Zusammenfassung
Die eigene empirische Analyse überprüft erstens, ob ein Zusammenhang zwischen der Intensität der Lieferantenintegration und dem Unternehmenserfolg im Wettbewerb besteht. Wie in Kapitel 2. abgeleitet wurde, hängt der unternehmerische Erfolg im Wettbewerb von der Beherrschung einiger wesentlicher Kernfähigkeiten, den sogenannten strategischen Stellhebeln, ab. Deshalb soll zweitens untersucht werden, wie durch eine enge Einbeziehung der Lieferanten in die Wertschöpfung die strategischen Stellhebel der Integration, Flexibilität, Fokussierung und Qualität realisiert werden.
This is a preview of subscription content, log in via an institution to check access.
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. zur methodischen Vorgehensweise der Studie “Excellence in Electronics” Kapitel 3.3.
Vgl. zur Repräsentativität der Studie Kapitel 3.3.4.
Die explorativen Verfahren der Datenanalyse werden oft nur mit dem Begriff Datenanalyse oder numerische Taxonomie beschrieben. Vgl. Opitz, O. (1980), S. I. Zur Vorgehensweise vgl. ebenda S. 6ff.
Vgl. Bamberg, G.Baur, F. (1987), S. 173ff.
Vgl. zur Zusammenfassung der Haupthypothesen Abb. 4.31.
Die wesentlichen Indikatoren für den Unternehmenserfolg wurden bereits in Punkt 3.3.6.2. bestimmt und eine entsprechende Klassifizierung der Unternehmen vorgenommen.
Die Erfahrungen aus der Untemehmensbefragung zeigten, daß bereits wenige Kerngrößen ausreichen, um erfolgreiche oder wandlungsfähige Unternehmungen zu identifizieren.
Vgl. die zusammenfassende Strukturierung der in Kapitel 4. gewonnenen Hypothesen in Abbildung 4.31.
Beide Kennzahlen sind Gliederungszahlen. Vgl. Bamberg, G./Baur, F. (1987), S. 53.
Diese beiden Meßgrößen sind Beziehungszahlen. Vgl. Bamberg, G./Baur, F. (1987), S. 53.
I) Die Angaben beziehen sich jeweils auf die Nummer der Fragen im Fragebogen Excellence in Electronics
Vgl. Bamberg, G./Baur, F. (1987), S. 36ff.; Bortz, J. (1985), S. 250ff; Hartung, J./Elpelt, B. (1989), S. 145ff.; Hartung, J.Blpelt, B./Klösener, K.-H. (1986), S. 73ff.
Vgl. Bamberg, G./Baur, F. (1987), S. 45f.; Hartung, J./Elpelt, B. (1989), S. 145ff. und 168ff.; Hartung, 1./Elpelt, B./Klösener, K.-H. (1986), S. 595f.; Schuchard-Ficher, Ch. u.a. (1985), S. 65ff.
Vgl. zu einer kurzen Darstellung geeigneter Klassifikationsverfahren Wingert, G.M. (1993), S. 4ff. und die dort angegebene Literatur. Zu den rechnerischen Klassifikationsverfahren vgl. ausführlich z.B. Opitz, O. (1980), S. 65ff.
Hier wurden v.a. die folgenden Methoden in Betracht gezogen und erprobt: - Austauschverfahren mit Hilfe des KMEANS-Algorithmus sowie - hierarchische Methoden unter Verwendung der euklidischen Distanz als Maß für die Verschiedenheit je zweier Objekte bezüglich aller (ausschließlich kardinalen) Merkmale und Klassifikation der Objekte nach der Average-Linkage-within-Group-Methode.
Vgl. hierzu v.a. Kapitel 3.2.3.
Vgl. Kapitel 3.1.
