Die vorliegende Hausarbeit zielt darauf ab, basierend auf den Daten der 45 am besten verdienenden CEOs Amerikas in den größten Unternehmen, den möglichen Zusammenhang zwischen dem Managereinkommen und dem Unternehmenserfolg zu analysieren. Außerdem soll untersucht werden, ob neben den bisher genannten Kriterien Zusammenhänge zu dem Alter der Manager und der Mitarbeiterzahl eines Unternehmens festzustellen sind.
Die vorliegende Untersuchung wurde im Rahmen des Moduls Applied Econometrics mit Hilfe des Statistikprogramms SPSS 25 angefertigt. Grundlage der Analyse bildet der Datensatz basierend auf der Veröffentlichung der USA Today vom 6. April, 2018.2 Da die darin enthaltenen Daten nicht alle möglichen Manager abdecken und wir uns für unsere Untersuchung auf die Anzahl von 45 Manager beschränkt haben, basiert die Regressionsanalyse auf einer Stichprobe. Sofern alle aus dieser Quelle veröffentlichten Daten berücksichtigt werden, beträgt der Umfang der Stichprobe 100 Fälle.
Das Streben nach der Erreichung des unternehmerischen Erfolgs, beispielsweise in Form von hohen Umsätzen und Renditen, ist für die meisten Betriebe zentrales Ziel. Die Ursachen für den Unternehmenserfolg lassen sich durch vielseitige Einflussfaktoren erklären. Fraglich ist nun, ob und inwieweit das Einkommen von Managern eine dieser Einflussfaktoren darstellt und somit eine Rolle für die Erwirtschaftung des Unternehmenserfolgs spielt.
Diesbezüglich stellt die Regressionsanalyse (im Folgenden oft als Regression bezeichnet), als wichtige Teilfunktion in der Ökonometrie, ein Modell zur Untersuchung der Art der Beziehungen zwischen einer endogenen Variable und einer oder mehreren exogenen Variablen dar. Dabei geht zusätzlich eine weiter zufällige Komponente, dem Störterm in die Modellgleichung ein.
Zunächst scheint man davon auszugehen, dass bei steigendem Gehalt des Managers eine positive Auswirkung auf den Unternehmenserfolg generiert werden kann, da dadurch beispielsweise Aspekte wie die Mitarbeiterzufriedenheit oder eine erhöhte Arbeitsmotivation gesichert werden können. Allerdings sind Mitarbeiter zwar ein fundamentaler Bestandteil und häufig auch größte erfolgbringende Komponente, jedoch stellen sie zeitgleich meist auch den größten Kostentreiber von Betrieben dar.
Inhaltsverzeichnis
1. Einleitung
2. Beschreibung des Datensatzes
2.1. Umsatz
2.2. Einkommen
2.3. Alter
2.4. Mitarbeiterzahl
3. Analyse
3.1. Grafische Evaluation des Datensatzes
3.1.1. Deskriptive Statistik
3.1.2. Häufigkeitsverteilungen (Histogramme)
3.1.3. Streudiagramme
3.2. Regressionsgleichung und Hypothesenformulierung
3.2.1. Regressionsanalyse
3.2.2. Annahmen und Hypothesen
3.3. Multiple Regression und Interpretation
3.3.1. Multiple Regression
3.3.2. Bestimmtheitsmaß
3.3.3. T-Test
3.3.4. Test der Signifikanz (t-Test)
3.3.5. F-Test (Signifikanz der Regressionsgeraden)
3.3.6. Test der Signifikanz (F-Test)
3.4. Multikollinearität
3.4.1. Korrelationsmatrix
3.5. Ausrei ßer
4. Abschlie ßende Betrachtung
5. Quellen
6. Anhang
Abbildungsverzeichnis
Abbildung 1: Histogramm - Umsatz, Quelle: eigene Darstellung, SPSS 25
Abbildung 2: Histogramm - Mitarbeiterzahl, Quelle: eigene Darstellung, SPSS 25
Abbildung 3: Histogramm - Manageralter, Quelle: eigene Darstellung, SPSS 25
Abbildung 4: Histogramm - Managereinkommen, Quelle: eigene Darstellung, SPSS 25
Abbildung 5: Streudiagramm - Zahl der Mitarbeiter/Umsatz, Quelle: SPSS Statistics 25, eigene Berechnung
Abbildung 6: Streudiagramm - Manageralter/Umsatz, Quelle: SPSS Statistics 25, eigene Berechnung
Abbildung 7: Streudiagramm - Managereinkommen/Umsatz, Quelle: SPSS Statistics 25, eigene Berechnung
