Impression Management im kommunalen Jahresabschluss

Inhaltsverzeichnis

Kapitel 1 - Einleitung

Kapitel 2 - Literatur und Hypothesen
2.1 Die Verwendung von Diagrammen
2.2 Impression Management
2.2.1 Definition und Grundlagen
2.2.2 Impression Management mittels Diagrammen
2.2.3 Experimentelle Studien mit manipulierten Diagrammen
2.3 Financial Knowledge
2.4 Graph Literacy
2.5 Entscheidungsfindung mit Diagrammen
2.6 Der kommunale Jahresabschluss

Kapitel 3 - Die Datenerhebung
3.1 Der Aufbau des Fragebogens
3.2 Beschreibung der Stichprobe
3.3 Datenkontrolle und -aufbereitung
3.4 Transformation der Variablen

Kapitel 4 - Ergebnisse
4.1 Einleitende Analysen
4.2 Experiment 1 - Trunkierung
4.3 Experiment 2 - Year Reversal
4.4 Financial Knowledge, Subjektive und Objektive Graph Literacy

Kapitel 5 - Schlussteil
5.1 Diskussion
5.2 Limitationen
5.3 Ausblick

Literaturverzeichnis

Anhang

Abbildungsverzeichnis

Abbildung 1: Stimuli aus Romano et al. 2020

Abbildung 2: Gun deaths in Florida

Abbildung 3: (In-)Korrekte Darstellung eines Liniendiagramms

Abbildung 4: Methoden des Impression Managements

Abbildung 5: Beispiele des Impression Managements durch Unternehmen

Abbildung 6: Experimentelles Design von Raschke/Steinbart 2008

Abbildung 7: Modell der Entscheidungsfindung nach Padilla et al.

Abbildung 8: Elemente des kommunal-doppischen Jahresabschlusses

Abbildung 9: Verteilung der Stichprobe nach Alter und Geschlecht

Abbildung 10: Unterschiedliche Verteilungen in der Bewertung der finanziellen Entwicklung auf der siebenstufigen Antwortskala

Tabellenverzeichnis

Tabelle 1: Verteilung der Probandinnen auf die Kontroll- und Experimentalgruppen

Tabelle 2: Korrelationen der (möglichen) Kovariaten und der abhängigen Variablen in Experiment 1

Tabelle 3: Mittelwerte des Consistency Checks und der abhängigen Variablen in Experiment 1

Tabelle 4: Ergebnis der ANCOVA mit der finanziellen Entwicklung als abhängiger Variablen

Tabelle 5: Korrelationen der (möglichen) Kovariaten und der abhängigen Variablen in Experiment 2

Tabelle 6: Mittelwerte des Consistency Checks und der abhängigen Variablen in Experiment 2

Tabelle 7: Vergleich der Mittelwerte zwischen den Gruppen 1 und 4

Kapitel 1 - Einleitung

„Data graphics visually display measured quantities by means of the combined use of points, lines, a coordinate system, numbers, symbols, words, shading, and color.

The use of abstract, non-representational pictures to show numbers is a surprisingly recent inven­tion, because of the diversity of skills required - the visual-artistic, empirical-statistical, and math­ematical. It was not until 1750-1800 that statistical graphics - length and area to show quantity, time-series, scatterplots, and multivariate displays - were invented, long after such triumphs of mathematical ingenuity as logarithms, Cartesian coordinates, the calculus, and the basics of prob­ability theory.“¹

Mehr als 200 Jahre später sind Diagramme in der Gesellschaft geradezu omniprä­sent und auch in der Wissenschaft praktisch nicht mehr wegzudenken - man denke nur an Darstellungen wie die Preis-Absatz-Funktion, Klimadiagramme, seismografische Aufzeichnungen oder das Elektrokardiogramm.

Auch während der aktuell noch andauernden Coronapandemie werden in den Medien täglich neue Zahlen, Statistiken und Kennwerte präsentiert. Interessierte Bürgerinnen können jederzeit in Tageszeitungen, im Fernsehen und auf Websei­ten- dort auch interaktiv -mittels Diagrammen den Verlauf und Stand der Pan­demie beobachten. Gerade die Webseite des Robert-Koch-Instituts, auf der ein COVID-19-Dashboard präsentiert wird, zeigt eindrucksvoll, wie mit Diagrammen Informationen vermittelt werden können.² Dass es aber nicht nur einen Unter­schied macht, welche Informationen dargestellt werden, sondern auch wie diese präsentiert, werden³, zeigt eine Studie aus der Fachzeitschrift Health Economics ⁴. In einem Experiment mit circa 2.000 US-Bürgern wurde der einen Hälfte der Pro­bandinnen ein Diagramm gezeigt, dass die Anzahl der COVID-19-Toten in den USA zwischen Februar und April 2020 mit linearer Skala darstellt (vergleiche Abbil­dung 1 auf Seite 1 - links lineare Skala, rechts logarithmierte Skala).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Stimuli aus Romano et al. 2020; Quelle: Romano et al. 2020, S. 1484.