Vgl. Opitz, O. (1980), S. 85f. Dieses Optimierungsproblem läßt sich nicht simultan lösen, da sich mit abnehmender Klassenanzahl die Klassifikationsgüte verschlechtert. In der Cluster-Analyse wird die Klassifikationsgüte anhand von Güteindizes gemessen, die auf Basis der Homogenität innerhalb der Klassen (IntraklassenVarianz) und/oder der Heterogenität zwischen den Klassen (Interklassenvarianz) errechnet werden. Vgl. Hartung, J./Elpelt, B. (1989), S. 458ff.; Opitz, O. (1980), S. 82ff. Man bedient sich sogenannter Gütediagramme bzw. Ellenbogenkurven, die den verwendeten Güteindex in Abhängigkeit der Klassenanzahl darstellen. Für die Entscheidung bezüglich der optimalen Klassenanzahl wird ein signifikanter Knick in der Kurve gesucht. Der subjektiv bestimmte Punkt ist dadurch charakterisiert, daß eine Erhöhung der Klassenanzahl die Trennschärfe bis zu diesem Knick erhöht, danach die Klassifikationsgüte nur noch geringfügig verbessert.
Vgl. Bamberg, G./Baur, F. (1987), S. 203 und die späteren Ausführungen zum Kontingenztest in Punkt 5.2. 3. 4.
Hierbei wird davon ausgegangen, daß alle Unternehmen einer Erfolgs-und “Lieferantenintegrations”-Klasse zugeordnet werden können, was nicht der Fall ist.
Vgl. zur Errechnung der normierten Werte die allgemeine Formel in Punkt 3.3.6.2.
Vgl. Bamberg, G.Baur, F. (1987), S. 23 und S. 196; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 611f. Vgl. auch Punkt 5.2.3.1. Varianzanalyse.
Vgl. das Vorgehen in der Studie “Excellence in Electronics” bei der Bildung der Erfolgsklassen in Punkt
Vgl. zur Definition der Erfolgsgrößen und Klassifikation der Teilnehmer Punkt 3.3.6.2.
Vgl. zum Begriff Gutenberg, E. (1984), S. 246ff.
Vgl. Thurow, L.C. (1985), S. 48.
Vgl. Pedell, K.L. (1985), S. 812.
Vgl. Punkt 2.2.4.1.
Vgl. Punkt 2.3.2.2.
Vgl. Punkt 2.3.2.3.
Vgl. Excellence in Electronics (1993), Schaubild 11I-006.
Durchschnittliche Produktivitätssteigerungsrate der erfolgreichen Unternehmen (Gesamtebene) im Zeitraum 1987 bis 1991.
Vgl. Excellence in Electronics (1993), Schaubild III-008A. Die höchste Verbesserungsrate in der Stichprobe betrug 28% pro Jahr im Zeitraum 1989 bis 1991.
Vgl. hierzu die Diskussion in Kapitel 2.3.3.
Es wird nur das partielle Produktivitätsmaß der Arbeitsproduktivität betrachtet, weil sie häufig einen bestimmenden Einfluß auf die totale Faktorproduktivität hat, der Mensch und seine Arbeitsleistung im Mittelpunkt der Produktion und Nutzung der Güter steht, die Personalkosten die Kostenstrukturen vieler Industriezweige dominieren, und zuverlässige Daten zur Arbeitsproduktivität relativ leicht zu erheben und gut verfügbar sind. Im Vergleich dazu sind Daten für die Kapitalproduktivität schwieriger zu erheben und seltener verfügbar. In der Studie “Excellence in Electronics” konnten nur bei etwa der Hälfte der Teilnehmer Daten für den Kapitalinput ermittelt werden, da viele Teilnehmer Geschäftsbereiche ohne eigenständige Bilanz waren.
Vgl. die Einleitung in Kapitel 5.
)Zur Vorgehensweise vgl. Bamberg, G./Baur, F. (1987), S. 179ff. Vgl. außerdem zu nachfolgenden Ausführungen Bortz, J. (1985), S. 140ff.; Hartung, J./Elpelt, B./Klbsener, K.-H. (1986), S. 133ff.
Die Hypothesen müssen unabhängig von den Stichprobenergebnissen, die zu ihrer statistischen Überprüfung dienen sollen, festgelegt werden. Vgl. dazu Bamberg, G./Baur, F. (1987), S. 179.
