Anhang Teil II B

Übersichten zur Auswertung der Kennzahlen der Topfpflanzenbetriebe 1992 bis 1994, Kapitel 3.2

Übersicht	Benennung	Seite
Übersicht B1:	Ausgewählte Kennzahlen und Gruppierungskriterien	1
Übersicht B2:	Gruppierungsdaten (Anzahl Fälle in den Kategorien)	2
Übersicht B3:	Univariate Statistiken der Strukturdaten	3
Übersicht B4:	Univariate Statistiken der Investitions- und Vermögensdaten	4
Übersicht B5:	Univariate Statistiken der Aufwandsdaten	5
Übersicht B6:	Univariate Statistiken der Erfolgsdaten	6
Übersicht B7:	Einteilung von Glasfläche, Anzahl Arbeitskräfte und Unternehmensertrag in drei beziehungsweise vier Gruppen mit Hilfe des equal-count-Algorithmus bei einer angestrebten Überlappung von 10%	7
Übersicht B8:	Tests auf univariate (marginal) und multivariate (radius) Normalverteilung	8
Übersicht B9:	Univariate Statistiken einiger ausgewählter Kennzahlen vor und nach dem Ausschluß extremer Werte	9
Übersicht B10:	Rangkorrelationen der Kennzahlen der vier Variablensets untereinander (Korrelationen von mehr als 0,7 sind fett geschrieben)	10
Übersicht B11:	Rangkorrelationen zwischen den Erfolgskennzahlen und den Kennzahlen der übrigen Datensets (Korrelationen von mehr als 0,7 sind fett geschrieben)	11
Übersicht B12:	Gruppenbildung der Kennzahlenbetriebe nach Glasfläche, Region und Erhebungsjahr (Anzahl Fälle je Gruppe)	12
Übersicht B13:	Schätzung der Parameter (k = Form-, b = Skalenparameter) der Gamma-Verteilung aus den Abweichungen der Eigenvektoren der 24 Gruppen der Kennzahlenbetriebe vom ‘typischen’ Ei genvektor	13
Übersicht B14:	Ergebnisse des Gruppenanalysemodels der 24 Gruppen der Kennzahlenbetriebe; mittlere Koeffizienten der ersten vier Hauptkomponenten	14
Übersicht B15:	Ergebnisse des Gruppenanalysemodels der 24 Gruppen der Kennzahlenbetriebe; Winkel (delta) jeder Gruppe zur mittleren Konfiguration in den ersten vier Dimensionen	15
Übersicht B16a:	Vergleich der Hauptkomponentenanalyseergebnisse für Gruppe 7 und Gruppe 6 der 24 Gruppen der Kennzahlenbetriebe	16
Übersicht B16b:	Vergleich der Hauptkomponentenanalyseergebnisse für Gruppe 8 und Gruppe 13 der 24 Gruppen der Kennzahlenbetriebe	17
Übersicht B17:	Eigenwerte und kanonische Mittelwerte der kanonischen Variablenanalyse der 24 Gruppen der Kennzahlenbetriebe; Grundlage der Analyse ist die Matrix der Summen und Produkte der 24 Gruppen, gewichtet mit den Wichtungsfaktoren nach Ausreißeranalyse (CAMPBELL, 1980)	18
Übersicht B18:	Variablen und ihre Skalierung oder Transformation in Gruppierungs- und Segmentierungsanalysen	19
Übersicht B19:	In CART verwendete, von 1 abweichende Gewichtungen für ie Objekte nach multivariater Ausreißerprüfung	20
Übersicht B20:	Beurteilung der Normalverteilung bei der Kennzahl Rentabilitätskoeffizient im vollen und im eingeschränkten Datensatz in den Jahren 1992, 1993, 1994	21
Übersicht B21:	Beurteilung der Normalverteilung bei der Kennzahl Rentabilitätskoeffizient im vollen und im eingeschränkten Datendsatz in den Jahren 1992, 1993, 1994	22
Übersicht B22:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1992, Verwendung der Gewichtung nach Ausreißertests	23
Übersicht B23:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1993, Verwendung der Gewichtung nach Ausreißertests	24
Übersicht B24:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1994, Verwendung der Gewichtung nach Ausreißertests	25
Übersicht B25:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1992, um Extremwerte verkleinerter Datensatz	26
Übersicht B26:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1993, um Extremwerte verkleinerter Datensatz	27
Übersicht B27:	Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1994, um Extremwerte verkleinerter Datensatz	28
Übersicht B28:	Minima, Maxima und Quartile für die Prediktovariablen, pro Jahr 297 Werte	29
Übersicht B29:	Ergebnisse der Segmentierung durch CHAID für die Kennzahlen der Jahre 1992, 1993 und 1994	30
Übersicht B30:	Direkte Beziehungen nach Screening in den Jahren 1992, 1993 und 1994 zwischen den sechs ausgewählten Erfolgskennzahlen und den 14 übrigen ausgewählten Kennzahlen	31
Übersicht B31:	Eliminierte Verbindungen nach Rückwärts-Elimination oder EH-Algorithmus für die Analyse von sechs graphischen Modellen 1993	32
Übersicht B32:	Modellsuche graphischer Modelle bei der Analyse von sechs Erfolgskennzahlen, 1992 bis 1994	33

A-2B-1

Übersicht B1: Ausgewählte Kennzahlen und Gruppierungskriterien
Gruppierungsdaten

abswg	Absatzweg (indirekt, direkt, indirekt und direkt)
fak	Anzahl Arbeitskräfte (<=2 AK, >2 - <=5 AK, >5 AK)
fglasqm	Glasfläche (<=2000 qm, >2000 - <=5000 qm, >5000 qm)
fjahr	Erhebungsjahr (1992, 1993, 1994)
funtert	Unternehmensertrag (<=200000 DM, >200000 - <=500000 DM, >500000 DM)
given.ak.3	shingle Anzahl Arbeitskräfte (Intervalle siehe Übersicht B8)
given.ak.4	shingle Anzahl Arbeitskräfte (Intervalle siehe Übersicht B8)
given.glasqm.3	shingle qm Glasfläche (Intervalle siehe Übersicht B8)
given.glasqm.4	shingle qm Glasfläche (Intervalle siehe Übersicht B8)
given.untert.3	shingle Unternehmensertrag (Intervalle siehe Übersicht B8)
given.untert.4	shingle Unternehmensertrag (Intervalle siehe Übersicht B8)
region	Region (übrige Regionen, Region 1)

Strukturdaten

ak	Arbeitskräfte insgesamt, Kennzahl 20
epertp	Erträge aus Eigenproduktion in % BE, Kennzahl 32<50>1)
eqm	Einheitsquadratmeter, Kennzahl 3
fremdakp	Fremd-AK in % der AK, Kennzahl 21
glasqm	Glasfläche in qm, Kennzahl 2
glasqmak	Glasfläche je AK in qm, Kennzahl 23

Investitions- und Vermögensdaten

anvermp	Anlagevermögen (ohne Boden) in % des Vermögens, Kennzahl 10
fkp	Fremdkapital in % Anlagevermögen (ohne Boden), Kennzahl 14
netinvp	Nettoinvestitionen in % Anlagevermögen (ohne Boden), Kennzahl 27
verm	Vermögen in 1000 DM, Kennzahl 8

Aufwandsdaten

allgawp	allgemeiner Aufwand in % BE, Kennzahl 59
heizp	Heizmaterial in % BE, Kennzahl 45
heizqm	Heizmaterial je qm heizbare Glasfläche (DM), Kennzahl 61
lohnak	Lohn je entlohnte AK (DM), Kennzahl 60
lohnqp	Lohnquote in % BE, Kennzahl 50
saatp	Saat- und Pflanzgut in % BE, Kennzahl 43
spezp	Spezialaufwand Eigenproduktion in % BE, Kennzahl 47

Erfolgsdaten
<51>

beinkak	Betriebseinkommen je AK (DM), Kennzahl 75
beinkeqm	Betriebseinkommen je Eqm (DM),Kennzahl 78
beinkp	Betriebseinkommen in % BE, Kennzahl 69
kapkoef	Kapitalkoeffizient, Kennzahl 81
rdiffp	Reinertragsdifferenz in % BE, Kennzahl 81
rentkoef	Rentabilitätskoeffizient, Kennzahl 82
rtak	Reinertrag je AK (DM), Kennzahl 76
rteqm	Reinertrag je Eqm (DM), Kennzahl 79
rtp	Reinertrag in % BE, Kennzahl, 71

A-2B-2

Übersicht B2: Gruppierungsdaten (Anzahl Fälle in den Kategorien)

Nobservd abswg 1.00 710 2.00 101 3.00 80	Nobservd fak lt 2 69 ge 2 to lt 5 402 ge 5 420	Nobservd fglasqm lt 2000 80 ge 2000 to lt 5000 378 ge 5000 433
Nobservd fjahr 92.00 297 93.00 297 94.00 297	Nobservd fregion uebrige Regionen 420 Region 1 471	Nobservd funtert lt 200000 61 ge 200000 to lt 500000 283 ge 500000 547

A-2B-3

Übersicht B3: Univariate Statistiken der Strukturdaten

Summary statistics for ak Mean = 5.331 Median = 4.630 Minimum = 1.000 Maximum = 18.220 Range = 17.220 Lower quartile = 3.000 Upper quartile = 6.840 Standard deviation = 3.082 Skewness = 1.187 Kurtosis = 1.407	Summary statistics for epertp Mean = 92.717 Median = 96.840 Minimum = 61.540 Maximum = 100.000 Range = 38.460 Lower quartile = 90.240 Upper quartile = 98.665 Standard deviation = 8.877 Skewness = -1.613 Kurtosis = 1.744	Summary statistics for eqm Mean = 140403.336 Median = 118000.000 Minimum = 11000.000 Maximum = 528200.000 Range = 517200.000 Lower quartile = 75250.000 Upper quartile = 184728.000 Standard deviation = 89523.951 Skewness = 1.257 Kurtosis = 1.549
Summary statistics for fremdakp Mean = 61.770 Median = 66.670 Minimum = 0.000 Maximum = 100.000 Range = 100.000 Lower quartile = 49.580 Upper quartile = 78.570 Standard deviation = 21.899 Skewness = -0.924 Kurtosis = 0.381	Summary statistics for glasqm Mean = 5769.003 Median = 4900.000 Minimum = 450.000 Maximum = 20000.000 Range = 19550.000 Lower quartile = 3350.000 Upper quartile = 7500.000 Standard deviation = 3520.436 Skewness = 1.236 Kurtosis = 1.691	Summary statistics for glasqmak Mean = 1214.876 Median = 1128.435 Minimum = 56.729 Maximum = 6655.556 Range = 6598.826 Lower quartile = 745.455 Upper quartile = 1538.462 Standard deviation = 654.557 Skewness = 1.730 Kurtosis = 7.660

Für alle Variablen gilt: Number of observations = 891 Number of missing values = 0

Standard Error of Skewness = 0.082 Standard Error of Kurtosis = 0.164

A-2B-4

Übersicht B4: Univariate Statistiken der Investitions- und Vermögensdaten

Summary statistics for anvermp Mean = 44.929 Median = 45.460 Minimum = 0.000 Maximum = 93.610 Range = 93.610 Lower quartile = 36.800 Upper quartile = 54.430 Standard deviation = 13.839 Skewness = -0.366 Kurtosis = 0.420	Summary statistics for fkp Mean = 161.169 Median = 109.630 Minimum = 0.000 Maximum = 3019.670 Range = 3019.670 Lower quartile = 58.460 Upper quartile = 186.580 Standard deviation = 217.112 Skewness = 6.121 Kurtosis = 56.958	Summary statistics for netinvp Mean = -0.865 Median = -5.810 Minimum = -318.010 Maximum = 241.640 Range = 559.650 Lower quartile = -14.800 Upper quartile = 9.530 Standard deviation = 30.840 Skewness = 0.459 Kurtosis = 23.771
Summary statistics for verm Mean = 721.213 Median = 596.000 Minimum = 67.000 Maximum = 3811.000 Range = 3744.000 Lower quartile = 383.000 Upper quartile = 922.000 Standard deviation = 486.359 Skewness = 1.769 Kurtosis = 4.841

Für alle Variablen gilt:        Number of observations = 891                        Number of missing values = 0

                                        Standard Error of Skewness = 0.082                Standard Error of Kurtosis = 0.164