Der anderen Hälfte der befragten Personen wurde ein Diagramm mit logarith­mierter Skala vorgelegt, wobei beide Graphen die exakt gleichen Informationen -nur mit unterschiedlich skalierter Ordinate - darstellten. Dies zeigte folgenden Effekt: Im Gegensatz zu den Probandinnen in der Gruppe mit der logarithmierten Skala zeigten sich die befragten Personen in der Gruppe mit der linearen Skala signifikant besorgter über die Krise, konnten die weitere Entwicklung der Anzahl der Toten präziser abschätzen und befürworteten signifikant stärker eine neue Steuer, mit der die Verteilung von Masken finanziert werden sollte. Mit einem einfachen Mittel der Informationsvisualisierung lassen sich somit bemerkens­werte Effekte erzielen.⁵

Aus diesem Grund werden Diagramme auch gerne manipuliert. Dass sie stets ge­nau betrachtet werden sollten, zeigt beispielhaft Abbildung 2 auf Seite 2, die in der vorliegenden Weise 2014 durch die US-Medien ging und der Erstellerin jede Menge Kritik einbrachte.⁶ Zu beachten ist hierbei die Invertierung der Ordinate:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Gun deaths in Florida; Quelle: Lallanilla 2014.

Natürlich nutzen auch Unternehmen Diagramme, um Informationen an Rezipi­entinnen zu vermitteln. Speziell Aktiengesellschaften nutzen beispielsweise Ge­schäftsberichte und Prospekte, um (potenziellen) Aktionärinnen die Entwicklung diverser Kennzahlen wie zum Beispiel zum Gewinn oder dem Umsatz zu präsen­tieren. Da die korrekte Darstellung von Diagrammen jedoch nicht reglementiert ist, hat das Management Freiräume, was die Gestaltung dieser Schaubilder an­geht. Es kann „Impression Management“ betreiben und sich in einem positiveren Licht darstellen, als es die tatsächlichen Ergebnisse des Unternehmens zulassen. Dass Unternehmen dies tun, wird in der wissenschaftlichen Literatur schon seit den 1980er-Jahren beschrieben und ist dementsprechend gut untersucht. Wel­che Wirkungen diese Manipulationen der Diagramme jedoch haben, dazu gibt es bisher nur wenige experimentelle Untersuchungen, welche sich auch nur auf den For-Profit-Bereich konzentrierten. Getestet wurde hierbei hauptsächlich, ob sich durch manipulierte Diagramme Entscheidungen bezüglich eines Aktieninvest­ments beeinflussen lassen, worauf die Ergebnisse der bisherigen Experimente auch hindeuten.

Beattie/Jones empfahlen bereits 2008, die Impression Management-Forschung zu Diagrammen mit Finanzkennzahlen auch auf staatliche und Nonprofit-Organi­sationen auszudehnen.⁷ Bis dato wurde dies aber nicht praktiziert, und keines der angesprochenen Experimente über die Wirkungen von manipulierten Diagram­men wurde im deutschsprachigen Raum durchgeführt. Diese Lücke soll die vor­liegende Arbeit schließen. Hierzu wurde ein Fragebogen entworfen, mit dem zwei Online-Experimente mit Hilfe von Impression Management-Methoden durchgeführt wurden. Die beiden Experimente lehnen an eine bereits durchge­führte US-Studie an, wurden aber für einen kommunalen Kontext angepasst. Folglich lautet die übergeordnete Forschungsfrage dieser Arbeit: Lassen sich Be­trachterinnen eines kommunalen Jahresabschlusses durch manipulierte Säulendi­agramme sowohl in der Beurteilung der dargestellten Informationen als auch in einer anschließenden Entscheidung beeinflussen?

Der Aufbau der Arbeit ist wie folgt: In Kapitel 2 werden die einschlägige Literatur zum Thema sowie die abgeleiteten Hypothesen vorgestellt. Der Prozess der Da­tenerhebung inklusive des Aufbaus des Fragebogens wird in Kapitel 3 skizziert, während in Kapitel 4 die Ergebnisse der Datenauswertung mit SPSS präsentiert werden. In Kapitel 5 werden die Ergebnisse diskutiert und Limitationen sowie weiterer Forschungsbedarf aufgezeigt.

Kapitel 2 - Literatur und Hypothesen

2.1 Die Verwendung von Diagrammen

Laut Duden ist ein Diagramm eine „grafische Darstellung von Größenverhältnis­sen und Zahlenwerten in anschaulicher, leicht überblickbarer Form".⁸ Dia­gramme werden hauptsächlich zu zwei Zwecken benutzt: Einerseits, um Daten zu analysieren und zu untersuchen, und andererseits, um Informationen an Rezipi­entinnen zu kommunizieren.⁹ Welche Art von Diagramm verwendet wird, hängt von dessen Zweck, den Empfängerinnen und den zugrundeliegenden Daten ab.

