7. Empirische Analyse

Vgl. Huber et al. (2007): 3. Siehe zur Abgrenzung latenter und manifester Variablen auch Weiber/Mühlhaus (2010): 19.

Für eine Darstellung des PLS-Algorithmus vgl. z.B. Gödde (2010): 101-103; Henseler/Ringle/Sinkovics (2009): 287-288; Huber et al. (2007): 6-9; Eberl (2006): 89-92; Herrmann/Huber/Kressmann (2006): 3638; Chin/Newsted (1999): 315-324; Lohmöller (1989): 29-31. In Bezug auf die Unterscheidung in Strukturmodell und Messmodell wird auch zwischen dem inneren und dem äußeren Modell unterschieden. Vgl. stellvertretend für viele Henseler/Ringle/Sinkovics (2009): 284.

Für eine Gegenüberstellung varianzbasierter und kovarianzbasierter Verfahren der Strukturgleichungsanalyse vgl. die Beiträge von Herrmann/Huber/Kressmann (2006); Scholderer/Balderjahn (2006) sowie Chin/Newsted (1999): 308-314 und den Beitrag von Fornell/Bookstein (1982).

Vgl. Huber et al. (2007): 14; Weiber/Mühlhaus (2010): 253.

Vgl. Henseler/Ringle/Sinkovics (2009): 283 in Bezug auf die Zusammenfassung der Ansicht der analysierten Forschungsgemeinschaft; Scholderer/Balderjahn (2006): 57 sowie Chin/Newsted (1999): 324-326; Falk/Miller (1992): 3. Da Aspekte der Stichprobengröße für die eigene Untersuchung nicht relevant sind, wird auf Ausführungen diesbezüglich verzichtet. Vgl. jedoch für Eigenschaften der PLS-Schätzung in Bezug auf die Stichprobengröße Huber et al. (2007): 10; Scholderer/Balderjahn (2006): 66-67.

Der PLS-Algorithmus berechnet zunächst konkrete Konstruktwerte auf Basis der gegebenenfalls mit Messfehlern behafteten Indikatoren und schätzt anschließend die Strukturparameter. Zwar sind die Parameter im Messmodell aufgrund dieses Umstands insoweit inkonsistent, als diese überschätzt werden. Die Pfadkoeffizienten im Strukturmodell werden jedoch hingegen tendenziell unterschätzt. Vgl. Chin/Newsted (1999): 328-329. Die Überschätzung auf Messmodellebene sowie die Unterschätzung auf Strukturmodellebene gleichen sich aus. Vgl. Huber et al. (2007): 13; Herrmann/Huber/Kressmann (2006): 43.

Vgl. Weiber/Mühlhaus (2010): 35. Siehe für Kriterien zur Unterscheidung formativer und reflektiver Messmodell Jarvis/Mackenzie/Podsakoff (2003): 203 sowie die den Beitrag von Edwards/Bagozzi (2000).

Vgl. Backhaus et al. (2011): 528; Huber et al. (2007): 4.

Vgl. Backhaus et al. (2011): 528; Weiber/Mühlhaus (2010): 35.

Vgl. Huber et al. (2007): 38; Jarvis/Mackenzie/Podsakoff (2003): 201.

Huber et al. (2007) nennen ausdrücklich die Möglichkeit der Operationalisierung einer latenten Variablen durch einen Indikator. Vgl. Huber et al. (2007): 3.

Vgl. Henseler/Ringle/Sinkovics (2009): 295 in Bezug auf die Ergebnisse der Studie von Vilares/Almeida/Coelho (2010): 301, die sich zum Zeitpunkt der Zitation im Druck befand; Chin/Newsted (1999): 325-326.

Vgl. Henseler/Ringle/Sinkovics (2009): 305; Davison/Hinkley (1997 (Nachdruck 2003)): 22; Efron/Tibshirani (1993): 17-18.

Ein Signifikanzniveau von 10% wird im Schrifttum als ausreichend erachtet. Vgl. Mertenskötter (2011): 156; insb. Fn. 607 mit weiteren Nachweisen. Der kritische t-Wert orientiert sich neben dem gewünschten Signifikanzniveau an der Anzahl der Freiheitsgrade, welche für 1000 Bootstrapping-Samples 999 betragen. Vgl. Henseler/Ringle/Sinkovics (2009): 305-306. Vgl. für eine Übersicht der bestimmten Freiheitsgraden zuzuordnenden t-Werte Backhaus et al. (2011): 566.