Vgl. zu folgenden Aufführungen Bortz, J. (1985), S. 155f.
Ein Test TI ist z.B. trennschärfer als ein Test T2, wenn er sich, falls Hl wahr ist, mit größerer Wahrscheinlichkeit als T2 für HI entscheidet. Die Trennschärfe eines Signifikanztests kann mit Hilfe einer Gütefunktion gemessen werden, die a-Fehler und 3-Fehler simultan berücksichtigt. Vgl. dazu Bamberg, G./Baur, F. (1987), S. 207ff.; Bortz, J. (1985), S. 155f.; Hafner, R. (1989), S. 374ff.
Vgl. Bortz, J. (1985), S. 155.
Vgl. Bortz, J. (1985), S. 157.
Vgl. Bortz, J. (1985), S. 153ff.; Siehe auch die Forderung bei der Festlegung der Hypothese.
Vgl. die Darstellung der Dichte einer Testfunktion und der Verwerfungsbereiche für HO in Abhängigkeit der einseitigen und zweiseitigen Hypothesenformulierung bei Bamberg, G./Baur, F. (1987), S. 175.
Die Testfunktion des Zweistichproben-t-Tests wird gewählt, da die Umsatzrendite in beiden Untemeh mensklassen als normalverteilt und Gleichheit der unbekannten Varianzen (die Varianzengleichheit konnte laut des Levene Tests nicht abgelehnt werden) angenommen wird. Vgl. Bamberg, G.Baur, F. (1987), S. 193.
Zum Zweistichproben-t-Test vgl. Bamberg, G./Baur, F. (1987), S. 193 und die Ausführungen in Punkt 5.2.5.1. Die Dichtefunktion der zugrundeliegenden t(n)-Statistik konvergiert nämlich ffirn —3 co gegen die Dichtefunktion der Standardnormalverteilung. Vgl. Bamberg, G.Baur, F. (1987), S. 143.
Bamberg, G./Baur, F. (1987), S. 181.
Dies trifft für den approximativen Zweistichproben-Gaußtest zu, mit dem Anteilswerte von zwei B(1; p)-verteilten Merkmalen überprüft werden. Vgl. dazu unten Punkt 5.2.6.1.
Vgl. Opitz, O. (1989), S. 60ff.
Vgl. Popper, K.R. (1973), S. 3ff.
Vgl. Bamberg, G./Baur, F. (1987), S. 182; Hafner, R. (1989), S. 378f.
Vgl. dazu die Baumdiagramme bei Bamberg, G./Baur, F. (1987), S. 184ff.
Für eine detaillierte Beschreibung vgl. Büning, H./Trenkler, G. (1978), S.85ff.; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S.183ff.
Ein weiterer prominenter Anpassungstest auf Normalverteilung ist u.a. der g2-Test. Aus mehreren Gründen (z.B. höheres Informationsniveau, höhere Güte, exakte Verteilung der Teststatistik für bereits kleine Stichproben) ist der Kolmogorow/Smirnow-Test dem g2-Anpassungstest vorzuziehen. Vgl. die Diskussion bei Büning, H./Trenkler, G. (1978), S. 97ff.
Deshalb ist eine entsprechende Anpassung der Teststatistik notwendig. Vgl. Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 184f.
Vgl. im Detail und zur Teststatistik z.B. Busing, H./Trenkler, G. (1978), S. 85ff. und Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S.183ff.
Vgl. Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 184f.
Die Tests wurden mit Hilfe der statistischen Software SPSS durchgeführt.
Wie in den meisten Publikationen wird hier nicht streng zwischen den Begriffen nichtparametrisch und verteilungsfrei unterschieden. Zur Unterscheidung der Begriffe vgl. Büning, H./Trenkler, G. (1978), S. 13f.
Vgl. zur Trennschärfe von Testverfahren in Kapitel 5.2.1. Festlegung des Signifikanzniveaus v.a. Fußnote 43 und die dort angegebene Literatur.
Zu den prinzipiellen Vorteilen und Nachteilen nichtparametrischer Testmethoden vgl. Büning, H./Trenkler, G. (1978), S. 14ff.