Um Informationen effektiv zu vermitteln, sollten Diagramme allerdings angemes­sen dargestellt werden. Hinweise zur korrekten Verwendung geben zum Beispiel Tufte¹⁰ und Gillan et al.¹¹, hierzu gehören einfache Grundsätze wie die Proporti­onalität der abgebildeten Maße zu den zugrundeliegenden Daten und die kor­rekte Beschriftung der Achsen (vergleiche Abbildung 3 auf Seite 4).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung. 3: (In-)Korrekte Darstellung eines Liniendiagramms; Quelle: Gillan et al. 1998, S. 32.

In Geschäftsberichten von Unternehmen werden Diagramme häufig benutzt, um Finanzkennzahlen des Unternehmens darzustellen.¹² Als „Key Financial Values" (KFV) werden in der Literatur die vier Kennzahlen zu Umsatz, Gewinn, Gewinn pro Aktie und Dividende pro Aktie bezeichnet.¹³ Diagramme bieten dabei diverse Vorteile gegenüber der Präsentation von Finanzdaten rein in Tabellenform: Spe- ziell farbige Diagramme wecken Aufmerksamkeit und steigern das Interesse.¹⁴ Visuelle Muster lassen sich besser merken als Texte oder Zahlentabellen, und mit Diagrammen lassen sich speziell Trends gut darstellen und zukünftige Entwick­lungen abschätzen. Hierfür werden in der Regel Säulendiagramme verwendet. Im Sommer 2012 wurden im Rahmen einer Umfrage 326 Berichtsempfängerinnen und -erstellerinnen österreichischer Unternehmen aus dem ATX Prime Market zum internen Monatsreporting befragt. 55.6% der CEOs und CFOs gaben an, sich beim Erhalt eines Berichts primär auf die Diagramme zu konzentrieren, was die Relevanz von Diagrammen unterstreicht.¹⁵

2.2 Impression Management

2.2.1 Definition und Grundlagen

Der Terminus „Impression Management“ wurde vor allem durch die Arbeiten des Soziologen Erving Goffman geprägt.¹⁶ Er beschreibt die Selbstdarstellung von In­dividuen zum Zwecke der Vorteilhaftigkeit im Alltag, vor Vorgesetzten, Kollegin­nen, Freundinnen und in der Familie. Hierbei vergleicht er die soziale Welt mit einem Theater und das Individuum mit einer Schauspielerin auf einer Bühne, mit Publikum, anderen Darstellerinnen und Außenseiterinnen. Die Einzelne spielt hierbei eine Rolle, in der sie Impression Management betreibt und ihre Zuschau­erinnen auffordert, die Gestalt, die sie sehen, ernst zu nehmen und zu glauben, sie besitze tatsächlich die Eigenschaften, die sie zu haben scheint.¹⁷

Im Dorsch Lexikon der Psychologie definieren Stapf/Heil Impression Manage­ment als „ein zentrales Konzept zur systematischen Eindruckssteuerung [..] und bez. jedes Verhalten einer Person oder einer Gruppe, das darauf abzielt, den Ein­druck, den sich andere Menschen von dieser Person oder dieser Gruppe bilden, in erwünschter Weise zu steuern“.¹⁸

Inzwischen wird die Impression Management-Forschung auch auf die ökonomi­sche Perspektive ausgedehnt. Nach Brennan/Merkl-Davies kann Impression Management von Unternehmen zu Fehlallokationen von Kapital führen¹⁹, denn Organisationen - beziehungsweise ihr Management - präsentieren auch (ge­schönte) Informationen über ihr Wirtschaften, zum Beispiel auf Webseiten oder in ihren Geschäftsberichten. Auch das Management von Unternehmen möchte die Jahresergebnisse der Öffentlichkeit in möglichst gutem Licht präsentieren.²⁰ Hierfür stehen nach der Einteilung von Jones grundsätzlich drei Möglichkeiten zur Verfügung, die in Abbildung 4 auf Seite 6 dargestellt werden:²¹

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Methoden des Impression Managements; Quelle: Jones 2011, S. 98.

Die erste wissenschaftliche Studie, die sich dem Thema „Measurement Distor- tion“ widmete, stammt aus dem Jahr 1980. Johnson et al. untersuchten die Jah­resberichte von 50 Unternehmen aus den Fortune 500, mit dem Ergebnis, dass in 42 Prozent der Jahresberichte Manipulationen von Diagrammen vorkamen.²² Bis heute folgten zahlreiche weitere Studien, die die Manipulation von Diagram­men in den Geschäftsberichten von Unternehmen aus der ganzen Welt unter- suchten.²³ Zudem stehen mittlerweile auch Jahresberichte von Nonprofit-Orga- nisationen²⁴, aber auch Nachhaltigkeitsberichte von Unternehmen²⁵ im Fokus von Wissenschaftlerinnen.