Die Anknüpfung an Unternehmen, deren Sitz im Inland liegt, ergibt sich aus der handelsrechtlichen Pflicht zur Honorarpublizität, die sich nicht auf ausländische Unternehmen erstreckt. Siehe hierzu bereits Kapitel 5.​4.​2. Auch die Regelungen des DCGK richten sich beispielsweise an börsennotierte Unternehmen, deren Sitz in Deutschland liegt. Demnach richtet sich der Kodex nicht an Unternehmen, die zwar an einer inländischen Börse notiert sind, ihren gesellschaftsrechtlichen Sitz jedoch im Ausland haben. Vgl. Werder (2010a): 63-64; Rz. 128-128b. Darüber hinaus wird durch den Ausschluss von Unternehmen, deren eingetragener Sitz nicht in Deutschland ist, gewährleistet, dass sie durch einen Abschlussprüfer im Sinne des § 318 HGB geprüft wurden. Der Abschlussprüfer ist demnach ein in Deutschland zugelassener Abschlussprüfer. Diese Abgrenzung ist erforderlich, da Aussagen über die Spezialisierung der Prüfungsgesellschaft sowie zur wirtschaftlichen Abhängigkeit auf einen gemeinsamen Nenner zurückgeführt werden müssen. Die Einbeziehung ausländischer Unternehmen würde auch eine Abwägung dahingehend erforderlich machen, ob bei der Bestimmung des Beta-Faktors der CDAX – als Stellvertreter des Marktportfolios – ebenso für ausländische Unternehmen geeignet wäre. Zwischen inländischen und ausländischen Gesellschaften kann sich auch das Publizitätsniveau unterscheiden, sodass für diese Unterschiede kontrolliert werden müsste. Vgl. insbesondere zu Letzterem Häußler (2008): 103 insb. Fn. 5.

Siehe Nölte (2008): 231-234 und insbesondere Daske/Wiesenbach (2005b).

Unternehmen, die in einem bekannten Auswahlindex notiert sind, kommt ein höherer Bekanntheitsgrad zu und genießen aufgrund dessen eine höhere Aufmerksamkeit des Kapitalmarktes. Vgl. Schmidt-Tank (2005): 54-57. Siehe für Determinanten der Analystenabdeckung auch die Arbeit von Pietzsch (2004).

Die historische Indexzusammensetzung wurde mit Hilfe der Angaben der Deutschen Börse AG zur historischen Indexzusammensetzung rekonstruiert. Vgl. Deutsche Börse (2010). Die Auswahlkriterien für eine Aufnahme von Werten in die Auswahlindizes kann dem Leitfaden zu den Aktienindizes der Deutschen Börse entnommen werden, der derzeit in der Version 6.17 vorliegt. Vgl. Deutsche Börse (2012): 23-27. Die Notierung in einem der Auswahlindizes ist aufgrund der Auswahlkriterien unter anderem mit einem höheren Börsenumsatz und einer höherer Free-Float-Marktkapitalisierung verbunden. Vgl. Deutsche Börse (2012): 22.

Diese Unternehmen unterscheiden sich zum einen hinsichtlich ihrer Höhe der Bilanzsumme von anderen Unternehmen. Zum anderen gelten für Abschlussprüfer von Finanzdienstleistungs- und Versicherungsunternehmen andere Vorschriften. Vgl. Köhler et al. (2010): 12 und Endnote 13. Zu diesem Vorgehen siehe auch Lenz/Bauer (2004): 986.

Es wäre möglich gewesen bei Unternehmen, für die keine Branchenklassifikation nach GICS vorlag, diese mit hinreichender Sicherheit selbst vorzunehmen. Für die feinere Untergliederung in 24 Industriegruppen, die die Ausgangsbasis der Analyse für die Branchenspezialisierung des Abschlussprüfers bildet, wäre dies jedoch nicht möglich gewesen. Daher war eine Eliminierung nicht zugeordneter Unternehmen unumgänglich. Siehe zur Operationalisierung der Branchenspezialisierung Kapitel 5.​5.​3.​5.

