Advertisement

Die Struktur deutscher Auktionsbetriebe

  • Michael Beckmann

Zusammenfassung

In diesem Kapitel werden wesentliche allgemeine Merkmale der befragten Versteigerungsbetriebe vorgestellt, um einen Eindruck von den Strukturen in deutschen Auktionsunternehmen gewinnen zu können. Das Ziel besteht hier zunächst darin, den Datensatz rein deskriptiv zu analysieren. Es sollen weiterhin jedoch auch Gemeinsamkeiten und Unterschiede zwischen den betrachteten Auktionstypen aufgedeckt werden, um so Aussagen über die mögliche Existenz von Teilmärkten innerhalb des deutschen Auktionsmarktes ableiten zu können. Zum Teil wird daher das Datenmaterial mit Hilfe verschiedener parametrischer und nichtpara-metrischer Tests auf statistisch signifikante Differenzen zwischen den jeweiligen Kategorien überprüft. Im einzelnen werden in Abschnitt 4.1 zunächst die Ergebnisse zu den geltenden Rechtsformen der Auktionsbetriebe und zu der Frage, inwieweit deutsche Versteigerer ihr Gewerbe als Selbständige oder als Angestellte betreiben, ausgewertet. Es schließen sich in Abschnitt 4.2 Ausführungen über die durchschnittliche Anzahl der Versteigerungen pro Jahr in den einzelnen Kategorien an. Eine Analyse der Mitarbeiterzahlen in den einzelnen Auktionsbetrieben ist Gegenstand des Abschnitts 4.3. In Abschnitt 4.4 erfolgt eine Gegenüberstellung der beobachteten Umsatzvolumina in den zu unterscheidenden Kategorien. Abschnitt 4.5 schließlich setzt sich mit der Frage auseinander, ob Versteigerer in Deutschland ihre Auktionen als Einzel- oder als Kollektivveranstaltungen durchführen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 273.
    Vgl. dazu auch die Frage 28 des Fragebogens im Anhang.Google Scholar
  2. 274.
    Wenn die Frage 28 im Fragebogen nicht beantwortet wurde, so wurde der Absender auf dem Rückumschlag für die Auswertung herangezogen. Wie die Tabelle 5 jedoch zeigt, waren auch hiermit in mehr als 50 % der Fälle eindeutige Zuordnungen zu existierenden Rechtsformen nicht möglich. Daher soll hier auch von einer Anwendung des χ2 -Tests zur Überprüfung auf signifikante Unterschiede zwischen den einzelnen Kategorien abgesehen werden.Google Scholar
  3. 275.
    Es ist wohl auch davon auszugehen, daß der größere Teil derjenigen Auktionsbetriebe, die nicht eindeutig zugeordnet werden konnten, in der Realität der Gruppe der Personengesellschaften zugerechnet werden kann, so daß die zuvor getätigte Tendenzaussage noch verstärkt werden kann. Die Zahlen des Statistischen Bundesamtes bestätigen die Dominanz der Personengesellschaften im Versteigerergewerbe. Demnach werden 83 % der Betriebe als Einzelunternehmen, 3.6 % als OHG, ebenso 3.6 % als KG und 8.1 % als GmbH geführt. Über die verbleibenden Rechtsformen werden aus Datenschutzgründen keine Angaben gemacht. Die Ergebnisse beziehen sich auf die Arbeitsstättenzählung des JAHRES 1987. Vgl. Statistisches Bundesamt (1991c), Tabelle S 10, Bundesgebiet, SYSTEMATIKNUMMER 7393 (Blatt 108).Google Scholar
  4. 276.
    Vgl. dazu auch die Frage 27 des Fragebogens im Anhang. Von 159 Versteigerern beantworteten lediglich 148 diese Frage. Das entspricht einem Anteil an Antwortverweigerungen von 6.9 %. In der Kategorie GG verweigerten 5.8 % der Versteigerer ihre Auskunft. In der Kategorie SG lag dieser Anteil bei 7.8 % (KA: 9.8 %, BM: 5.1 %).Google Scholar
  5. 277.
