Krusche, Stefan: Visualisierung und Analyse multivariater Daten in der gartenbaulichen Beratung - Methodik, Einsatz und Vergleich datenanalytischer Verfahren

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.


[Titelseite] [Danksagung] [1] [2] [3] [4] [5] [Bibliographie] [Abkürzungsverzeichnis] [Lebenslauf] [Selbständigkeitserklärung] [Anhang] [Anhang] [Anhang] [Anhang] [Anhang]

© 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.

DiML DTD Version 2.0
Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML - Version erstellt am:
Wed May 24 16:40:53 2000