Skip to main content
SpringerLink
Log in

Empirische Befunde

  • Chapter
Book cover Entwicklungsstand des Controlling

Part of the book series: Edition Österreichisches Controller-Institut ((SCUEÖ))

  • 94 Accesses

Zusammenfassung

Eine exakte Abgrenzung der Grundgesamtheit, aus der die Elemente der Stichprobe gezogen werden sollen und auf die sich die Erkentnisse der Untersuchung beziehen sollen, ist für die Aussagefähigkeit der Untersuchung und die Übertragbarkeit ihrer Ergebnisse von erheblicher Bedeutung. Dem Untersuchungsziel entsprechend, handelt es sich bei den Untersuchungsobjekten um Unternehmen, die zum Zeitpunkt der Untersuchung über einen ordentlichen Geschäftssitz in Österreich verfügen. Aus untersuchungstechnischen Gründen ist diese Grundgesamtheit an Unternehmen einzuschränken. Nicht zur Grundgesamtheit werden landwirtschaftliche Unternehmen sowie freiberufliche Selbständige gezählt. Weiters erfolgt eine Filterung der Grundgesamtheit hinsichtlich bestimmter Kriterien der Unternehmensgröße. Um neben Aussagen über den Verbreitungsgrad von Controlling auch Aussagen über die Qualität von Controllingsystemen zu erhalten, ist es notwendig, Unternehmen zu befragen, die über Controlling, wenn auch nur ansatzweise, verfügen. Ausgehend von bisher durchgeführten empirischen Erhebungen zur Verbreitung des Controlling, kann angenommen werden, daß Controlling erst ab einer bestimmten Unternehmensgröße in den Unternehmen zum Einsatz gelangt. 1) Kleinunternehmen sollen aus diesem Grund nicht in die Untersuchung einbezogen werden.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. vgl. Kosmider (Controlling), S. 91ff

    Google Scholar 

  2. vgl. Kaplitza (Stichprobe), S. 143

    Google Scholar 

  3. vgl. Friedrichs (Methoden), S. 146ff

    Google Scholar 

  4. vgl. Bortz (Empirische Forschung), S. 242ff

    Google Scholar 

  5. vgl. Wilk (Befragung), S. 188ff. Vgl auch Friedrichs (Methoden), S. 236ff. Bei Unternehmen mit weniger als 50 Mitarbeitern ist ein deutlich geringerer Verbreitungsgrad des Controlling zu verzeichnen.

    Google Scholar 

  6. Amshoff(Realtypen), S. 12

    Google Scholar 

  7. vgl. Black (Value), S. 23

    Google Scholar 

  8. vgl. Nagl (Datenanalyse), S. 289

    Google Scholar 

  9. vgl. Backhaus et al. (Analysemethoden), S. 111f.

    Google Scholar 

  10. vgl. hierzu Nagl (Datenanalyse), S. 296

    Google Scholar 

  11. Hier handelt es sich um eine idealtypische Forderung, der in der Praxis nur schwer entsprochen werden kann, wenn man eine Faktorenlösung anstrebt, bei der die Zahl der Faktoren kleiner als die Zahl der Variablen ist.

    Google Scholar 

  12. Die Hauptkomponentenanalyse ist streng zu trennen vom Begriff der Hauptachsenanalyse. Vgl. Backhaus (Analysemethoden), S. 81

    Google Scholar 

  13. Mit Hilfe der Methode kann in der Regel nicht die gesamte Ausgangsvarianz erklärt werden.

    Google Scholar 

  14. Stehen z.B. die die Variablen repräsentierenden Vektoren normal aufeinander, sind sie völlig unabhängig, die Korrelation ist gleich null.

    Google Scholar 

  15. vgl. Backhaus et al. (Analysemethoden), S. 80ff

    Google Scholar 

  16. vgl. Nagl (Datenanalyse), S. 297

    Google Scholar 

  17. vgl. Nagl (Datenanalyse), S. 292. Sie können als Regressionskoeffizienten interpretiert werden.