    Der χ2 -Test und der Fisher-Yates-Test können generell für paarweise Vergleiche zwischen den folgenden Auktionstypen herangezogen werden: GG versus SG, GG versus KA, GG versus Bm sowie KA versus Bm. Da letztere Auktionstypen jedoch Teilsegmente der Kategorie SG darstellen, werden deren Testergebnisse im Vergleich zur Kategorie GG im weiteren Verlauf nur dann präsentiert, wenn der eine paarweise Vergleich ein signifikantes und der andere ein nicht signifikantes Testresultat ergibt. In einer derartigen Situation reicht ein Vergleich zwischen den beiden Kategorien GG und SG nicht aus, weil ein signifikantes Testergebnis dann nur auf einen signifikanten Unterschied einer der beiden Teilsegmente zur Kategorie GG zurückzuführen ist. Wird jedoch sowohl bei einem Vergleich GG versus KA als auch bei einem Vergleich GG versus BM ein signifikantes (nicht signifikantes) Testergebnis festgestellt, so ist zumeist auch ein Unterschied zwischen den beiden Kategorien GG und SG signifikant (nicht signifikant). In diesem Fall ist dann lediglich ein Vergleich zwischen GG und SG sowie zwischen den Teilsegmenten KA und BM erforderlich. Nur in Ausnahmefällen kann die Situation auftreten, daß die Testresultate bei Vergleichen der Teilsegmente KA und BM mit der Kategorie GG jeweils signifikant sind, während ein Vergleich der beiden Kategorien GG und SG ein nicht signifikantes Ergebnis liefert. In diesem Fall wird so verfahren, daß die Statistiken der paarweisen Vergleiche der Kategorien GG, Ka und BM angegeben werden. Diese Regelung gilt im weiteren Verlauf der Arbeit auch für alle anderen verwendeten Tests.Google Scholar
  6. 278.
    Bei diesem Vergleich wurde der Fisher-Yates-Test angewendet, der immer dann dem χ2 -Test vorzuziehen ist, wenn die erwartete Häufigkeit in mindestens einer Zelle einer 4-Felder-Tafel > 5 ist.Google Scholar
  7. 279.
    Der Fisher-Yates-Test wird hier ebenso wie alle anderen Tests (außer dem Moses-Test) stets als zweiseitiger Test durchgeführt. Das hat den Vorteil, daß die jeweilige Nullhypothese dann eine sogenannte Punkthypothese und nicht wie bei einseitigen Fragestellungen eine Bereichshypothese ist. Punkthypothesen sind in Testsituationen, wie sie dieser Arbeit zugrunde liegen, eher angebracht als Bereichshypothesen, weil die Nullhypothese hier immer genau die Gleichheit von Stichpobenverteilungen bzw. deren Parametern überprüfen soll. Nur so können Gemeinsamkeiten und Unterschiede zwischen je zwei Kategorien zweifelsfrei identifiziert werden. Sollen beispielsweise die Anteilswerte in zwei unabhängigen Stichproben miteinander verglichen werden, so schließt eine Annahme einer einseitig formulierten Nullhypothese ja nicht aus, daß der Anteilswert in der einen Stichprobe kleiner bzw. größer ist (je nachdem, ob links- oder rechtsseitig getestet wird) als in der Vergleichsstichprobe. Ein derartiges Ergebnis ist für die hier zugrundeliegende Zielsetzung allerdings nicht ausreichend. Es gibt zwar die Möglichkeit, die Nullhypothese zweiseitig und die Gegenhypothese einseitig zu formulieren. In diesem Fall wird jedoch das vorgegebene Testniveau nicht immer eingehalten. Testet man z. B. H 0 : θ = θ 0 gegen H 1 : θ > θ 0 mit θ 0 als zu testenden Wert, so kann das vorgegebene α-Niveau nur für θ — θ0 eingehalten werden. Für jeden anderen Wert θ > θ wäre auch das tatsächliche α kleiner als das vorgegebene Testniveau. Vgl. BLEYMüLLER/GEHLERT/GüLICHER (1991), S. 103–104.Google Scholar