Vgl. z.B. Fahrmeir, L./Hamerle, A. (1984a), S. 155ff.; Hartung, J./Elpelt, B. (1989), S. 692ff.
Vgl. ausführlich zu loglinearen Modellen Hamerle, A./Tutz, G. (1984), S. 473ff.
Vgl. Hamerle, A./Tutz, G. (1984), S. 479f.
Vgl. Hamerle, A./Tutz, G. (1984), S. 487ff.
Saturierte Modelle enthalten keinerlei Beschränkungen für die zu erwartenden Zellhäufigkeiten und erfassen damit jede Form der Abhängigkeit zwischen den Variablen. Sie führen zu keiner Vereinfachung der Zusammenhangsstruktur zwischen den Merkmalen. Demgegenüber verzichten nicht saturierte Modelle auf bestimmte Interaktionsbeziehungen, indem sie spezielle Abhängigkeitsstrukturen von den Variablen fordern, wodurch das Modell vereinfacht wird. Vgl. Hamerle, A./Tutz, G. (1984), S. 490ff.
Um die Probleme leerer Zellen zu umgehen, können ad hoc-Prozeduren zur “Glättung” der Kontingenztafel verwendet werden, z.B. die Addition von 0,5 zu jeder Zelle oder die Vorbesetzung der leeren Zellen mit 1/Gesamt-Zellenanzahl. Vgl. Hamerle, A./Tutz, G. (1984), S. 524f.
Vgl. Hamerle, A./Tutz, G. (1984), S. 550ff.
Vgl. zur Aggregierbarkeit von Kontingenztafeln Hamerle, A./Tutz, G. (1984), S. 514ff.
Vgl. zur Struktur des Fragebogens Kapitel 3.3.3. v.a. Abb. 3.13.
Vgl. die Zusammenfassung in Kapitel 4.1.4. und die Zusammenfassung der Hypothesen in Abbildung 4.31.
Vgl. zur einfachen Varianzanalyse Bamberg, G./Baur, F. (1987), S. 196ff.; Bortz, J. (1985), S. 300ff.; Fahrmeir, L.Mamerle, A. (1984a), S. 155ff.; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 610ff.; Schuchard-Ficher, Ch. u.a. (1985), S. 13ff.
Vgl. Bamberg, G./Baur, F. (1987), S. 196; Schuchard-Ficher, Ch. u.a. (1985), S. 41ff.
Diese Voraussetzung nennen Bamberg, G./Baur, F. (1987), S. 196; Bortz, J. (1985), S. 344 und Hartung, l./Elpelt, B./Klösener, K.-H. (1986), S. 611.
Vgl. zur Varianzhomogenität z.B. Bortz, J
), S. 344ff.; Schuchard-Ficher, Ch. u.a. (1985), S. 41ff.
Vgl. die Ergebnisse der Tests auf Normalverteilung der Stichprobe in Anhang 4.
Vgl. zur Vorgehensweise Bamberg, G./Baur, F. (1987), S. 195.
Vgl. z.B. Bortz, J. (1985), S. 345; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 617.
Vgl. Schuchard-Ficher, Ch. u.a. (1985), S. 42.
Vgl. Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 617; SPSS GmbH Software (Hrsg.)(l993), S. 204f. und 296.
Vgl. zur Überprüfung der Klassifikationsgüte anhand der internen und externen Varianz Kapitel 5.1.2.
Vgl. oben.
Vgl. die Ergebnisse der Tests auf Normalverteilung in Anhang 4.
Bei Abweichungen von der Normalverteilung ist der F-Test wenig robust. Vgl. Boning, H./Trenkler, G. (1978), S. 207.
Für eine ausführliche Darstellung des Tests vgl. Bosch, K. (1992), S. 745ff.; Boning, H./Trenkler, G. (1978), S. 201ff.; Hartung, J./Elpelt, B./Kläsener, K.-H. (1986), S. 613ff.
Ein vorhandenes kardinales Datenniveau wird auf ein ordinales Datenniveau reduziert.