Abbildung 8: Darstellung des Annahme- und Ablehnungsbereich von H0, Quelle: eigene Erstellung
Abbildung 9: Studentisierte, ausgeschlossene Residuen, Quelle: eigene Darstellung, SPSS Statistics 25
Abbildung 10: DFFIT (Standardized Difference in fitted values), Quelle: eigene Darstellung, SPSS Statistics
Abbildung 11: DFBETA (Difference in Beta), Konstante, Quelle: eigene Darstellung, SPSS Statistics 25
Abbildung 12: DFBETA (Difference in Beta), Mitarbeiterzahl, Quelle: eigene Darstellung, SPSS Statistics
Abbildung 13: DFBETA (Difference in Beta), Manageralter, Quelle: eigene Darstellung, SPSS Statistics
Abbildung 14: DFBETA (Difference in Beta), Managereinkommen, Quelle: eigene Darstellung, SPSS Statistics
Abbildung 15: Cov - 1 - Werte, Quelle: eigene Darstellung, SPSS Statistics 25
Tabellenverzeichnis
Tabelle 1: Name, Definition und Art der Variablen in SPSS
Tabelle 2: Name, Definition und Art der Variablen in SPSS
Tabelle 3: Darstellung der Koeffizienten und Variable
Tabelle 4: Darstellung der Koeffizienten und Variable
Tabelle 5: Ergebnisse der multiplen Regression in SPSS Statistics 25 - eigene Berechnung
Tabelle 6: Berechnung des Bestimmtheitsmaßes -², eigene Berechnung SPSS 25
Tabelle 7: T-Test Überprüfung - eigene Berechnung, SPSS Statistics 25
Tabelle 8: Test der Signifikanzen - eigene Berechnung, SPSS Statistics 25
Tabelle 9: Darstellung der F-Werte und Signifikanz: Eigene Berechnung, Excel Berechnung, SPSS Software
Tabelle 10: Darstellung des Vergleichs der F-Werte - eigene Excel-Berechnung, SPSS Statistics 25
Tabelle 11: Korrelationsmatrix, eigene Darstellung, SPSS Statistics 25
Tabelle 12: Regression – Zahl der Mitarbeiter (in Tsd. USD) eigene Darstellung, SPSS Statistics 25
Tabelle 13: Regression – Manageralter (in Jahren), eigene Darstellung, SPSS Statistics 25
Tabelle 14: Regression – Managereinkommen (in Mio. USD), eigene Darstellung, SPSS Statistics 25
Tabelle 15: Vergleich der VIF-Werte mit dem kritischen Wert, eigene Darstellung, SPSS Statistics 25
Tabelle 16: Vergleich der Ursprünglichen Regression mit der nach Ausreißern bereinigten Regression
Tabelle 17: zweiter Vergleich der ursprünglichen Regression mit der nach Ausreißern bereinigten Regression
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
Das Streben nach der Erreichung des unternehmerischen Erfolgs, beispielsweise in Form von hohen Umsätzen und Renditen, ist für die meisten Betriebe zentrales Ziel. Die Ursachen für den Unternehmenserfolg lassen sich durch vielseitige Einflussfaktoren erklären. Fraglich ist nun, ob und inwieweit das Einkommen von Managern eine dieser Einflussfaktoren darstellt und somit eine Rolle für die Erwirtschaftung des Unternehmenserfolgs spielt. Diesbezüglich stellt die Regressionsanalyse (im Folgenden oft als Regression bezeichnet), als wichtige Teilfunktion in der Ökonometrie, ein Modell zur Untersuchung der Art der Beziehungen zwischen einer endogenen Variable und einer oder mehreren exogenen Variablen dar. Dabei geht zusätzlich eine weiter zufällige Komponente, dem Störterm in die Modellgleichung ein.1
Zunächst scheint davon auszugehen, dass bei steigendem Gehalt des Managers eine positive Auswirkung auf den Unternehmenserfolg generiert werden kann, da dadurch beispielsweise Aspekte wie die Mitarbeiterzufriedenheit oder eine erhöhte Arbeitsmotivation gesichert werden können. Allerdings sind Mitarbeiter zwar ein fundamentaler Bestandteil und häufig auch größte erfolgbringende Komponente, jedoch stellen sie zeitgleich meist auch den größten Kostentreiber von Betrieben dar.