    Google Scholar 

  18. vgl. Nagl (Datenanalyse), S. 306ff

    Google Scholar 

  19. vgl. Backhaus et al. (Analysemethoden), S. 93ff. Vgl. auch Nagl (Datenanalyse), S. 309

    Google Scholar 

  20. Zentralrechner der Wirtschaftsuniversität Wien, IBM Modell 9121 unter VM/CMS und Zentralrechner des EDV-Zentrums der Universität Wien, IBM Modell 9000–720 VF unter VM/XA 2.1, SAS Release 6.06.01 für IBM VM/CMS.

    Google Scholar 

  21. vgl. Backhaus et al. (Analysemethoden), S. 115ff

    Google Scholar 

  22. Siehe hierzu Backhaus et al. (Analysemethoden), S. 133ff

    Google Scholar 

  23. vgl. Steinhausen et al. (Clusteranalyse), S. 75

    Google Scholar 

  24. vgl. Backhaus et al. (Analysemethoden), S. 147ff

    Google Scholar 

  25. vgl. Bergs (Optimalität), S. 96f

    Google Scholar 

  26. vgl. Nagl (Datenanalyse), S. 278ff

    Google Scholar 

  27. Details über die Interpretation der Werte können bei NAGL nachgelesen werden: Nagl (Datenanalyse), S. 286f

    Google Scholar 

  28. vgl. Nagl (Datenanalyse), S. 287. Der Pseudo-F Wert stellt ein Maß für die Homogenität einer Gruppe dar und wird aus dem sogenannten F-Bruch berechnet. Er tragt die Bezeichnung ‘pseudo’, weil er kein Hypothesen-Testwert ist. Als solcher könnte er nur dann herangezogen werden, wenn alle Beobachtungen zufällig auf die Cluster verteilt wären und unabhängig aus einer Normalverteilung gezogen würden. Dies entspricht natürlich weder dem Sinn noch der Realität einer Clusteranalyse. Der Pseudo-t 2 Wert ist dem Pseudo-F Wert eng verwandt. Er gibt im Gegensatz zum Pseudo-F Wert, Aufschluß über die Distanz zweier Cluster. Er läßt erkennen, ob eine weitere Clustervereinigung noch sinnvoll ist, da nur Gruppen mit kleinstem Abstand vereinigt werden sollen. Der Pseudo-t2 Wert berechnet sich entsprechend dem ‘F-Bruch’, wobei lediglich zwei Gruppen betrachtet werden.

    Google Scholar 

  29. Mittelwert 0 und Standardabweichung 1.

    Google Scholar 

  30. Einen guten Überblick über Zusammenhangsmaße gibt NAGL. Vgl. Nagl (Datenanalyse), S. 93 31) Im folgenden werden statistische Methoden dargestellt, die die Erklärung eines Zusammenhangs zwischen einer oder mehreren unabhängigen und einer oder mehreren abhängigen Variablen zum Ziel haben.

    Google Scholar 

  31. vgl. Nagl (Datenanalyse), S. 43ff; vgl. auch Günther (Erfolg), S. 255

    Google Scholar 

  32. vgl. Popper (Logik), S. 3ff

    Google Scholar 

  33. Der Signifikanztest läuft im Detail folgendermaßen ab: Der empirisch ermittelte Kennwert wird mit dem mathematisch-transformierten (theoretischen) Kennwert, der von der entsprechenden Kennwertverteilung a% (1% od. 5%) abschneidet, verglichen. Ist der empirische Kennwert größer als dieser ‘kritische’ Tabellenwert, beträgt seine Wahrscheinlichkeit für die Annahme, H0 sei richtig, zusammen mit der Wahrscheinlichkeit für noch extremere Kennwerte weniger als α%. Das Ergebnis ist statistisch signifikant. Vgl. Bortz (Empirische Forschung), S. 369ff