A-2B-5

Übersicht B5: Univariate Statistiken der Aufwandsdaten

Summary statistics for allgawp Mean = 26.576 Median = 25.700 Minimum = 7.130 Maximum = 64.480 Range = 57.350 Lower quartile = 20.730 Upper quartile = 31.950 Standard deviation = 8.208 Skewness = 0.611 Kurtosis = 0.715	Summary statistics for heizp Mean = 7.570 Median = 6.860 Minimum = 0.000 Maximum = 33.140 Range = 33.140 Lower quartile = 4.740 Upper quartile = 9.555 Standard deviation = 4.141 Skewness = 1.561 Kurtosis = 5.184	Summary statistics for heizqm Mean = 9.511 Median = 8.270 Minimum = 0.000 Maximum = 37.350 Range = 37.350 Lower quartile = 5.390 Upper quartile = 12.220 Standard deviation = 5.644 Skewness = 1.177 Kurtosis = 1.542
Summary statistics for lohnak Mean = 33134.164 Median = 32908.610 Minimum = 0.000 Maximum = 114511.000 Range = 114511.000 Lower quartile = 25192.510 Upper quartile = 40267.630 Standard deviation = 12666.877 Skewness = 0.583 Kurtosis = 3.578	Summary statistics for lohnqp Mean = 35.074 Median = 32.350 Minimum = 11.250 Maximum = 242.720 Range = 231.470 Lower quartile = 26.560 Upper quartile = 40.270 Standard deviation = 14.591 Skewness = 4.906 Kurtosis = 54.190	Summary statistics for saatp Mean = 11.747 Median = 9.770 Minimum = 0.000 Maximum = 159.300 Range = 159.300 Lower quartile = 4.090 Upper quartile = 16.950 Standard deviation = 10.849 Skewness = 3.734 Kurtosis = 38.996
Summary statistics for spezp Mean = 33.036 Median = 32.290 Minimum = 6.080 Maximum = 248.160 Range = 242.080 Lower quartile = 24.700 Upper quartile = 39.640 Standard deviation = 12.996 Skewness = 5.399 Kurtosis = 83.239

Für alle Variablen gilt:        Number of observations = 891                        Number of missing values = 0

                                        Standard Error of Skewness = 0.082                Standard Error of Kurtosis = 0.164

A-2B-6

Übersicht B6: Univariate Statistiken der Erfolgsdaten

Summary statistics for beinkak Mean = 49215.359 Median = 46764.426 Minimum = -206170.233 Maximum = 162085.671 Range = 368255.904 Lower quartile = 35091.367 Upper quartile = 60218.297 Standard deviation = 23791.709 Skewness = -0.563 Kurtosis = 15.434	Summary statistics for beinkeqm Mean = 2.218 Median = 1.721 Minimum = -1.367 Maximum = 29.878 Range = 31.244 Lower quartile = 1.228 Upper quartile = 2.551 Standard deviation = 2.098 Skewness = 6.258 Kurtosis = 65.276	Summary statistics for beinkp Mean = 37.570 Median = 37.710 Minimum = -206.390 Maximum = 72.750 Range = 279.140 Lower quartile = 31.500 Upper quartile = 44.890 Standard deviation = 13.768 Skewness = -6.472 Kurtosis = 110.045
Summary statistics for kapkoef Mean = 3.247 Median = 2.770 Minimum = -94.300 Maximum = 49.980 Range = 144.280 Lower quartile = 2.130 Upper quartile = 3.635 Standard deviation = 4.547 Skewness = -8.954 Kurtosis = 255.453	Summary statistics for rdiffp Mean = -4.100 Median = -1.720 Minimum = -272.580 Maximum = 42.560 Range = 315.140 Lower quartile = -9.905 Upper quartile = 6.400 Standard deviation = 21.441 Skewness = -5.159 Kurtosis = 56.038	Summary statistics for rentkoef Mean = 0.982 Median = 0.960 Minimum = -3.120 Maximum = 2.980 Range = 6.100 Lower quartile = 0.770 Upper quartile = 1.200 Standard deviation = 0.403 Skewness = -0.625 Kurtosis = 13.224
Summary statistics for rtak Mean = 7771.993 Median = 5666.621 Minimum = -256326.769 Maximum = 110977.995 Range = 367304.764 Lower quartile = -3565.326 Upper quartile = 17742.496 Standard deviation = 21958.218 Skewness = -1.261 Kurtosis = 24.735	Summary statistics for rteqm Mean = 0.257 Median = 0.207 Minimum = -4.337 Maximum = 14.058 Range = 18.395 Lower quartile = -0.163 Upper quartile = 0.614 Standard deviation = 0.995 Skewness = 3.926 Kurtosis = 49.478	Summary statistics for rtp Mean = 2.495 Median = 4.640 Minimum = -256.600 Maximum = 47.470 Range = 304.070 Lower quartile = -3.220 Upper quartile = 12.400 Standard deviation = 20.474 Skewness = -5.305 Kurtosis = 58.422

Für alle Variablen gilt:        Number of observations = 891                        Number of missing values = 0

                                        Standard Error of Skewness = 0.082                Standard Error of Kurtosis = 0.164

A-2B-7

Übersicht B7: Einteilung von Glasfläche, Anzahl Arbeitskräfte und Unternehmensertrag in drei beziehungsweise vier Gruppen mit Hilfe des equal-count-Algorithmus bei einer angestrebten Überlappung von 10%

Arbeitskräfte	Glasfläche	Unternehmensertrag
Intervals: min max count 1.00 3.57 318 3.48 6.00 319 5.80 18.22 318 Overlap between adjacent intervals: [1] 32 32	Intervals: min max count 450 4000 335 3839 6700 322 6150 20000 318 Overlap between adjacent intervals: [1] 49 35	Intervals: min max count 29003 469423 318 431146 810450 319 766122 6096290 318 Overlap between adjacent intervals: [1] 32 32
Intervals: min max count 1.00 3.13 244 3.00 4.77 244 4.51 6.93 243 6.58 18.22 241 Overlap between adjacent intervals: [1] 30 26 25	Intervals: min max count 450 3500 256 3300 4980 252 4665 7580 243 7400 20000 242 Overlap between adjacent intervals: [1] 50 26 26	Intervals: min max count 29003 384083 241 364982 596013 241 570989 941558 241 899957 6096290 241 Overlap between adjacent intervals: [1] 24 25 24

A-2B-8

Übersicht B8: Tests auf univariate (marginal) und multivariate (radius) Normalverteilung

ak allgawp anvermp beinkak beinkeqm beinkp epertp eqm fkp fremdakp glasqm glasqmak heizqm heizp kapkoef lohnak lohnqp netinvp rdiffp rentkoef rtak rteqm rtp saatp spezp verm

--------------------------------------------------------------- Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- Marginal 1 20.173 ** 3.129 ** 2.356 ** Marginal 2 3.187 ** 0.495 ** 0.346 ** Marginal 3 1.914 ** 0.254 ** 0.188 ** Marginal 4 10.662 ** 1.758 ** 1.585 ** Marginal 5 77.241 ** 14.330 ** 13.176 ** Marginal 6 15.806 ** 2.409 ** 2.322 ** Marginal 7 76.314 ** 13.733 ** 11.811 ** Marginal 8 23.852 ** 3.864 ** 2.970 ** Marginal 9 94.475 ** 17.309 ** 15.957 ** Marginal 10 16.625 ** 2.468 ** 1.870 ** Marginal 11 21.582 ** 3.754 ** 2.967 ** Marginal 12 11.477 ** 1.786 ** 1.330 ** Marginal 13 20.557 ** 3.453 ** 2.688 ** Marginal 14 13.083 ** 2.081 ** 1.548 ** Marginal 15 144.554 ** 27.974 ** 27.913 ** Marginal 16 3.335 ** 0.517 ** 0.503 ** Marginal 17 30.200 ** 4.976 ** 4.343 ** Marginal 18 39.353 ** 7.045 ** 6.855 ** Marginal 19 34.665 ** 6.098 ** 5.616 ** Marginal 20 7.178 ** 1.258 ** 1.215 ** Marginal 21 13.349 ** 2.281 ** 2.197 ** Marginal 22 28.060 ** 4.866 ** 4.759 ** Marginal 23 35.730 ** 6.227 ** 5.768 ** Marginal 24 21.881 ** 3.148 ** 2.538 ** Marginal 25 11.446 ** 1.526 ** 1.350 ** Marginal 26 28.585 ** 4.755 ** 3.738 ** --------------------------------------------------------------- --------------------------------------------------------------- Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- Radius 720.130 ** 80.653 ** 23.303 ** --------------------------------------------------------------- ?, *, ** indicate significance at 10%, 5% and 1% levels respectively

A-2B-9

Übersicht B9: Univariate Statistiken einiger ausgewählter Kennzahlen vor und nach dem Ausschluß extremer Werte

vor Ausschluß extremer Werte
identifier allgawp anvermp beinkak beinkeqm beinkp glasqmak heizqm lohnak lohnqp rentkoef rdiffp spezp	missing 0 0 0 0 0 0 0 0 0 0 0 0	missing cases	length mean std.dev. median min. max. 891.0 26.58 8.208 25.70 7.130 64.48 891.0 44.93 13.84 45.46 0 93.61 891.0 49215 23971.7 46764 -206170 162086 891.0 2.218 2.098 1.721 -1.367 29.88 891.0 37.57 13.77 37.71 -206.4 72.75 891.0 1215 654.6 1128 56.73 6656 891.0 9.511 5.644 8.270 0 37.35 891.0 33134 12666.9 32909 0 114511 891.0 35.07 14.59 32.35 11.25 242.7 891.0 0.9825 0.403 0.9600 -3.120 2.980 891.0 -4.100 21.44 -1.720 -272.6 42.56 891.0 33.04 12.99 32.29 6.080 248.2
nach Ausschluß extremer Werte
identifier allgawp anvermp beinkak beinkeqm beinkp glasqmak heizqm lohnak lohnqp rentkoef rdiffp spezp	missing 0 0 1 3 1 4 0 3 3 1 3 1	missing cases 557 811,812,813 557 349,401,557,558 316,361,362 484,485,486 557 485,486,557 557	length mean std.dev. median min. max. 891.0 26.58 8.208 25.70 7.130 64.48 891.0 44.93 13.84 45.46 0 93.61 891.0 49502 7084.1 46852 -28691 162086 891.0 2.138 1.562 1.719 -1.367 11.52 891.0 37.84 11.08 37.72 -31.44 72.75 891.0 1197 598.7 1128 56.73 3929 891.0 9.511 5.644 8.270 0 37.35 891.0 32895 11988.8 32868 0 78459 891.0 34.60 11.74 32.30 11.25 102.6 891.0 0.9871 0.379 0.9600 -0.5500 2.980 891.0 -3.347 16.70 -1.690 -91.94 42.56 891.0 32.79 10.82 32.27 6.080 84.20

A-2B-10

Übersicht B10: Rangkorrelationen der Kennzahlen der vier Variablensets untereinander (Korrelationen von mehr als 0,7 sind fett geschrieben) Spearman Rank Correlation

*** Correlation matrix (adjusted for ties) *** Sample size: 891 Korrelationen der Erfolgsdaten untereinander 1 1.000 2 0.341 1.000 3 0.536 0.408 1.000 4 -0.503 -0.451 -0.742 1.000 5 0.846 0.381 0.627 -0.664 1.000 6 0.853 0.391 0.652 -0.680 0.994 1.000 7 0.905 0.344 0.564 -0.551 0.971 0.974 1.000 8 0.814 0.487 0.573 -0.587 0.943 0.941 0.935 1.000 9 0.859 0.356 0.629 -0.596 0.990 0.985 0.982 0.944 1.000 1 2 3 4 5 6 7 8 9 1 beinkak 2 beinkeqm 3 beinkp 4 kapkoef 5 rdiffp 6 rentkoef 7 rtak 8 rteqm 9 rtp Korrelationen der Strukturdaten untereinander 10 1.000 11 0.005 1.000 12 0.540 0.384 1.000 13 0.807 -0.028 0.423 1.000 14 0.603 0.346 0.941 0.474 1.000 15 -0.336 0.363 0.497 -0.286 0.491 1.000 10 11 12 13 14 15 10 ak 11 epertp 12 eqm 13 fremdakp 14 glasqm 15 glasqmak Korrelationen der Investitions- und Vermögensdaten untereinander 16 1.000 17 -0.296 1.000 18 0.237 -0.115 1.000 19 0.426 -0,.80 0.199 1.000 16 17 18 19 16 anvermp 17 fkp 18 netinvp 19 verm Korrelationen der Aufwandsdaten untereinander 20 1.000 21 -0.023 1.000 22 -0.265 0.587 1.000 23 -0.126 -0.012 0.084 1.000 24 -0.029 0.258 0.110 0.150 1.000 25 -0.293 0.080 0.280 -0.036 -0.264 1.000 26 -0.180 0.401 0.252 -0.086 -0.168 0.737 1.000 20 21 22 23 24 25 26 20 allgawp 21 heizp 22 heizqm 23 lohnak 24 lohnqp 25 saatp 26 spezp

A-2B-11

Übersicht B11: Rangkorrelationen zwischen den Erfolgskennzahlen und den Kennzahlen der übrigen Datensets (Korrelationen von mehr als 0,7 sind fett geschrieben)
Spearman Rank Correlation

