Advertisement

Erfolgsdeterminanten deutscher Auktionsbetriebe

  • Michael Beckmann

Zusammenfassung

Die Analyse der vorangegangenen Kapitel hat z. T. bereits deutliche Unterschiede zwischen den betrachteten Auktionstypen, aber auch innerhalb der einzelnen Kategorien im Hinblick auf die Organisation und die strategische Ausgestaltung der Auktionsveranstaltungen aufgezeigt. Bisweilen lassen sich anhand dieser Ausführungen auch verschiedene Faktoren herausarbeiten, die den wirtschaftlichen Erfolg von Auktionatoren und Auktionshäusern begründen können. Ob und inwieweit diese mutmaßlichen Erfolgsdeterminanten für deutsche Auktionen auch von signifikanter Bedeutung sind, konnte bisher allerdings noch nicht entschieden werden. In diesem Kapitel sollen daher wesentliche Bestimmungsfaktoren des geschäftlichen Erfolgs deutscher Versteigerer anhand des vorliegenden Datensatzes und mit Hilfe geeigneter ökonometrischer Methoden empirisch ermittelt werden. Als Erfolgsmaß kann das durchschnittlich erwirtschaftete Umsatzvolumen des einzelnen Auktionsbetriebes herangezogen werden. Dieses Jahresumsatzvolumen sollten die Versteigerer im Fragebogen durch die Zuordnung der individuellen Umsatzerlöse in vorgegebene Intervalle angeben. Die Vorgehensweise, die beobachteten Umsätze in bestimmte Intervallgrenzen einzubinden, ermöglicht die Messung der endogenen Variablen UMSATZ auf drei verschiedene Arten: Erstens kann sie ordinal gemessen werden, indem man die jeweiligen Umsatzgrößenklassen verwendet, die sich durch die Intervalleinteilung ergeben.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 741.
    Vgl. hierzu auch die Ausführungen in Abschnitt 4.4.Google Scholar
  2. 742.
    Damit ist zunächst zwar ein Informationsverlust verbunden, der jedoch durch die nachfolgende Argumentation relativiert bzw. sogar überkompensiert werden kann.Google Scholar
  3. 743.
    Vgl. dazu auch die Ergebnisse der Abschnitte 4.2 und 6.3.1.Google Scholar
  4. 744.
    Vgl. ausführlich hierzu die Ausführungen in Abschnitt 6.6.2.5.Google Scholar
  5. 745.
    Vgl. dazu die Ausführungen in Abschnitt 6.9.Google Scholar
  6. 746.
    Vgl. hierzu auch die empirischen Häufigkeitsverteilungen in Abschnitt 4.4. Eine Approximation durch die Normalverteilung ist in keiner Kategorie gerechtfertigt.Google Scholar
  7. 747.
    Zur Notation vgl. den Abschnitt 3.2.2.1.Google Scholar
  8. 748.
    GLS steht für Generalized Least Squares. Vgl. zur GLS-Schätzung beispielsweise HÜBLER (1989), S. 150–152, 160–165; GREENE (1997), S. 507–509, 511–513, 555–562.Google Scholar
  9. 749.
    Vgl. WHITE (1980), S. 817–821; Hübler (1989), S. 148–150, 159–160, 171; ZIMMERMANN (1990), S. 7–8; GREENE (1997), S. 503–505, 540–549.Google Scholar
  10. 750.
    Zu den Begriffen ‘robust’ und ‘heteroskedastie-konsistent’ in diesem Zusammenhang vgl. WHITE (1980), S. 817, 818; GREENE (1997), S. 503, 505.Google Scholar
  11. 751.
    Die Schätzungen wurden mit dem ökonometrischen Programmpaket STATA durchgeführt.Google Scholar
  12. 752.
    In den restringierten OLS- und Logit-Modellen sind alle Parameter mit Ausnahme der Konstanten gleich Null gesetzt. In den ordinalen Probit-Modellen werden keine Konstanten, sondern Schwellenwerte γj, j = 1,...,8 als Substitute geschätzt. In den restringierten Probit-Modellen werden also alle Parameter außer den acht Schwellenwerten gleich Null gesetzt. Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1999

Authors and Affiliations

  • Michael Beckmann

There are no affiliations available

Personalised recommendations