    Google Scholar 

  34. vgl. Bamberg/Baur (Statistik), S. 181 bzw. S. 207ff

    Google Scholar 

  35. vgl. Bortz (Empirische Forschung), S. 497ff

    Google Scholar 

  36. vgl. Neurath (Methoden), S. 17

    Google Scholar 

  37. vgl. Bamberg/Baur (Statistik), S. 179

    Google Scholar 

  38. vgl. Büning/Trenkler (Nichtparametrische Methoden), S. 128ff

    Google Scholar 

  39. vgl. Bamberg/Baur (Statistik), S. 196ff

    Google Scholar 

  40. vgl. Büning/Trenkler (Nichtparametrische Methoden), S. 201

    Google Scholar 

  41. Wilcoxon Test, Median Test, van der Waerden Test, Savage Test, u.ä.

    Google Scholar 

  42. vgl. Büning/Haedrich/Kleinert (Operationale Verfahren), S. 184ff

    Google Scholar 

  43. vgl. Backhaus et al. (Analysemethoden), S. 162

    Google Scholar 

  44. vgl. Schuchard/Ficher (Analysemethoden), S. 153

    Google Scholar 

  45. vgl. Backhaus et al. (Analysemethoden), S. 181: Sie besteht aus folgenden Schritten: Formulierung der Diskriminanzfunktion — Schätzung der Diskriminanzfunktion — Prüfung der Diskriminanzfunktion — Klassifizierung von neuen Elementen.

    Google Scholar 

  46. vgl. Schuchard/Ficher (Analysemethoden), S. 174ff

    Google Scholar 

  47. vgl. Hoffmann (Faktoren), S. 276

    Google Scholar 

  48. vgl. Schuchard/Ficher (Analysemethoden), S. 176; vgl. auch Nagl (Datenanalyse), S. 249ff

    Google Scholar 

  49. Als ‘einfach’ (‘mehrfach’) sind Modelle mit nur einer (mehreren) exogenen Variablen, als ‘univariat’ (‘multivariat’) Modelle mit nur einer (mehreren) endogenen Variablen zu verstehen.

    Google Scholar 

  50. vgl. Backhaus et al. (Analysemethoden), S. 1ff und S. 43ff

    Google Scholar 

  51. vgl. Backhaus et al (Analysemethoden), S. 15f

    Google Scholar 

  52. Steigt die Anzahl der Freiheitsgrade zu sehr an, ist das Ergebnis der Datenanalyse nur mehr eine optimale Anpassungsfunktion. Dies entsteht z.B., wenn die Modelle mit zu vielen exogenen Variablen, im Verhältnis zur Fallzahl, konstruiert werden.

    Google Scholar 

  53. vgl. Kobelt (Wirtschaftsstatistik), S. 195

    Google Scholar 

  54. vgl. Büning/Haedrich/Kleinert (Operationale Verfahren), S. 202

    Google Scholar 

  55. vgl. Backhaus et al. (Analysemethoden), S. 27f; vgl. auch Nagl (Datenanalyse), S. 94f

    Google Scholar 

  56. Herkömmliche Regressions-Methoden, wie z.B. ANOVA unter SAS, werfen bei unbalanzierten Datenstrukturen das Problem der Rekodierung auf. Dies bedeutet, daß Skalen redefiniert werden müssen. Die Redefinition bewirkt eine Reduktion der Skalenausprägungen und erzeugt eine geschlossene Dichtefunktion. Das grundsätzliche Problem dabei ist, daß die Aussagekraft der Skalen reduziert wird und Variablen mit fallender Skalenbreite potentiell weniger Beitrag zur Erklärung der Modellvarianz, d.h. diskriminatorisches Potential, erhalten.

