragen. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,67 nur marginal geringer.

Entsprechend weist die ANOVA einen recht guten Wert für die F-Statistik aus. Der Wert von 6,6 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 0,02 auch noch deutlich unterhalb der Grenze von 0,05.

Die globalen Gütemaße des Modells sind damit als positiv zu bewerten und es ist anzunehmen, dass das Modell eine signifikante Aussagekraft hat. Dabei immer unter der Prämisse, dass nur sehr wenige Datenpunkte zur Verfügung stehen. In jedem Fall stellt sich nun die Frage, wie der Einfluss der einzelnen Faktoren, 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.

Im Regressionsmodell für die Hochtechnologieindustrie hat nur eine der unabhängigen Variablen einen signifikanten Einfluss. Dies ist interessanter Weise der Faktor 6, das gut organisierte Ressourcen- und Portfoliomanagement. Dieser Faktor hat einen Wert für B von 1,16. Damit würde sich die selbsteingeschätzte Innovationsfähigkeit der Unternehmen in der Industrie um 1,16 Punkte verbessern, wenn die Einschätzung des Ressourcen- und Portfoliomanagements um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen eine Verbesserung der geschätzten Innovationsfähigkeit um 29% bedeuten. Dies ist ein imposanter Wert. Mit einem Signifikanzniveau von 0,06 ist der Faktor 1, die zukunftsgerichtete, unterstützende Unternehmenskultur knapp nicht signifikant.

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 0,74 Standardabweichungen zwar deutlich geringer, aber immer noch als hoch einzustufen.

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

Nachdem dieses Modell auf der geringsten Zahl an Datenpunkten beruht, sind die obigen Interpretationen schwer zu verallgemeinern. Wichtig ist jedoch festzuhalten, dass das Regressionsmodell für die Hochtechnologieindustrie keine widersprüchlichen Ergebnisse zum globalen Regressionsmodell gebracht hat. Die Signifikanz des Faktors 6, des gut organisierten Ressourcen- und Portfoliomanagements, wird später im Rahmen der Interpretation der einzelnen Faktoren nochmals aufgegriffen.

Teilmodell 2: Telekommunikationsindustrie

Wie oben bereits genannt ist der multiple Korrelationskoeffizient (R) für die Telekommunikationsindustrie 0,92, das Bestimmtheitsmaß (R2) liegt bei 0,84. Das heißt, dass in diesem Teilmodell 84% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden können. Dieser Wert ist ebenfalls als sehr hoch für einen Konstrukt wie Innovationsfähigkeit. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,77 etwas 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 auch hier wieder die F-Statistik. Der Wert von 12,8 ist dabei fast so hoch wie der Wert des F-Tests des globalen Regressionsmodells. Das Signifikanzniveau für diesen Wert ist 0,00 und damit eindeutig signifikant.

Die globalen Gütemaße des Modells kann festgehalten werden, sind damit als positiv zu bewerten und es ist anzunehmen, dass das Modell eine signifikante Aussagekraft hat. Dabei immer unter der Prämisse, dass nur 25 und damit wenige Datenpunkte zur Verfügung stehen. Anhand der Statistik für die Koeffizienten wird nun überprüft, wie der Einfluss der einzelnen Variablen ist.

Beim Regressionsmodell für die Telekommunikationsindustrie hat basierend auf dem t-Test der Koeffizienten wieder herum nur eine der unabhängigen Variablen einen signifikanten Einfluss. Dies ist der Faktor 3, die koordinierte Markt- und Kundenorientierung. Dieser hat einen Wert für B von 0,65. Damit würde sich die selbsteingeschätzte Innovationsfähigkeit der Unternehmen aus der Region um 0,65 Punkte verbessern, wenn die Einschätzung der Markt- und Kundenorientierung um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen eine Verbesserung der geschätzten Innovationsfähigkeit um 16,4% bedeuten.

Das Konfidenzintervall der Schätzung des Koeffizienten ist bei einem Wahrscheinlichkeitsniveau von 95% positiv und mit einer Spanne von 0,2 bis 1,1 recht eng. Damit ist es sehr wahrscheinlich, dass der Faktor wirklich einen starken positiven Einfluss auf die Innovationsfähigkeit hat. Der standardisierte Koeffizient ist mit 0,56 Standardabweichungen geringer, aber immer noch 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 der Telekommunikationsindustrie gilt demnach, dass die koordinierte Markt- und Kundenorientierung einen wichtigen Einfluss auf die selbsteingeschätzte Innovationsfähigkeit hat. Auch dieses Ergebnis ist bei nur 25 Datenpunkten mit Vorsicht zu sehen, deckt sich aber mit dem globalen Regressionsmodell in dem dieser Faktor ebenfalls einen signifikanten Einfluss ausübt.