Vgl. Räth (2009): 205. Preis-sowie saison- und kalenderbereinigt ist das BIP von 2008 im Vergleich zum Vorjahr um 0,8% gestiegen. Vgl. Statistisches Bundesamt (2012): Tabellenblatt BIP(1970-2011). Sowohl im zweiten als auch dritten Quartal ist das BIP preissowie saison- und kalenderbereinigt gegenüber dem jeweiligen Vorquartal um 0,4% gesunken. Der Einbruch im vierten Quartal gegenüber dem dritten Quartal ist mit 2% zu quantifizieren. Vgl. Statistisches Bundesamt (2012): Tabellenblatt BIP(1991Q1-2012Q2).

Siehe zur Bestimmung des Bewertungszeitpunktes ausführlich Kapitel 7.2.2.

Siehe zur Operationalisierung des systematischen Risikos Kapitel 6.​2.​2 und Fn. 866.

Vgl. z.B. Häußler (2008): 103; Nölte (2008): 193. Fällt der so ermittelte Bewertungsstichtag auf keinen Handelstag, so wird der unmittelbar vorangehende Handelstag als Bewertungsstichtag herangezogen.

Es ist ausdrücklich der Geschäftsbericht und nicht der gesetzlich offenzulegende Konzernabschluss gemeint, da dort nicht pflichtmäßig der Bericht des Aufsichtsrates sowie die Entsprechenserklärung aufzunehmen sind. Der tatsächliche Zeitpunkt der Veröffentlichung ist historisch weder über die Homepage des Unternehmens noch über den Informationsdienstleister Bloomberg vollständig bestimmbar, weswegen auf eine fiktive Bestimmung zurückgegriffen werden muss.

Neben der Datenverfügbarkeit spielen Modellrestriktionen für die Reduktion der Stichprobe eine Rolle: Das Modell nach Gode/Mohanram (2003) führt lediglich dann zu plausiblen Ergebnissen, sofern positive Gewinnerwartungen vorliegen. Für die Bestimmung des Beta-Faktors wird eine Mindestanzahl von 20 Monatsrenditen gefordert. In den Modellen nach Gode/Mohanram (2003) und Easton (2004) müssen die Modellparameter zusätzlich der Lösbarkeit der Wurzelfunktionen genügen. Siehe hierzu die entsprechenden Unterkapitel in Kapitel 6.​3.

Der Sektor „Finanzwesen" – dieser wurde aus der Stichprobe ausgeschlossen – sowie der Sektor „Energie" sind nicht in der Stichprobe vertreten. Siehe zur Abgrenzung der Stichprobe Kapitel 7.2.1.

Die somit neu definierte Branche GICS_IT_TELKOM dient als Referenzmaßstab für die Bildung von Branchendummies.

Vgl. für die zu diesem Zwecke aufgezeigten bivariaten Korrelationen zwischen modellspezifischen impliziten Risikoprämien sowie Risikofaktoren Kapitel 7.3.1.2.

Vgl. Christophersen/Grape (2007): 105; Haenlein/Kaplan (2004): 284. Vgl. in Bezug auf implizite Risikoprämien Hope et al. (2009): 183.

Vgl. für die Verwendung eines arithmetischen Mittelwertes Hope et al. (2009): 183; Nölte (2008): 234; Hail/Leuz (2006): 493.

Neben der Begutachtung der bivariaten Korrelationen kann die Güte der ermittelten Eigenkapitalkosten zusätzlich durch die Regression bestimmter Risikofaktoren auf die Eigenkapitalkosten überprüft werden

Die folgenden Ausführungen beziehen sich auf die Korrelationen nach Pearson.

Vgl. zu diesem Vorgehen Nölte (2008): 237; Daske/Gebhardt/Klein (2006): 23. Für die methodische Behandlung von Ausreißern allgemein vgl. Schendera (2007): 198-200; Tukey (1962): 17-19.

Nölte (2008): 241 stellt z.B. für das systematische Risiko ein nicht eindeutiges Vorzeichen in Bezug auf die Korrelation mit modellspezifischen Risikoprämien fest. Auch die Stärke des Zusammenhangs des unsystematischen Risikos mit den modellspezifischen Risikoprämien divergiert in Abhängigkeit der Modelle. Häußler (2008): 91-92 verzeichnet einen signifikanten negativen Zusammenhang zwischen dem systematischen Risiko und den Eigenkapitalkosten. Reese (2007): 116 verzeichnet modellabhängig verschieden starke Korrelationen der impliziten Risikoprämien sowie z.B. des Verschuldungsgrades.