    Google Scholar 

  57. vgl. Braun (Controller-Funktion), S. 45; vgl. Coeneberg/Günther (Stand), S. 459; vgl. Horvath/Dambrowski (Budgetierung), S. 138; vgl. Horvath/Gaydoul (Controlling), S. 7; vgl. Kreikebaum/Grimm (Unternehmensplanung), S. 629; vgl. Kosmider (Controlling), S. 87; vgl. v. Landsberg (Berufsbild), 3/181; vgl. Oppenländer/Scholz (Unternehmensplanung), S. 972; vgl. Reichmann/Kleinschnittger (Controllingfunktion), S. 1106; vgl. Uebele (Verbreitungsgrad), S. 13; vgl. Käpper/Hoffmann (Logistik-Controlling), S. 590f; vgl. Pfohl/Zettelmeyer (Strategisches Controlling), S. 1ff; vgl. Maier (Dt. Controller), S. 69; vgl. Amshoff (Realtypen), S. 37ff

    Google Scholar 

  58. Jene, die tatsächlich einen Fragebogen retournierten.

    Google Scholar 

  59. vgl. Pfohl/Kellerwessel (Abgrenzung), S. 10

    Google Scholar 

  60. vgl. Pfohl/Kellerwessel (Abgrenzung), S. 14f

    Google Scholar 

  61. vgl. Hoffmann (Faktoren), S. 42; vgl. auch Ihring (Einführung), S. 6

    Google Scholar 

  62. Kleinstunternehmen sind entsprechend der Defmition von Hoppenstedt kein Bestandteil der Grundgesamtheit und deshalb auch kein Bestandteil der Stichprobe. Sie sind deshalb auch nicht in der Gruppe der kleinen Mittelstandsunternehmen erfaßt.

    Google Scholar 

  63. vgl. Risak (Dokumentation), S. 27ff

    Google Scholar 

  64. Die Klassenbildung hängt vom zugrundegelegten Betrachtungszeitraum ab: Beim Ziel-Wachstum handelt es sich um einen Betrachtungszeitraum von 5 Jahren, beim Ist-Wachstum von drei Jahren.

    Google Scholar 

  65. vgl. Cooper (Product Innovation Strategies), S. 6

    Google Scholar 

  66. vgl. Steinmann/Schreyögg (Kontrolle), S. 3ff; Wilke (Kontext), S. 90ff; Gaydoul (Controlling), S. 36; Welge (Organisation), S. 129

    Google Scholar 

  67. vgl. Nagl (Datenanalyse), S. 59

    Google Scholar 

  68. vgl. Nagl (Datenanalyse), S. 289f

    Google Scholar 

  69. vgl. Nagl (Datenanalyse), S. 58ff

    Google Scholar 

  70. Die Variable wurde anhand einer sechstufigen Skala gemessen. Der Extrem-Skalenwert 1 bedeutet, daß die Entscheidungsbeteiligung im Unternehmen gering ist, Vorgesetzte auf autoritäre Weise entscheiden und Anordnungen treffen. Der Extremwert 6 bedeutet dagegen, daß die Entscheidungsbeteiligung im Unternehmen hoch ist und Vorgesetzte im kooperativen Sinn entscheiden.

    Google Scholar 

  71. vgl. Kosmider (Controlling), S. 31f

    Google Scholar 

  72. vgl. ebenda, S. 32

    Google Scholar 

  73. vgl. Steinhausen/Langer (Clusteranalyse), S. 12. Zum Verfahren der Clusteranalyse: Punkt 4.020.1;

    Google Scholar 

  74. Details über die Ausprägungen der einzelnen Kontextvariablen in den Kontext-Typen können der Tabelle B3 in Anhang B entnommen werden.

    Google Scholar 

  75. Ähnliche Erkenntnisse — d.h. beinahe idente Prozentsätze konnten in der Studie von AMSHOFF gewonnen werden. Vgl. Amshoff (Realtypen), S. 334

    Google Scholar 

  76. vgl. Übele (Verbreitungsgrad), S. 28. Die 81% beziehen sich nicht allein auf klassische Controlling-Abteilungen, sondern auch auf Abteilungen, die Controlling mitbetreuen.