*** Correlation matrix (adjusted for ties) *** Sample size: 891 Korrelationen der Erfolgsdaten und der Strukturdaten 10 0.004 0.360 0.128 -0.174 0.134 0.134 0.083 0.188 0.119 11 0.205 -0.247 0.072 -0.060 0.206 0.207 0.219 0.138 0.215 12 0.332 -0.278 0.097 -0.086 0.304 0.304 0.331 0.228 0.318 13 0.032 0.333 0.123 -0.146 0.165 0.166 0.125 0.218 0.156 14 0.299 -0.182 0.022 -0.062 0.256 0.253 0.284 0.206 0.263 15 0.390 -0.604 -0.066 0.065 0.225 0.220 0.303 0.116 0.249 1 2 3 4 5 6 7 8 9 10 ak 11 epertp 12 eqm 13 fremdakp 14 glasqm 15 glasqmak Korelation der Erfolgsdaten mit den Investitions- und Vermögensdaten 16 0.174 0.088 0.002 0.410 0.055 0.054 0.166 0.137 0.150 17 -0.249 -0.192 -0.212 0.064 -0.220 -0.220 -0.242 -0.239 -0.248 18 0.148 -0.014 0.014 0.063 0.144 0.138 0.175 0.156 0.167 19 0.272 0.234 -0.048 0.140 0.190 0.182 0.249 0.255 0.228 1 2 3 4 5 6 7 8 9 16 anvermp 17 fkp 18 netinvp 19 verm Korrelationen der Erfolgsdaten und der Aufwandsdaten 20 -0.226 -0.473 -0.397 0.442 -0.289 -0.287 -0.226 -0.292 -0.256 21 -0.339 -0.282 -0.264 0.223 -0.382 -0.377 -0.383 -0.376 -0.384 22 -0.234 0.424 -0.190 0.087 -0.238 -0.242 -0.263 -0.135 -0.259 23 0.359 0.236 0.174 -0.131 0.019 0.031 0.055 0.054 0.019 24 -0.564 -0.113 0.144 0.026 -0.611 -0.584 -0.670 -0.597 -0.621 25 -0.126 0.110 -0.499 0.236 -0.163 -0.184 -0.144 -0.110 -0.185 26 -0.282 -0.277 -0.660 0.404 -0.345 -0.365 -0.313 -0.318 -0.362 1 2 3 4 5 6 7 8 9 20 allgawp 21 heizp 22 heizqm 23 lohnak 24 lohnqp 25 saatp 26 spezp Korrelationen einiger Aufwandsdaten und der Strukturdaten 20 -0.159 -0.020 0.121 -0.157 0.067 0.270 1.000 24 -0.029 -0.181 -0.300 -0.069 -0.316 -0.364 -0.029 1.000 26 -0.090 0.268 0.001 -0.079 0.077 0.109 -0.180 -0.168 1.000 10 11 12 13 14 15 20 24 26 20 allgawp 24 lohnqp 26 spezp 10 ak 11 epertp 12 eqm 13 fremdakp 14 glasqm 15 glasqmak Korrelationen einiger Aufwandsdaten und der Vermögensdaten 20 0.180 -0.101 0.057 0.010 1.000 24 -0.220 0.114 -0.216 -0.373 -0.029 1.000 26 -0.151 0.297 -0.041 0.017 -0.180 -0.168 1.000 16 17 18 19 20 24 26 20 allgawp 24 lohnqp 26 spezp 16 anvermp 17 fkp 18 netinvp 19 verm

A-2B-12

Übersicht B12: Gruppenbildung der Kennzahlenbetriebe nach Glasfläche, Region und Erhebungsjahr (Anzahl Fälle je Gruppe)

Glasfläche (shingle) 1 2 3 4 Nobservd Gruppe 1 57 0 0 0 57 2 51 0 0 0 51 3 50 0 0 0 50 4 34 0 0 0 34 5 33 0 0 0 33 6 31 0 0 0 31 7 0 30 0 0 30 8 0 32 0 0 32 9 0 33 0 0 33 10 0 38 0 0 38 11 0 35 0 0 35 12 0 34 0 0 34 13 0 0 24 0 24 14 0 0 24 0 24 15 0 0 24 0 24 16 0 0 48 0 48 17 0 0 49 0 49 18 0 0 48 0 48 19 0 0 0 29 29 20 0 0 0 33 33 21 0 0 0 33 33 22 0 0 0 37 37 23 0 0 0 40 40 24 0 0 0 44 44 256 202 217 216 891

Region uebrige Region 1 Nobservd Laender Gruppe 1 57 0 57 2 51 0 51 3 50 0 50 4 0 34 34 5 0 33 33 6 0 31 31 7 30 0 30 8 32 0 32 9 33 0 33 10 0 38 38 11 0 35 35 12 0 34 34 13 24 0 24 14 24 0 24 15 24 0 24 16 0 48 48 17 0 49 49 18 0 48 48 19 29 0 29 20 33 0 33 21 33 0 33 22 0 37 37 23 0 40 40 24 0 44 44 420 471 891

Jahr 1992 1993 1994 Nobservd Gruppe 1 57 0 0 57 2 0 51 0 51 3 0 0 50 50 4 34 0 0 34 5 0 33 0 33 6 0 0 31 31 7 30 0 0 30 8 0 32 0 32 9 0 0 33 33 10 38 0 0 38 11 0 35 0 35 12 0 0 34 34 13 24 0 0 24 14 0 24 0 24 15 0 0 24 24 16 48 0 0 48 17 0 49 0 49 18 0 0 48 48 19 29 0 0 29 20 0 33 0 33 21 0 0 33 33 22 37 0 0 37 23 0 40 0 40 24 0 0 44 44 297 297 297 891

Zusammenfassung Fläche Region Jahr Anzahl Gruppe 1 1 übrige 1992 57 2 1 übrige 1993 51 3 1 übrige 1994 50 4 1 Region 1 1992 34 5 1 Region 1 1993 33 6 1 Region 1 1994 31 7 2 übrige 1992 30 8 2 übrige 1993 32 9 2 übrige 1994 33 10 2 Region 1 1992 38 11 2 Region 1 1993 35 12 2 Region 1 1994 34 13 3 übrige 1992 24 14 3 übrige 1993 24 15 3 übrige 1994 24 16 3 Region 1 1992 48 17 3 Region 1 1993 49 18 3 Region 1 1994 48 19 4 übrige 1992 29 20 4 übrige 1993 33 21 4 übrige 1994 33 22 4 Region 1 1992 37 23 4 Region 1 1993 40 24 4 Region 1 1994 44

A-2B-13

Übersicht B13: Schätzung der Parameter (k = Form-, b = Skalenparameter) der Gamma-Verteilung aus den Abweichungen der Eigenvektoren der 24 Gruppen der Kennzahlenbetriebe vom ‘typischen’ Eigenvektor

**** first eigenvector **** ***** Fit continuous distribution ***** *** Sample Statistics *** Sample Size 24 Mean 0.16 Variance 0.02 Skewness 1.85 Kurtosis 2.66 Quartiles: 25% 50% 75% 0.1 0.1 0.2 *** Summary of analysis *** Observations: dist Parameter estimates from individual data values Distribution: Gamma f(x) = (b**k).(x**(k-1)).exp(-bx)/Gamma(k), x>0 Deviance: 0.86 on 2 d.f. *** Estimates of parameters *** estimate s.e. Correlations k 1.5868 0.4191 1.0000 b 10.1209 3.1366 0.8523 1.0000 *** Fitted quartiles *** 25% 50% 75% 0.066 0.125 0.214 *** Fitted values (expected frequencies) and residuals *** x Number Number Weighted Observed Expected Residual < 0.047 4 3.91 0.05 < 0.083 5 3.93 0.52 < 0.128 5 4.42 0.27 < 0.199 5 4.96 0.02 > 0.199 5 6.78 -0.72

**** second eigenvector **** ***** Fit continuous distribution ***** *** Sample Statistics *** Sample Size 24 Mean 0.58 Variance 0.14 Skewness 0.79 Kurtosis -0.07 Quartiles: 25% 50% 75% 0.3 0.5 0.9 *** Summary of analysis *** Observations: dist Parameter estimates from individual data values Distribution: Gamma f(x) = (b**k).(x**(k-1)).exp(-bx)/Gamma(k), x>0 Deviance: 0.77 on 2 d.f. *** Estimates of parameters *** estimate s.e. Correlations k 2.3266 0.6297 1.0000 b 3.9975 1.2071 0.8964 1.0000 *** Fitted quartiles *** 25% 50% 75% 0.301 0.501 0.775 *** Fitted values (expected frequencies) and residuals *** x Number Number Weighted Observed Expected Residual < 0.23 4 3.93 0.03 < 0.44 5 6.43 -0.59 < 0.60 5 4.12 0.42 < 0.92 5 5.47 -0.20 > 0.92 5 4.05 0.46

**** third eigenvector **** ***** Fit continuous distribution ***** *** Sample Statistics *** Sample Size 24 Mean 0.82 Variance 0.23 Skewness 0.37 Kurtosis -0.81 Quartiles: 25% 50% 75% 0.4 0.8 1.2 *** Summary of analysis *** Observations: dist Parameter estimates from individual data values Distribution: Gamma f(x) = (b**k).(x**(k-1)).exp(-bx)/Gamma(k), x>0 Deviance: 3.91 on 2 d.f. *** Estimates of parameters *** estimate s.e. Correlations k 2.5196 0.6850 1.0000 b 3.0845 0.9277 0.9039 1.0000 *** Fitted quartiles *** 25% 50% 75% 0.438 0.712 1.082 *** Fitted values (expected frequencies) and residuals *** x Number Number Weighted Observed Expected Residual < 0.35 4 4.08 -0.04 < 0.57 5 4.82 0.08 < 1.03 5 8.42 -1.28 < 1.24 5 2.39 1.47 > 1.24 5 4.29 0.33

**** fourth eigenvector **** ***** Fit continuous distribution ***** *** Sample Statistics *** Sample Size 24 Mean 1.04 Variance 0.20 Skewness 0.35 Kurtosis -1.28 Quartiles: 25% 50% 75% 0.7 0.9 1.5 *** Summary of analysis *** Observations: dist Parameter estimates from individual data values Distribution: Gamma f(x) = (b**k).(x**(k-1)).exp(-bx)/Gamma(k), x>0 Deviance: 3.54 on 2 d.f. *** Estimates of parameters *** estimate s.e. Correlations k 5.3403 1.4967 1.0000 b 5.1510 1.5138 0.9537 1.0000 *** Fitted quartiles *** 25% 50% 75% 0.710 0.973 1.294 *** Fitted values (expected frequencies) and residuals *** x Number Number Weighted Observed Expected Residual < 0.61 4 3.93 0.04 < 0.81 5 4.25 0.36 < 1.00 5 4.41 0.27 < 1.59 5 8.68 -1.36 > 1.59 5 2.74 1.22

A-2B-14

Übersicht B14: Ergebnisse des Gruppenanalysemodels der 24 Gruppen der Kennzahlenbetriebe; mittlere Koeffizienten der ersten vier Hauptkomponenten

*** Between-Groups Comparison of Principal Components *** average component loadings b that minimize V directions closest to each subspace
varname	b[1]	b[2]	b[3]	b[4]
allgawp	0.2357	-0.3868	-0.0770	-0.2056
spezp	0.2180	0.1731	-0.1986	0.5007
lohnqp	0.1874	0.2726	0.3642	-0.4040
lohnak	-0.0271	-0.0201	0.0290	-0.2747
heizqm	-0.0102	0.3571	-0.3305	0.1157
eqm	-0.0242	-0.2621	0.4273	0.1097
glasqm	-0.0186	-0.2195	0.3220	0.2151
glasqmak	0.0653	-0.3908	0.0683	0.2796
fkp	0.1187	0.2351	0.2858	0.3352
anvermp	-0.0005	-0.3573	-0.3363	-0.2536
beinkp	-0.3654	0.0734	0.2928	-0.2471
beinkak	-0.3541	-0.1997	-0.0917	0.0843
beinkeqm	-0.3449	0.2209	-0.2575	-0.1443
kapkoef	0.3379	-0.2118	-0.2472	-0.0722
rentkoef	-0.4207	-0.1084	-0.0284	0.1441
rdiffp	-0.4154	-0.1220	-0.0618	0.1636