Auf eine Darstellung der Teststatistik wird verzichtet. Vgl. z.B. Boning, H./Trenkler, G. (1978), S. 202.
Die Approximation durch die XZ -Verteilung ist bereits für relativ kleine Stichprobenumfänge recht gut. Vgl. Gabriel, K.R./Lachenbruch, P.A. (1969), S. 593ff.
Für den Fall, daß Bindungen im Datenmaterial auftreten, d.h. identische Merkmalsausprägungen, errechnet SPSS eine um Bindungen korrigierte Teststatistik H*, die asymptotisch X2-verteilt ist mit (k—I) Freiheitsgraden. Vgl. Büning, H./Trenkler, G. (1978), S. 205 und SPSS Inc., (1991), S. 174f.
Vgl. in Kapitel 5.1.3. Abb. 5.5.
Vgl. Bamberg, G.Baur, F. (1987), S. 17.
Vgl. zur Klassifikation Punkt 3.3.6.2. Die sechs Unternehmen, die keiner Erfolgsklasse zugeordnet werden konnten, wurden jeweils von den Analysen und Tests ausgeschlossen. In den Angaben zur gesamten Stichprobe sind sie jedoch enthalten.
Wenn mehrere Vergleiche zwischen allen möglichen Klassen angestellt werden, erhöht sich mit der Anzahl der
Zur Idee und Vorgehensweise von Kontingenztests vgl. im folgenden die Ausführungen bei Bamberg, G./Baur, F. (1987), S. 202ff.; Boning, H./Trenkler, G. (1978), S. 238ff.; Bortz, J. (1985), S. 186ff.; Bosch, K. (1992), S. 384ff.; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 407ff. und v.a. S. 435ff; Marinell, G. (1986), S. 61 und S. 68.
Vgl. Satz der Unabhängigkeit zweier Ereignisse/Merkmale/Zufallsvariablen Bamberg, G./Baur, F. (1987). S. 88f., S. 33 und S. 95.
Die xS(n)-Verteilung ist mit den Zufallsvariablen Xi v N(0; 1) verteilt als EXi2 definiert. Vgl. Bamberg, G./Baur, F. (1987), S. 141.
Vgl. Bamberg, G.Baur, F. (1987), S. 203.
Vgl. Cochran in Büning, H./Trenkler, G. (1978), S. 242. Siehe auch Marinell, G. (1986), S. 61.
Vgl. Conover in Büning, H./Trenkler, G. (1978), S. 242.
Dieses Ergebnis ist vorsichtig zu interpretieren, da die Testvoraussetzungen verletzt sind.
Aussagen zur Signifikanz können nicht gemacht werden, da die Nullhypothese bezüglich der Gleichheit der Klassenmittelwerte bzw. Merkmalsverteilungen aufrechterhalten wurde.
Vgl. zu den Klassifikationskriterien Kapitel 5.1.1. und zur Klassifikation Kapitel 5.1.2.
Vgl. Coenenberg, A.G./Fischer, Th.M./Schmitz, J. (1994), S. 26f. und die Ausführungen in Kapitel 5. 1. 4.
Vgl. zur Methodik Punkt 5.2.3.5.
Vgl. zur Klassifikation nach Erfolg Punkt. 3.3.6.2. und nach der Lieferantenintegration Kapitel 5.1.2.
Das (1—u) = 0,85-Fraktil der g2(n)-Verteilung ist meist nicht vertafelt. Deshalb wurde das 0,9-Fraktil ermittelt.
Vgl. jeweils zur Methodik die Punkte 5.2.3.1. bzw. 5.2.3.2.
Vgl. zu den Tests auf Normalverteilung Punkt 5.2.2.1. und die Ergebnisse in Anhang 4.
Vgl. Kapitel 5.1.4. Dieser Aspekt wird später in Punkt 5.2.5.3. diskutiert.
Zur Diskussion der Arbeitsproduktivität und Definition der Meßgrößen vgl. Kapitel 5.1.4.
Zur Methodik vgl. Punkt 5.2.3.2.
Vgl. Punkt 5.2.2.1. und Anhang 4.