2.2.2 Impression Management mittels Diagrammen

In den folgenden Abschnitten werden die drei Möglichkeiten des Impression Ma­nagements mittels Diagrammen nach der Einteilung von Jones²⁶ und Beattie/Jo- nes²⁷ vorgestellt. Grundsätzlich kann davon ausgegangen werden, dass diese Ma­nipulationen entweder vorsätzlich oder aber auch auf Unvermögen der Erstelle- rin zurückzuführen sind²⁸. Bei Vorsatz ist anzunehmen, dass eine Täuschung be­absichtigt ist, um den eigenen Nutzen zu maximieren oder Kosten zu minimieren.

1. Selectivity: Mehrere Studien bestätigen, dass Diagramme in Geschäftsberich­ten von Unternehmen hauptsächlich dann vorkommen, wenn positive Zahlen präsentiert werden.²⁹ Die erste Studie hierzu stammt aus dem Jahr 1989: Unter­sucht wurden die Jahresberichte von 319 Unternehmen aus den Fortune 500, 252 davon inkludierten Diagramme. 74 Prozent der Unternehmen mit gestiegenem Reingewinn beinhalteten Schaubilder zu Umsatz, Gewinn oder Dividende, jedoch nur 53 Prozent von Unternehmen mit Verlusten.³⁰

2. Measurement (oder Proportionality) Distortion: Hierbei werden die Abmes­sungen der Säulen in einem Säulendiagramm manipuliert, und zwar derart, dass diese mit den tatsächlich zugrundeliegenden Daten proportional nicht überein­stimmen beziehungsweise diese grafisch über- oder untertreiben.³¹ Dieser Effekt kann auch durch Abschneiden (oder „Trunkierung") der Ordinate erzielt wer- den.³²

Zur Messung dieser Measurement Distortion gibt es mehrere Möglichkeiten. Die chronologisch Erste ist der von Tufte vorgeschlagene „Lie Factor"³³:

Abbildung in dieser Leseprobe nicht enthalten

Wird zum Beispiel in einem Diagramm eine tatsächliche Umsatzsteigerung von 20 Prozent durch einen grafischen Effekt in Höhe von 150 Prozent dargestellt, ergibt sich folglich ein Lie Factor von 7.5. Ein Lie Factor größer als 1.05 sowie kleiner als 0.95 wird von Tufte als substanzielle Verzerrung angesehen, die nicht auf Ungenauigkeiten in der Darstellungsweise zurückzuführen ist.

Die mittlerweile gängigste Maßzahl zur Messung der Distortion ist der „Graph Discrepancy Index“³⁴, der auf dem Lie Factor basiert:

Abbildung in dieser Leseprobe nicht enthalten

a = prozentuale Veränderung, wie sie grafisch dargestellt wird,

b = tatsächliche, auf den realen Daten basierende Veränderung.

Somit ergibt sich mit dem obigen Zahlenbeispiel ein GDI in Höhe von 650 Prozent. Aufgrund einiger Inkonsistenzen, die bei der Verwendung des GDI auftreten kön­nen, wird von Mathers et al. die Verwendung des „Relative Graph Discrepancy Index“ vorgeschlagen³⁵, der bis dato aber seltener als der GDI verwendet wird³⁶:

Abbildung in dieser Leseprobe nicht enthalten

g2 = Höhe der letzten Säule,

g3 = Höhe der letzten Säule, wie sie korrekterweise dargestellt sein sollte.

3. Presentational enhancement: Hierunter können ungerechtfertigte Hervorhe­bungen bestimmter Aspekte in Diagrammen verstanden werden, beispielsweise die farbliche Hervorhebung der Säule des letzten Jahres, um die Performance zu betonen, oder die Verwendung von Gegenständen anstelle von Säulen.³⁷ Gemäß Beattie/Jones fallen in diese Subkategorie auch weitere Verstöße gegen norma­tive Grundsätze der Darstellung von Diagrammen, wie manipulierte Ausgangs­werte, fehlende Gitterlinien etc.³⁸

Eine einheitliche Kategorisierung der verschiedenen Manipulationsmöglichkei­ten von Diagrammen scheint in der Literatur nicht gegeben.³⁹ Noch nicht aufge­führte Formen des Impression Managements mit Diagrammen können unter an­derem sein:

- die Verwendung doppelter Skalen,⁴⁰
- die fehlende Darstellung negativer Werte,⁴¹
- das sogenannte „Year Reversal": Anstatt die Jahreszahlen auf der Abszisse von links nach rechts aufsteigend abzubilden, werden diese absteigend dargestellt.⁴²