Variablen sortiert nach erster Variablen sortiert nach zweiter

mittlerer Hauptkomponente mittlerer Hauptkomponente

(Erfolgs- und Kostendimension) (Technologie- und Vermögensdimension)

varname	b[1]		varname	b[2]
rentkoef	-0.4207		glasqmak	-0.3908
rdiffp	-0.4154		allgawp	-0.3868
beinkp	-0.3654		anvermp	-0.3573
beinkak	-0.3541		eqm	-0.2621
beinkeqm	-0.3449		glasqm	-0.2195
kapkoef	0.3379		beinkak	-0.1997
			rdiffp	-0.1220
lohnak	-0.0271		rentkoef	-0.1084
eqm	-0.0242
glasqm	-0.0186		lohnak	-0.0201
heizqm	-0.0102		beinkp	0.0734
anvermp	-0.0005
glasqmak	0.0653		spezp	0.1731
			kapkoef	-0.2118
fkp	0.1187		beinkeqm	0.2209
lohnqp	0.1874		fkp	0.2351
spezp	0.2180		lohnqp	0.2726
allgawp	0.2357		heizqm	0.3571

A-2B-15

Übersicht B15: Ergebnisse des Gruppenanalysemodells der 24 Gruppen der Kennzahlenbetriebe; Winkel (delta) jeder Gruppe zur mittleren Konfiguration in den ersten vier Dimensionen

*** Between-Groups Comparison of Principal Components *** angles formed by each group with each direction group delta[1] delta[2] delta[3] delta[4] 1 10.23 16.05 50.86 12.87 2 12.33 17.15 30.17 14.23 3 15.89 18.25 22.55 15.41 4 8.51 18.33 15.46 38.59 5 14.92 25.60 40.86 41.18 6 37.68 34.20 41.67 59.87 7 7.08 12.35 31.44 49.52 8 11.09 11.78 60.39 60.70 9 8.36 12.74 74.14 27.87 10 12.65 25.17 22.59 26.71 11 11.12 25.16 18.75 59.48 12 8.55 15.57 48.71 43.96 13 21.61 66.84 28.69 36.33 14 11.43 50.08 26.43 17.55 15 8.30 21.29 34.56 16.07 16 14.64 18.93 29.83 32.65 17 12.37 17.02 18.88 54.25 18 15.21 20.17 38.59 48.51 19 8.37 21.95 37.78 25.33 20 10.20 15.02 18.05 28.56 21 16.63 17.91 8.20 36.96 22 9.28 15.59 18.40 49.89 23 9.58 18.73 25.78 38.05 24 16.86 21.15 23.36 35.68 sum of squared cosines sscos 22.76 19.97 16.86 15.15 the groups are defined by qm1_shn fregion fjahr with levels 4.000 2.000 3.000

A-2B-16

Übersicht B16a: Vergleich der Hauptkomponentenanalyseergebnisse für Gruppe 7 und Gruppe 6 der 24 Gruppen der Kennzahlenbetriebe

***** Analysis of Subgroup 7 ***** Total number of units in data = 30 No outliers were detected Number of iterations used = 1 No Root %% Cum % Scree Diagram (* represents 1%) 1 5.0062 313 313 31 ******************************* 2 3.4947 218 531 22 ********************** 3 1.8885 118 649 12 ************ 4 1.5689 98 747 10 ********** 5 1.0490 66 813 7 ******* 6 0.8460 53 866 5 ***** 7 0.6660 42 907 4 **** 8 0.5913 37 944 4 **** 9 0.4514 28 973 3 *** 10 0.2161 14 986 1 * 11 0.1017 6 992 1 * 12 0.0598 4 996 0 13 0.0346 2 998 0 14 0.0219 1 1000 0 15 0.0034 0 1000 0 16 0.0005 0 1000 0 Scale: 1 asterisk represents 1 unit.	***** Analysis of Subgroup 6 ***** Total number of units in data = 31 No outliers were detected Number of iterations used = 1 No Root %% Cum % Scree Diagram (* represents 2%) 1 6.0999 381 381 38 ******************* 2 2.1535 135 516 13 ******* 3 1.7955 112 628 11 ****** 4 1.2453 78 706 8 **** 5 1.1292 71 776 7 **** 6 1.0141 63 840 6 *** 7 0.7906 49 889 5 *** 8 0.6141 38 928 4 ** 9 0.5248 33 960 3 ** 10 0.2635 16 977 2 * 11 0.2130 13 990 1 * 12 0.0810 5 995 1 * 13 0.0383 2 998 0 14 0.0290 2 999 0 15 0.0081 1 1000 0 16 0.0001 0 1000 0 Scale: 1 asterisk represents 2 units.
l[7]['Vectors'] 1 2 3 4 1 0.1017 0.4256 -0.2232 0.0200 2 0.1894 -0.0899 0.5067 0.0140 3 0.2476 -0.2377 -0.3031 -0.1737 4 -0.0733 -0.1649 0.4446 0.2986 5 0.0872 -0.3448 0.1474 0.1450 6 -0.0534 0.1482 0.2422 -0.5392 7 -0.0846 0.0531 0.3169 -0.5099 8 -0.0357 0.3741 0.2220 -0.0691 9 0.1241 -0.2543 -0.1641 -0.3347 10 -0.1227 0.4383 -0.0964 0.2073 11 -0.3760 -0.0641 -0.2856 -0.1220 12 -0.3899 0.0408 0.2185 0.1123 13 -0.2815 -0.2672 -0.0498 0.2604 14 0.2955 0.3295 0.0553 0.2050 15 -0.4377 0.0196 -0.0071 -0.0124 16 -0.4316 0.0244 -0.0513 -0.1050 1 allgawp 2 spezp 3 lohnqp 4 lohnak 5 heizqm 6 eqm 7 glasqm 8 glasqmak 9 fkp 10 anvermp 11 beinkp 12 beinkak 13 beinkeqm 14 kapkoef 15 rdiffp 16 rentkoef	l[6]['Vectors'] 1 2 3 4 1 0.2576 0.0800 -0.0664 0.4383 2 0.1816 0.3729 0.2401 -0.1729 3 0.3717 0.0667 -0.0032 -0.1846 4 0.0718 0.2321 0.1054 0.4025 5 -0.0158 -0.2670 0.3756 -0.0695 6 -0.2316 0.1785 -0.2944 0.3580 7 -0.2596 0.3093 -0.1880 0.1863 8 -0.1528 0.4116 -0.1284 -0.4200 9 0.0317 -0.1108 -0.4861 -0.2513 10 -0.1832 0.4191 0.2895 0.0453 11 -0.3304 -0.2500 -0.1372 -0.2305 12 -0.3153 0.2344 0.1965 -0.1441 13 -0.1761 -0.2895 0.4655 0.1359 14 -0.2645 -0.1352 -0.1667 0.2428 15 -0.3864 -0.1349 -0.0337 0.0868 16 -0.3454 0.0484 0.1552 -0.1174 1 allgawp 2 spezp 3 lohnqp 4 lohnak 5 heizqm 6 eqm 7 glasqm 8 glasqmak 9 fkp 10 anvermp 11 beinkp 12 beinkak 13 beinkeqm 14 kapkoef 15 rdiffp 16 rentkoef
The first two principal components explain 53.13 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is allgawp 0.1915 spezp 0.0439 lohnqp 0.1178 lohnak 0.0326 heizqm 0.1265 eqm 0.0248 glasqm 0.0100 glasqmak 0.1412 fkp 0.0801 anvermp 0.2072 beinkp 0.1455 beinkak 0.1537 beinkeqm 0.1506 kapkoef 0.1959 rdiffp 0.1919 rentkoef 0.1868	The first two principal components explain 51.58 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is allgawp 0.0728 spezp 0.1720 lohnqp 0.1426 lohnak 0.0590 heizqm 0.0716 eqm 0.0855 glasqm 0.1631 glasqmak 0.1928 fkp 0.0133 anvermp 0.2092 beinkp 0.1717 beinkak 0.1544 beinkeqm 0.1148 kapkoef 0.0883 rdiffp 0.1675 rentkoef 0.1216

A-2B-17

Übersicht B16b: Vergleich der Hauptkomponentenanalyseergebnisse für Gruppe 8 und Gruppe 13 der 24 Gruppen der Kennzahlenbetriebe

***** Analysis of Subgroup 8 ***** Total number of units in data = 32 No outliers were detected Number of iterations used = 1 No Root %% Cum % Scree Diagram (* represents 1%) 1 5.4118 338 338 34 ********************************** 2 3.1687 198 536 20 ******************** 3 1.8936 118 655 12 ************ 4 1.3362 84 738 8 ******** 5 1.2970 81 819 8 ******** 6 0.8955 56 875 6 ****** 7 0.6215 39 914 4 **** 8 0.4767 30 944 3 *** 9 0.3913 24 968 2 ** 10 0.2780 17 986 2 ** 11 0.0995 6 992 1 * 12 0.0560 4 995 0 13 0.0363 2 998 0 14 0.0319 2 1000 0 15 0.0052 0 1000 0 16 0.0008 0 1000 0 Scale: 1 asterisk represents 1 unit.	***** Analysis of Subgroup 13 ***** Total number of units in data = 24 No outliers were detected Number of iterations used = 1 No Root %% Cum % Scree Diagram (* represents 2%) 1 5.922 370 370 37 ******************* 2 3.152 197 567 20 ********** 3 2.309 144 711 14 ******* 4 1.299 81 793 8 **** 5 0.917 57 850 6 *** 6 0.739 46 896 5 *** 7 0.499 31 927 3 ** 8 0.355 22 950 2 * 9 0.320 20 970 2 * 10 0.229 14 984 1 * 11 0.163 10 994 1 * 12 0.066 4 998 0 13 0.021 1 1000 0 14 0.005 0 1000 0 15 0.003 0 1000 0 16 0.000 0 1000 0 Scale: 1 asterisk represents 2 units.
l[8]['Vectors'] 1 2 3 4 1 0.1937 -0.3912 0.0844 -0.2782 2 0.2811 0.1369 -0.2442 0.2024 3 0.1332 0.3069 0.0253 -0.0672 4 -0.1084 -0.0563 -0.4429 -0.3841 5 0.0632 0.4105 -0.1298 0.1149 6 -0.0935 -0.0992 -0.4549 0.3121 7 -0.0425 -0.0423 -0.4141 0.4691 8 0.1491 -0.3536 -0.3344 -0.2418 9 0.0361 0.2965 -0.0748 -0.4606 10 0.0305 -0.4469 0.2384 0.2618 11 -0.3801 0.0272 0.1032 0.0408 12 -0.3378 -0.2041 -0.2296 -0.2227 13 -0.3395 0.1329 0.2611 0.0418 14 0.3272 -0.2462 0.1859 0.0594 15 -0.4099 -0.0956 0.0188 0.0528 16 -0.4074 -0.0904 0.0210 -0.0186 1 allgawp 2 spezp 3 lohnqp 4 lohnak 5 heizqm 6 eqm 7 glasqm 8 glasqmak 9 fkp 10 anvermp 11 beinkp 12 beinkak 13 beinkeqm 14 kapkoef 15 rdiffp 16 rentkoef	l[13]['Vectors'] 1 2 3 4 1 0.2453 -0.3026 -0.0280 -0.0087 2 0.3471 0.0630 -0.2600 0.0498 3 0.2495 0.1277 0.4130 0.1579 4 0.0046 -0.0026 -0.0646 0.7804 5 -0.0065 -0.3737 -0.1845 -0.1575 6 0.1020 0.4004 0.2886 0.0925 7 0.0981 0.4727 0.1624 -0.1240 8 0.0251 0.2886 -0.4093 0.2884 9 0.1768 0.1969 -0.4314 -0.0234 10 -0.0534 -0.3337 0.0621 0.3595 11 -0.3610 0.2031 0.1523 -0.0011 12 -0.3664 0.0737 -0.1348 0.254 13 -0.3630 -0.1436 -0.0046 -0.0337 14 -0.0636 -0.1867 0.4449 0.1568 15 -0.3892 0.1006 -0.1007 -0.1035 16 -0.3877 0.1382 -0.0791 -0.0255 1 allgawp 2 spezp 3 lohnqp 4 lohnak 5 heizqm 6 eqm 7 glasqm 8 glasqmak 9 fkp 10 anvermp 11 beinkp 12 beinkak 13 beinkeqm 14 kapkoef 15 rdiffp 16 rentkoef
The first two principal components explain 53.63 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is allgawp 0.1906 spezp 0.0978 lohnqp 0.1119 lohnak 0.0149 heizqm 0.1725 eqm 0.0186 glasqm 0.0036 glasqmak 0.1473 fkp 0.0892 anvermp 0.2007 beinkp 0.1452 beinkak 0.1557 beinkeqm 0.1330 kapkoef 0.1677 rdiffp 0.1772 rentkoef 0.1742	The first two principal components explain 56.71 percent of the total variation in the data The adequacy of fit of the variables in two dimensions is allgawp 0.1517 spezp 0.1244 lohnqp 0.0786 lohnak 0.0000 heizqm 0.1397 eqm 0.1707 glasqm 0.2330 glasqmak 0.0839 fkp 0.0700 anvermp 0.1142 beinkp 0.1716 beinkak 0.1397 beinkeqm 0.1524 kapkoef 0.0389 rdiffp 0.1616 rentkoef 0.1694