Vgl. Kapitel 5.1.4. und zur Definition Abbildung A.3. in Anhang 3.
Vgl. Punkt 5.2.3.4. v.a. Fn. 96.
Dies sind im wesentlichen Kosten für Personal, Dienstleistungen und Abschreibungen.
Vgl. die Voraussetzungen des Kruskal-Wallis-H-Test in Punkt 5.2.3.2.
Vgl. die Ergebnisse der Tests auf Normalverteilung in Anhang 4.
Vgl. Bamberg, G./Baur, F. (1987), S. 192ff.; Bortz, J. (1985), S. 166ff.; Bosch, K. (1992), S. 415ff.; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 508ff.
Vgl. hierzu Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 510f.
Vgl. Bamberg, G./Baur, F. (1987), S. 193.
Vgl. Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 510f
Die Dichtefunktion der zugrundeliegenden t(n)-Statistik (n = Anzahl der Freiheitsgrade) konvergiert nämlich für n -r w gegen die Dichtefunktion der Standardnormalverteilung. Vgl. Bamberg, G.Baur, F. (1987), S. 143.
Vgl. zur Vorgehensweise Punkt 5.2.3.1.
Vgl. Büning, H./Trenkler, G. (1978), S. 144f. Allgemeinere nichtparametrische Tests vergleichen die Verteilungen eines Merkmals in zwei Stichproben, ohne zu untersuchen, ob sich die Lage der Verteilungen unterscheidet. Vgl. z.B. ausführlich zum Kolmogorow-Smirnow-Zweistichproben-Test Bosch, K. (1992), S. 394ff.; Boning, H./Trenkler, G. (1978), S. 133ff.; Hartung, 1./Elpelt, B./Klösener, K.-H. (1986), S. 520ff. und für eine kurze Darstellung Wingert, G.M. (1993), S. 34ff.
Boning /Tren/der zeigen, daß die Teststatistiken von Wilcoxon und Mann-Whitney nur in einer Konstante differieren.Vgl. Boning, H./Trenkler, G. (1978), S. 150f.; ebenso Bosch, K. (1992), S. 716f.
Der Test ist ausführlich beschrieben bei Bosch, K. (1992), S. 711f.; Büning, H./Trenkler, G. (1978), S. 145ff.; Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 513ff.
Beim Auftreten von Bindungen, d.h. gleichen Merkmalsausprägungen, werden in SPSS Durchschnittsränge für die betroffenen x Werte gebildet. Vgl. SPSS Inc. (1991), S. 171. Zum Problem der Bindungen vgl. Boning, H./Trenkler, G. (1978), S. 148.
Vgl. Bllning, H./Trenkler, G. (1978), S. 145.
Vgl. die Tabellenwerke bei Bosch, K. (1992), Tabelle 10, S. 789ff.; Busing, H./Trenkler, G. (1978), Tabelle L, S. 378ff.
Vgl. Bilning, H./Trenkler, G. (1978), S. 144 und S. 148f.
Vgl. SPSS Inc. (1992), S. 451 und Norusis, M.J./SPSS Inc. (1992), S. 360ff.
Vgl. Bilning, H./Trenkler, G. (1978), S. 139.
Vgl. zu den Eigenschaften des Wilcoxon-Tests Bilning, H./Trenkler, G. (1978), S. 150.
Vgl. zu den Tests auf Normalverteilung Punkt 5.2.2.1. und deren Ergebnisse in Anhang 4.
Dies bedeutet HI: µ1 g2 im t-Test und das Testproblem C im Wilcoxon-Test mit 0 0 fdr alle positiven Leistungsgrößen und umgekehrt Hi: µ1 P2 im t-Test und das Testproblem B im Wilcoxon-Test mit 0 0 für Kostenbetrachtungen. Vgl. zur Formulierung einseitiger Hypothesen Kapitel 5.2.1.
Vgl. zum time lag der Wirkung von Integrationsmaßnahmen die Ausführungen in Kapitel 5.2 4.
