Desktop-Version

Start arrow Betriebswirtschaft & Management arrow Erfolgsfaktoren für Innovation in Unternehmen

< Zurück   INHALT   Weiter >

5.5.2 Stabilität der Lösung

Um die Stabilität der Lösung zu testen und statistische Zufälligkeiten auszuschließen, wurde dieses 7-Faktorenmodell mit verschiedenen Rotationsmethoden getestet. Getestet wurde nicht nur mit Direkt Oblimin, als andere oblique Methode zu der gewählten Methode Promax, sondern auch mit orthogonalen Methoden, wie Varimax. Trotz der vorgeschriebenen Unabhängigkeit der einzelnen Faktoren blieben die Faktoren im Kern gleich. Dies zeugt von einer sehr hohen Stabilität der Faktoren, besonders bezogen auf die stark auf einen Faktor ladenden Items, die in der Erfolgsfaktoranalyse genauer betrachtet werden.

5.5.3 Dimensionen der Erfolgsfaktoren

Dieses stabile Ergebnis deutet auf sieben Dimensionen der Innovation, welche unterschiedliche potentielle Erfolgsfaktoren für Innovation in Unternehmen darstellen. Alle Dimensionen sind klar voneinander abgrenzbar und haben eine eigene inhaltliche Interpretierbarkeit. Die sieben Dimensionen sind: Eine zukunftsgerichtete, unterstützende Unternehmenskultur, eine klar definierte und kommunizierte Innovationsstrategie, eine koordinierte Markt- und Kundenorientierung, eine klare Organisation und Rollenverteilung, eine gelebte Ziel- und Erfolgsorientierung, ein gut organisiertes Ressourcen- und Portfoliomanagement und eine Bereitschaft, sinnvolle Risiken einzugehen (vgl. Tabelle 7).

Tabelle 7: Dimensionen der Innovation

1. Zukunftsgerichtete, unterstützende Unternehmenskultur

2. Klar definierte und kommunizierte Innovationsstrategie

3. Koordinierte Markt- und Kundenorientierung

4. Klare Organisation und Rollenverteilung

5. Gelebte Ziel- und Erfolgsorientierung

6. Organisiertes Ressourcen- und Portfoliomanagement

7. Eine Bereitschaft, sinnvolle Risiken einzugehen

Dabei gibt es drei prinzipielle Möglichkeiten, diese Erkenntnis weiter zu verfolgen, wobei es um die Frage geht, welche der Items werden den sieben Dimensionen für die folgende Regression zugeordnet, beziehungsweise stellen den Faktor da.

Hierfür gibt es in der Wissenschaft drei prinzipielle Möglichkeiten:

• Auswahl einer sogenannten „Surrogat-Variablen“ stellvertretend für jeden Faktor. Typischerweise wird das Item, das am höchsten auf einen Faktor lädt genommen; dieses steht dann repräsentativ für diesen Faktor. Dies ist die einfachste Methode, es gehen dabei aber viele Informationen verloren. Besonders im vorliegenden Fall, da mit den Daten weitergerechnet wird, ist diese Methode unzureichend.

• Alternativ könnten auch alle Items, die auf einen Faktor laden genommen werden und auf Basis dieser eine Faktorscore für jeden Faktor errechnet werden. Der Vorteil ist, dass wirklich alle Facetten eines Faktors in die Berechnung einfließen. Problematisch bleibt, dass auf den ersten Faktor einer Faktoranalyse stets die höchste Varianz lädt und damit auch die meisten Items. Auf die Items 5 bis 7 laden dagegen nur noch wenige Items. Dadurch würden die Items ungleich gewichtet werden und eine Replizierbarkeit wird erschwert.

• Die dritte und in der Psychologie gängige Möglichkeit ist, dass mehrere Items stellvertretend für einen Faktor ausgewählt werden und diese als eine Art Indikator fungieren. Dabei wird der Fehler im Vergleich zur ersten Möglichkeit geringer, gleichzeitig werden aber nur die Items verwendet, die am klarsten den Faktor repräsentieren.

Bei diesem Ansatz werden auf Grund von formalen Kriterien (beispielsweise Ladung des Items) aber auch inhaltlichen Kriterien (beispielsweise Validität des Konstrukts) die Items ausgewählt, die den Faktor am klarsten und sinnvollsten repräsentieren. Sicherzustellen ist, dass auf der einen Seite in möglichst geringem Maße inhaltliche Vielfalt verloren geht, auf der anderen Seite Redundanz gering gehalten wird. Daher wurden in der vorliegenden Analyse jeweils 5 Items für jeden der 7 Faktoren ausgewählt; also 35 aus der Gesamtheit der 85 betrachteten Items.

5.5.4 Reliabilitäten der Dimensionen

Es spielt eine wesentliche Rolle, dass die einzelnen Dimensionen eine hohe Reliabilität aufweisen und damit den Nachweis erbringen, dass die ausgewählten Items tatsächlich das gleiche Konstrukt messen, beziehungsweise die gleiche Dimension beschreiben. Typischerweise wird hierzu der Cronbach's a-Koeffizient verwendet.

Der Koeffizient hat allerdings einen Nachteil; er ist abhängig von der Anzahl der Items pro Faktor. Zwanzig Items, die nur geringe Korrelationen haben, können ein höheres Alpha haben als fünf Items mit einer hohen Korrelation untereinander (vgl. Cortina, 1993). Allgemein werden Alphas ab 0,7 als ausreichend reliabel gesehen, bei psychologischen Faktoren auch ab 0,6. Dabei stellt dies bei einer geringen Anzahl an Items eine hohe Schwelle dar. In der vorliegenden Analyse haben alle Items ein Alpha von mindestens 0,6 (vgl Tabelle 8). Fünf der sieben Items sogar ein Alpha höher als 0,8, was als besonders hohe inhaltliche Übereinstimmung gewertet werden kann.

Die sieben Dimensionen sind damit als potentielle Erfolgsfaktoren für Innovation geeignet und können nun im Detail betrachtet werden.

Tabelle 8: Cronbach's a-Koeffizient für die sieben Dimensionen

Nr.

Dimension/pot. Erfolgsfaktor

Cronbach's a

1.

Zukunftsgerichtete, unterstützende Unternehmenskultur

0,9

2.

Klar definierte und kommunizierte Innovationsstrategie

0,8

3.

Koordinierte Markt- und Kundenorientierung

0,8

4.

Klare Organisation und Rollenverteilung

0,8

5.

Gelebte Ziel- und Erfolgsorientierung

0,6

6.

Organisiertes Ressourcen- und Portfoliomanagement

0,8

7.

Eine Bereitschaft, sinnvolle Risiken einzugehen

0,7

 
< Zurück   INHALT   Weiter >

Related topics