Erläuterung zur Auswertung

Nach Abschluss der Befragung wurden die Ergebnisse zur Auswertung aus dem Umfragetool in das Statistikprogramm Stata exportiert. Die Anzahl der vollstän-dig ausgefüllten Fragebögen betrug am 11.12.2014 insgesamt 94. Die Variablen wurden kodiert und auf Basis einer Plausibilitätsprüfung bereinigt. Sämtliche Auswertungen wurden mit Hilfe von Stata durchgeführt. Die Graphiken wurden mit Stata und Microsoft Excel erstellt.

Die Auswertung der ausgefüllten Fragebögen erfolgt sowohl deskriptiv, als auch analytisch-induktiv. Deskriptive Methoden sind die Grundlage anknüp-fender induktiver Methoden (Töpfer, 2010). Die deskriptive Statistik hat das Ziel, 154 In Frage 18 wurde aufgrund der Rückmeldungen als mögliche planende Abteilung der Maßnahmen zur Vereinbarkeit von Beruf und Familie der Betriebsrat ergänzt.

erhobene Daten übersichtlich zu gestalten (Mayer, 2002). Dies geschieht mittels Häufigkeitsverteilungen. Diese werden zusätzlich zu einer Beschreibung grafisch dargestellt, sofern sie einen Beitrag zur Veranschaulichung der Ergebnisse leisten.

Die Häufigkeitsverteilung kann relativ oder absolut dargestellt werden (Attes-lander, 2003). Sie „umfasst die Beschreibung von Verteilungen und Zusammen-hängen“ (Mayer, 2002, S. 111) der Forschungsdaten. Da eine relative Darstellung in Form von Prozentsätzen übersichtlicher ist, werden die Ergebnisse in dieser Arbeit teilweise prozentual wiedergegeben. Auffällige Zusammenhänge im Kon-text der Themenkomplexe werden zusätzlich beschrieben.

Mittels induktiver (beurteilender) Verfahren werden „die Gewinnung von Er-kenntnissen zu den Verhältnissen in der zu Grunde liegenden Grundgesamtheit [...] angestrebt bzw. Hypothesentests durchgeführt“ (Töpfer, 2010, S. 235). Die induktiven Verfahren werden auch als „Signifikanz testende Verfahren“ (Töp-fer, 2010, S. 236) (Inferenzstatistik) bezeichnet, welche auf Basis der Stichprobe versuchen, Rückschlüsse auf die Grundgesamtheit zu ziehen. Dabei wurde zum Teil auf statistische Verfahren wie die Korrelationsanalyse oder Varianzanalyse zurückgegriffen. Vertiefende Beschreibungen der angewandten statistischen Ver-fahren, sowie der Gültigkeitsprüfungen sind bei Töpfer (2010), Cleff (2011) und Müller-Benedict (2011) zu finden.

Zur Analyse von Unterschieden zwischen Gruppen wird der Einfluss einer einzelnen kategorialen Variablen (UV) auf eine intervallskalierte Variable (AV) mittels einer Varianzanalyse getestet. Hierbei werden die Mittelwertsunterschiede der abhängigen Variablen zwischen den Gruppen der unabhängigen Variablen verglichen. In der vorliegenden Arbeit sind die Stichproben unabhängig und es wird der Einfluss von nur einem Faktor auf die abhängige Variable untersucht. Da-her wird eine einfaktorielle Varianzanalyse (ANOVA) berechnet.¹⁵⁵ Diese prüft, ob der Unterschied zwischen mindestens einer der verglichenen Gruppen signifikant ist. Die Standardabweichung (SD) gibt dabei die Streubreite der Werte um den Mittelwert (M) an. Zur Prüfung, zwischen welchen Vergleichsgruppen signifikan-te Unsignifikan-terschiede bessignifikan-tehen, werden post-hoc t-Tests zum paarweisen Vergleich der Mittelwertsunterschiede durchgeführt. Die Voraussetzung der Normalverteilung wurde jeweils graphisch geprüft.

Zur Analyse der Zusammenhänge zwischen zwei Variablen werden Korre-lationen berechnet (Bühner, 2004). Im Ergebnis lassen sich Richtung (positive, negative oder fehlende Trends) und Stärke der Zusammenhänge ermitteln. Für zwei metrische Variablen werden Bravais-Pearson-Korrelationskoeffizienten 155 Siehe hierzu weiterführend Cleff (2011).