2.2.3 Experimentelle Studien mit manipulierten Diagrammen

Obwohl es zahlreiche systematische Untersuchungen zum Vorkommen von ma­nipulierten Diagrammen in Jahresberichten gibt, finden sich wenige experimen­telle Studien, die die tatsächliche Wirkung verzerrter Schaubilder mit betriebs­wirtschaftlichen Größen auf Rezipientinnen untersuchen. Ein erster Ansatz stammt von Taylor/Anderson.⁴³ Sie sandten jeweils sieben verschiedene Dia­gramme mit Finanzkennzahlen an diverse Kreditsachbearbeiterinnen in den USA. Von den sieben verschiedenen Diagrammen erhielt jede Kreditsachbearbeiterin entweder ein unverzerrtes Diagramm - und befand sich somit in der Kontroll­gruppe - oder ein manipuliertes, wobei beide Versionen die gleichen Zahlen re­präsentierten und sich nur die Darstellung unterschied. Die Empfängerinnen wur­den nach ihrer Einschätzung hinsichtlich der Performance der Unternehmen be­fragt, die sie nur auf Basis der Diagramme bilden sollten. Auch wenn keine statis­tischen Daten und Auswertungen zu diesem Experiment in der Studie angegeben werden, soll es laut Taylor/Anderson deutliche Unterschiede in der Bewertung zwischen den nicht manipulierten und den manipulierten Schaubildern gegeben haben.

Von Arunachalam et al. stammt der erste wesentliche Beitrag zum Thema Im­pression Management mit Diagrammen.⁴⁴ In mehreren Experimenten wurden Studierende mit Säulendiagrammen eines fiktiven Unternehmens zu den vier gängigen Finanzkennzahlen Umsatz, Gewinn, Gewinn pro Aktie und Dividende pro Aktie konfrontiert. In mehreren Durchgängen sollten die Probandinnen aus­wählen, in welches von drei präsentierten Unternehmen sie investieren würden, wobei die Diagramme zweier Unternehmen korrekt dargestellt wurden, die Schaubilder jeweils eines Unternehmens jedoch auf vier verschiedene Arten ma­nipuliert waren (vergleiche hierzu auch Abbildung 5 auf Seite 10).

Die Studierenden sollten aus den drei Unternehmen dasjenige auswählen, das die höchsten Wachstumsraten verzeichnete. Es wurde festgestellt, dass die Probandinnen mehrfach - und statistisch signifikant - falsche Entscheidungen tra­fen: Sie wählten Unternehmen aus, die nicht die höchsten Wachstumsraten ver­zeichneten, deren Diagramme aber durch verschiedenartige Manipulationen vor­teilhafter dargestellt wurden, als es die tatsächlich quantitativen Daten herga­ben. Die Autoren schlossen daraus, dass manipulierte Diagramme sich möglich­erweise auch auf reale (Investitions-) Entscheidungen auswirken könnten.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Beispiele des Impression Managements durch Unternehmen; Quelle: Arunachalam et al. 2002a, S. 186.

In einem weiteren Beitrag kritisiert Plumlee diverse Aspekte des Experiments.⁴⁵ Es seien zum Beispiel wichtige Variablen von Investmententscheidungen, etwa der Marktwert des Unternehmens, nicht berücksichtigt worden, womit die Er­gebnisse nicht auf tatsächliche Entscheidungsfindungen übertragbar seien. Zu­dem sei nicht untersucht worden, ob die Probandinnen die Manipulationen be­merkt hätten, und es sei auch nicht erklärt worden, warum diese sich in ihrer

Entscheidungsfindung haben täuschen lassen und welche inneren Prozesse dafür verantwortlich sein könnten.⁴⁶

Raschke/Steinbart untersuchten, mit welchen Maßnahmen irreführende Effekte von manipulierten Diagrammen abgeschwächt werden können.⁴⁷ Hierzu wurden mit mehrwöchigem Zeitabstand zwei Experimente mit Studierenden durchge­führt. Zwischen den beiden Experimenten fand ein 30-minütiger Kurs über die Grundlagen der Gestaltung von Diagrammen statt (vergleiche Abbildung 6 auf Seite 11). In Experiment 1 bekam die eine Hälfte der befragten Personen nicht manipulierte, die andere Hälfte manipulierte Diagramme. Aufgabe war es, an­hand von vier Säulendiagrammen eines Unternehmens zu den Kennzahlen Um­satz, Gewinn, Gewinn pro Aktie und Dividende pro Aktie aus 25 Unternehmen diejenigen acht auszusuchen, die für die Probandin für ein Aktieninvestment in Frage kämen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Experimentelles Design von Raschke/Steinbart 2008; Quelle: Raschke/Steinbart 2008, S. 33.

Als abhängige Variable diente die „Decision Quality“. Diese wurde durch die An­zahl an Fehlern gemessen, die dadurch zustande kamen, dass Unternehmen mit relativ niedrigen Wachstumsraten der vier oben genannten Kennzahlen ausge­wählt wurden. Zudem wurde untersucht, ob sowohl eine vorgelegte Warnung über das Vorkommen von manipulierten Diagrammen als auch eine schriftliche Begründung der Unternehmensauswahl von den Studierenden sich positiv auf die Entscheidungsqualität auswirken. Die den Probandinnen vorgelegten Dia­gramme wurden dabei durch die Measurement Distortion und das Year Reversal manipuliert.

