Scheinbar Unabhängiges kann die multiple Regression verknüpfen.

Die multiple Regression will kausale Zusammenhänge zwischen zwei oder mehreren Zufallsvariablen herstellen.

Wenn eine ausreichende Zahl gleich strukturierter "Fälle" vorliegt, läßt sich mit dieser statistischen Methode eine realitätsnahe Zuordnung treffen.

Beispiel: Eine aggregierte Größe wie die Gesamtvertriebskosten (K) läßt sich mit unabhängigen variablen Größen wie die Spartenumsätze (U) verknüpfen. Das Resultat ist in diesem Fall der Ausweis von Vertriebskosten für einzelne Sparten, die - wie im Fall Miele - eine Berechnung der wichtigen Kennziffer "Vertriebskostenbelastung der Spartenumsätze" (K/U) ermöglichen.

Die multiple Regression weist anhand der sogenannten Signifikanz auch nach, ob die gefundenen Zusammenhänge womöglich zufällig sind und deshalb keinerlei Schlußfolgerungen zulassen. Und die sogenannten Konfidenzintervalle, in denen rund zwei Drittel aller untersuchten Fälle enthalten sind, beschreiben die Bandbreite ober- und unterhalb der jeweils ermittelten Werte.

An den Anfang dieser Seite
Zurück an die Sprungstelle des manager-magazin-Artikels
Zurück zum Anfang des manager-magazin-Artikels "Offene Rechnung"

Menschliches Versagen

Die Berater Keydel und Schenck über Risiken beim Vergleich von Betriebsdaten

1. Die meisten Unternehmen nutzen ihre teuer und mühsam erhobenen Betriebsdaten nicht hinlänglich aus - oft nur zu gerade mal 30 Prozent -, da die multivariate Statistik eine anspruchsvolle Vorbereitung erfordert.





2. Häufig werden bei internen Betriebsvergleichen überkommene Traditionen mitgeschleppt, die längst keinen Sinn mehr ergeben. Wissenschaftler und externe Berater können am schnellsten einen Überblick über moderne Verfahren geben.





3. Die Struktur der untersuchten Filialbetriebe, Niederlassungen oder Verkaufsstellen sollte möglichst einheitlich sein, also noch in Details wie der Art der Verrechnung mit der Zentrale oder dem Belegsystem übereinstimmen.





4. Sämtliche Buchungen, die für den Vergleich von Betriebsdaten herangezogen werden, sollten diszipliniert und nach demselben Kontenrahmen erfolgen, denn spätere Korrekturen verzerren die Ergebnisse.





5. Immer dann, wenn Unternehmen so verschiedene Produktgruppen über die gleichen Absatzwege vertreiben, besteht die Gefahr, daß bei internen Vergleichen wichtiger Betriebsdaten die falschen Schlüsse gezogen werden: Ohne Berücksichtigung des jeweiligen Vertriebsmixes treffen Auswertungen über die optimale Betriebsgröße, die richtige Kundenstruktur oder Besuchshäufigkeit meist daneben.





6. Bei Betriebsvergleichen werden häufig lediglich vage Mittelwerte beurteilt. Gerade die Streuung jedoch, die Bandbreite der ermittelten Werte, liefert aufschlußreiche Hinweise auf Verschwendung oder verborgene Rationalisierungschancen. Ergeben sich etwa auffallend große Streuungen, dann können entweder die untereinander verglichenen Gruppen inhomogen sein und bessere Typologisierungen erfordern. Oder es ließe sich viel Geld sparen, wenn der "schlechteste" Betrieb schlanke Arbeitsabläufe vom besten übernähme.





7. Menschliches Versagen setzt der multiplen Regression klare Grenzen: Fehlbuchungen oder geschönte Angaben der Betroffenen lassen sich - wenn überhaupt - nur mit aufwendigen Programmen zur Prüfung der statistischen Plausibilität entdecken.

^{Impressum Datenschutz}