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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
vgl. Kosmider (Controlling), S. 91ff
vgl. Kaplitza (Stichprobe), S. 143
vgl. Friedrichs (Methoden), S. 146ff
vgl. Bortz (Empirische Forschung), S. 242ff
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.
Amshoff(Realtypen), S. 12
vgl. Black (Value), S. 23
vgl. Nagl (Datenanalyse), S. 289
vgl. Backhaus et al. (Analysemethoden), S. 111f.
vgl. hierzu Nagl (Datenanalyse), S. 296
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.
Die Hauptkomponentenanalyse ist streng zu trennen vom Begriff der Hauptachsenanalyse. Vgl. Backhaus (Analysemethoden), S. 81
Mit Hilfe der Methode kann in der Regel nicht die gesamte Ausgangsvarianz erklärt werden.
Stehen z.B. die die Variablen repräsentierenden Vektoren normal aufeinander, sind sie völlig unabhängig, die Korrelation ist gleich null.
vgl. Backhaus et al. (Analysemethoden), S. 80ff
vgl. Nagl (Datenanalyse), S. 297
vgl. Nagl (Datenanalyse), S. 292. Sie können als Regressionskoeffizienten interpretiert werden.
vgl. Nagl (Datenanalyse), S. 306ff
vgl. Backhaus et al. (Analysemethoden), S. 93ff. Vgl. auch Nagl (Datenanalyse), S. 309
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.
vgl. Backhaus et al. (Analysemethoden), S. 115ff
Siehe hierzu Backhaus et al. (Analysemethoden), S. 133ff
vgl. Steinhausen et al. (Clusteranalyse), S. 75
vgl. Backhaus et al. (Analysemethoden), S. 147ff
vgl. Bergs (Optimalität), S. 96f
vgl. Nagl (Datenanalyse), S. 278ff
Details über die Interpretation der Werte können bei NAGL nachgelesen werden: Nagl (Datenanalyse), S. 286f
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.
Mittelwert 0 und Standardabweichung 1.
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.
vgl. Nagl (Datenanalyse), S. 43ff; vgl. auch Günther (Erfolg), S. 255
vgl. Popper (Logik), S. 3ff
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
vgl. Bamberg/Baur (Statistik), S. 181 bzw. S. 207ff
vgl. Bortz (Empirische Forschung), S. 497ff
vgl. Neurath (Methoden), S. 17
vgl. Bamberg/Baur (Statistik), S. 179
vgl. Büning/Trenkler (Nichtparametrische Methoden), S. 128ff
vgl. Bamberg/Baur (Statistik), S. 196ff
vgl. Büning/Trenkler (Nichtparametrische Methoden), S. 201
Wilcoxon Test, Median Test, van der Waerden Test, Savage Test, u.ä.
vgl. Büning/Haedrich/Kleinert (Operationale Verfahren), S. 184ff
vgl. Backhaus et al. (Analysemethoden), S. 162
vgl. Schuchard/Ficher (Analysemethoden), S. 153
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.
vgl. Schuchard/Ficher (Analysemethoden), S. 174ff
vgl. Hoffmann (Faktoren), S. 276
vgl. Schuchard/Ficher (Analysemethoden), S. 176; vgl. auch Nagl (Datenanalyse), S. 249ff
Als ‘einfach’ (‘mehrfach’) sind Modelle mit nur einer (mehreren) exogenen Variablen, als ‘univariat’ (‘multivariat’) Modelle mit nur einer (mehreren) endogenen Variablen zu verstehen.
vgl. Backhaus et al. (Analysemethoden), S. 1ff und S. 43ff
vgl. Backhaus et al (Analysemethoden), S. 15f
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.
vgl. Kobelt (Wirtschaftsstatistik), S. 195
vgl. Büning/Haedrich/Kleinert (Operationale Verfahren), S. 202
vgl. Backhaus et al. (Analysemethoden), S. 27f; vgl. auch Nagl (Datenanalyse), S. 94f
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.
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
Jene, die tatsächlich einen Fragebogen retournierten.
vgl. Pfohl/Kellerwessel (Abgrenzung), S. 10
vgl. Pfohl/Kellerwessel (Abgrenzung), S. 14f
vgl. Hoffmann (Faktoren), S. 42; vgl. auch Ihring (Einführung), S. 6
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.
vgl. Risak (Dokumentation), S. 27ff
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.
vgl. Cooper (Product Innovation Strategies), S. 6
vgl. Steinmann/Schreyögg (Kontrolle), S. 3ff; Wilke (Kontext), S. 90ff; Gaydoul (Controlling), S. 36; Welge (Organisation), S. 129
vgl. Nagl (Datenanalyse), S. 59
vgl. Nagl (Datenanalyse), S. 289f
vgl. Nagl (Datenanalyse), S. 58ff
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.
vgl. Kosmider (Controlling), S. 31f
vgl. ebenda, S. 32
vgl. Steinhausen/Langer (Clusteranalyse), S. 12. Zum Verfahren der Clusteranalyse: Punkt 4.020.1;
Details über die Ausprägungen der einzelnen Kontextvariablen in den Kontext-Typen können der Tabelle B3 in Anhang B entnommen werden.
Ähnliche Erkenntnisse — d.h. beinahe idente Prozentsätze konnten in der Studie von AMSHOFF gewonnen werden. Vgl. Amshoff (Realtypen), S. 334
vgl. Übele (Verbreitungsgrad), S. 28. Die 81% beziehen sich nicht allein auf klassische Controlling-Abteilungen, sondern auch auf Abteilungen, die Controlling mitbetreuen.
vgl. Braun (Controller-Funktion), S. 46
vgl. Horvath/Dambrowski (Budgetierung), S. 146
vgl. Gaydoul (Controlling), S. 236
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.
vgl. v. Landsberg (Berufsbild), S. 63f. 80% der befragten Controller arbeiten in Abteilungen, die sich ‘ausschließlich oder überwiegend’ mit Controlling beschäftigen.
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
vgl. Übele (Verbreitungsgrad), S. 28. Die 81% beziehen sich nicht allein auf klassische Controlling-Abteilungen, sondern auch auf Abteilungen, die Controlling mitbetreuen.
vgl. Küpper/Hoffmann (Logistik-Controlling), S. 590f. Für diese Studie gilt gleiches wie für die vorher genannten Studien.
Die Skala geht von einem engen Zusammenhang zwischen der Wahrnehmungsintensität und der Bedeutung einer Controllingaufgabe aus.
Vergleichbare Ergebnisse erzielt AMSHOFF im Rahmen seiner Aufgabenanalyse. Vgl. Amshoff (Realtypen), S. 320
Eine ähnliche Vorgangsweise wählt v. Landsberg. Er extrahiert vier Faktoren aus vierundzwanzig Einzelvariablen. Vgl. v. Landsberg (Controller), S. 82
Um Transparenz zu erzeugen, wird eine orthogonale Rotation der Faktoren mit Hilfe folgender Prozedur vorgenommen: PROC FACTOR/ ROTATE =EQUAMAX.
vgl. Gaydoul (Praxis), S. 72. vgl. Weber (Einfthrung/3. Afl.), S.35ff
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
vgl. Siller (Grundsätze), S. 153ff
vgl. Coenenberg/Günther (Stand), S. 464
Rights 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