Es zeigte sich, dass die Warnung über irreführende Diagramme und die Einforde­rung einer Begründung für die Auswahl des Unternehmens nur einen positiven Effekt auf die Qualität der Entscheidungen hatte, wenn die Probandinnen schon vorher Investmenterfahrung hatten. Das halbstündige Training über Grundlagen der Diagrammgestaltung wirkte sich ebenfalls positiv auf die Qualität der Ent­Scheidungen aus - unabhängig davon, ob Investmenterfahrung vorhanden war oder nicht. Trotz des Trainings machten in Experiment 2 die Probandinnen, de­nen manipulierte Diagramme vorgelegt wurden, dennoch signifikant mehr Fehler als die befragten Personen in Experiment 1, die korrekte Schaubilder erhielten. Trotzdem kann positiv hervorgehoben werden, dass ein 30-minütiger Kurs über die Grundlagen der Diagrammerstellung die Qualität von Entscheidungen im Kontext des Impression Managements signifikant verbessern kann.

Cardoso et al. untersuchten den Einfluss von Persönlichkeitsmerkmalen auf die Bewertung von (manipulierten) Säulendiagrammen.⁴⁸ Hierzu wurden 525 brasili­anischen Finanzanalystinnen jeweils drei Säulendiagramme zugesandt, die den Gewinn von drei unterschiedlichen Unternehmen darstellen sollten, wobei jede Analystin zufällig ein nicht-manipuliertes oder ein manipuliertes Schaubild er­hielt. Die Diagramme unterschieden sich hinsichtlich Farbe (rot oder blau), Skala (klein oder groß) sowie in der Anzahl der dargestellten Säulen („Selectivity“ - in der Kontrollgruppe wurden zwei Säulen mehr dargestellt). Die Probandinnen soll­ten auf einer Skala von 1 bis 10 die Performance des jeweiligen Unternehmens einschätzen, die ausschließlich auf den gezeigten Diagrammen basieren sollte. Zugleich beantworteten die Analystinnen den „Cognitive Reflection Test“, der feststellen sollte, ob sie eher eine impulsive oder eine reflektive Persönlichkeit besitzen.⁴⁹ Alle drei Manipulationen führten zu signifikant unterschiedlichen Be­wertungen der Unternehmensperformance zwischen der Kontroll- und Experi­mentalgruppe, wobei auch die Persönlichkeit der Analystinnen einen Effekt auf die Bewertung der Unternehmensperformance zu haben schien.

Die bisher einzige experimentelle Studie, bei der neben der Darstellung von Dia­grammen auch Textelemente eingesetzt wurden, stammt von Penning- ton/Tuttle⁵⁰ und dient in Teilen auch als Vorlage für die nachfolgenden Online­Experimente. Pennington/Tuttle untersuchten, welche zusätzlichen Effekte das Abrufen von Informationen aus dem Kurzzeitgedächtnis auf die Bewertungen und Entscheidungen von Studierenden im Rahmen des Impression Managements hat. Als Stimuli dienten Textauszüge aus einem fiktiven Webcast sowie vier Säu­lendiagrammen mit den typischen Finanzkennzahlen Umsatz, Gewinn, Gewinn pro Aktie und Dividende pro Aktie.⁵¹ In den beiden Experimentalgruppen wurden - im Gegensatz zu den Kontrollgruppen - die beiden Schaubilder zu Gewinn und Gewinn pro Aktie manipuliert. Dies geschah in Experiment 1 durch das Abschnei­den der Ordinate sowie in Experiment 2 durch das sogenannte Year Reversal, also die Verdrehung der Jahreszahlen auf der Abszisse. Dies hatte im Vergleich zur Kontrollgruppe signifikant positivere Auswirkungen auf die Bewertung der Unter­nehmensperformance als auch auf eine Empfehlung an eine befreundete Person, Aktien des Unternehmens entweder zu halten oder zu verkaufen. Mussten die Probandinnen sich bei ihren Einschätzungen auf ihr Kurzzeitgedächtnis verlassen und konnten die Diagramme nicht erneut betrachten, wurden die irreführenden Effekte des Impression Managements noch verstärkt, allerdings nur in Experi­ment 2 durch das Year Reversal.