A-2B-18

Übersicht B17: Eigenwerte und kanonische Mittelwerte der kanonischen Variablenanalyse der 24 Gruppen der Kennzahlenbetriebe; Grundlage der Analyse ist die Matrix der Summen und Produkte der 24 Gruppen, gewichtet mit den Wichtungsfaktoren nach Ausreißeranalyse (CAMPBELL, 1980)

***** Canonical variate analysis ***** *** Latent Roots *** lcon['Roots'] 1 2 4.505 0.829 *** Percentage variation *** lcon['Roots'] 1 2 77.59 14.28 *** Trace *** lcon['Trace'] 5.806

*** Canonical Variate Means *** cvacon 1 2 1 -2.331 -1.120 2 -2.420 -0.988 3 -2.406 -0.703 4 -2.110 0.905 5 -2.070 0.942 6 -2.024 1.293 7 -1.003 -0.977 8 -1.043 -1.060 9 -1.030 -0.771 10 -0.956 0.990 11 -0.985 1.139 12 -0.978 1.192 13 0.319 -0.549 14 0.275 -0.710 15 0.208 -0.600 16 0.336 0.781 17 0.340 0.769 18 0.306 0.807 19 3.086 -1.132 20 3.104 -1.138 21 3.225 -0.927 22 3.471 0.304 23 3.443 0.296 24 3.402 0.606

A-2B-19

Übersicht B18: Variablen und ihre Skalierung oder Transformation in Gruppierungs- und Segmentierungsanalysen

Kennzahl	Skalierung in modellbegründeter Clusteranaylse	Skalierung für hierarchische und nicht hierarchische Clusteranalyse zur Errechnung der Proximitätsmatrix	Kennzahlen in CART	Skalierung der Kennzahlen in CHAID (ordinal skalierte Variablen)
fabswg fregion ak epertp eqm fremdakp glasqm glasqmak anvermp fkp netinvp verm allgawp heizqm lohnak lohnqp spezp beinkak beinkweqm beinkp kapkoef rentkoef rdiffp	- - standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (r) standardisiert (i) standardisiert (r) - standardisiert (r) standardisiert (r) - - standardisiert (i) standardisiert (i) standardisiert (i) standardisiert (i) standardisiert (i) standardisiert (i)	nominal nominal ordinal ordinal ordinal ordinal ordinal ordinal ordinal ordinal ordinal ordinal - ordinal ordinal - - ordinal ordinal ordinal ordinal ordinal ordinal	nominal nominal (r) (r) (r) (r) (r) (r) (r) (r) (i) (r) (r) (r) (r) (r) (r) - - - - (i) -	nominal, frei nominal, frei ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton ordinal, monoton - ordinal, monoton ordinal, monoton - - - - - - ordinal, monoton -

(i) Intervallskala

(r) Verhältnisskala

A-2B-20

Übersicht B19: In CART verwendete, von 1 abweichende Gewichtungen für die Objekte nach multivariater Ausreißerprüfung

Betrieb	Gewicht	Mahalanobis-Distanz	Betrieb	Gewicht	Mahalanobis-Distanz
486	0.000	50.152	728	0.525	6.847
557	0.000	38.299	429	0.528	6.841
501	0.000	27.761	82	0.584	6.724
485	0.000	25.484	656	0.593	6.706
500	0.000	22.651	370	0.599	6.693
386	0.000	17.251	114	0.606	6.679
499	0.000	16.660	786	0.620	6.651
403	0.000	16.221	355	0.623	6.645
387	0.000	15.501	311	0.633	6.624
484	0.000	15.210	770	0.637	6.616
796	0.000	14.368	232	0.663	6.562
417	0.000	13.687	290	0.670	6.548
380	0.000	13.092	258	0.679	6.529
385	0.000	12.834	713	0.686	6.515
882	0.000	12.358	289	0.693	6.500
381	0.000	11.638	759	0.701	6.483
558	0.000	11.623	124	0.707	6.471
401	0.000	11.284	784	0.717	6.450
416	0.000	11.165	819	0.730	6.423
436	0.000	10.750	818	0.730	6.423
743	0.000	10.382	206	0.730	6.422
798	0.001	10.248	163	0.731	6.421
349	0.001	10.236	295	0.742	6.398
2	0.001	10.067	771	0.745	6.390
404	0.002	9.907	283	0.754	6.372
29	0.002	9.869	236	0.762	6.355
379	0.002	9.790	3	0.763	6.351
30	0.003	9.729	147	0.780	6.314
28	0.006	9.456	826	0.799	6.272
371	0.007	9.374	812	0.808	6.252
362	0.009	9.309	1	0.816	6.233
453	0.010	9.227	679	0.818	6.229
64	0.013	9.146	126	0.819	6.226
145	0.015	9.069	194	0.827	6.207
415	0.018	8.982	129	0.831	6.197
634	0.021	8.912	785	0.843	6.169
140	0.025	8.839	117	0.847	6.160
27	0.025	8.835	164	0.853	6.146
881	0.030	8.762	676	0.860	6.128
337	0.037	8.652	678	0.860	6.128
88	0.064	8.370	189	0.877	6.085
146	0.065	8.365	567	0.887	6.057
549	0.072	8.303	712	0.894	6.038
350	0.098	8.132	867	0.896	6.034
207	0.140	7.912	794	0.897	6.031
351	0.142	7.907	571	0.898	6.028
282	0.144	7.894	405	0.902	6.017
452	0.154	7.851	828	0.903	6.014
141	0.160	7.830	697	0.904	6.012
811	0.166	7.804	231	0.905	6.008
222	0.166	7.804	357	0.907	6.002
725	0.171	7.785	112	0.913	5.987
312	0.172	7.781	673	0.915	5.980
451	0.176	7.764	445	0.918	5.972
291	0.196	7.691	150	0.929	5.937
548	0.218	7.613	26	0.939	5.906
547	0.248	7.518	262	0.946	5.882
813	0.250	7.513	276	0.948	5.877
729	0.267	7.461	314	0.956	5.850
261	0.281	7.424	742	0.958	5.840
714	0.317	7.325	274	0.964	5.820
769	0.341	7.264	684	0.966	5.812
674	0.350	7.240	748	0.971	5.791
878	0.373	7.186	762	0.973	5.782
361	0.415	7.086	698	0.976	5.771
460	0.425	7.063	447	0.977	5.766
316	0.453	7.002	595	0.981	5.750
877	0.461	6.983	113	0.985	5.734
705	0.466	6.973	310	0.991	5.705
142	0.471	6.961	869	0.991	5.705
263	0.478	6.946	125	0.992	5.700
727	0.481	6.941	814	0.992	5.700
198	0.483	6.936	827	0.993	5.695
879	0.490	6.922	677	0.996	5.681
726	0.494	6.913	265	0.996	5.680
708	0.507	6.885	139	0.999	5.665

A-2B-21

Übersicht B20: Beurteilung der Normalverteilung bei der Kennzahl Rentabilitätskoeffizient im vollen und im eingeschränkten Datensatz inm den Jahren 1992, 1993, 1994

1992	1993	1994
Summary statistics for rentkoef, full sample Number of values = 297 Skewness = 0.844 Standard Error of Skewness = 0.141 Kurtosis = 3.820 Standard Error of Kurtosis = 0.282	Summary statistics for rentkoef, full sample Number of values = 297 Skewness = -2.571 Standard Error of Skewness = 0.141 Kurtosis = 24.485 Standard Error of Kurtosis = 0.282	Summary statistics for rentkoef, full sample Number of values = 297 Skewness = 0.793 Standard Error of Skewness = 0.141 Kurtosis = 2.133 Standard Error of Kurtosis = 0.282
restrcted cases jahr case rentkoef 92.00 145.0 -0.550 92.00 355.0 2.690 92.00 472.0 1.910 92.00 595.0 2.020 92.00 634.0 2.980 92.00 676.0 2.470 92.00 799.0 1.870	restricted cases jahr case rentkoef 93.00 146.0 0.080 93.00 326.0 1.950 93.00 356.0 2.020 93.00 416.0 0.150 93.00 443.0 0.110 93.00 533.0 1.750 93.00 557.0 -3.120 93.00 611.0 0.150 93.00 623.0 1.970 93.00 656.0 0.100 93.00 677.0 2.010 93.00 788.0 1.770 93.00 800.0 1.910 93.00 881.0 -0.020	restricted cases jahr case rentkoef 94.00 222.0 2.650 94.00 297.0 2.040 94.00 357.0 2.600 94.00 393.0 1.940 94.00 417.0 0.090 94.00 486.0 -0.050 94.00 534.0 1.950 94.00 636.0 1.920 94.00 678.0 2.410
Summary statistics for rentkoef restricted Number of values = 290 Skewness = 0.176 Standard Error of Skewness = 0.143 Kurtosis = -0.101 Standard Error of Kurtosis = 0.285	Summary statistics for rentkoef restricted Number of values = 283 Skewness = 0.142 Standard Error of Skewness = 0.145 Kurtosis = -0.264 Standard Error of Kurtosis = 0.289	Summary statistics for rentkoef restricted Number of values = 288 Skewness = 0.229 Standard Error of Skewness = 0.144 Kurtosis = -0.096 Standard Error of Kurtosis = 0.286

A-2B-22

Übersicht B21: Beurteilung der Normalverteilung bei der Kennzahl Rentabilitätskoeffizient im vollen und im eingeschränkten Datendsatz in den Jahren 1992, 1993, 1994

Histogram of rentkoef restricted - 0.2 2 * 0.2 - 0.4 10 ***** 0.4 - 0.6 31 **************** 0.6 - 0.8 42 ********************* 0.8 - 1.0 81 ***************************************** 1.0 - 1.2 59 ****************************** 1.2 - 1.4 38 ******************* 1.4 - 1.6 17 ********* 1.6 - 1.8 9 ***** 1.8 - 1 * Scale: 1 asterisk represents 2 units.	Histogram of rentkoef restricted - 0.32 7 **** 0.32 - 0.48 10 ***** 0.48 - 0.64 30 *************** 0.64 - 0.80 38 ******************* 0.80 - 0.96 69 *********************************** 0.96 - 1.12 55 **************************** 1.12 - 1.28 24 ************ 1.28 - 1.44 25 ************* 1.44 - 1.60 17 ********* 1.60 - 8 **** Scale: 1 asterisk represents 2 units.	Histogram of rentkoef restricted - 0.2 0 0.2 - 0.4 8 **** 0.4 - 0.6 28 ************** 0.6 - 0.8 46 *********************** 0.8 - 1.0 78 *************************************** 1.0 - 1.2 60 ****************************** 1.2 - 1.4 35 ****************** 1.4 - 1.6 23 ************ 1.6 - 1.8 8 **** 1.8 - 2 * Scale: 1 asterisk represents 2 units.
Stem-and-leaf display for rentkoef restricted Number of observations: 290 Minimum: 0.2 Maximum: 1.8 Stem units: 0.1, leaf digits: 1 (the value 0.1700 is represented by 1|7) 2 1|78 3 2|668 5 3|03788 12 4|002233457889 18 5|000222367788999999 17 6|00012244445566679 27 7|000112234455555666777888999 39 8|011111222223344445566666777777788889999 40 9|0000122233333444444445555566777779999999 39 10|000111122334445555666777778888899999999 22 11|0011222222223344566899 24 12|011234455556667777778999 14 13|13455566678999 9 14|011234567 9 15|445667777 4 16|1378 4 17|2278 2 18|01	Stem-and-leaf display for rentkoef restricted Number of observations: 283 Minimum: 0.2 Maximum: 1.7 Stem units: 0.1, leaf digits: 1 (the value 0.2200 is represented by 2|2) 6 2|245578 5 3|23568 10 4|1457779999 15 5|122445566666789 22 6|1122333344455678889999 21 7|012344566777778889999 48 8|000000112233333444445555555666666777778888888889 37 9|0001222233333334444566666667778888999 34 10|0011122223344455666777778888999999 23 11|00111112222444555568899 17 12|01233333456799999 10 13|1233467799 21 14|000112233455567888999 6 15|235599 5 16|14477 3 17|023	Stem-and-leaf display for rentkoef restricted Number of observations: 288 Minimum: 0.2 Maximum: 1.8 Stem units: 0.1, leaf digits: 1 (the value 0.2100 is represented by 2|1) 4 2|1239 4 3|0568 8 4|23445799 19 5|1222244455555778899 13 6|0234455567799 31 7|0011112344566666666777889999999 37 8|0001111222233334445555566666677888999 40 9|0000111112223344445555566666677777889999 37 10|0000112222223344445555566667777888899 24 11|012222333333344555778899 18 12|000111222334556677 20 13|01112233333445557899 14 14|12355667889999 8 15|23334568 4 16|0257 5 17|34589 2 18|34
--------------------------------------------------------------- Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- Marginal unrestricted 2.368** 0.392** 0.348** restricted 0.496 0.080 0.074 ---------------------------------------------------------------	--------------------------------------------------------------- Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- Marginal unrestricted 3.616** 0.628** 0.623** restricted 0.865* 0.146* 0.138* ---------------------------------------------------------------	--------------------------------------------------------------- Test statistic --------------------------------- Type of Anderson- Cramer- test Variate(s) Darling von Mises Watson --------------------------------------------------------------- Marginal unrestricted 2.182** 0.382** 0.323** restricted 0.699? 0.121? 0.107? ---------------------------------------------------------------