  8. 280.
    Ein genauer Wert der Teststatistik wird bei diesem Test vom hier verwendeten Programm SPSS für Windows nicht ausgewiesen. Geht man von einer vorgegebenen Irrtumswahrscheinlichkeit von α = 0.05 aus, so bedeuten α*-Werte > 0.05, daß die Nullhypothese nicht akzeptiert werden kann, während bei α* > 0.05 die Nullhypothese nicht verworfen werden kann. Ergibt sich wie im vorliegenden Fall beispielsweise α* = 0.016, so könnte die Nullhypothese nur dann nicht abgelehnt werden, wenn die vorgegebene Irrtumswahrscheinlichkeit höchstens α = 0.016 beträgt. Das empirisch ermittelte a-Niveau ist als Substitut zur Angabe eines kritischen Quan-tils zu verstehen, das vom SPSS für Windows-Programm ebenfalls nicht ausgewiesen wird. Eine alternative Bezeichnung für α* ist ‘Probvalue’. Im folgenden wird stets von einem vorgegebenen α-Niveau von α = 0.05 ausgegangen.Google Scholar
  9. 281.
    Vgl. dazu auch die Frage 31 des Fragebogens im Anhang.Google Scholar
  10. 282.
    Bei den Abbildungen ist zu beachten, daß die auf der Abszisse abgetragenen Zahlen eine obere Intervallgrenze angeben. So bedeutet z. B. 5: 1–5 Versteigerungen pro Jahr im Durchschnitt.Google Scholar
  11. 283.
    Der Tatbestand, daß der Moses-Test auch ungleiche Lageparameter bei den zu betrachtenden Verteilungen zuläßt, erweist sich in der vorliegenden Situation als sehr hilfreich, da sowohl der i-Test als auch der Mediantest bei den paarweisen Vergleichen z. T. signifikante Differenzen aufdeckt und somit die Nullhypothese gleicher Lageparameter nicht immer aufrechterhalten kann.Google Scholar
  12. 284.
    Ein Wert für die Teststatistik wird von SPSS für Windows beim Moses-Test generell nicht ausgegeben.Google Scholar
  13. 285.
    Vgl. hierzu auch die Ergebnisse in Abschnitt 6.4.Google Scholar
  14. 286.
    Vgl. dazu auch die Frage 1 des Fragebogens im Anhang. Es sei erwähnt, daß in der Tabelle 8 nur die für die hier relevante Fragestellung vorgegebenen Antwortmöglichkeiten aufgeführt sind.Google Scholar
  15. 287.
    Vgl. dazu auch die Frage 29 des Fragebogens im Anhang.Google Scholar
  16. 288.
    Das Statistische Bundesamt ermittelt in seiner Arbeitsstättenzählung aus dem Jahr 1987 für das gesamte Versteigerergewerbe in Deutschland eine Beschäftigtenzahl von 1743. Vgl. STATISTISCHES BUNDESAMt (1991a), S. 52. Die Differenz zu den hier berechneten 2700 Beschäftigten kann auf die unterschiedlichen Erhebungszeitpunkte zurückzuführen sein. Sie kann weiterhin als Hinweis auf gewisse Wachstumseffekte im Versteigerergewerbe interpretiert werden.Google Scholar
  17. 289.
    Nach den Angaben des Statistischen Bundesamtes ergibt sich für das gesamte Versteigerergewerbe mit etwa 4 Beschäftigten ein etwas geringerer Durchschnittswert, wobei dieser wiederum aus der Arbeitsstättenzählung von 1987 resultiert und damit um einige Jahre älter ist als das hier verwendete Datenmaterial. Vgl. STATISTISCHES BUNDESAMT (1991c), Tabelle S 10, Bundesgebiet, Systematiknummer 7393 (Blatt 108).Google Scholar
  18. 290.
    Die Berechnungen des Statistischen Bundesamtes für die Arbeitsstättenzählung des Jahres 1987 entsprechen weitgehend dem Verlauf, der sich für die Kategorie “alle” ergibt. Vgl. STATISTISCHES BUNDESAMT (1991b), Tabelle IV C 61, Bundesgebiet, Systematiknummer 7393.Google Scholar
  19. 291.
