Add Thesis

Entrepreneurship: Welche Verhaltensweisen sind die Schlüssel zum Erfolg?

Written by S. Flütsch

Paper category

Master Thesis

Subject

Business Administration>Entrepreneurship

Year

2016

Abstract

Masterarbeit: Beantwortet Fragen durch Auswertung von Daten mit Faktoren, Regression und Varianzanalyse. Ihre Voraussetzungen und Kernmerkmale sowie die Gründe für ihre Auswahl sind wie folgt. 2.4 Methode der explorativen Faktorenanalyse wählen In dieser Studie stehen nach qualitativer Untersuchung 99 erfolgskritische Verhaltensweisen zur weiteren Untersuchung zur Verfügung. Da inhaltliche Erklärungen für so viele Variablen kaum möglich sind, muss sie auf wenige Kategorien reduziert werden. Durch die Interpretation der entsprechenden Korrelationskoeffizienten kann die Zuordnung dieser möglichst voneinander unabhängigen Kategorien schnell unübersichtlich werden. Durch die Faktorenanalyse kann eine Methode verwendet werden, um ein Klassifikationsschema zu erstellen, das identifizieren kann, welche Variablen gemeinsame Informationen und welche unterschiedlichen Informationen aufzeichnen. Nach der Faktorenanalyse zeigt der entsprechende Indexwert an, wie hoch die „Last“ jeder Variablen auf dem entsprechenden Faktor ist. Durch die Kombination hochkorrelierter Variablen zu Faktoren können Daten reduziert und gleichzeitig Informationsverluste minimiert werden. Der Inhalt jedes Faktors kann dann erklärt werden, obwohl keine absolute und klare Lösung erwartet wird. Dies macht die Faktorenanalyse zu einem heuristischen Hypothesengenerierungsprozess. Die gebräuchlichste Methode der Faktorenanalyse ist die Hauptkomponentenanalyse (Bortz, 2005). Die wichtigsten Parameter der Hauptkomponentenanalyse sind Faktorladung, Kommunalität und Faktoreigenwerte. Die Faktorladung entspricht hier der Korrelation zwischen Variable und Faktor. Die Kommunalität gibt an, inwieweit eine Variable durch alle vorhandenen Faktoren erklärt wird. Je mehr Faktoren in der Lösung enthalten sind, desto höher ist die Gemeinsamkeit. Der charakteristische Wert eines Faktors gibt an, wie stark die Gesamtvarianz aller Variablen durch den Faktor abgedeckt wird. Bei der Bestimmung der Anzahl der Faktoren müssen grundlegende Entscheidungen getroffen werden. Nach Bortz (2005) handelt es sich dabei um parallele Analysen von Kaiser-Guttman-Standards, Kiesprüfung und Aufbereitung. Das Kaiser-Guttman-Kriterium erklärt nur die Anzahl der Faktoren mit Eigenwerten größer als 1. Dadurch wird sichergestellt, dass der Faktor mehr Varianz erklärt als die ursprüngliche Variable. 2.4.2 Kriterien für den Unternehmenserfolg Um diese Frage zu beantworten, wie trägt das Nachfragebündel zur Vorhersage des unternehmerischen Erfolgs bei? Es wurde eine multiple Regression durchgeführt. In dieser Studie sind unabhängige Variablen oder Prädiktoren die Variablenbündel der wichtigsten erfolgreichen Verhaltensweisen, die durch die Reduktion der Faktorenanalyse erzeugt werden. Abhängige Variablen bzw. Kriterien werden durch verschiedene Kriterien für den unternehmerischen Erfolg definiert: Gewinn-, Beschäftigungs- und Auftragswachstum sowie Zufriedenheit mit dem Geschäftserfolg und Bewertung, ob die Ursache wieder gefunden wird. Da die Prädiktorvariablen mit dem Standard und untereinander korreliert sein können, kann es zu „falschen Korrelationen“ kommen (Bortz, 2005). Das heißt, der Einfluss weiterer Prädiktoren auf die Korrelation zwischen Prädiktoren und Standards. Die Verwendung einer Teilkorrelation zur Berechnung dieses Effekts kann umständlich und verwirrend sein. Hier kommt die multiple Korrelation oder Regression ins Spiel. Sie kann Regressionsgleichungen verwenden, um mehrere Prädiktoren basierend auf einer Standardvariablen vorherzusagen. Die Beziehung zwischen mehreren Prädiktoren und einer Standardvariablen wird durch den multiplen Korrelationskoeffizienten R definiert. Da der multiple Korrelationskoeffizient R in der Regressionsgleichung meist überschätzt wird, können nur bedingt Rückschlüsse auf die tatsächliche Grundgesamtheit gezogen werden. Verwenden Sie die Schrumpfungskorrektur von R2, um diese Überschätzung zu korrigieren. R und R2 können nur positive Werte sein. Führt die Schrumpfungskorrektur dazu, dass R2 negativ ist, kann davon ausgegangen werden, dass kein Zusammenhang zwischen der Prädiktorvariable und der Standardvariable in der Grundgesamtheit besteht. Anzeichen. Mit dem Signifikanztest wird bewertet, welche Prädiktorvariablen durch Beta-Gewichtungen einen signifikanten Beitrag zur Vorhersage von Standardvariablen leisten können. Die Beta-Gewichtung wird durch die Korrelation zwischen der Prädiktorvariablen und der Standardvariablen und der Korrelation zwischen den beiden bestimmt. Aufgrund dieser gegenseitigen Beeinflussung haben Veränderungen wie das Weglassen oder die Erhöhung von Variablen einen erheblichen Einfluss auf die Struktur. Die Regressionsgleichung reagiert auch empfindlich auf Ausreißer oder Datenänderungen. Read Less