Die Korrelation der durchschnittlichen Risikoprämie rp _AM mit den Risikofaktoren hält einem Vergleich mit den Ergebnissen von Nölte (2008) ebenfalls stand. Vgl. Nölte (2008): 241.

Vgl. für die abschließende Modellspezifikation die Ausführungen in Kapitel 7.3.4.1.

Vgl. hierzu die Ausführungen in Kapitel 7.1.

Vgl. Häußler (2008): 88-90 sowie Fn. 120; Nölte (2008): 238 und 256-257 für die deskriptive Statistik und weiterführende Ausreißerdiagnostik sowie Daske/Gebhardt/Klein (2006): 22 für die deskriptive Statistik.

Vgl. Backhaus et al. (2011): 95; Huber et al. (2007): 39.

Vgl. Jaccard/Turrisi (2003): 27-28; Aiken/West (1998): 35-36.

Vgl. zum Verfahren der Orthogonalisierung die Beiträge von Little/Bovaird/Widaman (2006) und grundlegend Lance (1988) sowie Kutner et al. (2005): 305. Lance (1988): 173 macht insbesondere auch auf die Eignung der Orthogonalisierung im Zusammenhang mit Pfadmodellen, welche eine Sonderform der Strukturmodelle darstellen, aufmerksam.

Vgl. zu den Grenzwerten in Bezug auf den VIF die Ausführungen in Kapitel 7.3.3.

Vgl. Daske/Gebhardt/Klein (2006): 21; Daske (2006): 351.

Vgl. Boone/Khurana/Raman (2008): 122, Nölte (2008): 244; Daske/Gebhardt/Klein (2006): 21

Vgl. Boone/Khurana/Raman (2008): 122, Nölte (2008): 244; Daske (2006): 351.

Während Boone/Khurana/Raman (2008): 125-126 der sehr feinen Branchenklassifikation nach Fama/French (1997): 157-158 mit 48 Branchen folgen, verwendet Nölte (2008): 244 und 276 analog der eigenen Vorgehensweise eine wesentlich gröberen Aufteilung nach IBES in neun Branchen. Vgl. für eine Erläuterung der gewählten Branchenklassifikation Kapitel 7.2.4.

Vgl. Huber et al. (2007): 38; MacKenzie/Podsakoff/Jarvis (2005): 727.

Vgl. Backhaus et al. (2011): 94; Huber et al. (2007): 39.

Vgl. Backhaus et al. (2011): 94. Da nicht alle der betrachteten Indikatoren ein metrisches Skalenniveau vorweisen, welche eine Voraussetzung für die Anwendung der Korrelationen nach Pearson darstellt, werden zusätzlich die Korrelationen nach Spearman berichtet. Vgl. Fahrmeir et al. (2010): 144-145. Vgl. zu den Skalenniveaus der einbezogenen Variablen Tabelle 24.

Vgl. die Studie von Cassel/Hackl/Westlund (1999): 441-444 zur Ermittlung robuster Parameter in PLS. In den meisten Studien findet man keine konkreten Grenzwerte für bivariate Korrelationen in Strukturmodellen. Vgl. z.B. Helm (2005): 248; Krafft/Götz/Liehr-Gobbers (2005): 79.

Vgl. Backhaus et al. (2011): 95; Henseler/Ringle/Sinkovics (2009): 302. Vgl. für eine Erläuterung der Ermittlung des VIF Kapitel 7.3.3. Für ein formatives Konstrukt sind die beschriebenen Regressionen für die n Indikatoren des formativen Konstruktes durchzuführen.

Vgl. Henseler/Ringle/Sinkovics (2009): 302; Huber et al. (2007): 39; Diamantopoulos/Winklhofer (2001): 272. Für kleine Stichproben empfehlen Ringle/Spreen (2007): 214 weniger liberale Werte von 3 oder 4. Weiber/Mühlhaus (2010): 207 beurteilen VIF von größer 3 als kritisch.