Vgl. zur Dynamik und Wettbewerbsintensität in der Elektronikindustrie Kapitel 3.2.3.
Auf eine Analyse der Jahre 1987 und 1989 wurde aufgrund der geringen Datenverfügbarkeit verzichtet. Durchgeführte Berechnungen zeigten keine weiterführenden Erkenntnisse.
Der Unterschied zwischen den beiden Klassen im relativen Marktanteilswachstum wurde bereits durch den Bonferroni-Test bestätigt. Die Kruskal-Wales-H-Tests über alle Klassen hinweg erbrachten ansonsten keine signifikanten Unterschiede. Vgl. Punkt 5.2. 4. 3.
Vgl. Punkt 5.2.4.3.
Die Mittelwerte bzgl. der Kostenanteile addieren sich in den beiden Klassen unter Berücksichtigung der Umsatzrendite (siehe Abb. 5.25.) zu 100%. Kleine Differenzen resultieren aus Rundungsfehlem.
Vgl. die Ausführungen in Kapitel 4.1.5. und 4.2. sowie die Strukturierung der Hypothesen nach den strategischen Stellhebeln in Kapitel 4.3. Abbildung 4.31.
Vgl. zum Testvorgehen Bamberg, G.Baur, F. (1987), S. I92ff.
Vgl. zu den Bedingungen für die Verteilungs-Approximation Bamberg, G.Baur, F. (1987), S. 320.
Vgl. die allgemeinen Verwerfungsbereiche in Punkt 5.2.5.1.
Vgl. im folgenden ausführlich Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 416ff.
Vgl. SPSS GmbH Software (1993), S. 229.
Vgl. Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 416ff.
Vgl. zur Teststatistik Hartung, J./Elpelt, B./Klösener, K.-H. (1986), S. 414.
Die Häufigkeiten müssen jeweils richtig interpretiert werden.
Vgl. die Zusammenfassung der Thesen in Abbildung 4.31.
Vgl. zur Gewinnung der Thesen Punkt 4.2.4.1.
Hypothesentests und Ergebnisse
Vgl. zur Gewinnung der Thesen Kapitel 4.2.2.
Vgl. hierzu Punkt 4.2.2.2.2.
Vgl. zur Gewinnung der Thesen Kapitel 4.2.3.
Vgl. zur Gewinnung der Thesen Punkt 4.2.4.3.
Auch hier weist der approximative Zweistichproben-Gaußtest schneller einen signifikanten Unterschied aus.
Dies könnte als Indiz dafür gewertet werden, daß auch innerhalb der Unternehmung die Bedeutung materieller Anreize gegenüber kooperativem Verhalten und sozialer Kontrolle zurücktritt. Vgl. hierzu Punkt 4.2.2.2.2.
Vgl. zur Gewinnung der Thesen Kapitel 4.1.5.
Die Varianzen innerhalb der Klassen hinsichtlich dieser drei Merkmale sind sehr groß.
Vgl. zur branchenspezifischen Analyse Punkt 4.1.5.1.
Vgl. Punkt 4.1.5.2. v.a. Abbildung 4. 19.
Vgl. Abb. 5.28. in Punkt 5.2.5.3.
Vgl. hierzu Punkt 4.1.5.3.
Vgl. die Ausfdhrungen in Punkt 4.1.5.4.
Hier wurde die Anzahl der Mitarbeiterstunden in der QS fur die Hauptproduktgruppe untersucht. Für den gesamten Geschäftsbereich ergaben sich ähnliche Ergebnisse. Vgl. Abb. 5. 28.
Vgl. z.B. zu den Ergebnissen der PIMS-Studie Buzzell, R.D./Gale, B.T. (1989), S. 1 ff.; zur Porter’schen U-Kurve Porter, M.E. (1990), S. 71ff.; Coenenberg, A.G./Baum, H.-G. (1987), S. 105f.; zur Erfahrungskurve Henderson, B.D. (1974).
Vgl. Gunther, Th. (1991), S. 334 und die dort angegebene Literatur.
Vgl. Porter, M.E. (1985), S. I Iff. und derselbe (1990), S. 62ff. sowie die Ausführungen in Punkt 2.3. 1. 1.