A-2B-23

Übersicht B22: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1992, Verwendung der Gewichtung nach Ausreißertests

Regression tree: tree(formula = rentkoef.full ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + fabswg + fregion, weights = weights, subset = fjahr == "92") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "epertp" [5] "anvermp" "fremdakp" "fabswg" "glasqmak" Number of terminal nodes: 29 Residual mean deviance: 0.01609 = 4.313 / 268 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.8806 -0.0911 0.0004352 -0.004082 0.09595 Max. 0.6676 summary(ftree.92.pruned7) Regression tree: snip.tree(tree = ftree.92, nodes = c(14, 17, 15, 6, 16, 9, 5)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" Number of terminal nodes: 7 Residual mean deviance: 0.047 = 13.63 / 290 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. Max. -1.143 -0.1482 -0.00582 -0.005566 0.1318 1.288 lohnqp [1:297] Min. 1st Qu. Median Mean 3rd Qu. Max. 13.39 26.37 32.48 34.7 40.24 117 spezp [1:297] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.68 25.18 33.49 33.19 39.76 84.2 allgawp [1:297] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.13 19.82 25.33 26.23 32.17 49.31

var n dev yval 5 <leaf> 55 3.2034190 0.9482249 6 <leaf> 68 2.3018574 0.9758199 9 <leaf> 34 2.1237838 1.1364736 14 <leaf> 47 1.4713238 0.8507095 15 <leaf> 46 1.4394617 0.5931755 16 <leaf> 21 2.2150736 1.6917334 17 <leaf> 26 0.8744454 1.3349647 node number: 5 root lohnqp<31.63 spezp>37.175 node number: 6 root lohnqp>31.63 spezp<28.285 node number: 9 root lohnqp<31.63 spezp<37.175 allgawp>29.735 node number: 14 root lohnqp>31.63 spezp>28.285 allgawp<23.995 node number: 15 root lohnqp>31.63 spezp>28.285 allgawp>23.995 node number: 16 root lohnqp<31.63 spezp<37.175 allgawp<29.735 spezp<27.82 node number: 17 root lohnqp<31.63 spezp<37.175 allgawp<29.735 spezp>27.82

A-2B-24

Übersicht B23: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1993, Verwendung der Gewichtung nach Ausreißertests

Regression tree: tree(formula = rentkoef.full ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + fabswg + fregion, weights = weights, subset = fjahr == "93") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "lohnak" [5] "glasqmak" "epertp" "netinvp" "glasqm" [9] "anvermp" "verm" "ak" Number of terminal nodes: 32 Residual mean deviance: 0.02171 = 5.752 / 265 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. Max. -3.361 -0.1011 -0.01208 -0.02439 0.08823 0.4382 summary(ftree.93.pruned7) Regression tree: snip.tree(tree = ftree.93, nodes = c(13, 15, 12, 14, 10, 4)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "netinvp" "allgawp" Number of terminal nodes: 7 Residual mean deviance: 0.05104 = 14.8 / 290 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. Max. -3.739 -0.1693 -0.01974 -0.03525 0.1381 0.5881 lohnqp [298:594] Min. 1st Qu. Median Mean 3rd Qu. Max. 11.91 26.9 32.42 35.09 40.39 166 spezp [298:594] Min. 1st Qu. Median Mean 3rd Qu. Max. 10.81 24.87 32.85 34.03 39.81 248.2 allgawp [298:594] Min. 1st Qu. Median Mean 3rd Qu. Max. 10.31 20.97 25.92 26.72 31.89 64.48 netinvp [298:594] Min. 1st Qu. Median Mean 3rd Qu. Max. -151.6 -14.97 -6.19 -2.454 8.23 88.62

var n dev yval 4 <leaf> 39 3.2040579 1.4621080 10 <leaf> 39 2.8341996 1.1365090 11 <leaf> 8 0.7980908 0.5902510 12 <leaf> 21 1.4660561 1.2420409 13 <leaf> 57 1.3328610 0.9497415 14 <leaf> 87 3.8170427 0.9018784 15 <leaf> 46 1.3500855 0.6193360 node number: 4 root lohnqp<28.07 spezp<33.58 node number: 10 root lohnqp<28.07 spezp>33.58 netinvp<23.66 node number: 11 root lohnqp<28.07 spezp>33.58 netinvp>23.66 node number: 12 root lohnqp>28.07 spezp<27.265 lohnqp<33.46 node number: 13 root lohnqp>28.07 spezp<27.265 lohnqp>33.46 node number: 14 root lohnqp>28.07 spezp>27.265 allgawp<27.995 node number: 15 root lohnqp>28.07 spezp>27.265 allgawp>27.995

A-2B-25

Übersicht B24: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1994, Verwendung der Gewichtung nach Ausreißertests

Regression tree: tree(formula = rentkoef.full ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + fabswg + fregion, weights = weights, subset = fjahr == "94") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "glasqm" [5] "fremdakp" "netinvp" "epertp" "ak" [9] "eqm" Number of terminal nodes: 31 Residual mean deviance: 0.01932 = 5.14 / 266 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. Max. -0.7008 -0.09143 -0.0055 -0.005761 0.09091 0.574 summary(ftree.94.pruned7) Regression tree: snip.tree(tree = ftree.94, nodes = c(8, 13, 7, 11, 12)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "fremdakp" Number of terminal nodes: 7 Residual mean deviance: 0.0474 = 13.74 / 290 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. Max. -0.7332 -0.1632 -0.0256 -0.01377 0.1394 0.7205 lohnqp [595:891] Min. 1st Qu. Median Mean 3rd Qu. Max. 11.25 26.63 32.26 35.44 40.09 242.7 spezp [595:891] Min. 1st Qu. Median Mean 3rd Qu. Max. 6.08 24.34 31.31 31.89 38.45 67.12 allgawp [595:891] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.95 21.29 25.92 26.77 31.81 56.27 fremdakp [595:891] Min. 1st Qu. Median Mean 3rd Qu. Max. 0 49.32 68.05 61.89 77.9 94.51

var n dev yval 7 <leaf> 58 1.8191220 0.6831542 8 <leaf> 11 1.0165926 1.9295484 9 <leaf> 5 0.5973200 1.3460000 10 <leaf> 9 0.3686927 1.6208248 11 <leaf> 72 4.0385654 1.1706246 12 <leaf> 73 3.7463363 1.0855977 13 <leaf> 69 2.1582423 0.8408787 node number: 7 root lohnqp>28.29 lohnqp>43.46 node number: 8 root lohnqp<28.29 spezp<22.88 allgawp<34.34 node number: 9 root lohnqp<28.29 spezp<22.88 allgawp>34.34 node number: 10 root lohnqp<28.29 spezp>22.88 fremdakp<32.415 node number: 11 root lohnqp<28.29 spezp>22.88 fremdakp>32.415 node number: 12 root lohnqp>28.29 lohnqp<43.46 spezp<31.235 node number: 13 root lohnqp>28.29 lohnqp<43.46 spezp>31.235

A-2B-26

Übersicht B25: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1992, um Extremwerte verkleinerter Datensatz

Regression tree: tree(formula = rentkoef.rest ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + f.abswg.rest + f.region.rest, subset = f.jahr.rest == "92") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "verm" [5] "glasqmak" "epertp" "anvermp" "fremdakp" Number of terminal nodes: 29 Residual mean deviance: 0.01742 = 4.548 / 261 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.404 -0.07656 0.008063 2.335e-017 0.091 Max. 0.2817 summary(ftree.92.pruned7) Regression tree: snip.tree(tree = ftree.92.rest, nodes = c(8, 14, 15, 6, 19, 5)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" Number of terminal nodes: 7 Residual mean deviance: 0.04365 = 12.35 / 283 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.5697 -0.1276 0.001017 -3.331e-017 0.1346 Max. 0.5401 lohnqp [1:290] Min. 1st Qu. Median Mean 3rd Qu. Max. 13.39 26.5 32.66 34.92 40.26 117 spezp [1:290] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.68 25.38 33.72 33.3 39.9 65.93 allgawp [1:290] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.13 20.02 25.47 26.32 32.18 49.31

var n dev yval 5 <leaf> 59 3.3245932 0.9496610 6 <leaf> 74 2.9268986 0.9298649 8 <leaf> 48 2.2121000 1.3825000 14 <leaf> 41 1.2768390 0.7712195 15 <leaf> 28 0.8765429 0.4885714 18 <leaf> 7 0.3017714 1.4942857 19 <leaf> 33 1.4343879 0.9893939 node number: 5 root lohnqp<32.87 spezp>37.665 node number: 6 root lohnqp>32.87 spezp<32.365 node number: 8 root lohnqp<32.87 spezp<37.665 allgawp<30.23 node number: 14 root lohnqp>32.87 spezp>32.365 lohnqp<44.32 node number: 15 root lohnqp>32.87 spezp>32.365 lohnqp>44.32 node number: 18 root lohnqp<32.87 spezp<37.665 allgawp>30.23 lohnqp<21.99 node number: 19 root lohnqp<32.87 spezp<37.665 allgawp>30.23 lohnqp>21.99

A-2B-27

Übersicht B26: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1993, um Extremwerte verkleinerter Datensatz

Regression tree: tree(formula = rentkoef.rest ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + f.abswg.rest + f.region.rest, subset = f.jahr.rest == "93") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "heizqm" [5] "netinvp" "epertp" "verm" "ak" [9] "fremdakp" "anvermp" Number of terminal nodes: 30 Residual mean deviance: 0.01828 = 4.625 / 253 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.6033 -0.07806 0.01 -2.079e-017 0.0819 Max. 0.3967 summary(ftree.93.pruned7) Regression tree: snip.tree(tree = ftree.93.rest, nodes = c(24, 25, 13, 9, 5)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" Number of terminal nodes: 7 Residual mean deviance: 0.04621 = 12.75 / 276 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.833 -0.1263 -0.00451 -6.748e-017 0.1287 Max. 0.7803 lohnqp [291:578] Min. 1st Qu. Median Mean 3rd Qu. Max. 11.91 27.33 32.69 35.1 40.29 166 spezp [291:578] Min. 1st Qu. Median Mean 3rd Qu. Max. 10.81 25.44 32.85 33.07 39.76 63.51 allgawp [291:578] Min. 1st Qu. Median Mean 3rd Qu. Max. 10.31 21.04 25.96 26.54 31.92 60.88

var n dev yval 5 <leaf> 59 4.5655932 0.9196610 7 <leaf> 12 0.2311667 0.4216667 8 <leaf> 14 0.1419500 1.5250000 9 <leaf> 71 4.3826789 1.1929577 13 <leaf> 24 0.8040500 0.6375000 24 <leaf> 51 1.0918627 0.9845098 25 <leaf> 52 1.5355923 0.7896154 node number: 5 root lohnqp<32.92 spezp>37.76 node number: 7 root lohnqp>32.92 lohnqp>57.485 node number: 8 root lohnqp<32.92 spezp<37.76 allgawp<20.595 node number: 9 root lohnqp<32.92 spezp<37.76 allgawp>20.595 node number: 13 root lohnqp>32.92 lohnqp<57.485 spezp>39.95 node number: 24 root lohnqp>32.92 lohnqp<57.485 spezp<39.95 allgawp<26.2 node number: 25 root lohnqp>32.92 lohnqp<57.485 spezp<39.95 allgawp>26.2

A-2B-28

Übersicht B27: Beschreibung des vollen und des auf sieben Terminalknoten gestutzten Regressionsbaums 1994, um Extremwerte verkleinerter Datensatz