Vgl. zur Prädiktorenspezifikation Chin (1998): 314-316; Fornell/Cha (1994 (Nachdruck 1995)): 54-57.

Vgl. Henseler/Ringle/Sinkovics (2009): 301. Lohmöller (1989): 60 schlägt für die Stärke der Pfadkoeffizienten einen Wert von mindestens 0,1 vor. Dieser Wert ist nicht als absolutes Ausschlusskriterium für die Annahme der nomologischen Validität zu verstehen, sondern vielmehr als Richtwert.

Die Expertendiskussionen wurden im Rahmen von Doktorandenkolloquien mit Doktoranden der Fachrichtung Wirtschaftsprüfung geführt.

Vgl. Homburg/Giering (1996): 7, welche zusätzliche die nomologische Validität anführen. Diese wird z.B. von Henseler/Ringle/Sinkovics (2009): 300 nicht angeführt. Weiber/Mühlhaus (2010) nennen die Kriterien der Inhaltsvalidität, Kriteriumsvalidität und Konstruktvalidität. Vgl. Weiber/Mühlhaus (2010):128.

Vgl. Homburg/Giering (1996): 8; Aaker/Bagozzi (1979): 149.

Vgl.Homburg/Giering (1996): 8 und 12 und dem folgend Mertenskötter (2011): 154-155.

Vgl. Henseler/Ringle/Sinkovics (2009): 299; Huber et al. (2007): 35.

Vgl. Henseler/Ringle/Sinkovics (2009): 299; Huber et al. (2007): 35.

Vgl. Henseler/Ringle/Sinkovics (2009): 300; Huber et al.(2007):35; Chin (1998): 320-321.

Vgl. HenselerRingle/Sinkovics (2009): 300; Bagozzi/Yi (1988): 82. Der Wertebereich der Kennzahlen liegt zwischen 0 und 1. Huber et al. (2007): 35-36 schlagen etwas konservativere Mindestwerte von 0,7 für den Reliabilitätskoeffizienten sowie 0,6 für die AVE vor.

Vgl. HenselerRingle/Sinkovics (2009): 299-300; Ringle/Spreen (2007): 213 sowie ursprünglich Fornell/Larcker (1981): 46.

Vgl. HenselerRingle/Sinkovics (2009): 299-300; Ringle/Spreen (2007): 213; Chin (1998): 321.

Vgl. Herrmann/Huber/Kressmann (2006): 58. Zusätzlich ist es üblich, den Erklärungsbeitrag der exogenen Variablen zu beurteilen. Da es im vorgestellten Modell jedoch nicht darauf ankommt, den Erklärungsbeitrag der Risikoprämie durch die Untersuchungsvariablen zu maximieren, sondern vielmehr auf eine Feststellung des statistischen Zusammenhangs zwischen der Untersuchungsvariablen und der endogenen Variablen, wird auf eine Betrachtung der Effektstärke verzichtet. Ob eine exogene Variable einen bedeutenden Einfluss auf die exogene Variable hat, kann durch die Betrachtung der Effektstärke f ² der betrachteten exogenen Variablen beurteilt werden. Die Berechnung der Effektstärke erfolgt auf Basis zweier korrigierter Bestimmheitsmaße: jenes unter Einschluss der betrachteten exogenen Variablen \(R_{incl}^{2}\) und jenes unter Ausschluss dieser \(R_{excl}^{2}\). Die Größen werden für die Berechnung der Effektstärke folgendermaßen in Relation gesetzt: \({{f}^{2}}=\frac{R_{incl}^{2}-R_{excl}^{2}}{1-R_{incl}^{2}}\) Vgl. HenselerRingle/Sinkovics (2009): 303; Chin (1998): 316-317. Für die Beurteilung der Effektstärke f ² empfiehlt Cohen (1988): 412-414 folgende Grenzwerte: 0,02 (“small“), 0,15 (“medium“), 0,35 (“large“).

Da die Aufnahme jeder beliebigen exogenen Variablen – sei sie inhaltlich noch so unbedeutend – in das Strukturmodell zu einer zufälligen statistischen Vergrößerung des R² führt, ist der korrigierte Wert aussagekräftiger. Das korrigierte Bestimmtheitsmaß berechnet sich folgendermaßen: \(R_{korr}^{2}={{R}^{2}}-\frac{j*(1-{{R}^{2}})}{K-J-1}\). Wobei J = Anzahl der exogenen Variablen; K = Anzahl der Beobachtungen; K-J-1 = Anzahl der Freiheitsgrade. Vgl. Backhaus et al. (2011): 76.