    Google Scholar 

  77. vgl. Braun (Controller-Funktion), S. 46

    Google Scholar 

  78. vgl. Horvath/Dambrowski (Budgetierung), S. 146

    Google Scholar 

  79. vgl. Gaydoul (Controlling), S. 236

    Google Scholar 

  80. vgl. Kosmider (Controlling), S. 132. Die 40% sind ein aus den Institutionalisierungsquoten der fünf Unternehmensgrößenklassen errechneter Durchschnittsprozentsatz. Die 40% beinhalten dabei nicht nur eigenständige Controlling-Stellen, sondern auch Stellen, die überwiegend Controlling-Aufgaben wahrnehmen.

    Google Scholar 

  81. vgl. v. Landsberg (Berufsbild), S. 63f. 80% der befragten Controller arbeiten in Abteilungen, die sich ‘ausschließlich oder überwiegend’ mit Controlling beschäftigen.

    Google Scholar 

  82. Es wurde untersucht, inwieweit Controlling-Abteilungen institutionalisiert sind, bzw. falls dies nicht der Fall ist, welche anderen Abteilungen Controllingaufgaben mitzuerfüllen haben. Vgl. Reichmann/ Kleinschnittger (Controllingfunktion), S. 1106

    Google Scholar 

  83. vgl. Übele (Verbreitungsgrad), S. 28. Die 81% beziehen sich nicht allein auf klassische Controlling-Abteilungen, sondern auch auf Abteilungen, die Controlling mitbetreuen.

    Google Scholar 

  84. vgl. Küpper/Hoffmann (Logistik-Controlling), S. 590f. Für diese Studie gilt gleiches wie für die vorher genannten Studien.

    Google Scholar 

  85. Die Skala geht von einem engen Zusammenhang zwischen der Wahrnehmungsintensität und der Bedeutung einer Controllingaufgabe aus.

    Google Scholar 

  86. Vergleichbare Ergebnisse erzielt AMSHOFF im Rahmen seiner Aufgabenanalyse. Vgl. Amshoff (Realtypen), S. 320

    Google Scholar 

  87. Eine ähnliche Vorgangsweise wählt v. Landsberg. Er extrahiert vier Faktoren aus vierundzwanzig Einzelvariablen. Vgl. v. Landsberg (Controller), S. 82

    Google Scholar 

  88. Um Transparenz zu erzeugen, wird eine orthogonale Rotation der Faktoren mit Hilfe folgender Prozedur vorgenommen: PROC FACTOR/ ROTATE =EQUAMAX.

    Google Scholar 

  89. vgl. Gaydoul (Praxis), S. 72. vgl. Weber (Einfthrung/3. Afl.), S.35ff

    Google Scholar 

  90. Den gleichen Weg geht KOSMIDER bei der Ermittlung der Anwendungsintensität der einzelnen Controllinginstrumente. Allerdings unterscheidet er nicht in Systembausteine und Instrumente. Vgl. Kosmider (Controlling), S. 103

    Google Scholar 

  91. vgl. Siller (Grundsätze), S. 153ff

    Google Scholar 

  92. vgl. Coenenberg/Günther (Stand), S. 464

    Google Scholar 

Download references

Authors
  1. Rita Niedermayr
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 1994 Deutscher Universitäts-Verlag GmbH, Wiesbaden

About this chapter

Cite this chapter

Niedermayr, R. (1994). Empirische Befunde. In: Entwicklungsstand des Controlling. Edition Österreichisches Controller-Institut. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-97623-9_5

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-97623-9_5

  • Publisher Name: Deutscher Universitätsverlag, Wiesbaden

  • Print ISBN: 978-3-8244-0218-2

  • Online ISBN: 978-3-322-97623-9

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation