Advertisement

Empirische Befunde zur effizienten Gestaltung von Entlohnungssystemen

  • Manfred Krafft
Chapter
  • 51 Downloads
Part of the Neue betriebswirtschaftliche Forschung book series (NBF, volume 212)

Zusammenfassung

Die nachfolgenden empirischen Tests der Hypothesen zur Gestaltung von Entlohnungssystemen für VAD erfordern aufgrund des Untersuchungsgegenstands bzw. der Skalenniveaus der abhängigen und unabhängigen Variablen den Einsatz unterschiedlicher Analysemethoden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 927.
    Hybride Organisationen, in denen sowohl Handelsvertreter als auch Reisende im Persönlichen Verkauf tätig sind, wurden bekanntlich aus dem empirischen Test ausgeschlossen. Siehe Abschnitte 3.2., 6.1.2. und 6.2.2.1.Google Scholar
  2. 928.
    Vgl. Aldrich/Nelson, Logit (1984), S. 13 f.; Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 32; Gujarati, Basic Econometrics (1988), S. 469 f. Eine ausführliche Diskussion der Probleme, die mit dem Einsatz des linearen Regressionsmodells (“Linear Probability Model” oder “LPM”) bei binären abhängigen Variablen verbunden sind, liefern Aldrich/Cnudde, A Comparison (1975); Aldrich/Nelson, Logit (1984), S. 9 ff.; Gujarati, Basic Econometrics (1988), S. 469 ff.; Urban, Logit-Analyse (1993), S. 16 ff.Google Scholar
  3. 929.
    Dazu gehören Tests der Modellgüte wie der F-Test und die Überprüfung einzelner Koeffizienten wie der t-Test. Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 25 ff.Google Scholar
  4. 930.
    Siehe u.a. Aldrich/Nelson, Logit (1984), S. 9 ff.; Green/Carmone/Wachspress, Analysis of Qualitative Data (1977), S. 53 f.; Gujarati, Basic Econometrics (1988), S. 469 ff.; Malhotra, Analyzing Binary Data (1983), S. 327.Google Scholar
  5. 931.
    Zur Analyse dichotomer Fragestellungen wird in einigen Beiträgen auch die Anwendung der Linearen Ganzzahligen Programmierung diskutiert. Vgl. Gloerfeld/Gaither, Linear Programming (1982), S. 169 f.; Kennedy, Classification Techniques (1991), S. 404 f. Diese Technik beansprucht aber wesentlich mehr Computerzeit als die hier erörterten multivariaten Verfahren (Faktor 100) und ist nur für sehr große Stichproben und lineare Einflüsse der Merkmalsvariablen ein robustes Analyseinstrument, benötigt aber gerade dann umfangreiche Rechenzeiten. Da dieses Verfahren eher als Kuriosität anzusehen ist, wird es in dieser Arbeit nicht diskutiert.Google Scholar
  6. 932.
    Eine grundlegende Einführung in das Verfahren und die Prämissen der Diskriminanzanalyse geben Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 90 ff.; Green/Tull/Albaum, Research (1988), S. 507 ff., sowie Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 87 ff.Google Scholar
  7. 933.
    In allen Tests werden auch effektkodierte Branchendummies betrachtet, um Einflüsse zu erklären, die von den weiteren theoriekonformen Konstrukten nicht abgedeckt werden. Zwar erweisen sich diese binären Variablen generell als hoch korreliert mit dem “Branchenüblichen Einkommen” und werden deshalb bei den Fragen der Absatzformwahl, der Einkommenshöhe und des Festgehaltsanteils eliminiert. Bei der Gestaltung von Provisionssystemen, der Delegation von Preisfestsetzungskompetenzen und der Orientierung an Zielvorgaben werden diese Dummies jedoch einbezogen, da zum “Branchenüblichen Einkommen” als Operationalisicrung des Konstruktes “Mindestnutzen” keine Hypothesen abgeleitet werden konnten. Für die validierten Konstrukte und die Variable RISAUSTR (“Risiko des Ausscheidens aus dem Markt”) wird zumindest Intervallskalierung unterstellt, so daß alle anderen unabhängigen Variablen metrisches Skalenniveau aufweisen.Google Scholar
  8. 934.
    Siehe Aldrich/Cnudde, A Comparison (1975), S. 599; Press/Wilson, Logistic Regression (1978), S. 705; Urban, Logit-Analyse (1993), S. 16.Google Scholar
  9. 935.
    So z.B. in Anderson, Outside Agent or Employee (1985), S. 249; Anderson/Coughlan, Independent or Integrated Channnels (1987), S. 77; Coughlan, Marketing Channel Choice (1985), S. 124 ff.; Rao/McLaughlin, Modeling the Decision (1989), S. 82 ff.Google Scholar
  10. 936.
    Vgl. z.B. Aldrich/Cnudde, A Comparison (1975), S. 579 ff. und S. 599; Press/Wilson, Logistic Regression (1978), S. 700; Urban, Logit-Analyse (1993), S. 16.Google Scholar
  11. 937.
    Vgl. Anderson/Coughlan, Independent or Integrated Channels (1987), S. 77.Google Scholar
  12. 938.
    Siehe Crask/Perreault, Discriminant Analysis (1977), S. 60 ff.; Morrison, Discriminant Analysis (1969), S. 15 und S. 162.Google Scholar
  13. 939.
    Die einzelnen Umformungsschritte können bei Urban, Logit-Analyse (1993), S. 28 f., nachvollzogen werden.Google Scholar
  14. 940.
    Es sind alternativ andere Transformationen der abhängigen Variablen denkbar, wobei insbesondere die Probit-(oder Normit-)Analyse zu erwähnen ist, die statt der logistischen eine normalverteilte kumulative Wahrscheinlichkeitsfunktion verwendet. Aufgrund der unwesentlichen Unterschiede der beiden Verteilungsannahmen (der Logit ist an den Verteilungsextrema etwas höher), der häufigeren Anwendung der Logit-Analyse und ihrer exakteren Prognoseleistung wird sie hier dem Probit-Verfahren vorgezogen. Vgl. Gessner/Kamakura/Malhotra/ Zmijewski, Binary Dependent Variables (1988), S. 63; Malhotra, Analyzing Binary Data (1983), S. 328 und S. 335; Urban, Logit-Analyse (1993), S. 105. Logit, Probit und weitere Verteilungsmodelle diskutieren Aldrich/Nelson, Logit (1984), S. 31 ff.Google Scholar
  15. 941.
    Zu diesen und weiteren Eigenschaften des logistischen Funktionstyps vgl. Green/Carmone/ Wachspress, Analysis of Qualitative Data (1977), S. 54; Urban, Logit-Analyse (1993), S. 29 ff.Google Scholar
  16. 942.
    Vgl. Fahrmeir/Kaufmann/Kredler, Regressionsanalyse (1984), S. 145 ff.Google Scholar
  17. 943.
    Vgl. dazu die ausführlichen Erläuterungen in Fahrmeir/Kredler, Verallgemeinerte lineare Modelle (1984), S. 267 ff.Google Scholar
  18. 944.
    Weitere kritische Diskussionen finden sich in Aldrich/Nelson, Logit (1984), S. 48 ff.Google Scholar
  19. 945.
    DeMaris, Logit Modeling (1992), S. 14 f.; Green/Carmone/ Wachspress, Analysis of Qualitative Data (1977), S. 54 ff.;Google Scholar
  20. 946.
    Hosmer/Lemeshow, Applied Logistic Regression (1989), S. 8 ff.Google Scholar
  21. 947.
    Eine ausführliche Kritik der iterativen Variablenselektion üben Draper/Smith, Applied Regression Analysis (1981), S. 305 ff.Google Scholar
  22. 948.
    Im SPSS-Befehl “REGRESSION” heißen die entsprechenden Prozeduren “FORWARD”, “BACKWARD” und “STEPWISE”. Siehe Norulis, Statistics (1990), S. B-99 ff.Google Scholar
  23. 949.
    Vgl. Armstrong, Avoid Exploratory Research (1970), S. 30; McIntyre/Montgomery/Srinivasan/ Weitz, Stepwise Regression (1983), S. 1 f.Google Scholar
  24. 950.
    Insbesondere bei der Anwendung Logistischer Regressionsmodelle gehen Autoren häufig iterativ vor, um “sparsame” Modelle (“parsimonious models”) mit wenigen signifikanten Variablen zu erhalten. Dieses problematische Vorgehen findet sich u.a. bei Anderson, Outside Agent or Employee (1985), S. 247 ff.; Anderson/Coughlan, Independent or Integrated Channels (1987), S. 77 f.Google Scholar
  25. 951.
    Vgl. Aldrich/Nelson, Logit (1984), S. 59; DeMaris, Logit Modeling (1992), S. 47; Hosmer/ Lemeshow, Applied Logistic Regression (1989), S. 138 f.; Maddala, Limited-Dependent (1983), S. 40; Urban, Logit-Analyse (1993), S. 64 f.Google Scholar
  26. 952.
    Die Devianz ist im positiven Bereich unbeschränkt. Ob eine Devianz als “hoch” oder “niedrig” einzuschätzen ist, hängt daher jeweils von der betrachteten Stichprobe und Analyse ab.Google Scholar
  27. 953.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 247; Anderson/Coughlan, Independent or Integrated Channels (1987), S. 78; Urban, Logit-Analyse (1993), S. 64 f.Google Scholar
  28. 954.
    Vgl. Norutis, Advanced Statistics (1990), S. B-46; Noru.is, Statistical Algorithms (1991), S. 143 f.; Urban, Logit-Analyse (1993), S. 65.Google Scholar
  29. 955.
    In diesem Test wird der Koeffizient der Konstanten ausgeklammert.Google Scholar
  30. 956.
    Siehe Aldrich/Nelson, Logit (1984), S. 55; DeMaris, Logit Modeling (1992), S. 47; Maddala, Limited-Dependent (1983), S. 40; Urban, Logit-Analyse (1993), S. 60 f. Der LikelihoodQuotienten-Test wird ausführlich in Mood/Graybill/Boes, Theory of Statistics (1974), S. 440 ff. dargestellt.Google Scholar
  31. 957.
    Vgl. Urban, Logit-Analyse (1993), S. 60.Google Scholar
  32. 958.
    Vgl. Urban, Logit-Analyse (1993), S. 62 f. Siehe auch Maddala, Limited-Dependent (1983), S. 37 ff., der alternative Pseudo-R’-Maße diskutiert.Google Scholar
  33. 959.
    Zu diesem Instrument vgl. die Ausführungen in Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 115 f.; Green/Tull/Albaum, Research (1988), S. 518 f.; Hair/ Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 61 f. und S. 113 ff.; Hosmer/ Lemeshow, Applied Logistic Regression (1989), S. 146 f.Google Scholar
  34. 960.
    Siehe Anderson, Outside Agent or Employee (1985), S. 247; Anderson/Coughlan, Independent or Integrated Channels (1987), S. 78; Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 116; Green/Tull/Albaum, Research (1988), S. 520; Morrison, Discriminant Analysis (1969), S. 158.Google Scholar
  35. 961.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 116.Google Scholar
  36. 962.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 116; Hair/ Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 104; Morrison, Discriminant Analysis (1969), S. 158; Urban, Logit-Analyse (1993), S. 68.Google Scholar
  37. 963.
    In Abschnitt 7.2.1. wird dieser Aspekt ans Beispiel der Absatzformwahl ausführlich erörtert.Google Scholar
  38. 964.
    Siehe Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 104; Morrison, Discriminant Analysis (1969), S. 158; Rao/McLaughlin, Modeling the Decision (1989), S. 85.Google Scholar
  39. 965.
    Vgl. Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 104 f.; Morrison,Discriminant Analysis (1969), S. 158; Rao/McLaughlin, Modeling the Decision (1989), S. 85.Google Scholar
  40. 966.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 143 ff.Google Scholar
  41. 967.
    Vgl. Norulis, Advanced Statistics (1990), S. B-44 f.Google Scholar
  42. 96.
    Zum Verfahren dieser konditionalen Teststatistik siehe Hamerle/Tutz, Das loglineare Modell (1984), S. 529 ff.Google Scholar
  43. 969.
    Vgl. z.B. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 17; LeClere, Interpretation of Coefficients (1992), S. 770; Noruiis, Advanced Statistics (1990), S. B-42.Google Scholar
  44. 970.
    Vgl. Aldrich/Nelson, Logit (1984), S. 41 f.; DeMaris, Logit Modeling (1992), S. 44; Hair/ Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 61; Maddala, Limited-Dependent (1983), S. 23 f.Google Scholar
  45. 971.
    Der Begriff “Gewinnchance” wurde von Urban, Logit-Analyse (1993), S. 25 übernommen. In der englischsprachigen Literatur wird Pi/(1-Pi) als “odds” bezeichnet, der Logit ln(Pi/(1-Pi)) auch als “log odds”. Vgl. z.B. DeMaris, Logit Modeling (1992), S. 23 ff., sowie oben die Ausführungen zu Gleichung 21.Google Scholar
  46. 972.
    Die Wald-Statistik errechnet sich aus dem Quadrat des Quotienten von Koeffizient und Standardfehler einer Variablen. Diese Formel gilt nur für Variablen mit einem Freiheitsgrad. Für kategoriale Variablen wird zusätzlich die Zahl der Freiheitsgrade berücksichtigt. Vgl. Hosmer/Lemeshow, Applied Logistic Regression (1989), S. 17; Norulis, Advanced Statistics (1990), S. B-42.Google Scholar
  47. 973.
    Zum re-Fehler siehe Bowers, Statistics (1991), S. 139 f.; Hüttner, Marktforschung (1989), S. 33 f.Google Scholar
  48. 974.
    Vgl. LeClere, Interprettion of Coefficients (1992), S. 771 ff.; Petersen, Results from Logit (1985), S. 130 f.; Urban, Logit-Analyse (1993), S. 46 ff.Google Scholar
  49. 975.
    Siehe Aldrich/Nelson, Logit (1984), S. 43; LeClere, Interpretation of Coefficients (1992), S. 771 f.; Maddala, Limited-Dependent (1983), S. 23.Google Scholar
  50. 976.
    Die partielle Ableitung kann vereinfacht berechnet werden als aPi/axk= bk*Pi*(1-Pi). Vgl. z.B. DeMaris, Logit Modeling (1992), S.49; Hruschka, Marktreaktionsfunktionen (1991), S. 345; Rao/McLaughlin, Modeling the Decision (1989), S. 83 f.; Urban, Logit-Analyse (1993), S. 46.Google Scholar
  51. 977.
    Vgl. LeClere, Interpretation of Coefficients (1992), S. 771 f.; Petersen, Results from Logit (1985), S. 130; Urban, Logit-Analyse (1993), S. 44 f.Google Scholar
  52. 97.
    Vgl. DeMaris, Logit Modeling (1992), S. 43 f. und S. 48 f.; LeClere, Interpretation of Coefficients (1992), S. 771 f.; Urban, Logit-Analyse (1993), S. 44.Google Scholar
  53. 979.
    Den höchsten Erklärungsgehalt in Logistischen Regressionen bieten Variablen, die extrem unterschiedliche Mittelwerte für die beiden Ausprägungen der abhängigen Variablen aufweisen. Diese Verteilungen der unabhängigen Variablen mit zwei Massenpunkten führen aber zu nicht normalverteilten Mittelwerten über die gesamte Stichprobe. Da eine Standardisierung nur für annähernd normalverteilte Variablen empfehlenswert ist, erscheint eine Standardisierung ungeeignet. Vgl. auch Green/Tull/Albaum, Research (1988), S. 336 f.Google Scholar
  54. 980.
    Vgl. Hruschka, Marktreaktionsfunktionen (1991), S. 345; Urban, Logit-Analyse (1993), S. 51 f. Die erste Marketing-Studie, in der die Koeffizienten einer Logistischen Regression als Elastizitäten berichtet wurden, ist die Arbeit von Gautschi, Retail Center Choice (1981).Google Scholar
  55. 981.
    Zu den Formen und Eigenschaften von Elastizitäten vgl. den aktuellen Beitrag von Gedenk/ Skiera, Marketing-Planung (1993), S. 637 ff., sowie die dort zitierte Literatur.Google Scholar
  56. 982.
    Siehe LeClere, Interpretation of Coefficients (1992), S. 772; Petersen, Results from Logit (1985), S. 131.Google Scholar
  57. 983.
    Vgl. Hruschka, Marktreaktionsfunktionen (1991), S. 345.Google Scholar
  58. 984.
    Vgl. LeClere, Interpretation of Coefficients (1992), S. 773 f.; Urban, Logit-Analyse (1993), S. 51. schiedlich hoch ausfallen. Die Dimensionslosigkeit von Elastizitäten ermöglicht aber direkte Vergleiche der relativen Einflüsse verschiedener unabhängiger Variablen auf die Wahrscheinlichkeit Pi (in N), d.h. beispielsweise für die Problematik der Absatzformwahl die Wahrscheinlichkeit, daß Unternehmen Reisende als Absatzform wählen.Google Scholar
  59. 985.
    Eine Beschreibung dieses Verfahrens geben LeClere, Interpretation of Coefficients (1992), S. 772 f.; Urban, Logit-Analyse (1993), S. 46 ff.Google Scholar
  60. 986.
    Vgl. LeClere, Interpretation of Coefficients (1992), S. 772 f.; Urban, Logit-Analyse (1993), S. 46 ff. und S. 51 f.Google Scholar
  61. 987.
    Vgl. auch Petersen, Results from Logit (1985), S. 130 f.Google Scholar
  62. 988.
    häufigsten angewandte statistische Verfahren darstellt, wird als bekannt vorausgesetzt und daher nicht näher erläutert.988Google Scholar
  63. 989.
    Ob die Prämisse unkorrelierter Residuen des Regressionsmodells verletzt ist, wird hier nicht untersucht, da nur für Beobachtungen, die hinsichtlich der Reihenfolge abhängige Residuen aufweisen, Autokorrelation gegeben sein kann. In einer Querschnittsanalyse, wie sie hier vorliegt, kann die Reihenfolge, in der die Beobachtungen in die Untersuchungen eingehen, beliebig variiert werden, so daß Autokorrelation prinzipiell kein Problem darstellt.Google Scholar
  64. 99.
    Eine ausführliche Darstellung dieser Prämisse findet sich bei Wittink, Regression Analysis (1988), S. 141 ff. Durch geeignete Transformationen der Variablen können einige nichtlineare Effekte trotzdem mit Linearen Regressionsmodellen erfaßt werden, sofern die Modelle nach der Transformation linear in den Parametern sind. Daß die Anwendung linearer Regressions-verfahren auf nichtlineare Zusammenhänge zu erheblichen Verzerrungen führen kann, zeigt Barnett, The Linear Model (1983).Google Scholar
  65. 991.
    Vgl. Norutis, Statistics (1990), S. B-104 f Die Korrelation zwischen den Residuen der beiden Variablen entspricht dem partiellen Korrelationskoeffizienten. Zum Begriff des partiellen Korrelationskoeffizienten siehe Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 229 f. und S. 253 f.Google Scholar
  66. 992.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 34.Google Scholar
  67. 993.
    Einige Autoren bezeichnen Korrelationskoeffizienten von r 0,7 bzw. 0,9 als kritisch, während in anderen Quellen bereits r > 0,5 als problematisch angesehen wird. Siehe z.B. Backhaus/ Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 35; Green/ ull/Albaum, Research (1988), S. 456; Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 48; Wittink, Regression Analysis (1988), S. 89 f.Google Scholar
  68. 994.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 35 f.Google Scholar
  69. 995.
    Siehe Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 48.Google Scholar
  70. 996.
    Vgl. Green/Tull/Albaum, Research (1988), S. 457.Google Scholar
  71. 997.
    Zu diesem Verfahren siehe Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 32, und insbesondere Wittink, Regression Analysis (1988), S. 99.Google Scholar
  72. 998.
    Die gespeicherten Residuen werden dazu in der SPSS-Prozedur “NPAR TESTS” dem Kolmogorov-Smirnov-Test auf Normalverteilung unterzogen. Vgl. Norutis, Statistics (1990), S. B-54. Alternativ können auch Residuengruppen gebildet und die Anzahl der Beobachtungen je Gruppe mit der erwarteten Häufigkeit einer Normalverteilung verglichen werden. Abweichungen können dann in einem X2-Test auf statistische Signifikanz überprüft werden. Vgl. Churchill, Marketing Research (1991), S. 753 und S. 780 f.; Wittink, Regression Analysis (1988), S. 195 f.Google Scholar
  73. 999.
    Vgl. Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 43.Google Scholar
  74. 1000.
    Siehe Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 32.Google Scholar
  75. 1001.
    Heteroskedastizität ist auch gegeben, wenn mit zunehmenden Werten der geschätzten abhängigen Variablen erst zunehmende und dann abnehmende Residuen zu beobachten sind. Siehe Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 40 f.Google Scholar
  76. 1002.
    Vgl. Wittink, Regression Analysis (1988), S. 160 ff.Google Scholar
  77. 1003.
    Vgl. Abschnitt 7.3.2.Google Scholar
  78. 1004.
    Einen sehr ausführlichen Überblick über die Ausreißer-Problematik und zahlreiche statistische Tests zu deren Identifikation geben Chatterjee/Hadi, Influential Observations (1986).Google Scholar
  79. 1005.
    Chatterjee/Hadi, Influential Observations (1986).Google Scholar
  80. 1006.
    Aus Gleichung (26) wird deutlich, daß “Cook’s distance” die skalierte Euklidische Distanz zwischen den geschätzten Werten zweier Vektoren darstellt, wobei die Schätzung einmal unter Einbeziehen und zum anderen Mal bei Elimination der i-ten Beobachtung erfolgt. Dieses Vorgehen bei der Berechnung ähnelt der “Jackknife-Methode”, wie sie insbesondere in der Diskriminanzanalyse häufiger eingesetzt wird.1007 Das Distanzmaß Ci bietet den Vorteil, daß es mit Hilfe des F-Tests mit p und (N-p) Freiheitsgraden auf Signifikanz getestet werden kann, wobei N die Anzahl der Beobachtungen darstellt. Sofern sich eine Beobachtung in den empirischen Tests nach Maßgabe von Cooks Distanzmaß als beeinflussend herauskristallisiert, wird sie eliminiert, um eine verzerrte Parameterschätzung zu vermeiden.Google Scholar
  81. 1007.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 117.Google Scholar
  82. 1008.
    Siehe z.B. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 13 ff. und S. 26 ff.; Churchill, Marketing Research (1991), S. 836 ff.; Green/Tull/Albaum, Research (1988), S. 433 ff.; Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 64.Google Scholar
  83. 1009.
    So können n Beobachtungen immer durch ein Regressionsmodell mit n-1 Variablen vollständig erklärt werden, d.h. ein solches Modell weist stets ein R2 von i auf. Vgl. Montgomery/Google Scholar
  84. 1010.
    Sofern die empirischen t-Werte größer sind als die theoretischen Werte und die postulierte Richtung aufweisen, ist die Nullhypothese eines nicht signifikanten bzw. Der Morrison, A Note on Adjusting R2 (1973), S. 1009 ff.; Wittink, Regression Analysis (1988), S. 103. logo Vgl. u.a. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 26 ff. und S. 41; Böhler, Marktforschung (1992), S. 210 f.; Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 44 ff.; Wittink, Regression Analysis (1988), S. 75 f. und S. 103.Google Scholar
  85. 1011.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 27 ff.; Böhler, Marktforschung (1992), S. 212; Churchill, Marketing Research (1991), S. 833 f.; Green/Tull/Albaum, Research (1988), S. 447; Wittink, Regression Analysis (1988), S. 77 ff.Google Scholar
  86. 1012.
    Siehe Anderson, Outside Agent or Employee (1985), S. 248; Coughlan, Salesforce Compensation (1993), S. 638 ff.; Coughlan/Narasimhan, Empirical Analysis (1992), S. 108 ff.; John/Weitz, Empirical Evidence (1988), S. 14; John/Weitz, Empirical Investigation (1989), S. 9 f.; Lal/Srinivasan, Single-and Multi-product Salesforce (1993), S. 787 f.Google Scholar
  87. 1013.
    Der Effekt, daß großzügige Signifikanzniveaus wie das 10%-Intervall Fehler 1. Art begünstigen, wurde bereits im Rahmen der Diskussion Logistischer Regressionsmodelle in diesem Abschnitt erörtert.Google Scholar
  88. 1014.
    Vgl. Wittink, Regression Analysis (1988), S. 37Google Scholar
  89. 1015.
    f. und S. 77 f.Google Scholar
  90. 1016.
    Bei völlig unkorrelierten Regressoren würden Korrelationskoeffizienten, partielle Korrelationen und Betas als alternative Bedeutungsmaße zu identischen Rangordnungen der Variablen kommen. Abgesehen von kontrollierten Experimenten ist aber generell mit leichter Multikollinearität zu rechnen. Vgl. Green/Tull/Albaum, Research (1988), S. 459. Wie eine Methodendiskussion von Green/Carroll/DeSarbo und Jackson zeigt, ist bei Vorliegen korrelierter unabhängiger Variablen keines der drei Maße uneingeschränkt geeignet, die relative Bedeutung der Regressoren richtig zu beurteilen. Siehe Green/Carroll/DeSarbo, Predictor Variable Importance (1978), S. 356; Jackson, Comment (1980), S. 115.Google Scholar
  91. 1017.
    Siehe z.B. Böhler, Marktforschung (1992), S. 210; Cohen/Cohen, Applied Multiple Regression (1975), S. 92; Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 46 f.Google Scholar
  92. 1018.
    Vgl. Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 47; Wittink, Regression Analysis (1988), S. 16 ff.Google Scholar
  93. 1019.
    Vgl. Backhaus/Erichson/Plinke/Weiber, Multivariate Analysemethoden (1994), S. 17; Hain/ Anderson/TathamBlack, Multivariate Data Analysis (1992), S. 29 f.; Wittink, Regression Analysis (1988), S. 12.Google Scholar
  94. 1020.
    Zur Wirkung der Faktoren “Unsicherheit der Umwelt” und “Größe des Unternehmens” wurden je zwei konkurrierende Hypothesen formuliert.Google Scholar
  95. 1021.
    Zu diesen Formen der Dummy-Kodierung siehe Hair/Anderson/Tatham/Black, Multivariate Data Analysis (1992), S. 55.Google Scholar
  96. 1022.
    Die geringste Anzahl gültiger Beobachtungen ist für die Variable “Zeit vom ersten Besuch bis zum Abschluß” (BESDAUER) zu verzeichnen, für die nur 202 Antworten vorliegen.Google Scholar
  97. 1023.
    Dies wird auch durch einen Vergleich des ursprünglichen und des reduzierten Datensatzes hinsichtlich der Mittelwerte und Standardabweichungen der unabhängigen Variablen des Regressionsmodells bestätigt. Ein t-Test auf Mittelwertunterschiede der 84 entfernten von den 150 vollständigen Beobachtungen zeigt (bei einer Irrtumswahrscheinlichkeit von 1%) keine signifikanten Unterschiede.Google Scholar
  98. 1024.
    Sofern in der Logistischen Regression BESANZAL durch BESDAUER ersetzt wird, bleibt die Struktur der Regression identisch, d.h. die Variable BESDAUER liefert generell keine zusätzliche Varianzerklärung. Es wurde daher davon abgesehen, ein kombiniertes Konstrukt aus BESDAUER und BESANZAL in das Regressionsmodell aufzunehmen.Google Scholar
  99. 1025.
    Zusätzlich bestehen sehr hohe Korrelationen von 0,8202 und 0,7789 mit den zwei gleichfalls entfernten Operationalisierungen des Interaktionseffektes “Unsicherheit*Transaktionsspezifität”.Google Scholar
  100. 1026.
    Wie in Abschnitt 2.5. ausführlich erörtert wurde, sind die spezifischen Kenntnisse und Fertigkeiten der VADM für das Unternehmen unterschiedlich wertvoll. Beispielsweise kann ein VADM sein kundenspezifisches Wissen bei Ausscheiden aus dem Unternehmen weiter nutzen, wenn er in der gleichen Branche tätig wird (z.B. für Konkurrenten). Das unternehmensspezifische Können und Wissen ist dagegen zwar im Rahmen der Tätigkeit im Unternehmen wichtig, kann aber kaum transferiert werden. Die inhaltlich verschiedenen Dimensionen der Transaktionsspezifität erlauben es daher nach Ansicht des Autors nicht, ein kombiniertes Maß der Transaktionsspezifität zu bilden.Google Scholar
  101. 1027.
    Ein ähnliches Vorgehen findet sich bei Anderson, Outside Agent or Employee (1985), S. 248 f., sowie bei Coughlan/Narasimhan, Empirical Analysis (1992), S. 111 ff. Die Mittelwerte der unab-Google Scholar
  102. 1028.
    Diese Korrelationen sind bei einer Irrtumswahrscheinlichkeit von 1%0 signifikant.Google Scholar
  103. 1029.
    Es handelt sich dabei um die Korrelationen zwischen den Variablen ‘Produktspezifische Kenntnisse“ und ”Bildungsniveau“ (+0,4347) bzw. ”Branchenübliches Einkommen“ (+0,3740), ”Kundenanzahl je VADM“ und ”Umfang echter Non-Selling-Aktivitäten“ (+0,3523) sowie ”Bildungsniveau“ und ”Branchenübliches Einkommen“ (+0,4593). Die sonstigen geringen Interkorrelationen der Variablen sind unproblematisch, da Regressionsanalysen erst bei Vorliegen moderater Korrelationen gegenüber bivariaten Korrelationsanalysen vorteilhaft sind. Bei völlig unkorrelierten unabhängigen Variablen würde eine multivariate Regressionsanalyse zu denselben Ergebnissen wie eine Korrelationsanalyse führen.Google Scholar
  104. 1030.
    “Cook’s distance” stellt das am häufigsten verwendete Maß zur Identifikation beeinflussenderGoogle Scholar
  105. 1031.
    Beobachtungen dar. Einen umfassenden Überblick über Maße zur Entdeckung von Ausreißern und beeinflussenden Beobachtungen geben Chatterjee/HadiGoogle Scholar
  106. 1032.
    Influential Observations (1986). Siehe auch die Ausführungen in Abschnitt 7.1.Google Scholar
  107. 1033.
    Die Statistik des Likelihood-Quotienten-Tests bleibt damit deutlich unter dem in Abschnitt 7.1. geforderten Signifikanzniveau von 5%.Google Scholar
  108. 1034.
    Gegenüber den von Urban als gut eingeschätzten Pseudo-R2-Werten von 0,2 bis 0,4 ist der hier ermittelte Wert von 58,64% als exzellent anzusehen.Google Scholar
  109. 1035.
    Vgl. Urban, Logit-Analyse (1993), S. 62 f.Google Scholar
  110. 1036.
    Die Variable “Größe des Unternehmens” ging mit vier effcktkodierten Dummy-Variablen in die Regression ein, da es sich um eine kategoriale Variable mit fünf Ausprägungen handelt.Google Scholar
  111. 1037.
    Um die Hypothese eines fehlenden Einflusses explizit testen zu können, hätte als Nullhypothese bk#0 überprüft werden müssen.Google Scholar
  112. 1038.
    Somit stützen die hier diskutierten Befunde nicht das Ergebnis von Anderson, Outside Agent or Employee (1985), S. 248 f., die einen nicht signifikanten Einfluß der Variablen “Unsicherheit der Umwelt” auf die Absatzformwahl berichtet und Hypothese Ala bestätigt sieht.Google Scholar
  113. 1039.
    Vgl. Wittink, Regression Analysis (1988), S. 164 ff.Google Scholar
  114. 1040.
    Konsistenz wäre dann gegeben, wenn der Koeffizient der Größenklasse “1000–5000 Beschäftigte” positiv gewesen wäre und einen stärkeren Effekt als die vorhergehende sowie einen schwächeren Effekt als die nachfolgende Kategorie aufgewiesen hätte.Google Scholar
  115. 1041.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 248 f. In einem früheren Test mit demselben Datensatz wurde dagegen noch ein im 5%-Intervall signifikanter positiver Einfluß der Unternehmensgröße auf die Wahrscheinlichkeit, Reisende zu wählen, berichtet. Vgl. Anderson/Schmittlein, Integration of the Sales Force (1984), S. 392. Tendenziell finden auch Klenger/Metzner, Vertriebsorganisation und Marktbearbeitung (1993), S. 41, einen positiven Zusammenhang von Unternehmensgröße und Häufigkeit des Einsatzes von Reisenden.Google Scholar
  116. 1042.
    Ein signifikanter negativer Effekt der größten Beschäftigtenklasse wäre nötig gewesen, um Hypothese A2b tendenziell zu stützen. Die gegenläufigen Vorzeichen der beiden diskutierten Variablen könnten auch Folge hoher Interkorrelation sein. Eine Inspektion der Korrelationsmatrix (siehe Tab. 62) zeigt aber eine nur moderate bivariate Korrelation von 0,2628.Google Scholar
  117. 1043.
    Um den Einfluß eventuell vorliegender Multikollinearität abzuschätzen, wurden alternative Modelle gerechnet, in denen die Variable “Anzahl Hotelübernachtungen” und “Reisezeitenanteil” wechselweise eliminiert wurden. Da sich die Vorzeichen, die Höhe und die Signifikanzniveaus der Koeffizienten nur unwesentlich änderten, ist nicht zu vermuten, daß die gegenläufigen Vorzeichen auf Multikollinearität zurückzuführen sind.Google Scholar
  118. 1044.
    Der mittlere Reisezeitenanteil beträgt in Reisenden-VAD 32,11%, während Handelsvertreter nur 18,27% ihrer Arbeitszeit für Reisetätigkeit verwenden. Siehe Tab. 63.Google Scholar
  119. 1045.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 248 f.Google Scholar
  120. 1046.
    Vgl. dazu die Ausführungen in Abschnitt 3.2.Google Scholar
  121. 1047.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 248 f.Google Scholar
  122. 1048.
    Anderson dagegen hatte die Variable “Time span to Feedback” eliminiert, die einen nicht signifikanten Einfluß aufwies. Vgl. Anderson, Outside Agent or Employee (1985), S. 248 f.Google Scholar
  123. 1049.
    Aus Tab. 55 wird ersichtlich, daß Unternehmen in produktspezifische Kenntnisse von Reisenden mit durchschnittlich DM 25.024 gut doppelt so viel investieren wie in diejenigen von Handelsvertretern (DM 11.109).Google Scholar
  124. 1050.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 247 f.Google Scholar
  125. 1051.
    Vgl. Abschnitt 3.2. und die dort zitierte Literatur.Google Scholar
  126. 1052.
    Meßprobleme können nicht ausgeschlossen werden, da die Risikoeinstellung generell als schwer operationalisierbar gilt. Wie aber in Abschnitt 6.2.2.2. gezeigt wurde, werden Lotteriefragen mit realistischen Szenarien noch als valideste Skalen zur Messung der Risikoeinstellung angesehen. Da ein solches Maß in der Erhebung verwendet wurde, wird der zur Hypothese konträre Befund eher nicht als Folge eines Meßproblcros angesehen.Google Scholar
  127. 1053.
    Dagegen ist der Kontakt zwischen Unternehmen und Agenturleitung aus eigener Erfahrung des Verfassers sehr intensiv. signifikanten Effekt auf, dessen Vorzeichen entsprechend der Hypothese positiv ist.1058 Das Bildungsniveau der VADM übt somit offenbar einen Einfluß auf die Absatzformwahl aus, wobei höhere Bildungsabschlüsse der VADM mit einer höheren Wahrscheinlichkeit für die Wahl von Reisenden-VAD einhergehen.Google Scholar
  128. 1054.
    Zwar zeigt die Variable “Branchenübliches Einkommen” als zweite Operationalisierung des Konstruktes “Mindestnutzen” keinen signifikanten Einfluß, aber zumindest das unterstellte positive Vorzeichen. Hypothese A14 wird daher als empirisch gestützt angesehen.Google Scholar
  129. 1055.
    Die betrachtete Stichprobe zeigt, daß VADM in Reisenden-VAD ein durchschnittliches Jahreseinkommen von rund DM 91.200 bei einem mittleren Festgehaltsanteil von 76,23% erzielen, während VADM in Handelsvertreter-VAD ein mittleres Einkommen von knapp DM 79.400 erhalten. Ihr durchschnittlicher erfolgsunabhängiger Entlohnungsanteil liegt bei 7,35%. Vgl. dazu Abschnitt 6.2.2.1.Google Scholar
  130. 1056.
    Vgl. Anderson, Outside Agent or Employee (1985), S. 235 ff.Google Scholar
  131. 1057.
    Im Rahmen einer einfaktoriellen Varianzanalyse (SPSS-Prozedur “ONEWAY) zeigten die Gruppen der Handelsvertreter-und Reisenden-Beobachtungen keine signifikanten Mittelwert-unterschiede bezüglich der Steigung der Deckungsbeitragsfunktion.Google Scholar
  132. 1058.
    Um Multikollinearität zu vermeiden, wurden die Branchen-Dummies entfernt, da sie hohe Interkorrelationen mit der Variablen “Branchenübliches Einkommen” aufwiesen.Google Scholar
  133. 1059.
    Vgl. dazu weiter oben die Diskussion der Korrelationsmatrix der unabhängigen Variablen. 1060 Zur Berechnung des Interaktionseffektes vgl. Abschnitt 6.2.3.Google Scholar
  134. 1061.
    Die “Improvement X2”-Teststatistik wurde in Abschnitt 7.1. erläutert.Google Scholar
  135. 1061.
    Der für die So zeigt der empirische Test, daß die Variablen “Kunden je Mitarbeiter” und “ReisezeitenanteilGoogle Scholar
  136. 1062.
    Einflüsse aufweisen, die konträr zu den abgeleiteten Hypothesen sind.Google Scholar
  137. 1063.
    Für die PAT-typische Variable “Risikoaversion” ergab sich gleichfalls ein der Hypothese entgegenstehender Koeffizient.Google Scholar
  138. 1064.
    Der exakte Werte von P(Y=1) ist 0,021987362 und ergibt sich aus Einsetzen der Mittelwerte der Handelsvertreter-Beobachtungen in Gleichung 20. Die Mittelwerte sind in Tab. 63 berichtet worden, die Koeffizienten der Variablen wurden Tab. 65 entnommen. Der Wert der Konstanten beträgt -8,378. Da die Variable “Unternehmensgröße” über effektkodierte Dummy-Variablen einbezogen wurde, die den Einfluß der einzelnen Kategorien gegenüber dem mittleren Effekt erfassen, ist es nicht sinnvoll, diese Variable in die Berechnung der geschätzten Wahrscheinlichkeit der abhängigen Variablen einzubeziehen. Die Multiplikation der Koeffizienten der einzelnen Kategorien mit deren relativer Häufigkeit der Nennung in der Stichprobe würde zu einem Gesamteffekt der Variablen von 0 führen. Diese kategoriale Variable wurde daher aus den Berechnungen der partiellen Ableitungen und Elastizitäten sowie der Sensitivitätsanalyse ausgeklammert.Google Scholar
  139. 1065.
    Alternativ wurden die Elastizitäten ermittelt, die sich ergeben, wenn die Mittelwerte der Reisenden-Beobachtungen eingesetzt werden. Für die resultierende Wahrscheinlichkeit von P(Y=1)= 99,93% sind die Elastizitäten absolut deutlich kleiner, da diese Wahrscheinlichkeit einen sehr extremen Punkt auf der Logistischen Funktion darstellt, in dem nur kleinste prozentuale Änderungsraten möglich sind. Die Rangfolge der Variablen hinsichtlich der Intensität der Elastizitäten bleibt generell ähnlich, einzig die Variable “Kundenzahl je VADM” zeigt eine einschneidende Veränderung: Während dieser Faktor unter Verwendung der Handelsvertreter-Mittelwerte die absolut größte Elastizität aufweist, zeigt er für die Reisenden-Mittelwerte nur den vierthöchsten Elastizitätswert.Google Scholar
  140. 1066.
    Diese Verringerung ist keine Änderung in Prozentpunkten, sondern in Prozent vom Ausgangswert, d.h. 6,62% von 0,02199. Die Wahrscheinlichkeit, Reisenden-VAD einzusetzen, sinkt damit von 2,199% auf etwa 2,05%.Google Scholar
  141. 1067.
    Sofern die Mittelwerte der Reisenden-Beobachtungen in das Logistische Modell eingesetzt werden, resultiert eine geschätzte Wahrscheinlichkeit für P(Y=1) von 99,93%.Google Scholar
  142. 1068.
    Der mittlere Wert wurde als ungewichteter Durchschnitt errechnet, d.h. Yx (Mittelwert Handelsvertreter-VAD + Mittelwert Reisenden-VAD).Google Scholar
  143. 1069.
    Die Mittelwerte der Unternehmen, die nur Handelsvertreter bzw. Reisende einsetzen, sind in Tab. 63 wiedergegeben.Google Scholar
  144. 1070.
    Die im folgenden diskutierte Reihenfolge der Variablen hinsichtlich der Intensität ihres Einflusses auf die Wahrscheinlichkeit P(Y=1) bleibt auch bestehen, wenn die Mittelwerte der Reisenden-Beobachtungen in das Logistische Modell eingesetzt werden, jedoch verringert sich die absolute Änderung der abhängigen Variablen. Wenn z.B. für die Variable “Kundenzahl je VADM”, die wiederum den stärksten Einfluß zeigt, statt des Reisenden-Mittelwerts von 171,63 Kunden der Handelsvertreter-Durchschnitt von 878,67 Kunden eingesetzt wird, ändert sich P(Y=1) um 14,06 Pozentpunkte auf 85,87%.Google Scholar
  145. 1071.
    Sofern in produktspezifische Kenntnisse DM 25.023,88 (Mittelwert der Reisenden-VAD) statt DM 11.108,67 (Mittelwert der Handelsvertreter-Beobachtungen) investiert wird, ändert sich die Wahlwahrscheinlichkeit von Reisenden-VAD von 2,199% auf 8,29%.Google Scholar
  146. 1072.
    Während die Elastizität dieser Einflußgröße mit 1,202 fast den gleichen Effekt wie die Variable “Echte Non-Selling-Aktivitäten” aufweist, führt das Ersetzen des Handelsvertreter-Mittelwerts durch den Durchschnitt über alle Reisenden-VAD nur zu einer geschätzten Änderung der abhängigen Variablen auf 2,354% (gegenüber 4,202% bei Variation der Variablen “Echte NonSelling-Aktivitäten”). Während die Mittelwerte der beiden Teilstichproben Handelsvertreter-und Reisenden-VAD für die Variable Risikoaversion nur um 5,67% variieren (3,0 bzw. 2,83), weichen die Mittelwerte bezüglich der echten Non-Selling-Aktivitäten um 51,66% voneinander ab (12,37% bzw. 5,98%).Google Scholar
  147. 1073.
    Diese und weitere Gestaltungsoptionen für Handelsvertreter erörtert Albers, Steuerung von Handelsvertretern (1984), S. 21 ff.Google Scholar
  148. 1074.
    Wie schon in den Abschnitten 3.3.1. und 5.2. erörtert wurde, reduziert sich die Problematik der Gestaltung angemessener Entlohnungssysteme bei Handelsvertreter-VAD im wesentlichen auf die Bestimmung von Provisionssätzen und -staffeln sowie auf die Wahl geeigneter Bezugsgrößen. Die Einkommenshöhe von Handelsvertretern wird letztendlich fast ausschließlich vom Verkaufserfolg determiniert.Google Scholar
  149. 1075.
    So sind etwa viele Unternehmen nicht eindeutig einer Branche zuzurechnen bzw. können aus Vergütungsstudien keine Informationen erhalten, da zu ihrer Branche keine Daten vorliegen. Als Beispiel seien Finanzdienstleistungsuntemehmen genannt, die in kommerziellen Vergütungsstudien nicht separat behandelt werden. Außerdem weichen die in den Vergütungsstudien berichteten mittleren Einkommen voneinander ab und zeigen eine erhebliche Varianz.Google Scholar
  150. 1076.
    Eliminiert werden 36 Unternehmen, die sowohl Handelsvertreter als auch Reisende einsetzen, und 61 Unternehmen, die ausschließlich Handelsvertreter als Absatzform gewählt haben.Google Scholar
  151. 1077.
    Ein t-Test auf Mittelwertunterschiede zwischen den 43 eliminierten und den 123 vollständigen Beobachtungen zeigt bei einer Irrtumswahrscheinlichkeit von 1% keine signifikanten Abweichungen der unabhängigen Variablen. Sofern eine Irrtumswahrscheinlichkeit von 5% zugrunde gelegt wird, erweist sich die Variable “Branchenübliches Einkommen” als signifikant unterschiedlich, wobei das Brancheneinkommen der eliminierten Beobachtungen mit DM 97.419 um etwa DM 8.000 höher ist als in der analysierten Stichprobe (DM 89.268). Bezüglich der Branchenzugehörigkeit sind dagegen keine Unterschiede feststellbar. Insgesamt kann davon ausgegangen werden, daß sich die analysierte Stichprobe nicht systematisch von den entfernten Beobachtungen unterscheidet.Google Scholar
  152. 1078.
    So weist der Branchen-Dummy “Konsumgüterbranche” eine Korrelation von -0,705 mit der Variablen “Branchenübliches Einkommen” auf. Mit derselben Variablen korreliert die “Pharmabranche” mit -0,492 und die “Industriegüterbranche” mit 0,254. Die Konsumgüterbranche zeigt auch hohe Interkorrelationen mit den Variablen “Volatilität” (-0,338), “Erfahrung im Verkauf vor Eintritt in das Unternehmen” (0,302), “Unternehmenszugehörigkeit” (0,357) und “Bildungsniveau” (-0,593). Beobachtungen der Industriegüterbranche korrelieren ebenfalls hoch mit dem Faktor “Unternehmenszugehörigkeit” (0,413).Google Scholar
  153. 1079.
    Als einzig problematisch sind die beiden Variablen “Bildungsniveau” und “Branchenübliches Einkommen” anzusehen, die Toleranzen von 0,621 und 0,665 sowie eine Interkorrelation von 0,502 aufweisen. Die Faustregel, daß der Wert (1-Toleranz) möglichst nicht den erklärten Varianzanteil (von hier knapp 55%) übersteigen sollten, wird somit nicht verletzt. Das wechselseitige Entfernen dieser unabhängigen Variablen führt nur zu unwesentlich geringeren Standardfehlern der kollinearen Variablen, so daß offensichtlich keine ernsthafte Multikollinearität vorliegt. Außer den Interkorrelationen der Variablen “Volatilität” mit “Unternehmenszugehörigkeit” (-0,341) und “Bildungsniveau” (0,340) sind keine Korrelationen größer 0,3 zu beobachten.Google Scholar
  154. 1080.
    Als kritisch werden Signifikanzen kleiner 0,05 angesehen. Daß der Kolmogorov-Smirnov-Test nur relativ knapp zur Ablehnung der Nicht-Normalverteilung der Residuen führt, ist darauf zurückzuführen, daß dieser Test die maximale Abweichung der beobachteten von der idealtypischen Verteilung als Teststatistik verwendet. Siehe Churchill, Marketing Research (1991), S. 780.Google Scholar
  155. 1081.
    Der höchste Wert von “Cook’s Distance” beträgt 0,671 und erweist sich in einem F-Test als nicht signifikant (Signifikanzniveau 0,7759).Google Scholar
  156. 1082.
    Die Autoren berichten vier alternative Regressionsmodelle, wovon die ersten drei Modelle das berichtete “adjusted R2” von 0,496 aufweisen. Das vierte Modell, in dem die in Abschnitt 6.1.3.1. als problematisch bezeichnete Variable “Branchenübliches Einkommen” eliminiert wurde, hat ein korrigiertes Bestimmtheitsmaß von 0,355. Die Parallelität der Ergebnisse der Studie von Coughlan/Narasimhan und der eigenen Untersuchung sind dabei äußerst erstaunlich: Bei gleicher Variablenzahl ergeben sich fast identische korrigierte R2-Werte von etwa 0,5. Siehe Coughlan/Narasimhan, Empirical Analysis (1992), S. 111.Google Scholar
  157. 1083.
    John/Weitz rechnen ihr Regressionsmodell mit vier unabhängigen Variablen, von denen nur eine signifikant ist. Vgl. John/Weitz, Empirical Evidence (1988), S. 14 und S. 22. Der niedrige Wert des korrigierten Bestimmtheitsmaßes ist wohl darauf zurückzuführen, daß Brancheneffekte in dieser Querschnittsanalyse unberücksichtigt blieben.Google Scholar
  158. 1084.
    Tendenziell zeigt sich das gleiche Ergebnis in den Studien von Coughlan/Narasimhan und John/Weitz, wobei die Operationalisierungen des Faktors “Unsicherheit der Umwelt” in beiden Untersuchungen nicht signifikante Koeffizienten aufweisen. Vgl. Tab. 19 in Abschnitt 6.1.3.1. sowie Coughlan/Narasimhan, Empirical Analysis (1992), S. 111; John/Weitz, Empirical Evidence (1988), S. 22.Google Scholar
  159. 1085.
    Vgl. Albers, Entlohnung bei Verkaufsautiendicnstmitarbeitern (1993).Google Scholar
  160. 1086.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 111. Die Unternehmenszugehörigkeit erweist sich dagegen als signifikant positivGoogle Scholar
  161. 1087.
    sofern die Variable “Branchenübliches Einkommen” nicht aus der Regression eliminiert wird.Google Scholar
  162. 1088.
    Ein direkter Vergleich mit bisherigen empirischen Befunden ist aufgrund abweichender Operationalisierungen nicht möglich. Zwar messen Coughlan/Narasimhan die Effektivität auch über Dummy-Variablen, die den Erfahrungsstand der VADM wiedergeben und sich bei positiven Koeffizienten als hoch signifikant erweisen. Erfahrung ist aber allgemeiner definiert als “bisherige Verkaufserfahrung”, die nicht zwangsläufig außerhalb des Unternehmens gesammelt worden sein muß. Insofern sind die Dummies der Autoren eine Zusammensetzung aus Unternehmenszugehörigkeit und früherer Verkaufserfahrung. Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 106.Google Scholar
  163. 1089.
    Siehe Coughlan/Narasimhan, Empirical Analysis (1992), S. 111, sowie die Übersicht in Tab. 3 mit den Ergebnissen dieser Studie.Google Scholar
  164. 1090.
    Die Untersuchung von John/Weitz, die in Abschnitt 6.1.3.1. erörtert wurde, zeigte bezüglich dieser Variablen ebenfalls einen hochsignifikanten positiven Einfluß. Siehe John/Weitz, Empirical Evidence (1988), S. 22, sowie Tab. 3 in Abschnitt 6.1.3.1.Google Scholar
  165. 1091.
    Sofern die Variable “Branchenübliches Einkommen” entfernt wird, sinkt der R2-Wert von 54,7% auf 35,5% (F-Wert 6,18 statt 12,21). Die zweitstärkste Änderung resultiert aus der Elimination der Variablen “Unsicherheit”, die zu einer Reduktion des R2 auf 51,4% (F-Wert 11,9) führt. Sofern der Eintlußfaktor “Bildungsniveau” ausgeschlossen wird, sinkt das Bestimmtheitsmaß auf 52,1% (F-Wert 12,2). Im übrigen bleibt die Reihenfolge der relativen Bedeutung der signifikanten Variablen gleich.Google Scholar
  166. 1092.
    Es kann auch umgekehrt argumentiert werden, daß höhere (niedrigere) Einkommen risikofreudige (risikoaverse) Reisende anziehen. Zur Lotteriefrage und den sechs Kategorien der Risikohaltung von VADM siehe Abschnitt 6.2.2.2.Google Scholar
  167. 1093.
    Die TCA liefert jedoch keine Hypothese zum Einfluß Transaktionsspezifischer Kenntnisse und Fertigkeiten auf die Einkommenshöhe.Google Scholar
  168. 1094.
    Entsprechend erhalten nach Maßgabe des Regressionsmodells Reisende von VAD, in denen nur VADM mit Abitur angestellt sind, DM 10.600 mehr als in VAD mit ausschließlich Haupt-zweite Operationalisierung des Mindestnutzens der Reisenden zeigte den größten Einfluß auf die Höhe des Jahreseinkommens. Das Ergebnis des Regressionsmodells in Tab. 71 ist zum einen so zu interpretieren, daß mit einem Anstieg des branchenüblichen Einkommens um DM 1 ein um etwa DM 0,73 höheres Einkommen verbunden ist. Zum anderen kann das Ergebnis so interpretiert werden, daß VAD-Leiter nach Maßgabe des Regressionsmodells die Einkommenshöhe ihrer Reisenden so festlegen, daß sie ihnen als Basis knapp 73% des branchenüblichen Einkommens gewähren. Je nach Unsicherheit der Umwelt sowie Effektivität und Bildung der Reisenden des VAD fällt dann das durchschnittliche Einkommen höher aus. Mit zunehmender Risikoaversion wird den Reisenden dagegen ein geringeres Einkommen gezahlt. schillern. Die Differenz erhöht sich auf DM 15.900 bzw. DM 21.200 für VAD, in denen nur Reisende mit Fachhochschul-bzw. Universitätsabschluß arbeiten. Zur Berechnung des Bildungsniveau-Index siehe Abschnitt 6.2.2.2.Google Scholar
  169. 1095.
    Vgl. zu diesem Punkt die Ausführungen in den Abschnitten 3.3.1.2. und 5.2.1.2.Google Scholar
  170. 1096.
    Zur Selektion der Beobachtungen vgl. Abschnitt 7.3.1.Google Scholar
  171. 1097.
    Der Branchendummy der “Konsumgüterbranche” zeigt eine Korrelation von -0,705 mit der Variablen “Branchenübliches Einkommen” und von -0,593 mit dem durchschnittlichen matrix sowie der Toleranzen einer vorläufigen Multiplen Linearen Regressionsanalyse zeigt, daß vier der 21 Variablen auf ernsthafte Multikollinearität schließen lassen. So werden die Variablen “Unternehmensspezifische Kenntnisse und Fertigkeiten” bzw. “Produktspezifische Kenntnisse und Fertigkeiten” als Maße der Transaktionsspezifität von Reisenden eliminiert, da sie einige nennenswerte Interkorrelationen1Ö98 sowie Toleranz-Werte von 0,2486 bzw. 0,1644 aufweisen. Von den Operationalisierungen des Konstruktes “Investitionen in Reisenden” wird die Variable “Dauer der Einarbeitung” entfernt, die neun Korrelationen über 0,3 aufweist, wovon zwei absolut größer 0,7 sind. Auch die Toleranz von 0,1970 deutet auf Multikollinearität hin. Das Produkt der Variablen “Unsicherheit” und “Ersetzbarkeit”, das den gleichnamigen Interaktionseffekt abbildet, erweist sich ebenfalls als problematisch und wird daher nicht in den empirischen Test einbezogen.1099 Trotz der hohen Zahl von 17 verbleibenden Variablen sind zwischen diesen Regressoren überwiegend nur moderate bzw. geringe Interkorrelationen festzustellen. Da auch die Toleranz-Werte der im weiteren analysierten Variablen akzeptabel sind, wird davon ausgegangen, daß keine ernsthafte Multikollinearität gegeben ist. 100Google Scholar
  172. 1098.
    Bildungsniveau“. Die effektkodierten Branchendummies weisen außerdem vier weitere Interkorrelationen von r > 0,4 und sieben von 0,4 > r > 0,3 auf.Google Scholar
  173. 1099.
    Diese Variablen sind zum einen untereinander sehr hoch korreliert (0,760), zum anderen zeigen die Variablen “kundenspezifische” bzw. “produktspezifische Kenntnisse und Fertigkeiten” vier bzw. sechs Interkorrelationen von 0,4 > r > 0,3 sowie fünf bzw. vier Interkorrelationen, die absolut größer 0,4 sind. Zu den Interkorrelationen siehe Tab. 70 im Abschnitt 7.3.1.1.Google Scholar
  174. 1100.
    Neben den zu erwartenden hohen Korrelationen des Interaktionseffektes mit den Variablen “Unsicherheit” (+0,433) und “Ersetzbarkeit” (0,864) sind je drei weitere Korrelationen größer 0,4 bzw. zwischen 0,3 und 0,4 zu beobachten. Die Toleranz des InteraktionselTektes von 0,0372 ist ebenfalls als sehr problematisch anzusehen.Google Scholar
  175. 1101.
    Die in Abschnitt 7.1. diskutierte Faustregel zur Toleranz, daß keine multiple Korrelation der Regressoren die multiple Korrelation des Regressanden mit den Regressoren überschreiten sollte (hier 0,566), wird insbesondere von den Variablen “Bildungsniveau” (Toleranz = 0,5635) und “Branchenübliches Einkommen” (0,5610) verletzt. Da ein wechselseitiges Entfernen dieser Variablen nicht zu bedeutenden Änderungen der Regressionsergebnisse führt, werden diese Variablen dennoch in die weiteren Berechnungen einbezogen.Google Scholar
  176. 1102.
    In der eigenen Untersuchung schwanken die fixen Entlohnungsanteile sogar nur zwischen 17% und 100%, wobei die Standardabweichung vom Mittelwert (76,23%) 18% beträgt. Vgl. Wittink, Regression Analysis (1988), S. 160.Google Scholar
  177. 1103.
    Bereits in Abschnitt 6.2.2.1. wurde auf die Transformation der Variablen Festgehaltsanteil hingewiesen. Siehe dort insbesondere Gleichung (13) und (14).Google Scholar
  178. 1104.
    Diese Eigenschaften verdeutlicht insbesondere Abb. 22 in Abschnitt 7.1.Google Scholar
  179. 1105.
    Daß das tatsächliche Signifikanzniveau von 0,071 nur knapp oberhalb des kritischen 5%-Niveaus bleibt, ist damit zu begründen, daß der K-S-Test die absolut größte Abweichung der beobachteten von der idealtypischen Verteilung als Teststatistik untersucht. Ein Histogramm der standardisierten Residuen zeigt, daß die Abweichung von der Normalverteilung im großen und ganzen unwesentlich ist.Google Scholar
  180. 1106.
    Für das Regressionsmodell mit der nicht transformierten abhängigen variablen beträgt der höchste Wert des Maßes “Cook’s distance” 0,174, der im F-Test nicht signifikant ist (Signifikanzniveau 0,999). Für die LOGIT-Regression beträgt die maximale Distanz sogar nur 0,099 (Signifikanzniveau 1,000).Google Scholar
  181. 1107.
    Die geschätzten Werte variieren zwischen 0,33 und 1,02, wobei das Hauptintervall im Bereich von 0,6 bis 0,9 liegt. Nur 14 der 136 geschätzten Werte liegen außerhalb dieses Intervalls.Google Scholar
  182. 1108.
    Es handelt sich dabei um die Verbesserung der Likelihood des TOBIT-Modells gegenüber dem Null-Modell. Dieser Wert des Likelihood-Quotienten-Tests ist dem 10 linearer Regressions-modelle ähnlich. Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110.Google Scholar
  183. 1109.
    Vgl. John/Weitz, Empirical Evidence (1988), S. 23.Google Scholar
  184. 1110.
    Vgl. John/Weitz, Empirical Investigation (1989), S. 9.Google Scholar
  185. 1111.
    Vgl. Outland/Lal/Staelin, Empirical Test (1990), S. 27.Google Scholar
  186. 1112.
    Die Variable “Substituierbarkeit der Produkte” weist imGoogle Scholar
  187. 1113.
    LOGIT-Modell einen fast schwach signifikanten Einfluß auf (Signifikanzniveau 0,1067), der ebenfalls entgegen der postulierten Richtung ist.Google Scholar
  188. 1114.
    Keine signifikanten Einflüsse berichten John/Weitz, Empirical Evidence (1988), S. 14 und S. 23; John/Weitz, Empirical Investigation (1989), S. 9. Hypothese Fl wird widerlegt in der Studie von Coughlan/Narasimhan, Empirical Analysis (1992), S. 110 in Verbindung mit S. 117. Eine Bestätigung des postulierten Zusammenhangs ist dagegen in dem schwach signifikanten positiven Einfluß zu sehen, den Outland/Lal/Staclin, Empirical Test (1990), S. 27, beobachten.Google Scholar
  189. 1115.
    Ähnlich wurde bereits weiter oben im Rahmen des Hypothesentests zur Einkommenshöhe von Reisenden argumentiert. Siehe Abschnitt 7.3.1.2.Google Scholar
  190. 1116.
    Vgl. Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993), S. 16; Moorthy, Theoretical Modeling (1993), S. 95 f.Google Scholar
  191. 1117.
    Die Ergebnisse dieser Untergruppenanalysen sind im Anhang als Abb. A.S. wiedergegeben.Google Scholar
  192. 1118.
    Der Beta-Wert der Variablen “Kunden je Mitarbeiter” beträgt 0,3036 und ist signifikant bei einer Irrtumswahrscheinlichkeit von weniger als 5%. Die Teilstichprobe der VAD, in denen die Reisenden als risikoavers eingeschätzt wurden, umfaßt 32 Beobachtungen.Google Scholar
  193. 1119.
    Da sich bei unterstellter Risikoneutralität oder -freude die postulierten Hypothesen in ihrer Richtung umkehren, ware nach Maßgabe der PAT ein positiver Koeffizient der Variablen “Kunden je Mitarbeiter” zu erwarten gewesen.Google Scholar
  194. 1120.
    Vgl. Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993).Google Scholar
  195. 1121.
    Vgl. John/Weitz, Empirical Investigation (1989), S. 9.Google Scholar
  196. 1122.
    Es wurde auch untersucht, ob ein nichtlinearer, umgekehrt U-förmiger Zusammenhang von VAD-Größe und Festgehaltsanteil besteht. Sofern zur Abbildung dieses nichtlinearen Effekts die quadrierte VAD-Größe zusätzlich in das Regressionmodell einbezogen wird, weist zwar die VAD-Größe einen hoch signifikanten positiven und der quadrierte Term einen hoch signifikanten negativen Koeffizienten auf, die beiden Variablen sind aber auch extrem multikollinear bei Toleranzen um 0,1. Aus den Koeffizienten des umgekehrt U-förmigen Zusammenhangs kann jedoch die kritische VAD-Größe von 147 Reisenden ausgerechnet werden, bis zu der ein Anstieg des Festgehalts zu verzeichnen ist. Sofern zwei getrennte Variablen in die Regression einbezogen werden, die die tatsächliche VAD-Größe bis bzw. ab 147 Reisende abbilden, zeigt sich ein positiver bzw. negativer Zusammenhang mit dem Festgehaltsanteil, der aber jeweils nicht signifikant ist. In Tab. 73 wird daher nur der direkte Effekt der VAD-Größe wiedergegeben.Google Scholar
  197. 1123.
    Vgl. Abschnitt 5.1. in dieser Arbeit.Google Scholar
  198. 1124.
    Vgl. Leibenstein, “X-Efficiency” (1966), S. 413; Curwen, The Theory of the Firm (1976), S. 133. Siehe auch die Diskussion bei John/Weitz, Empirical Investigation (1989), S. 4.Google Scholar
  199. 1125.
    John/Weitz, Empirical Investigation (1989), S. 9, hatten einen nicht signifikanten theoriekonformen Einfluß der Variablen “Ersetzbarkeit von VADM” berichtet.Google Scholar
  200. 1126.
    Die Anregung zu dieser Begründung gab die Lektüre des klassischen Aufsatzes von Akerlof, The Market for “Lemons” (1970), in dem ähnliche Marktentwicklungen für Gebrauchtwagen-Märkte beschrieben werden. Siehe ebenda, S. 489 f.Google Scholar
  201. 1127.
    Vgl. John/Weitz, Empirical Investigation (1989), S. 9 f.Google Scholar
  202. 1128.
    Ebenfalls ein positives, nicht signifikantes Ergebnis berichten John/Weitz, Empirical Investigation (1989), S. 9 f., wobei die Dauer der Erstschulung bezüglich der Kunden und Produkte des Unternehmens als Maß des Konstruktes diente. Ebenda, S. 7.Google Scholar
  203. 1129.
    Die Toleranz-Werte der Variablen “Kosten des laufenden Trainings” bzw. “Kosten der Erstschulung in allgemeinen Verkaufsfertigkeiten” von 0,8565 bzw. 0,6927 deuten auf moderate Multikollinearität hin. Sofern die Variablen wechselweise aus dem Regressionsmodell entferntGoogle Scholar
  204. 1130.
    Wie oben festgestellt wurde, liefert das Modell der nicht transformierten abhängigen Variablen dennoch unverzerrte Parameterschätzer, d.h. nur die inferenzstatistische Aussagekraft des OLSModells ist aufgrund der eventuell nicht erfüllten multivariaten Normalverteilung der Residuen unklar.Google Scholar
  205. 1131.
    Zur Operationalisierung und der Eignung der Meßmethode vgl. Abschnitt 6.2.2.2.Google Scholar
  206. 1132.
    Vgl. Outland/Lal/Staelin, Empirical Test (1990), S. 27. Wie schon in Abschnitt 6.2.2.2. erörtert wurde, wird die Operationalisierung der Risikohaltung über sechs Items (Cronbachs a=0,57) als problematisch angesehen. In Übereinstimmmung mit der einschlägigen Literatur wird der Lotteriefrage-Technik dagegen eine höhere Validität zugeschrieben. Vgl. MacCrimmon/ Wehrung, Taking Risks (1986), S. 196 ff. und S. 216 ff.Google Scholar
  207. 1133.
    Vgl. MacCrimmon/Wehrung, Taking Risks (1986), S. 196 ff. und S. 216 ff.Google Scholar
  208. 1134.
    Die Nicht-Signifikanz des Koeffizienten der Untergruppe “risikofreudige Reisende” ist dabei eher auf die sehr kleine Teilstichprobe von 48 Beobachtungen zurückzuführen.Google Scholar
  209. 1135.
    Der Beta-Koeffizient der risikofreudigen Beobachtungen von 0,1854 ist von der absoluten Höhe als bedeutend anzusehen. Ein Vergleich mit Beta-Koeffizienten der gesamten Stichprobe zeigt, daß dort auch deutlich kleinere Parameter signifikant sind. Vgl. Tab. 73 und Abb. A.5. im Anhang.Google Scholar
  210. 1136.
    Sofern Risikofreude der Reisenden unterstellt wird, kehren sich die unterstellten Wirkungen der Unsicherheit und der Risikoaversion von Reisenden auf den Festgehaltsanteil um. Siehe Albers, Entlohnung bei Verkaufsaußendienstmitarbeitem (1993), S. 16.Google Scholar
  211. 1137.
    Vgl. Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993), S. 19, sowie Abb. 4 dort im Anhang.Google Scholar
  212. 1138.
    In der LOGIT-Regression ist ein hoch signifikanter Beta-Koeffizient von -0,2283 zu beobachten, in der OLS-Regression fällt der Koeffizient etwa gleich hoch aus (-0,1883), ist aber nur im 5%-Intervall signifikant (Signifikanzniveau 1,93%).Google Scholar
  213. 1139.
    Die Variablen “Erfahrung im Verkauf vor Eintritt in das Unternehmen” und “Unternehmenszugehörigkeit” weisen Toleranzen von 0,8323 und 0,7518 auf sowie eine Interkorrelation von 0,1658. Diese moderaten Werte stellen zwar keine Anzeichen für Multikollinearität dar, es wurden aber trotzdem beide Variablen wechselweise aus dem Logit-und OLS-Modell entfernt. Diese alternativen Regressionsanalysen zeigen keine nennenswerten Unterschiede in den Vorzeichen, Intensitäten und Signifikanzniveaus der beiden Variablen.Google Scholar
  214. 1140.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110, wobei die Autoren die Variable “SERVICE” als Operationalisierung des Mindestnutzens der Reisenden ansehen. Zur Problematik und Beurteilung dieser Zuordnung siehe Abschnitt 6.1.3.1. und 6.2.2.2.Google Scholar
  215. 1141.
    Die Rolle des Fixums als Anreizinstrument wurde ausführlich in Abschnitt 5.2.1.2. erörtert. Vgl. auch Coughlan/Narasimhan, Empirical Analysis (1992), S. 97. Albers/Krafft, Steuerungssysteme (1992), S. 28 f., berichten, daß etwa 10% der befragten Unternehmen Festgehaltsänderungen je nach Erreichung von Zielvorgaben vornehmen, also das Fixum zur Leistungsmotivation einsetzen.Google Scholar
  216. 1142.
    Der altersbasierte Effektivitätsindex wurde in Abschnitt 6.2.2.2. ausführlich diskutiert. 1143 Vgl. Outland/Lal/Staelin, Empirical Test (1990), S. 16.Google Scholar
  217. 1144.
    Vgl. John/Weitz, Empirical Evidence (1988), S. 14 und S. 23.Google Scholar
  218. 1145.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110 ff.Google Scholar
  219. 1146.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110 ff.Google Scholar
  220. 1147.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110 ff. Während John/Weitz, Empirical Evidence (1988), S. 14 und S. 23, einen nicht signifikanten positiven Einfluß der Variablen “minimales Einkommen im VAD” berichten, eliminieren Outland/LaVStaelin, Empirical Test (1990), S. 15, die Operationalisierung des Mindestnutzens, da diese Variable offensichtlich einen nicht erwarteten Effekt zeigte.Google Scholar
  221. 1148.
    Die beiden Operationalisierungen des Konstrukts “Mindestnutzen” weisen mit Toleranzen von 0,5635 bzw. 0,5610 und einer Interkotrelation von 0,5019 auf Multikollinearität hin. Sofern die Variablen im Wechsel aus dem Regressionsmodell entfernt werden, ändern sich die Koeffizienten und deren Fehlerterme nur unwesentlich, so daß Multikollinearität als Begründung der konträren Befunde entfällt.Google Scholar
  222. 1149.
    Empirisch kann dieses belegt werden durch die in Tab. 23 berichteten mittleren Einkommen und Festgehaltsanteile. Die überdurchschnittlich gut verdienenden Reisenden der Investitionsgüter-bzw. der Leasingbranche erzielen mit 74,9% bzw. 65,8% nur unterdurchschnittlicheGoogle Scholar
  223. 1150.
    Festgehaltsanteile, während die Reisenden der Konsumgüter-bzw. Pharmabranche zwar unterdurchschnittliche Einkommen aufweisen, aber auch über dem Mittelwert von 76,2% liegende Festgehaltsanteile von 77,7% bzw. 82,9%.Google Scholar
  224. 1151.
    Aus Tab. 56 wird ersichtlich, daß dieser Interaktionseffekt in der LOGIT-Regression den diskutierten positiven Koeffizienten aufweist, während die OLS-Regression zur Schätzung eines negativen Koeffizienten führt. Da die Signifikanzniveaus der Koeffizienten von 0,8895 und 0,8451 zeigen, daß beide Parameter einen Einfluß von 0 haben, wird diesem Vorzeichen-Unterschied geringe Bedeutung beigemessen.Google Scholar
  225. 1152.
    Vorzeichenunterschiede zwischen den alternativen Modellen sind nur bezüglich des Interaktionseffektes “Output als Leistungsmaß ungeeignet, Input geeignet” festzustellen, wobei der absolute Unterschied der Koeffizienten nicht einmal 0,03 beträgt. Hinsichtlich der relativen Bedeutung der Einflußfaktoren zeigt sich in der OLS-Regression eine größere Bedeutung des “branchenüblichen Einkommens” gegenüber der “Unternehmenszugehörigkeit”. Außerdem ist der Schätzer des OLS-Modells für die “Kosten des laufenden Trainings” signifikant und zeigt einen höheren Einfluß als im LOGIT-Modell. Zu den exakten Werten siehe Tab. 73.Google Scholar
  226. 1153.
    Die deutlich höheren Koeffizienten des LOGIT-Modells sind darauf zurückzuführen, daß das logarithmierte Verhältnis von fixer zu variabler Entlohnung stärker schwankt als der absolute Anteil des Fixums. So stellt beispielsweise eine Erhöhung des Festgehaltsanteils von 0,5 auf 0,6 eine geringere absolute Änderung dar als von In(0,5/0,5)=0 zu In(0,6/0,4)=0,4055.Google Scholar
  227. 1154.
    Strenggenommen können die Regressionskoeffizienten nur in bezug auf Merkmale des gesamten VAD interpretiert werden, da auch die zugrundeliegende Befragung auf der Ebene des gesamten VAD durchgeführt wurde. Nach Ansicht des Autors bietet die folgende Interpretation der VAD-Leitung aber zumindest Anhaltspunkte darüber, wie z.B. eine längere Unternehmenszugehörigkeit oder ein höherer Bildungsabschluß durchschnittlich honoriert wird.Google Scholar
  228. 1155.
    Diese Variable wurde aus der Summe der Nennungen zu drei Items gebildet.Google Scholar
  229. 1156.
    Zum Wortlaut dieser Fragen siehe Abschnitt 6.2.3.Google Scholar
  230. 1157.
    Erwähnenswert ist die Änderung des Koeffizienten der Variablen “Ersetzbarkeit von Reisenden”, der im LOGIT-Gesamtmodell einen signifikanten Einfluß zeigt, im reduziertenGoogle Scholar
  231. 1158.
    Die reduzierten Modelle können zum direkten Vergleich mit den Ergebnissen der weiter oben diskutierten bisherigen Studien verwendet werden, die auch nur reduzierte Modelle des hier getesteten Gesamtmodells sind. Für einen gemeinsamen Hypothesentest der als komplementär angesehenen PAT und TCA, der hier erstmals durchgeführt wird, ist aufgrund leichter Multikollinearität nur das Gesamtmodell geeignet.Google Scholar
  232. 1159.
    Zum partiellen F-Test siehe Hanssens/Parsons/Schultz, Market Response Models (1989), S. 78 ff.; Norutis, Statistics (1990), S. B-96 f.; Wittink, Regression Analysis (1988), S. 262 f. Im Statistik-Programm SPSS wird der partielle F-Test als “F Change” ausgewiesen.Google Scholar
  233. 1160.
    Das Signifikanzniveau des F-Wertes ist 0,5287. Provisionsstaffeln sind dabei nicht unumstritten, da sie nichtlineare EntlohnungsGoogle Scholar
  234. 1161.
    Vgl. Albers, Steuerung von Handelsvertretern (1984), S. 27.Google Scholar
  235. 1162.
    Vgl. Basu/Kalyanaram, Linear versus Nonlinear (1990), S. 174 f.Google Scholar
  236. 1163.
    In Abschnitt 6.2.2.1. dieser Arbeit wurde berichtet, daß von 101 Unternehmen, die ihre Reisenden auch über Provisionen entlohnen, mehr als 40% nichtlineare Provisionssysteme einsetzen.Google Scholar
  237. 1164.
    In der Arbeit von John/Weitz, Empirical Evidence (1988), wurde nur überprüft, ob die Hypothesen der PAT zum Provisions-Parameter B der Entlohnungsfunktion s(x)=(A+B*x)(1/(18) einer empirischen Überprüfung standhalten. Das dort getestete Regressionsmodell erwies sich zum einen als insgesamt nicht signifikant und ist daher nicht interpretierbar.Google Scholar
  238. 1165.
    Zum anderen unterstellen die Autoren implizit eine einheitliche Risikotoleranz von (1/(1–8))= 2 für alle Beobachtungen, was bei der Heterogenität ihrer Querschnittsstudie aus Sicht des Verfassers eine gewagte Annahme ist. Vgl. John/Weitz, Empirical Evidence (1988), S. 9, S. 14 und S. 22.Google Scholar
  239. 1166.
    Die Toleranzen wurden mit Hilfe einer Multiplen Linearen Regression ermittelt. Die höchste Multikollinearität ist dabei für die Variablen “Unsicherheit” und “Brancheneinflüsse” mit Toleranzen von 0,7004 und 0,7501 festzustellen. Diese Toleranzwerte sind aber als unproblematisch anzusehen.Google Scholar
  240. 1167.
    Siehe dazu insbesondere Tab. 44 in Abschnitt 7.1.Google Scholar
  241. 1168.
    Die Devianz wird unter der Nullhypothese getestet, daß das aufgestellte Regressionsmodell eine perfekte Anpassung besitzt. Während niedrige Signifikanzniveaus der Devianz von 0,1 zum Verwerfen des gesamten getesteten Modells führen, deuten hohe Signifikanzniveaus auf eine gute Anpassung hin.Google Scholar
  242. 1169.
    m Beitrag von Anderson/Coughlan, Independent or Integrated Channels (1987), S. 78, wird selbst ein Signifikanzniveau der Goodness-of-Fit-Statistik von 0,2 noch als gut angesehen.Google Scholar
  243. 1170.
    Vgl. Urban, Logit-Analyse (1993), S. 62 f., der Pseudo-R2-Werte von 0,2 bis 0,4 als gut ansieht.Google Scholar
  244. 1171.
    Von 35 Unternehmen der Industriegüterbranche, die Angaben zum Provisionssatzverlauf machten, setzen 28 Unternehmen konstante Provisionssysteme ein.Google Scholar
  245. 1172.
    Die Fragen der Volatilitäts-Skala erfaßten bekanntlich die Variationsbreite der Umsatz-und Marktvolumensentwicklung sowie die Abweichungen der tatsächlichen Verkaufserfolge von den Soll-Werten. Zum genauen Wortlaut und zur Konstruktvalidierung siehe Abschnitt 6.2.3.Google Scholar
  246. 1173.
    Auf diese Schwäche nichtlinearer Entlohnungssysteme wiesen bereits Holmström/Milgrom, Aggregation and Linearity (1987), S. 305, hin. Vgl. auch Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993), S. 5 und S. 9.Google Scholar
  247. 1174.
    Die Kategorie “sehr risikoavers” ist mit sieben Beobachtungen nur sehr schwach besetzt, so daß dem konträren Befund nur geringes Gewicht beigemessen werden kann.Google Scholar
  248. 1175.
    Sofern die beiden Risikofreude-Kategorien und die drei Antwortmöglichkeiten zur Risikoaversion zu einer Dummy-Variablen zusammengefaßt werden, erweist sich der Risikofreude-Parameter ebenfalls als signifikant und zeigt das erwartete Vorzeichen, während der Risikoaversions-Koeffizient zwar negativ, aber ohne signifikanten Einfluß auf die Wahl des Provisionssystems ist.Google Scholar
  249. 1176.
    Da zwischen den Risikoeinstellungs-Kategorien gleiche monetäre Abstände von DM 5.000 bestehen, kann die Risikohaltung auch als eine Variable einbezogen werden, wobei die einzelnen Kategorien kodiert wurden als -2 (“risikofreudig”), -1 (“eher risikofreudig”), 0 (“risikoneutral”), 1 (“eher risikoavers”), 2 (“risikoavers”) und 3 (“sehr risikoavers”).Google Scholar
  250. 1177.
    Diese Variable zeigte das erwartete negative Vorzeichen, erwies sich aber als nicht signifikant bei einer Irrtumswahrscheinlichkeit vort 0,1768.Google Scholar
  251. 1178.
    sowie eine abschließende Zusammenfassung der zentralen Befunde (7.4.1.3.).Google Scholar
  252. 1179.
    Die TCA liefert keine Hinweise zur Vorteilhaftigkeit bestimmter Bezugsgrößen der Entlohnung von Reisenden.Google Scholar
  253. 1180.
    Siehe z.B. Simon, Preismanagement (1992), S. 651 f.; Stephenson/Cron/Frazier, Delegating Pricing Authority (1979), S. 21 ff.; Walker/Churchill/Ford, Motivation and Performance (1977), S. 156 ff.; Zarth, Preisgespräch (1981), S. 111.Google Scholar
  254. 1181.
    Vgl. Stephenson/Cron/Frazier, Delegating Pricing Authority (1979).Google Scholar
  255. 1182.
    Dazu wurde das im folgenden diskutierte Logistische Regressionsmodell zum einen mit den Gruppen “keine” versus “begrenzte Preisfestsetzungskompetenz” gerechnet, zum anderen mit den Gruppen “keine” versus “begrenzte bzw. umfangreiche Preisfestsetzungskompetenz”. Ein Vergleich der beiden alternativen Analysen zeigt, daß sowohl die Güte der Modelle als auch die Struktur der Koeffizienten hinsichtlich Richtung, Intensität und Signifikanz fast identisch sind.Google Scholar
  256. 1183.
    Vgl. Zentes, Verkaufsmanagement (1986), S. 21 ff.Google Scholar
  257. 1184.
    Vgl. auch Simon, Preismanagement (1992), S. 651.Google Scholar
  258. 1185.
    Weinberg, Control over Price (1975).Google Scholar
  259. 1186.
    Zum Wortlaut der Fragen und der Validität dieser Skala siehe Abschnitt 6.2.3.Google Scholar
  260. 1187.
    Siehe Stephenson/Cron/Frazier, Delegating Pricing Authority (1979), S. 21.Google Scholar
  261. 1188.
    Die “sehr risikoaversen” Beobachtungen zeigten schon im Test zum Provisionssatzverlauf ein zur sonstigen Tendenz gegenläufiges Ergebnis. Siehe Abschnitt 7.3.3.2., insbesondere Tab. 81.Google Scholar
  262. 1189.
    Vgl. Lal, Pricing Responsibility (1986), S. 162 ff.Google Scholar
  263. 1190.
    Zur Beschreibung und Validierung des Konstrukts “Informationsasymmetrie” siehe Abschnitt 6.2.3.Google Scholar
  264. 1191.
    Vgl. Simon, Preismanagement (1992), S. 648.Google Scholar
  265. 1192.
    Stephenson/Cron/Frazier, Delegating Pricing Authority (1979).Google Scholar
  266. 1193.
    Während in der zitierten Arbeit von Stephenson/Cron/Frazier der Verkaufserfolg explizit als abhängige Variable analysiert wurde, wird in der eigenen Studie unterstellt, daß die Unternehmenspraxis der Delegation von Preisfestsetzungskompetenzen optimal ist.Google Scholar
  267. 1194.
    Siehe dazu Albers, Entscheidungshilfen (1989), S. 337 f. und S. 427; Churchill/Ford/Walker, Sales Force Management (1993), S. 706 f.; Still/Cundiff/Govoni, Sales Management (1988), S. 537 und S. 549 fGoogle Scholar
  268. 1195.
    Diese und weitere Gründe wider den Einsatz von Quoten finden sich bei Still/Cundiff/Govoni, Sales Management (1988), S. 553.Google Scholar
  269. 1196.
    Im einzelnen sind dies die Arbeiten von Lal/Staelin, Asymmetric Information (1986), und von Rao, Compensating Heterogenous Salesforces (1990).Google Scholar
  270. 1197.
    LaI/Staelin, Asymmetric Information (1986).Google Scholar
  271. 1198.
    Rao, Compensating Heterogenous Salesforces (1990).Google Scholar
  272. 1199.
    Die “Heterogenität des VAD” wurde direkt mit Hilfe einer Frage zur Leistungsstruktur erhoben und in einen Heterogenitätsindex überführt, der Werte zwischen 0 und 100 annehmen kann. Der Wortlaut der Frage sowie die Berechnung des Heterogenitätsindex sind in Abschnitt 6.2.2.2. wiedergegeben.Google Scholar
  273. 1200.
    Die Variablen “Informationsasymmetrie zugunsten der Reisenden” und “Output und Input als Leistungsmaß ungeeignet” wurden über summative Skalen gemessen, weil objektive Indikatoren der Informationsasymmetrie bzw. des Interaktionseffektes nicht ermittelt werden konnten. Vgl. zur Operationalisierung und Konstruktvalidierung Abschnitt 6.2.3. der vorliegenden Arbeit.Google Scholar
  274. 1201.
    Die Mittelwerte (Standardabweichungen) der Variablen über alle Reisenden-Beobachtungen sind: “Einsatz von Zielvorgaben” 0,68 (0,47), “Heterogenität des VAD” 26,43 (19,39)Google Scholar
  275. 1202.
    Informationsasymmetrie zugunsten der Reisenden“ 13,19 (3,81) und ”Output und Input als Leistungsmaß ungeeignet“ 0,43 (0,18).Google Scholar
  276. 1203.
    Für den reduzierten Datensatz ergeben sich folgende Lagemaße: “Einsatz von Zielvorgaben” 0,72 (0,45), “Heterogenität des VAD” 26,54 (19,75), “Informationsasymmetrie zugunsten der Reisenden” 13,05 (3,71) und “Output und Input als Leistungsmaß ungeeignet” 0,42 (0,18).Google Scholar
  277. 1204.
    So z.B. Anderson/Coughlan, Independent or Integrated Channels (1987), S. 78, die ein Signifikanzniveau von 0,205 als “reasonable” beurteilen.Google Scholar
  278. 1205.
    Diese Differenz wird teilweise in der Literatur sowie in der SPSS-Prozedur “LOGISTIC REGRESSION” als “Model Chi-Square” bezeichnet.Google Scholar
  279. 1206.
    Wenn nach Urban Werte von 0,2 bis 0,4Google Scholar
  280. 1207.
    als gut beurteilt werden, ist der hier resultierende Werte von 15,14% als “noch gut”Google Scholar
  281. 1208.
    zu bezeichnen. Vgl. Urban, Logit-Analyse (1993), S. 62 f.Google Scholar
  282. 1209.
    Vgl. z.B. Still/Cundiff/Govoni, Sales Management (1988), S. 553, die als Begründung anführen, daß Potential-und Vorgabenschätzungen in der Industriegüterbranche schwierig sind. Statt verläßlicher Schätzungen (“estimates”) muß die VAD-Leitung in dieser Branche nach Ansicht der Autoren häufiger subjektive Quoten (“guesstimates”) vorgeben.Google Scholar
  283. 1210.
    Lal/Staelin, Asymmetric Information (1986).Google Scholar
  284. 1211.
    Rao, Compensating Heterogenous Salesforces (1990).Google Scholar
  285. 1212.
    Siehe dazu die Einführung zu Abschnitt 7.4.2. sowie Still/Cundiff/Govoni, Sales Management (1988), S. 553.Google Scholar
  286. 1213.
    Schon Bäcker, Evaluierung der Leistungen (1975), beklagt “… das mitGoogle Scholar
  287. 1214.
    Zum genauen Wortlaut der Fragen und der Güte des gebildeten Konstrukts vgl. Abschnitt 6.2.3.Google Scholar
  288. 1215f.
    Vgl. Willer, Unternehmerische Motivation (1993), S. 66Google Scholar
  289. 121.
    Vgl. Albers, Entscheidungshilfen (1989), S. 245.Google Scholar
  290. 1217.
    Siehe dazu die in Abschnitt 6.2.2.2. berichtete Verteilung der wahrgenommenen Risikopräferenzen von Reisenden.Google Scholar
  291. 1218.
    Vgl. Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993), S. 14 ff.Google Scholar
  292. 1219.
    Vgl. Albers, Entlohnung bei Verkaufsaußendienstmitarbeitern (1993), S. 19 sowie Abb. 3 und Abb. 4 dort im Anhang.Google Scholar
  293. 1220.
    Vgl. Nunnally, Psychometric Theory (1978), S. 219 f. und S. 242.Google Scholar
  294. 1221.
    Vgl. Coughlan/Narasimhan, Empirical Analysis (1992), S. 110 ff.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1995

Authors and Affiliations

  • Manfred Krafft

There are no affiliations available

Personalised recommendations