Vgl. grundlegend die Werke von Stone (1974) und Geisser (1975).

Vgl. Henseler/Ringle/Sinkovics (2009): 304-305; Herrmann/Huber/Kressmann (2006): 57; Ringle (2004): 16-17; Fornell/Cha (1994 (Nachdruck 1995)): 71-73 und Chin (1998): 317-318 am ausführlichsten.

Hope et al. (2009): 198-199 erzielen in ihrer Studie für eine internationale Stichprobe korrigierte Bestimmtheitsmaße zwischen 43 und 50 %. Nölte (2008): 246 erzielt für eine Stichprobe deutscher börsennotierter Unternehmen Werte zwischen 33,34 und 41,28 %. Studien, die allein auf Risikoprämien basierend auf Varianten des Modells nach Gebhardt/Lee/Swaminathan (2001) [rp _GLS ] zurückgreifen, erzielen hingegen höhere Bestimmtheitsmaße von je nach Modell bis zu 77 %. Vgl. Daske/Gebhardt/Klein (2006): 27. Reese (2007): 118 kann für die Erklärung der Risikoprämie nach Gebhardt/Lee/Swaminathan (2001) rp _GLS einen Erklärungsgehalt von bis zu 70,1 % erzielen.

Vgl. zur Überprüfung der Güte formativer Messmodelle bereits Kapitel 7.3.4.2.1.2.

Die Einstufung der Höhe des Investorenschutzes erfolgt anhand einer Skala (0-10) von La Porta et al. (1998), wobei die Werte der Skala mit steigender Stärke des Investorenschutzes ansteigen. Hope et al. (2009) nehmen eine dichotome Unterteilung in Länder mit starkem Investorenschutz und in Länder mit schwachem Investorenschutz vor. Vgl. Hope et al. (2009): 185-186 und 189.

Deutschland ist aufgrund der im Untersuchungszeitraum mangelnden Verfügbarkeit von Prüferhonorardaten nicht im untersuchten Sample enthalten. Die Einstufung der Stärke des Investorenschutzes für Deutschland erfolgt analog der Vorgehensweise Hope et al. (2009): 190 auf Basis von La Porta et al. (1998): 1143.

Vgl. die Zusammenfassung des Forschungsbeitrags von DeFond/Hann/Hu (2005) in Kapitel 5.​5.​4.​3.

Vgl. Redmayne/Bradburry/Cahan (2011): 311 für die Schlussfolgerung zur eigenen Untersuchung. Die Befragung von Cohen/Krishnamoorthy/Wright (2002) unter Abschlussprüfern bestätigt den Eindruck der mangelnden Expertise der Prüfungsausschüsse. Vgl. Cohen/Krishnamoorthy/Wright (2002): 585-586.

Die Stärke des Totaleffektes wird in diesem Fall mit Null angesetzt.

In Bezug auf die korrekte Interpretation des Einflusses der dichotomen Variablen AC auf die abhängige Variable RPfaktor ist zu beachten, dass SmartPLS standardisierte Parameter liefert. Für eine sinnvolle Interpretation einer dichotomen Variablen wie AC ist eine Transformation des Koeffizienten in einen nichtstandadisierten Koeffizienten notwendig. Aus Gründen der Vergleichbarkeit der Parameter wird jedoch auch bei der dichotomen Variable AC auf den standardisierten Koeffizienten verwiesen. Vgl. zum Verhältnis von standardisierten und nicht-standardisierten Koeffizienten Backhaus et al. (2011): 70-71.

Siehe Kapitel 7.3.1.2.

Auf Messmodellebene erhalten einzelne Indikatoren in Bezug auf das Gesamtmodell einen geringen Stellenwert. Insofern wird in PLS-Modellen empfohlen lediglich dann Datensätze zu eliminieren, sofern sie mehrere Ausreißer aufweisen. Vgl. Huber et al. (2007): 37; Herrmann/Huber/Kressmann (2006): 56.