Vgl. Fußnote 75.
Vgl. z.B. Johnston, R./Lawrence, P.R. (1989), S. 81ff. und die Ausführungen in Kapitel 3. 1. 3.
Vgl. die Punkte 4.1.3.2. und 4.1.3.3.
Vgl. Punkt 4.1.5.4.2.
Vgl. die Punkte 4.1.3.1. und 4.1.5.2.
Vgl. Kapitel 4.2.4.
Vgl. zum Vorgehen des Kontingenztests Punkt 5.2.3.5.
Vgl. zur Bestimmung und Definition der Meßgrößen Kapitel 5.1.1. Außer dem Index für die Intensität der Lieferantenintegration werden die einzelnen Größen hier unnormiert verwendet.
Die Rangsumme der Unternehmen in der Klasse über 500 Mio. US$ Umsatz in der Gesamtstichprobe, wie sie der Kruskal-Wallis-H-Test errechnet, ist bezüglich dieser beiden Merkmale wesentlich höher als die Rangsumme der anderen Klassen.
Dieses Ergebnis erbrachte die deskriptive Analyse der Klassenmittelwerte und der Rangsummen der Klassen.
Vgl. z.B. die Erfahrungen der MIT-Studie bei Womack, J.P./Jones, D.T./Roos, D. (1992), S. 164ff. und S. 172ff.; vgl. auch Kanter, R.M. (1994), S. 97.
Vgl. Womack, J.P./Jones, D.T./Roos, D. (1992), S. 164ff. und S. 172ff.; Kanter, R.M. (1994), S. 97.
Sondereinfliisse und Besonderheiten 379
Wie der Median, so ist auch die Rangsumme der asiatischen Unternehmen in der Gesamtstichprobe nach dem Kruskal-Wallis-H-Test entgegen den deskriptiven Durchschnitten am höchsten.
Gegenüber den anderen beiden Regionen sind in Europa verhältnismäßig viele Industrieelektronikunternehmen vertreten, deren Geschäftsbereiche wesentlich kleiner sind. Vgl. zur Aufteilung der Projekt-Teilnehmer nach Region und Segment Abb. 3.14. in Kapitel 3.3.4.
Vgl. Womack, J.P./Jones, D.T./Roos, D. (1992), S. 63ff. und 164ff.
Vgl. zur Außenhandelssituation der Regionen Kapitel 3.2.2.
Die Mittelwerte zeigen hier ein falsches Bild. Nach dem Kruskal-Wallis-H-Test belegen die Unternehmen mit hoher Lieferantenintegration gefolgt von den mittleren eindeutig die vorderen Range bezitglìch des Merkmals Umschlagshäufigkeit. Dies zeigen auch die Mediane an.
Bei der Umsatzrendite 1987 weist die Varianzanalyse noch keine signifikanten Unterschiede aus, während 1989 und 1991 die Unterschiede zwischen den Branchen signifikant werden. Dies belegt die Wettbewerbsdynamik und sinkende Attraktivität der Elektronikbranche, v.a. der Konsumelektronik. Vgl. Kapitel 3. 2. 3.
Die Klassifizierung nach der Intensität der Lieferantenintegration erfolgte anhand von Daten des Jahres 1991. Um jedoch eine hohe Intensität im Jahr 1991 zu erreichen, ist ein Vorlauf von mehreren Jahren erforderlich, bis die Maßnahmen greifen. Vgl. die Ausführungen zum time lag zu Beginn des Kapitels 5.2. 4.
Rights and permissions
Copyright information
© 1997 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Wingert, G.M. (1997). Eigene Untersuchung zur Realisierung der strategischen Stellhebel und Erzielung wettbewerblichen Erfolgs durch Lieferantenintegration. In: Wettbewerbsvorteile durch Lieferantenintegration. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-05698-0_5
Download citation
DOI: https://doi.org/10.1007/978-3-663-05698-0_5
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-6454-8
Online ISBN: 978-3-663-05698-0
eBook Packages: Springer Book Archive