(r) berechnet, für ordinal skalierte Variablen wird der Spearman-Rangkorre-lationskoeffizient angewandt. Im Falle einer metrischen und einer ordinalen Variable folgt eine Rangbildung der metrischen Variablen und die Anwendung von Spearmans ρ. Während bei dem Bravais-Pearson-Korrelationskoeffizienten ein linearer Zusammenhang bestimmt wird, wird bei der Korrela-tion ein monotoner Zusammenhang gemessen (Cleff, 2011). Die Spearman-Korrelation ist zum einen sehr nützlich bei der Betrachtung ordinaler Daten und ist zum anderen im Gegensatz zur Pearson Korrelation robust gegenüber Ausreißern.

Zur Ergebnisinterpretation der statistischen Verfahren wird für die vorliegende Arbeit ein Grenzwert definiert, der angibt, ab wann ein Zusammenhang oder Unterschied als signifikant bezeichnet wird. Als signifikant werden im Folgenden solche Zusammenhänge oder Unterschiede bezeichnet, bei welchen der p-Wert 0,05 unterschreitet. Gemäß Töpfer (2010, S. 305) werden folgende Signifikanz-niveaus festgelegt:

• p ≤ 0,05 bzw. 5 % (signifikant)

• p ≤ 0,01 bzw. 1 % (sehr signifikant)

• p ≤ 0,001 bzw. 0,1 % (hoch signifikant)

Cohen (1988) gibt für r die folgenden Intervalle an: .10 bis .30: kleiner Effekt;

.30 bis .50: mittlerer Effekt; .50 und höher: starker Effekt. Bei nicht signifikanten Zusammenhängen oder Unterschieden wird der exakte p-Wert berichtet.

Werden Zusammenhänge zweier nominaler oder zweier ordinaler Variablen berechnet, so wird als Zusammenhangsmaß in der vorliegenden Arbeit Cramer´s V berechnet. Cramer´s V kann nur positive Werte annehmen, daher kann keine Aussage über die Richtung eines Zusammenhanges getroffen werden. Gemäß Töpfer (2010, S. 92) gelten diese folgenden Signifikanzniveaus für V:

• V ∈ [0,00; 0,10] → kein Zusammenhang

• V ∈ [0,10; 0,30] → schwacher Zusammenhang

• V ∈ [0,30; 0,60] → mittlerer Zusammenhang

• V ∈ [0,60; 1,00] → starker Zusammenhang

Die in der Befragung verwendete Skala bei den 8 geschlossenen Fragen un-ter Frage 20 des Fragebogens basiert auf einer 6-stufigen Likert-Skala (Likert, 1932). Das von Likert vorgeschlagene Verfahren der Einstellungsmessung fin-det in der Sozialforschung aus Gründen der Einfachheit und der praktischen Verwendbarkeit Anwendung. Streng genommen ist die Likert-Skala eine Or-dinalskala, da nicht davon ausgegangen werden kann, dass der Befragte die

Abstände einzelner Antwortmöglichkeiten als äquidistant ansieht. In der em-pirischen Sozialforschung besteht jedoch auch die entgegengesetzte Annahme gleicher Abstände und somit der Intervallskalierung, was die Anwendung von varianzanalytischen Verfahren möglich macht (Bortz & Döring, 2006). Diese Annahme wird auch in der vorliegenden Arbeit vertreten, die Likert-Skala wird als „quasi-metrisch“ betrachtet.

Hinsichtlich der Interpretation der Ergebnisse zeigt die Studie eine Vielzahl von signifikanten Korrelationen. Bei der Interpretation der Ergebnisse muss je-doch berücksichtigt werden, dass ein beobachteter Zusammenhang zwischen der Ausprägung Strukturmerkmale und der Unternehmenssituation nicht als Beweis für einen kausalen Wirkungszusammenhang gesehen werden darf. Dies heißt, ob eine Situationsvariable in der Realität einen direkten Einfluss auf die Unternehmensstruktur hat, oder nur mit anderen Faktoren korreliert, welche die Veränderung direkt beeinflussen, kann aus der vorliegenden Arbeit nicht abge-leitet werden. Zur besseren Lesbarkeit wird dennoch von Wirkung gesprochen.

Dies darf aber nicht unbedingt als direkt-kausal bzw. mono-kausal interpretiert werden.