Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Einfluss komplexitätsbezogener Faktoren auf Innovation. Eine ... - AFA
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Master-Thesis, Mayrhofer (2013)<br />
Veränderlichkeit unter dem 10%-Level als p-Wert mit dem Koeffizienten 2,265<br />
[=(2.265e+00)].<br />
Tab. 7: Logit mit Indikator (A)<br />
glm(formula = <strong>Innovation</strong> ~ F.E.Aufwendungen + F.E.Kooperationen + F.E.Personal +<br />
Förderungen + Patente + Unternehmensgröße + Interaktion + Veränderlichkeit + Vieldeutigkeit<br />
+ Vielfalt + Vielzahl, family = binomial(logit), data = Logit)<br />
Deviance Residuals:<br />
Min 1Q Median 3Q Max<br />
-1.84536 -0.66177 -0.00618 0.50989 2.35609<br />
Coefficients:<br />
Quelle: eigene Berechnung<br />
Estimate Std. Error z value Pr(>|z|)<br />
(Intercept) -1.488e+01 8.051e+00 -1.849 0.0645 *<br />
F.E.Aufwendungen -1.013e+00 4.118e-01 -2.461 0.0139 **<br />
F.E.Kooperationen 8.382e-01 8.733e-01 0.960 0.3371<br />
F.E.Personal -8.447e-03 8.640e-03 -0.978 0.3283<br />
Förderungen 2.242e-07 3.653e-07 0.614 0.5395<br />
Patente 1.164e-02 6.321e-03 1.842 0.0655 *<br />
Unternehmensgröße -1.085e-04 7.113e-05 -1.526 0.1270<br />
Interaktion 3.085e+00 1.395e+00 2.212 0.0270 **<br />
Veränderlichkeit 2.265e+00 1.249e+00 1.813 0.0698 *<br />
Vieldeutigkeit 1.537e+00 1.028e+00 1.495 0.1348<br />
Vielfalt 4.250e-01 8.112e-01 0.524 0.6003<br />
Vielzahl -4.012e-01 7.736e-01 -0.519 0.6041<br />
AIC: 57.409 * 0.1; ** 0.05<br />
Die Logit-Regression inklusive des Indikators (B) ist in Tab. 8 dargestellt. Als<br />
unabhängige Variablen sind nun wieder die klassischen Parameter F&E-<br />
Aufwendungen, F&E-Kooperationen, F&E-Personal, Förderungen, Patente und<br />
die Unternehmensgröße inkludiert. Durch die andere Art der Aggregation des<br />
Indikators (B) werden nun als komplexitätsbezogene Parameter Akteure,<br />
Aktivitäten, Institutionen und Ressourcen <strong>auf</strong>genommen. Auffällig in diesem<br />
Output ist, dass wir es mit weniger signifikanten Koeffizienten zu tun haben,<br />
als zuvor. Die F&E-Aufwendungen zeigen dafür einen noch signifikanteren<br />
<strong>Einfluss</strong> <strong>auf</strong> die abhängige Variable mit einem Koeffizienten von 0,8587<br />
(=8.587e-01) und einem p-Wert unter 1%. Allerdings kommt dazu nur mehr<br />
der signifikante <strong>Einfluss</strong> der Ressourcen mit einem Koeffizient von -2,553<br />
[=(-2.553e+00)] und einem p-Wert unter dem 10%-Level. Da sich bei der<br />
ersten Regression bessere Erklärungswerte [bei fast gleichem AIC (Maß für<br />
Modellgüte), wegen F&E-Aufwendungen] zeigen, wird bei der Interpretation<br />
auch das erste Logit-Modell mit dem Indikator (A) als zusätzliche erklärende<br />
Variablen vorgezogen.<br />
58