Regression tree: tree(formula = rentkoef.rest ~ ak + epertp + eqm + fremdakp + glasqm + glasqmak + anvermp + fkp + fkp + netinvp + verm + allgawp + heizqm + lohnak + lohnqp + spezp + f.abswg.rest + f.region.rest, subset = f.jahr.rest == "94") Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" "heizqm" [5] "netinvp" "anvermp" "ak" "fremdakp" [9] "epertp" Number of terminal nodes: 32 Residual mean deviance: 0.01665 = 4.262 / 256 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.3567 -0.07737 0.005934 1.793e-017 0.07649 Max. 0.3075 summary(ftree.94.pruned7) Regression tree: snip.tree(tree = ftree.94.rest, nodes = c(24, 25, 13, 8, 7, 5)) Variables actually used in tree construction: [1] "lohnqp" "spezp" "allgawp" Number of terminal nodes: 7 Residual mean deviance: 0.04626 = 13 / 281 Distribution of residuals: Min. 1st Qu. Median Mean 3rd Qu. -0.7106 -0.1331 -0.005625 -1.442e-016 0.1296 Max. 0.6094 lohnqp [579:861] Min. 1st Qu. Median Mean 3rd Qu. Max. 11.25 27 32.36 34.86 40.16 102.6 spezp [579:861] Min. 1st Qu. Median Mean 3rd Qu. Max. 6.08 24.42 31.45 32 38.46 67.12 allgawp [579:861] Min. 1st Qu. Median Mean 3rd Qu. Max. 7.95 21.35 25.88 26.76 31.68 56.27

var n dev yval 5 <leaf> 80 4.7194688 1.0606250 7 <leaf> 52 2.3973231 0.6523077 8 <leaf> 39 2.4580359 1.4312821 9 <leaf> 9 0.1170222 1.0644444 13 <leaf> 30 1.2721367 0.7376667 24 <leaf> 30 0.9526967 1.1436667 25 <leaf> 48 1.0815812 0.9056250 node number: 5 root lohnqp<31.085 spezp>30.175 node number: 7 root lohnqp>31.085 lohnqp>44.105 node number: 8 root lohnqp<31.085 spezp<30.175 allgawp<36.435 node number: 9 root lohnqp<31.085 spezp<30.175 allgawp>36.435 node number: 13 root lohnqp>31.085 lohnqp<44.105 allgawp>29.775 node number: 24 root lohnqp>31.085 lohnqp<44.105 allgawp<29.775 spezp<27.455 node number: 25 root lohnqp>31.085 lohnqp<44.105 allgawp<29.775 spezp>27.455

A-2B-29

Übersicht B28: Minima, Maxima und Quartile für die Prediktorvariablen, pro Jahr 297 Werte

_______________________________________________________________________ ----------------------------------------------------------------------- Minimum Perzen- Median Perzen- Maximum tile 25 tile 75 ----------------------------------------------------------------------- jahr 1992 anzahl arbeitskräfte 1,00 3,03 4,61 6,86 17,50 anlagevermögen 2,16 37,73 46,86 55,67 93,61 anteil eigenproduktion 61,76 90,97 96,83 98,66 100,00 eqm 11000,00 71424,00 116000,0 179388,0 485000,0 anteil fremdkapital ,00 54,92 110,40 180,40 1801,13 anteil fremd-ak ,00 50,00 66,67 78,57 100,00 glasfläche 450,00 3260,00 4665,00 7462,00 18817,00 glasfläche je ak 68,10 734,51 1063,79 1493,51 4572,82 heizung je qm 1,24 5,55 8,47 13,25 34,27 lohn je ak ,00 24146,67 31808,61 38911,00 104592,9 nettoinvestitionen -318,01 -13,21 -3,76 12,39 205,85 vermögen 67,00 374,00 573,00 903,00 3101,00 1993 anzahl arbeitskräfte 1,00 2,98 4,69 6,72 18,00 anlagevermögen 1,21 37,73 45,14 53,72 81,56 anteil eigenproduktion 61,54 90,33 96,81 98,61 100,00 eqm 12000,00 75880,00 120000,0 186284,0 528200,0 anteil fremdkapital ,00 59,17 108,24 186,89 2417,20 anteil fremd-ak ,00 49,81 66,67 78,66 100,00 glasfläche 450,00 3350,00 4900,00 7500,00 20000,00 glasfläche je ak 61,78 733,33 1140,07 1542,06 6655,56 heizung je qm ,00 6,11 8,94 12,60 37,35 lohn je ak ,00 26140,69 33303,26 40299,94 114511,0 nettoinvestitionen -151,56 -14,97 -6,19 8,23 88,62 vermögen 83,00 389,00 606,00 936,00 3811,00 1994 anzahl arbeitskräfte 1,02 3,00 4,60 6,91 18,22 anlagevermögen ,00 36,12 44,00 53,59 78,16 anteil eigenproduktion 62,69 89,64 96,84 98,82 100,00 eqm 12000,00 80000,00 120000,0 187200,0 469886,0 anteil fremdkapital ,00 61,52 109,13 193,25 3019,67 anteil fremd-ak ,00 49,32 68,05 77,90 94,51 glasfläche 450,00 3500,00 5000,00 7767,00 20000,00 glasfläche je ak 56,73 755,56 1162,55 1616,67 4654,97 heizung je qm ,42 4,52 7,18 10,84 33,19 lohn je ak ,00 25806,52 33660,74 41264,86 78459,00 nettoinvestitionen -86,37 -15,51 -6,98 6,10 241,64 vermögen 80,00 386,00 611,00 933,00 3526,00 ----------------------------------------------------------------------- 1992-1994 anzahl arbeitskräfte 1,00 3,00 4,63 6,84 18,22 anlagevermögen ,00 36,80 45,46 54,43 93,61 anteil eigenproduktion 61,54 90,24 96,84 98,66 100,00 eqm 11000,00 75880,00 118000,0 184728,0 528200,0 anteil fremdkapital ,00 58,46 109,63 186,58 3019,67 anteil fremd-ak ,00 50,00 66,67 78,57 100,00 glasfläche 450,00 3350,00 4900,00 7500,00 20000,00 glasfläche je ak 56,73 745,45 1128,43 1538,46 6655,56 heizung je qm ,00 5,39 8,27 12,22 37,35 lohn je ak ,00 25192,51 32908,61 40267,63 114511,0 nettoinvestitionen -318,01 -14,80 -5,81 9,53 241,64 vermögen 67,00 383,00 596,00 922,00 3811,00 ----------------------------------------------------------------------- rentabilitätskoeffizient 1992 Percentile Value Percentile Value Percentile Value Percentile Value 12,50 ,590 37,50 ,870 62,50 1,070 87,50 1,388 Valid cases 297 Missing cases 0 rentabilitätskoeffizient 1993 Percentile Value Percentile Value Percentile Value Percentile Value 12,50 ,560 37,50 ,850 62,50 1,050 87,50 1,418 Valid cases 297 Missing cases 0 rentabilitätskoeffizient 1994 Percentile Value Percentile Value Percentile Value Percentile Value 12,50 ,593 37,50 ,870 62,50 1,070 87,50 1,445 Valid cases 297 Missing cases 0

A-2B-30

Übersicht B29: Ergebnisse der Segmentierung durch CHAID für die Kennzahlen der Jahre 1992, 1993 und 1994

Segmentierung 1992

f_rentko levels=4 (Dependent) rentabilitätskoeffizient

level value symbol: label frequency scores

1) 1 1: sehr gering 76 0.59

2) 2 2: gering 74 0.87

3) 3 3: hoch 73 1.07

4) 4 4: sehr hoch 74 1.39

id count score vars...

-1- 28 0.70 f_eqm=12 f_frmdak=1 f_glqmak=12

-2- 8 0.72 f_eqm=12 f_frmdak=1 f_glqmak=34 f_anverm=1

-3- 18 1.00 f_eqm=12 f_frmdak=1 f_glqmak=34 f_anverm=2-4

-4- 99 0.94 f_eqm=12 f_frmdak=2-4

-5- 51 0.96 f_eqm=34 region=ü

-6- 59 1.07 f_eqm=34 region=r f_netinv=1-3

-7- 34 1.22 f_eqm=34 region=r f_netinv=4

Id size % of all score index Cum: size % of all score index

7 34 11.4 1.22 125 34 11.4 1.22 125

6 59 19.9 1.07 110 93 31.3 1.13 115

3 18 6.1 1.00 102 111 37.4 1.10 113

5 51 17.2 0.96 98 162 54.5 1.06 108

4 99 33.3 0.94 96 261 87.9 1.01 104

2 8 2.7 0.72 74 269 90.6 1.01 103

1 28 9.4 0.70 72 297 100.0 0.98 100

Segmenmtierung 1993

f_rentko levels=4 (Dependent) rentabilitätskoeffizient

level value symbol: label frequency scores

1) 1 1: sehr gering 74 0.56

2) 2 2: gering 80 0.85

3) 3 3: hoch 72 1.05

4) 4 4: sehr hoch 71 1.42

id count score vars...

-1- 12 0.63 f_fkp=12 region=ü f_ak=1

-2- 11 0.81 f_fkp=12 region=ü f_ak=2

-3- 29 1.10 f_fkp=12 region=ü f_ak=34 f_lohnak=1-3

-4- 16 0.90 f_fkp=12 region=ü f_ak=34 f_lohnak=4

-5- 15 1.16 f_fkp=12 region=r f_frmdak=1 f_verm=12

-6- 14 0.81 f_fkp=12 region=r f_frmdak=1 f_verm=34

-7- 19 1.31 f_fkp=12 region=r f_frmdak=2-4 f_ak=12

-8- 23 1.11 f_fkp=12 region=r f_frmdak=2-4 f_ak=3

-9- 11 1.30 f_fkp=12 region=r f_frmdak=2-4 f_ak=4

-10- 147 0.88 f_fkp=34

Id size % of all score index Cum: size % of all score index

7 19 6.4 1.31 136 19 6.4 1.31 136

9 11 3.7 1.30 135 30 10.1 1.31 136

5 15 5.1 1.16 120 45 15.2 1.26 131

8 23 7.7 1.11 115 68 22.9 1.21 125

3 29 9.8 1.10 115 97 32.7 1.18 122

4 16 5.4 0.90 93 113 38.0 1.14 118

10 147 49.5 0.88 92 260 87.5 0.99 103

2 11 3.7 0.81 85 271 91.2 0.98 102

6 14 4.7 0.81 84 285 96.0 0.98 101

1 12 4.0 0.63 66 297 100.0 0.96 100

Segmentierung 1994

f_rentko levels=4 (Dependent) rentabilitätskoeffizient

level value symbol: label frequency scores

1) 1 1: sehr gering 69 0.59

2) 2 2: gering 72 0.87

3) 3 3: hoch 76 1.07

4) 4 4: sehr hoch 80 1.45

id count score vars...

-1- 68 0.87 f_eqm=1

-2- 24 1.26 f_eqm=23 f_fkp=12 f_heizqm=1

-3- 44 1.06 f_eqm=23 f_fkp=12 f_heizqm=2-4

-4- 27 0.97 f_eqm=23 f_fkp=34 f_netinv=1

-5- 21 0.78 f_eqm=23 f_fkp=34 f_netinv=2

-6- 25 1.06 f_eqm=23 f_fkp=34 f_netinv=34 f_heizqm=1-3

-7- 10 0.80 f_eqm=23 f_fkp=34 f_netinv=34 f_heizqm=4

-8- 13 1.12 f_eqm=4 region=ü f_lohnak=1-3

-9- 13 0.85 f_eqm=4 region=ü f_lohnak=4

-10- 52 1.19 f_eqm=4 region=r

Id size % of all score index Cum: size % of all score index

2 24 8.1 1.26 125 24 8.1 1.26 125

10 52 17.5 1.19 118 76 25.6 1.21 120

8 13 4.4 1.12 111 89 30.0 1.20 119

6 25 8.4 1.06 105 114 38.4 1.17 116

3 44 14.8 1.06 105 158 53.2 1.14 112

4 27 9.1 0.97 96 185 62.3 1.11 110

1 68 22.9 0.87 86 253 85.2 1.05 104

9 13 4.4 0.85 84 266 89.6 1.04 103

7 10 3.4 0.80 79 276 92.9 1.03 102

5 21 7.1 0.78 77 297 100.0 1.01 100

A-2B-31

Übersicht B30: Direkte Beziehungen nach Screening in den Jahren 1992, 1993 und 1994 zwischen den sechs ausgewählten Erfolgskennzahlen und den 14 übrigen ausgewählten Kennzahlen

	Jahr
direkte Beziehung zwischen...	1992 und	1993 und	1994 und
beinkak	abswg	-	-
	-	-	epertp
	eqm	eqm	eqm
	fkp	fkp	fkp
	glasqmak	glasqmak	glasqmak
	lohnak	lohnak	lohnak
	netinvp	-	-
beinkeqm	region	region	region
	ak	ak	ak
	eqm	eqm	-
	fkp	fkp	fkp
	fremdakp	-	-
	glasqmak	glasqmak	glasqmak
	heizqm	heizqm	heizqm
	lohnak	lohnak	lohnak
beinkp	eqm	-	-
	fkp	fkp	fkp
	heizqm	heizqm	heizqm
	lohnak	lohnak	lohnak
kapkoef	-	-	region
	ak	-	-
	anvermp	anvermp	anvermp
	-	fkp	fkp
	-	fremdakp	-
	lohnak	lohnak	-
rdiffp	region	region	region
	epertp	epertp	epertp
	eqm	eqm	eqm
	fkp	fkp	fkp
	fremdakp	fremdakp	-
	-	-	glasqmak
	-	-	heizqm
	-	-	netinvp
rentkoef	-	region	region
	-	-	epertp
	eqm	eqm	eqm
	fkp	fkp	fkp
	-	fremdakp	-
	glasqmak	-	glasqmak
	heizqm	heizqm	heizqm
	netinvp	-	netinvp