Der Aufbau der Arbeit von Pennington/Tuttle wird für die vorliegende Thesis teil­weise übernommen und auf einen kommunalen Kontext übertragen. Anstelle der profitorientierten Kennzahlen zu Umsatz, Gewinn, Gewinn pro Aktie und Divi­dende pro Aktie werden den Probandinnen Diagramme zur Verschuldungsdauer, dem ordentlichen Ergebnis, den Realsteuern und den Schlüsselzuweisungen ei­ner fiktiven Gemeinde vorgelegt. In den beiden Experimentalgruppen werden entsprechend der Vorgehensweise von Pennington/Tuttle zum einen die Ordi­nate trunkiert und zum anderen die Jahreszahlen auf der Abszisse vertauscht. Textelemente mit ähnlicher Bedeutung wie bei Pennington/Tuttle werden dem­entsprechend auf die eigenen Stimuli übertragen. Anstatt die Unternehmens­performance zu bewerten, werden die Probandinnen gebeten, die finanzielle Si­tuation und Entwicklung der Gemeinde zu beurteilen. Des Weiteren werden die befragten Personen aufgefordert, sich zu entscheiden, ob sie einer Freundin ein fiktives kommunales Jobangebot empfehlen würden. Für diese Arbeit ergeben sich die folgenden Hypothesen:

H1a: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Dia­gramme mit abgeschnittener Ordinate (Trunkierung) vorgelegt werden, bewer­ten die aktuelle Finanzsituation der Gemeinde signifikant besser als die Proban­dinnen in der Kontrollgruppe.

H1b: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Diagram­me mit verdrehten Jahreszahlen (Year Reversal) vorgelegt werden, beurteilen die aktuelle Finanzsituation der Gemeinde signifikant besser als die Probandinnen in der Kontrollgruppe.

H2a: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Dia­gramme mit abgeschnittener Ordinate (Trunkierung) vorgelegt werden, bewer­ten die finanzielle Entwicklung der Gemeinde signifikant besser als die Proban­dinnen in der Kontrollgruppe.

H2b: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Diagram­me mit verdrehten Jahreszahlen (Year Reversal) vorgelegt werden, beurteilen die finanzielle Entwicklung der Gemeinde signifikant besser als die Probandinnen in der Kontrollgruppe.

H3a: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Dia­gramme mit abgeschnittener Ordinate (Trunkierung) vorgelegt werden, geben eine signifikant stärkere Empfehlung ab, den Job bei der Stadt anzunehmen, als die Probandinnen in der Kontrollgruppe.

H3b: Die Probandinnen in der Experimentalgruppe, denen als Stimulus Diagram­me mit verdrehten Jahreszahlen (Year Reversal) vorgelegt werden, geben eine signifikant stärkere Empfehlung ab, den Job bei der Stadt anzunehmen, als die Probandinnen in der Kontrollgruppe.

2.3 Financial Knowledge

Beattie/Jones untersuchten in einem Experiment, wie stark die Verzerrung eines Diagramms sein muss, damit einer betrachtenden Person der Unterschied zu ei­nem Diagramm ohne Verzerrung auffällt.⁵² Hierzu wurden den Rezipientinnen für drei Sekunden einfache Säulendiagramme mit positivem Trend gezeigt, die Un­ternehmensdaten darstellen sollten. Es stellte sich heraus, dass unterschiedliche Verzerrungen erst ab einer Differenz von circa zehn Prozent als solche wahrge­nommen werden. Probandinnen, die ihre finanziellen Kenntnisse subjektiv als hoch einschätzten, zeigten im Experiment eine signifikant bessere Wahrneh­mung der unterschiedlichen Verzerrungen in den Säulendiagrammen. Beattie/Jo- nes schlossen daraus, dass Probandinnen mit geringen finanziellen Kenntnissen möglicherweise anfälliger für die Manipulation von Diagrammen sind. Um diese Vermutung zu überprüfen, werden auch die befragten Personen im folgenden Fragebogen um eine subjektive Einschätzung ihrer finanziellen Kenntnisse gebe­ten. Diese Variable wird im Folgenden Financial Knowledge genannt. Möglich wäre, dass Probandinnen mit guten Finanzkenntnissen die Manipulation der Di­agramme durchschauen und daher die abhängigen Variablen anders bewerten als Probandinnen, die ihre Finanzkenntnisse als gering einschätzen.

Bei den finanziellen Kenntnissen zeigen Studien signifikante Unterschiede zwi­schen Frauen und Männern. Woodyard/Robb kommen bei einer objektiven Mes­sung der Finanzkenntnisse von Probandinnen in den USA zu dem Ergebnis, dass Frauen in fast allen Altersklassen signifikant schlechter abschneiden als Män- ner.⁵³ Mit Ausnahme der 55- bis 64-Jährigen finden sie jedoch keine Unterschiede bei der subjektiven Einschätzung der Finanzkenntnisse. Auch Bucher-Koenen et al. finden Unterschiede in der „Financial Literacy“ zwischen Männern und Frauen, und zwar sowohl in den USA, in den Niederlanden als auch in Deutschland, wobei Männer in den Tests signifikant besser abschneiden.⁵⁴ Nach der subjektiven Ein­schätzung ihrer Finanzkenntnisse befragt, finden Bucher-Koenen et al. in den USA keinen signifikanten Unterschied zwischen Männern und Frauen, in den Nieder­landen und in Deutschland schätzen Frauen ihre finanziellen Kenntnisse jedoch signifikant geringer ein als die Männer. Ob sich diese Ergebnisse auch in der eigenen Stichprobe widerspiegeln, wird in dieser Arbeit ebenfalls untersucht werden und führt zu weiterer Hypothese:

H4: Frauen schätzen ihre Financial Knowledge signifikant geringer ein als Män­ner.