    Zum Gibrat-Gesetz oder auch Gesetz vom proportionalen Effekt vgl. Wagner (1992); Sutton (1997). Das Gibrat-Gesetz gilt, “wenn die Veränderung der Größe einer Variable im Vergleich zur Vorperiode [...] unabhängig ist vom Wert dieser Größe [...] in der Vorperiode.” WAGNER (1992), S. 27. Eine derartige schiefe Verteilung von Firmen über die Größenklassen kann in verschiedenen empirischen Untersuchungen nachgewiesen werden. So bringt Wagner die Größenverteilung der Arbeitsstätten im Produzierenden Gewerbe in Niedersachsen im Jahre 1987 in Zusammenhang mit dem Gibrat-Gesetz. Vgl. WAGNER (1992), S. 27. Schmalen-See führt eine Firmenverteilung, die dem Gibrat-Gesetz folgt, als stilisierten Fakt ein. Vgl. SCHMALENSEE (1989), S. 994.Google Scholar
  20. 292.
    Die Formulierung fällt hier bewußt vorsichtig aus, da für einen empirischen Test des Gibrat-Gesetzes Angaben über die Beschäftigtenzahlen in den einzelnen Auktionsbetrieben für mehrere Zeitpunkte vorliegen müßten. Vgl. WAGNER (1992), S. 28. Bei dem vorliegenden Datensatz handelt es sich jedoch um Querschnittsdaten, so daß ein genauerer Test des Gibrat-Gesetzes nicht möglich ist.Google Scholar
  21. 293.
    Vgl. dazu auch die Frage 30 des Fragebogens im Anhang. Bei der Einteilung wurde analog zu der Klassenbildung des Statistischen Bundesamtes vorgegangen. Vgl. STATISTISCHES BUNDESAMT (1991d), Tabelle VII B — 60/4 – 39. Von 159 Auktionatoren beantworteten nur 127 die Frage nach den durchschnittlichen Jahresumsätzen. In der Kategorie GG verweigerten 29.0 %, in der Kategorie SG 13.3 % der Versteigerer diesbezügliche Angaben (KA: 15.7 %, BM: 10.3 %).Google Scholar
  22. 294.
    Diese Zahl ist sehr vorsichtig zu interpretieren, da zur Bestimmung jeweils die Klassenmitten herangezogen wurden und die Umsatzintervalle bei den hohen Umsatzgrößenklassen sehr breit sind. Eine Ausnahme stellt das Auktionsunternehmen dar, das in UGK 9 fällt. Hier ist die Berechnung einer Klassenmitte nicht möglich. Zur Ermittlung des gesamten Umsatzvolumens wurde für diesen Betrieb eine Zensierung in dem Sinne vorgenommen, daß der realisierte Erlös mit 50 Mio. DM angesetzt wurde.Google Scholar
  23. 295.
    Diese Zahlen können aus dem oben genannten Grund ebenfalls deutlich nach oben verzerrt sein. Das Statistische Bundesamt ermittelt für das Versteigerergewerbe in Deutschland für das Jahr 1990 steuerbare Umsatzerlöse in Höhe von etwa 300 Mio. DM. Vgl. STATISTISCHES BUNDESAMT (1991d), Tabelle VII B — 60/4 – 39. Auch wenn der steuerbare Umsatz nicht mit dem hier ermittelten Umsatzvolumen übereinstimmt und die Grundgesamtheiten verschieden sind, so läßt sich doch auch anhand dieses Indikators ein deutliches Wachstum innerhalb der Branche feststellen.Google Scholar
  24. 296.
    Zur Berechnung der deskriptiven Statistiken wurden die Umsatzgrößenklassen und damit ordinal skalierte Daten herangezogen. Eine Verwendung der jeweiligen (kardinal skalierten) Klassenmitten, die aus Informationsgründen vorzuziehen wären, erschien wegen der sehr unterschiedlichen Klassenbreiten nicht angebracht.Google Scholar
  25. 297.
    Andere Bezeichnungen für Modalwert sind ‘häufigster Wert’ oder ‘Modus’.Google Scholar
  26. 298.
    Vgl. dazu auch die Frage 3 des Fragebogens im Anhang. Ein Versteigerer der Kategorie SG machte zu diesem Thema keine Angaben.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1999

Authors and Affiliations

  • Michael Beckmann

There are no affiliations available

Personalised recommendations