A-2B-32

Übersicht B31: Eliminierte Verbindungen nach Rückwärts-Elimination oder EH-Algorithmus für die Analyse von sechs graphischen Modellen 1993

Kennzahlen	Rückwärts-Elimination	Akzeptierte Modelle im EH-Algorithmus
The main graph. Variables abcde beinkak: a *++++ eqm: b +*+++ fkp: c ++*++ glasqmak: d +++*+ lohnak: e ++++*	Model search finished. bc: eqm & fkp eliminated cd: fkp & glasqmak eliminated ce: fkp & lohnak eliminated	The following edges may be removed from all identified models Evidence Excl. Incl. edge 0.325 0.142 bc - eqm & fkp The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 0.142 0.000 * de - glasqmak & lohnak + - 0.090 0.336 cd - fkp & glasqmak - + 0.191 0.083 ce - fkp & lohnak - +
The main graph. Variables abcdef beinkeqm: a *+++++ ak: b +*++++ fkp: c ++*+++ glasqmak: d +++*++ heizqm: e ++++*+ lohnak: f +++++*	Model search finished. bc: ak & fkp eliminated be: ak & heizqm eliminated ce: fkp & heizqm eliminated cf: fkp & lohnak eliminated ef: heizqm & lohnak eliminated	The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 0.168 0.008 * bf - ak & lohnak + - + 0.078 0.000 * de - glasqmak & heizqm + - - 0.066 0.328 bc - ak & fkp - - + 0.112 0.110 be - ak & heizqm - + + 0.106 0.104 cf - fkp & lohnak - + - 0.462 0.217 ef - heizqm & lohnak - + +
The main graph. Variables abcd beinkp: a *+++ fkp: b +*++ heizqm: c ++*+ lohnak: d +++*	Model search finished. bc: fkp & heizqm eliminated cd: heizqm & lohnak eliminated	The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 0.062 0.019 * bd - fkp & lohnak + - 0.285 0.325 bc - fkp & heizqm - + 0.060 0.114 cd - heizqm & lohnak - +
The main graph. Variables abcde kapkoef: a *++++ anvermp: b +*+++ fkp: c ++*++ fremdakp: d +++*+ lohnak: e ++++*	Model search finished. be: anvermp & lohnak eliminated cd: fkp & fremdakp eliminated	The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 0.068 0.004 * be - anvermp & lohnak - + + 0.060 0.004 * ce - fkp & lohnak + + - 0.060 0.017 * de - fremdakp & lohnak + - + 0.250 0.384 cd - fkp & fremdakp - + +
The main graph. Variables abcdef rdiffp: a *+++++ region: b +*++++ epertp: c ++*+++ eqm: d +++*++ fkp: e ++++*+ fremdakp: f +++++*	Model search finished. ac: rdiffp & epertp eliminated ad: rdiffp & eqm eliminated bc: region & epertp eliminated be: region & fkp eliminated ce: epertp & fkp eliminated ef: fkp & fremdakp eliminated	The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 4 5 6 7 0.092 0.000 * ab - rdiffp & region + + + + - - + 0.268 0.002 * ac - rdiffp & epertp + + - - + + + 0.242 0.001 * ad - rdiffp & eqm - - + + + + + 0.068 0.000 * ae - rdiffp & fkp + + + + + + - 0.396 0.001 * ce - epertp & fkp + - - + + - + 0.222 0.006 * cf - epertp & fremdakp - + + + - + - 0.078 0.036 * de - eqm & fkp - + + - - + + 0.258 0.311 be - region & fkp - - - - + + + 0.360 0.168 ef - fkp & fremdakp + - - + + - +
The main graph. Variables abcdef rentkoef: a *+++++ region: b +*++++ eqm: c ++*+++ fkp: d +++*++ fremdakp: e ++++*+ heizqm: f +++++*	Model search finished. ac: rentkoef & eqm eliminated bd: region & fkp eliminated cd: eqm & fkp eliminated de: fkp & fremdakp eliminated df: fkp & heizqm eliminated	The following edges may be removed from all identified models Evidence Excl. Incl. edge 0.194 0.314 df - fkp & heizqm The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 0.136 0.000 * ab - rentkoef & region + - - 0.074 0.108 ac - rentkoef & eqm - + + 0.152 0.452 bd - region & fkp - + + 0.074 0.066 cd - eqm & fkp - + - 0.300 0.437 de - fkp & fremdakp - - +

A-2B-33

Übersicht B32: Modellsuche graphischer Modelle bei der Analyse von sechs Erfolgskennzahlen, 1992 bis 1994

a) EH-Algorithmus 1992	a) EH-Algorithmus 1993	a) EH-Algorithmus 1994
Step 1: Tests for conditional independence The minimal model will be defined by removal of the following edges: ab - beinkak & beinkeqm p = 0.0660 ae - beinkak & rdiffp p = 0.1279 af - beinkak & rentkoef p = 0.2860 bc - beinkeqm & beinkp p = 0.0580 be - beinkeqm & rdiffp p = 0.0938 bf - beinkeqm & rentkoef p = 0.1940 ce - beinkp & rdiffp p = 0.0800 de - kapkoef & rdiffp p = 0.3514 df - kapkoef & rentkoef p = 0.6820 Step 2: Examination of the adequacy of the minimal model Evidence found in the following cases: ab - beinkak & beinkeqm p = 0.0019 ( p = 0.0660 ) ae - beinkak & rdiffp p = 0.0000 ( p = 0.1279 ) af - beinkak & rentkoef p = 0.0000 ( p = 0.2860 ) be - beinkeqm & rdiffp p = 0.0003 ( p = 0.0938 ) bf - beinkeqm & rentkoef p = 0.0020 ( p = 0.1940 ) ce - beinkp & rdiffp p = 0.0040 ( p = 0.0800 ) de - kapkoef & rdiffp p = 0.0000 ( p = 0.3514 ) df - kapkoef & rentkoef p = 0.0000 ( p = 0.6820 ) The following edges may be removed from all identified models Evidence Excl. Incl. edge The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 4 5 6 0.066 0.002 * ab - beinkak & beinkeqm + + + - - + 0.128 0.000 * ae - beinkak & rdiffp - - + + + + 0.286 0.000 * af - beinkak & rentkoef + + - + + - 0.094 0.000 * be - beinkeqm & rdiffp - - - + + + 0.194 0.002 * bf - beinkeqm & rentkoef - - + - - + 0.080 0.004 * ce - beinkp & rdiffp + + + - + - 0.351 0.000 * de - kapkoef & rdiffp + - - + - + 0.682 0.000 * df - kapkoef & rentkoef - + + - + + 0.058 0.092 bc - beinkeqm & beinkp - - - + + +	Step 1: Tests for conditional independence The minimal model will be defined by removal of the following edges: ab - beinkak & beinkeqm p = 0.0920 ac - beinkak & beinkp p = 0.1340 ae - beinkak & rdiffp p = 0.0517 af - beinkak & rentkoef p = 0.1240 bc - beinkeqm & beinkp p = 0.3000 be - beinkeqm & rdiffp p = 0.1200 bf - beinkeqm & rentkoef p = 0.0980 ce - beinkp & rdiffp p = 0.4300 de - kapkoef & rdiffp p = 0.2400 df - kapkoef & rentkoef p = 0.4420 Step 2: Examination of the adequacy of the minimal model Evidence found in the following cases: ac - beinkak & beinkp p = 0.0001 ( p = 0.1340 ) ae - beinkak & rdiffp p = 0.0000 ( p = 0.0517 ) af - beinkak & rentkoef p = 0.0000 ( p = 0.1240 ) bc - beinkeqm & beinkp p = 0.0280 ( p = 0.3000 ) be - beinkeqm & rdiffp p = 0.0006 ( p = 0.1200 ) bf - beinkeqm & rentkoef p = 0.0002 ( p = 0.0980 ) ce - beinkp & rdiffp p = 0.0142 ( p = 0.4300 ) de - kapkoef & rdiffp p = 0.0000 ( p = 0.2400 ) df - kapkoef & rentkoef p = 0.0000 ( p = 0.4420 ) The following edges may be removed from all identified models Evidence Excl. Incl. edge 0.300 0.028 bc - beinkeqm & beinkp The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 4 5 6 7 8 9 0.134 0.000 * ac - beinkak & beinkp - - - - - + + - + 0.052 0.000 * ae - beinkak & rdiffp + + + + + + + + - 0.124 0.000 * af - beinkak & rentkoef + + + + + - - + + 0.120 0.001 * be - beinkeqm & rdiffp + - - - - - - + + 0.098 0.000 * bf - beinkeqm & rentkoef - + + - - + + - - 0.430 0.014 * ce - beinkp & rdiffp - - - - - - - + + 0.240 0.000 * de - kapkoef & rdiffp + + - + - + - - + 0.442 0.000 * df - kapkoef & rentkoef - - + - + - + + - 0.092 0.092 ab - beinkak & beinkeqm - - - + + + + - +	Step 1: Tests for conditional independence The minimal model will be defined by removal of the following edges: ab - beinkak & beinkeqm p = 0.0656 ad - beinkak & kapkoef p = 0.1380 bc - beinkeqm & beinkp p = 0.4700 be - beinkeqm & rdiffp p = 0.1660 bf - beinkeqm & rentkoef p = 0.3160 cf - beinkp & rentkoef p = 0.2280 df - kapkoef & rentkoef p = 0.4020 Step 2: Examination of the adequacy of the minimal model Evidence found in the following cases: ad - beinkak & kapkoef p = 0.0016 ( p = 0.1380 ) be - beinkeqm & rdiffp p = 0.0400 ( p = 0.1660 ) bf - beinkeqm & rentkoef p = 0.0120 ( p = 0.3160 ) cf - beinkp & rentkoef p = 0.0441 ( p = 0.2280 ) df - kapkoef & rentkoef p = 0.0432 ( p = 0.4020 ) The following edges may be removed from all identified models Evidence Excl. Incl. edge 0.470 0.241 bc - beinkeqm & beinkp The following edges may only be removed (-) for a subset of models Evidence Model no. Excl. Incl. edge 1 2 3 4 5 6 0.138 0.002 * ad - beinkak & kapkoef + - - - + + 0.166 0.040 * be - beinkeqm & rdiffp - - - - + + 0.316 0.012 * bf - beinkeqm & rentkoef + + - - - - 0.228 0.044 * cf - beinkp & rentkoef - - + - + - 0.402 0.043 * df - kapkoef & rentkoef - - - + - + 0.066 0.077 ab - beinkak & beinkeqm - + + + - -
b) Rückwärts-Elimination 1992	b) Rückwärts-Elimination 1993	b) Rückwärts-Elimination 1994

A-2B-34

Model search finished. bc: beinkeqm & beinkp eliminated be: beinkeqm & rdiffp eliminated bf: beinkeqm & rentkoef eliminated df: kapkoef & rentkoef eliminated Deviance df p original df model 326.2 311 0.2651 3600 (acde)(acef)(abd) Degrees of freedom have been adjusted

Model search finished. ab: beinkak & beinkeqm eliminated ac: beinkak & beinkp eliminated ad: beinkak & kapkoef eliminated be: beinkeqm & rdiffp eliminated bf: beinkeqm & rentkoef eliminated ce: beinkp & rdiffp eliminated df: kapkoef & rentkoef eliminated Deviance df p original df model 525.8 1282 1.0000 3951 (aef)(bcd)(cf)(de) Degrees of freedom have been adjusted

Model search finished. ab: beinkak & beinkeqm eliminated ac: beinkak & beinkp eliminated ad: beinkak & kapkoef eliminated ae: beinkak & rdiffp eliminated be: beinkeqm & rdiffp eliminated bf: beinkeqm & rentkoef eliminated df: kapkoef & rentkoef eliminated Deviance df p original df model 454.1 824 1.0000 924 (bcd)(cde)(cef)(af) Degrees of freedom have been adjusted

Fußnoten:
<50>	BE steht für Betriebsertrag
<51>	Erfolgsdaten im weiteren und umgangssprachlichen Sinne; sprachlich korrekter wäre die Unterteilung in Produktivitäts- und Rentabilitätskennzahlen, wobei letztere Erfolgskennzahlen im engeren Sinne darstellen.

© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.