Die vorliegende Hausarbeit zielt darauf ab, basierend auf den Daten der 45 am besten verdienenden CEOs Amerikas in den größten Unternehmen, den möglichen Zusammenhang zwischen dem Managereinkommen und dem Unternehmenserfolg zu analysieren. Außerdem soll untersucht werden, ob neben den bisher genannten Kriterien Zusammenhänge zu dem Alter der Manager und der Mitarbeiterzahl eines Unternehmens festzustellen sind. Die vorliegende Untersuchung wurde im Rahmen des Moduls Applied Econometrics mit Hilfe des Statistikprogramms SPSS 25 angefertigt.
Grundlage der Analyse bildet der Datensatz basierend auf der Veröffentlichung der USA Today vom 6. April, 2018.2 Da die darin enthaltenen Daten nicht alle möglichen Manager abdecken und wir uns für unsere Untersuchung auf die Anzahl von 45 Manager beschränkt haben, basiert die Regressionsanalyse auf einer Stichprobe. Sofern alle aus dieser Quelle veröffentlichten Daten berücksichtigt werden, beträgt der Umfang der Stichprobe 100 Fälle.
2. Beschreibung des Datensatzes
Zum Verständnis der anschließenden Auswertungen von Analysen und Ergebnisinterpretationen, werden im Folgenden die verwendeten Variablen erläutert. Jeder der 45 Fälle beinhaltet jeweils Variablen zu dem Unternehmenserfolg, gemessen am Umsatz des Unternehmens. Dieser berechnet sich aus der Quantität der Produkte beziehungsweise verkauften Dienstleistung mal dem dazugehörigen Preis. Außerdem geben die Fälle Auskunft zu dem jeweiligen Einkommen der Manager, das dazugehörige Alter und der Mitarbeiterzahl des Unternehmens, in welchem der Manager tätig ist.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Name, Definition und Art der Variablen in SPSS
Da es sich hier um eine deutsche Hausarbeit handelt, welche sich mit amerikanischen Daten befasst, bietet es sich an, die Definitionen der Variablen, wenn möglich, auf internationaler Ebene mittels der Vorschriften laut den International Financial Reporting Standards (IFRS) vorzunehmen.
2.1. Umsatz
Gemäß IFRS 15 handelt es sich bei dem Umsatz oder den sogenannten Umsatzerlösen um die Erträge, welche das Unternehmen im Rahmen seiner gewöhnlichen Geschäftstätigkeit erwirtschaftet.3 Sie bilden die Summe der in einer Periode verkauften, mit ihren jeweiligen Verkaufspreisen bewerteten Leistungen.4
2.2. Einkommen
Das Einkommen, in diesem Kontext Gehalt, von Arbeitnehmern ist nach IFRS gemäß IAS 19 unter Löhne und Gehälter in Leistungen an Arbeitnehmern aus Arbeitgebersicht definiert.5 Zu Löhnen und Gehältern gehören sämtliche Vergütungen, welche die Belegschaft, in unserem Sinne, die Manager, aber auch Geschäftsführer sowie Mitglieder des Vorstands enthalten. Dabei ist es gleichgültig in welcher Form sie gewährt werden, ob in Sachbezügen, Aufwandsentschädigungen etc.
Das Einkommen ist der Inbegriff aller aus nichtselbstständiger Arbeit erzielten Einkünfte, welche ein Arbeits- oder Dienstverhältnis voraussetzen.6
2.3. Alter
Das Alter gibt Auskunft über die Länge des Bestehens des jeweiligen Managers. Es zeigt in Zahlen dessen Lebensjahre.7
2.4. Mitarbeiterzahl
Die Mitarbeiterzahl zeigt die Anzahl der Mitarbeiterinnen und Mitarbeiter in einem Betrieb.8 Im IFRS 2 werden Mitarbeiter als Personen definiert, welche persönliche Leistungen für das Unternehmen erbringen und entweder rechtlich oder steuerlich als Mitarbeiter fungieren, oder zumindest ähnliche Leistungen wie Mitarbeiter erbringen.9
Hinsichtlich unserer Analyse ist also anzunehmen, dass im vorliegenden Datensatz auch Personen inbegriffen sind, die innerhalb zeitlich begrenzter Beschäftigungsformen wie kurzfristige Beschäftigung (Leiharbeit), erfasst werden.
3. Analyse
Das folgende Kapitel soll einen Überblick der Ergebnisse, mittels verschiedener Auswertungen, zu den Daten innerhalb der Stichprobe schaffen. Am Anfang werden mit Hilfe der deskriptiven Statistik die empirischen Daten übersichtlich dargestellt, woran sich die grafische Evaluation des Datensatzes in Form von Häufigkeitsverteilungen und Streudiagrammen anschließen, welche visuelle Aufschlüsse über die Häufigkeiten einzelner Parameter und Korrelationen von jeweiligen Koeffizienten geben. Weiterhin folgen die aufgestellte Regressionsgleichung und die Beschreibung der Annahmen, welche aus den Hypothesen hervorgehen. Schließlich wird auf mögliche auftretende Multikollinearität und Ausreißer in den Daten eingegangen.
3.1. Grafische Evaluation des Datensatzes
In den folgenden Abschnitten soll es um die Auswertung sämtlicher Grafiken in Form von Tabellen, Histogrammen und Streudiagrammen gehen. Diese sind für die weiteren Analyse-Punkte bereits richtungsweisend und können und ermöglichen es dementsprechend vorab eine grobe Einschätzung hinsichtlich der Analyse zu treffen.
3.1.1. Deskriptive Statistik
Die deskriptive Statistik ist neben der induktiven Statistik ein Teilgebiet der allgemeinen Statistik.
Diese gilt als beschreibend und explorativ. Sie befasst sich damit, die umfangreichen und oft unüberschaubaren Einzeldaten statistischer Erhebungen durch möglichst wenige, dafür aussagekräftige Kennzahlen zu charakterisieren.10
In diesem Abschnitt werden in der folgenden Tabelle die inhaltlichen Schwerpunkte der deskriptiven Statistik veranschaulicht. Neben dem Minimum und Maximum, welche den niedrigsten und höchsten Wert aus der Stichprobe mit dem Umfang N = 45 hinsichtlich der endogenen und den jeweiligen exogenen Variable aufzeigt, weist die Tabelle auch den Mittelwert und die Standardabweichung auf.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2: Name, Definition und Art der Variablen in SPSS
Der Mittelwert, das am häufigsten genutzte Maß der zentralen Tendenz (x quer; wird in der Literatur auch oft als M angegeben), ist die Summe aller Messwerte geteilt durch deren Anzahl N. Sie stellt somit den Durchschnitt aller Messwerte dar. Dieser lässt sich mittels der Formel -= Summe aller -# / N berechnen.11 Dieser Durchschnitt unserer Stichprobe folgt mit beliebiger Verteilung einer Normalverteilung. Die Standardabweichung hingegen ist ein Streuungsmaß, welches als (positive) Wurzel aus der Varianz gebildet wird. Ein Vorteil der Standardabweichung gegenüber der Varianz liegt darin, dass die empirische Standardabweichung dieselbe Maßeinheit wie die Beobachtungswerte hat und sich daher besser zum direkten Vergleich mit den Daten der Stichprobe eignet.12
3.1.2. Häufigkeitsverteilungen (Histogramme)
Im vorliegenden Abschnitt, sollen die klassifizierten Häufigkeitsverteilungen der Untersuchung in Form von Histogrammen abgebildet werden. Bei einem Histogramm werden die Häufigkeiten der jeweiligen Merkmalsausprägungen durch Säulen über den entsprechenden Ausprägungen dargestellt. Die Fläche der Säulen entspricht dabei den Häufigkeiten.13 Zusätzlich hilft die Abbildung der Normalverteilung. Diese verschiebt sich mit dem Mittelwert nach links bzw. rechts. Außerdem gibt sie Auskunft über die Varianz, indem die Kurve enger oder weiter ist.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Histogramm - Umsatz, Quelle: eigene Darstellung, SPSS 25
Die erste Abbildung zeigt die Häufigkeitsverteilung des Unternehmenserfolgs mittels der vorliegenden endogenen Variable, dem Umsatz. Aus dem Histogramm lässt sich entnehmen, dass 19 der untersuchten Unternehmen ein Einkommen von bis zu 50000 Mio. US$ erreichen. Diese zusammengefasste Wertklasse zeigt mit knapp 42% die höchste Häufigkeit auf. Weitere 9 Unternehmen konnten einen Umsatz von bis zu 66666,67 Mio. US$ nachweisen. Mindestens 11 der 45 Unternehmen konnten einen überdurchschnittlichen jährlichen Gewinn aufweisen und somit ein höheres Einkommen als 67853,33 Mio. US$ erwirtschaften. Die restlichen Unternehmen von maximal n=6 bewegen sich hinsichtlich ihres erlangten Einkommens zwischen 66666,67 Mio. US$ und ca. 67853,33 Mio. US$. Somit liegen die Unternehmen dieser Klassenbreite in selbiger Wertklasse mit dem Mittelwert. Die schwarz verlaufende Linie bildet die Kurve der Normalverteilung ab. Diese hat eine linksbündige Tendenz, welche sich durch den verschobenen Mittelwert durch die 19 unteren Einkommen dieser Stichprobe erklären lässt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Histogramm - Mitarbeiterzahl, Quelle: eigene Darstellung, SPSS 25
Abbildung 2 zeigt die Häufigkeitsverteilung der Anzahl der Mitarbeiter, welche in den jeweiligen Unternehmen aus der Stichprobe von 45 im Jahr 2018 beschäftigt waren. Ein Minimum stellen hierbei die rund 14 Unternehmen (31%) dar, welche Mitarbeiterzahlen von bis zu 66,667 Tsd. Mitarbeitern aufwiesen. Neben diesen 14 Unternehmen liegen mindestens noch weitere 11 unter dem Mittelwert von 122,904 Tsd. Beschäftigten in ihrem Unternehmen. Aus der Abbildung wird deutlich, dass sich 5 Unternehmen (11%) mit ihren Mitarbeiterzahlen, zwischen 100,00 Tsd. und rund 133,334, in der Klasse des arithmetischen Mittels befinden. Weiter 13 Unternehmen erstrecken sich über die vorangegangene Klasse bis hin zu einer Mitarbeiterzahl von 400,000 Tsd. Erkennbar wird, dass nach weitem Abstand 2 Unternehmen aus unsere Stichprobe Mitarbeiterzahlen von über 400 Tsd. aufweisen konnten.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Histogramm - Manageralter, Quelle: eigene Darstellung, SPSS 25
Das dritte Histogramm zeigt eine auffällige Häufung hinsichtlich des Manageralters. Hierbei wird deutlich, dass die Mehrheit an Managern aus unserer Stichprobe zwischen 50 und 70 Jahre alt ist. Auch in der schwarzen Linie der Normalverteilung schlägt sich dies nieder. Es ist darauf zu schließen, dass im Gegensatz zu unseren anderen Histogrammen in diesem Fall eine geringe Varianz vorliegt. Gerade einmal 2 Manager (4,4%), welche das Minimum bilden, haben ihr 50. Lebensjahr noch nicht erreicht. Weitere 4 Manager (8,9%) stellen mit über 70 Jahren das andere Extrem dar. Der Mittelwert, welcher bei 61 Jahren liegt, wird auch durch die Abbildung bestärkt. Dieser liegt graphisch zwischen der Klassenbreite mit dem Manageralter von 59 bis 61 Jahren und der nächstfolgenden Klasse, 61 bis 63 Jahren. Letztere weist ein Maximum hinsichtlich ihrer Häufigkeit von 10 Fällen (22,2%) auf.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: Histogramm - Managereinkommen, Quelle: eigene Darstellung, SPSS 25
Abbildung 4 zeigt die Häufigkeitsverteilung der Managereinkommen. Auch dieses Histogramm macht eine starke Tendenz deutlich. So sind mehrheitliche Fälle von einem Managereinkommen um 20,00 Mio. US$ zu erkennen. 16 Mitarbeiter, welche den Höchstwert an Häufigkeiten bilden, liegen in der Klasse von etwa 16,66 Mio. US$ bis 20,00 Mio. US $. Der Mittelwert von 22,507 Mio. US$ liegt in der nächsthöheren Klasse. Diese weist eine Häufigkeit von 13 Fällen auf.
Vor allem die 4 Manager, welche ein Einkommen von über 40,00 Mio. US$ aufweisen, fallen in dieser Grafik durchaus in das Gewicht. Diese sind mitunter dafür verantwortlich, dass die Kurve der Normalverteilung eine minimale Tendenz nach rechts hat. Aber auch die auffällig breite Darstellung der Normalverteilung ist nicht außer acht zu lassen. Diese weist auf eine hohe Varianz hin.
3.1.3. Streudiagramme
Streu- bzw. Punktdiagramme stellen den Zusammenhang hinsichtlich der Richtung und Stärke zwischen zwei metrischen Variablen dar, sodass ein erster Eindruck über die Korrelation Verhältnisse dieser gewonnen werden kann. Dabei werden die Werte als Punkte abgebildet. Die Gesamtheit dieser wird als Punktwolke bezeichnet, Ein Trend des tatsächlichen ökonomischen Zusammenhangs wird durch die sogenannte Trendline, der Regressionsgerade, veranschaulicht. In der Realität jedoch werden die reinen ökonomischen Wirkungszusammenhänge stets durch Sondereinflüsse gestört. Deren Einflüsse sind nicht direkt beobachtbar.14 R ² ist das Bestimmtheitsmaß und liegt zwischen 0 und 1. Je höher dieses ist, desto präziser ist der untersuchte lineare Zusammenhang.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5: Streudiagramm - Zahl der Mitarbeiter/Umsatz, Quelle: SPSS Statistics 25, eigene Berechnung
Abbildung 5 zeigt ein Streudiagramm mit den Variablen Mitarbeiterzahl und Umsatz. Die Trendgerade hat einen steigenden Verlauf, was augenscheinlich auf einen positiven Zusammenhang schließen lassen kann. Die Punkte der Punktwolke weisen mehrfach große Abstände zur Regressionsgeraden auf. Es lassen sich lediglich 9,6% der Schwankungen der endogenen Variable durch die Werte der vorliegenden exogenen Variable erklären. daher liegt nahezu kein linearer Zusammenhang vor.
[...]
1 vgl. Gabler Wirtschaftslexikon
2 vgl. USA Today, 2018 https://eu.usatoday.com/story/money/business/2018/04/05/highest-paid-ceos-americas-100-largest-companies/488630002/
3 vgl. IAS Plus, IFRS 15
4 https://wirtschaftslexikon.gabler.de/definition/umsatz-48634
5 vgl. IAS 19
6 https://wirtschaftslexikon.gabler.de/definition/arbeitsentgelt-31379
7 vgl. Duden https://www.duden.de/rechtschreibung/Alter_Lebensabschnitt
8 vgl. Duden https://www.duden.de/rechtschreibung/Mitarbeiterzahl
9 vgl. IFRS 2 https://datenbank.nwb.de/Dokument/Anzeigen/237775_NOw3144ab1b1b1c11b1b1a/
10 vgl. Auer/Rottmann, 2011, S. 3
11 vgl. Bühner/Ziegler, 2008, S. 38
12 vgl. Hackl/Katzenbeisser, 2016, S. 23
13 Bücker, 2014, S. 32
14 vgl. Auer, 2011, S. 20