Teilmodell 3: Automobilindustrie

Wie eingangs bereits erwähnt ist der multiple Korrelationskoeffizient (R) bei der Automobilindustrie mit 0,77 der geringste von den drei Industrien. Das Bestimmtheitsmaß (R2) liegt deutlich niedriger bei 0,59. Das heißt mit anderen Worten, dass in dieser Industrie 59% der Varianz von Innovationsfähigkeit durch die sieben Faktoren erklärt werden können. Dieser Wert ist recht hoch und vergleichbar mit den Werten des globalen Modells. Das korrigierte Bestimmtheitsmaß (korr. R2) ist mit 0,50 recht deutlichgeringer, aber immer noch 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 6,4 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 lässt mit einem Wert von 0,00 keinen Zweifel an der Signifikanz.

Es ist anzunehmen, dass das Modell eine signifikante Aussagekraft hat. Dabei immer unter der Prämisse, dass nur wenige Datenpunkte zur Verfügung stehen. In jedem Fall stellt sich nun die Frage, wie der Einfluss der einzelnen Faktoren, der unabhängigen Variablen ist. Dies wird anhand der Statistik für die Koeffizienten überprüft.

Dafür wird wiederherum der t-Test herangezogen. Für das Regressionsmodell für die Automobilindustrie hat nur eine der unabhängigen Variablen einen signifikanten Einfluss. Dies ist der Faktor 1, zukunftsgerichtete, unterstützende Unternehmenskultur. Dieser Faktor hat einen Wert für B von 0,54. Damit würde sich die selbsteingeschätzte Innovationsfähigkeit der Unternehmen aus der Region um 0,54 Punkte verbessern, wenn die Einschätzung der Unternehmenskultur um einen Punkt erhöht würde. Dies würde für ein durchschnittliches Unternehmen eine Verbesserung der geschätzten Innovationsfähigkeit um 13,6% 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 0,52 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 der Automobilindustrie kann also festgehalten werden, dass die zukunftsgerichtete, unterstützende Unternehmenskultur einen wichtigen Einfluss auf die selbsteingeschätzte Innovationsfähigkeit hat. Damit eine weitere der Faktoren, die auch im globalen Regressionsmodell sichtbar werden.

Industrie übergreifend 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 Unternehmen aus der Automobilindustrie festzustellen, während der Einfluss des Faktors 3, der koordinierten Markt- und Kundenorientierung, besonders für die Telekommunikationsindustrie nachgewiesen werden kann. Dass für die Hochtechnologieindustrie der Faktor 6, das gut organisierte Ressourcen- und Portfoliomanagement signifikant ist, hat keine Auswirkung auf globaler Ebene. Aufgrund des kleinen Datensatzes ist besonders dieses Modell mit großer Vorsicht zu bewerten. Dennoch wird dies später nochmals aufgegriffen werden.

Vor dem Hintergrund, dass für alle Teilregressionen nur unzureichende Datenpunkte vorlagen, sind diese alleine nicht aussagekräftig. Es sollte aber festgehalten werden, dass die Aussage des globalen Regressionsmodells gefestigt wurde, dass übergreifend Faktor 1 und Faktor 3 zum Innovationserfolg beitragen.

7.7 Zusammenfassung

Mittels Regressionsanalysen zwischen den ermittelten potentiellen Erfolgsfaktoren und der durch Experten erhobenen Innovationsfähigkeitsscore konnte ein signifikantes Ergebnis gefunden werden, wobei sich zeigte, dass im Besonderen drei Faktoren einen hohen signifikant positiven Einfluss auf die Innovationsfähigkeit der Unternehmen haben: (4) die klare Organisation und Rollenverteilung, (5) die gelebte Ziel- und Erfolgsorientierung und (7) die bewusste, durchdachte Risikobereitschaft (Alle drei Faktoren mit sig. < 0,05).

Unter Verwendung der Selbsteinschätzung zur Innovationsfähigkeit der befragten Unternehmen ergibt sich ebenfalls ein hoch signifikantes Ergebnis. Dabei werden besonders die Effekte der (1) zukunftsorientierten, unterstützenden Unternehmenskultur und der (3) koordinierten Markt- und Kundenorientierung hervorgehoben.

Diese Ergebnisse konnten durch die Untersuchung der Daten auf Ebene der Industrien und Regionen untermauert werden. Waren die Regressionsmodelle für die einzelnen Industrieoder Regionen-Cluster signifikant, waren die gleichen Faktoren, wie bei der globalen Perspektive von Einfluss. Zudem konnte ausgeschlossen werden, dass alleine durch die Region oder die Industrie ein Einfluss auf die Innovationsfähigkeit des Unternehmens ausgeübt wurde.

Damit konnte für fünf der sieben Faktoren nachgewiesen werden, dass es sich um Erfolgsfaktoren für Innovation handelt. Dieser Erfolgsfaktoren und die beiden anderen Faktoren werden im Folgenden im Kontext der aktuellen Forschung näher beleuchtet werden.

 
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