2.4 Graph Literacy

Der Begriff „Graph Literacy“ kann definiert werden als die Fähigkeit eines Indivi­duums, Informationen aus einem Diagramm zu verstehen, zu entnehmen und zu nutzen.⁵⁵ In der Literatur finden sich noch weitere Synonyme wie zum Beispiel „Graph Reading“, „Graphicacy“ oder „Graphing Ability“. Bezogen auf die USA und Deutschland scheinen Rechenkompetenz und Bildungsstand mit der Graph Lite­racy signifikant positiv zu korrelieren.⁵⁶

Okan et al. zeigten mit Hilfe des Eye-Tracking-Verfahrens, dass Individuen mit ge­ringer und Individuen mit hoher Graph Literacy Diagramme unterschiedlich be­trachten und interpretieren. Die Probandinnen, bei denen eine hohe Graph Lite­racy gemessen wurde, betrachteten zum Beispiel länger die Achsen und ihre Be- schriftungen.⁵⁷ Dies wird in den eigenen Experimenten berücksichtigt werden. Galesic/Garcia-Retamero entwickelten einen Test mit gesundheitsbezogenen Fragen, um die Graph Literacy eines Individuums objektiv zu bestimmen.⁵⁸ Aus diesem Test werden zwei Items für den folgenden Fragebogen übernommen (vergleiche Kapitel 3.1, S. 22). Hieraus wird die Konstrukt Objektive Graph Lite­racy gebildet, das bei der späteren statistischen Auswertung als Kontrollvariable verwendet werden kann. Ebenso wurde ein weiterer Test entwickelt, der auf ei­ner subjektiven Einschätzung der grafischen Kenntnisse eines Individuums beruht und den objektiven Test ersetzen kann.⁵⁹ Hieraus werden drei Items übernom­men und daraus das Konstrukt Subjektive Graph Literacy gebildet.

[...]

---

¹ Vgl. Tufte 1983, S. 9.

² Vgl. Robert Koch-Institut 2021.

³ Hierfür gibt es in Deutschland eine Norm: Die DIN-Nr. 461 regelt grafische Darstellungen in ei­nem Koordinatensystem.

⁴ Vgl. Romano et al. 2020.

⁵ Vgl. Katz/Sanger-Katz 2020. Die New York Times visualisierte die Anzahl der Corona-Toten auf ihrer Webseite zeitweise mit logarithmierter Skala.

⁶ Vgl. Lallanilla 2014.

⁷ Vgl. Beattie/Jones 2008, S. 37.

⁸ Von griechisch diägramma = Umriss, geometrische Figur.

⁹ Vgl. Beattie/Jones 2008, S. 9.

¹⁰ Vgl. Tufte 1983, S. 77.

¹¹ Vgl. Gillan et al. 1998.

¹² Vgl. Falschlunger et al. 2015, S.385.

¹³ Vgl. Jones 2011, S. 102.

¹⁴ Vgl. Beattie et al. 2008, S. 186.

¹⁵ Vgl. Eisl et al. 2013, S. 32.

¹⁶ Vgl. Goffman 1959, deutscher Titel: Wir alle spielen Theater - Die Selbstdarstellung im Alltag.

¹⁷ Vgl. Goffman/Dahrendorf 2008, S. 19.

¹⁸ Vgl. Stapf/Heil (ohne Jahresangabe).

¹⁹ Vgl. Anhang A, S. 48, entnommen aus Brennan/Merkl-Davies 2013, S. 114.

²⁰ Vgl. Jones 2011, S. 97.

²¹ Für Literatur zur Verwendung von Narrativen vgl. z. B. Bolino et al. 2008 und Hohmann/Schä- fer 2020.

²² Vgl. Johnson et al. 1980, zit. nach Steinbart 1989, S. 60.

²³ Vgl. z. B. Frownfelter-Lohrke/Fulkerson 2001, Godfrey et al. 2003 und Jones et al. 2020.

²⁴ Vgl. Bonga/Jegers 2009.

²⁵ Vgl. Cho et al. 2012.

²⁶ Vgl. Jones 2011, S. 102ff.

²⁷ Vgl. Beattie/Jones 2008, S. 5f.

²⁸ Vgl. Tufte 1983, S. 79.

²⁹ Vgl. z. B. Beattie/Jones 1992, S. 295 und Falschlunger et al. 2015, S. 392.

³⁰ Vgl. Steinbart 1989, S. 63.

³¹ Üblicherweise wird ein positiver Trend visuell übertrieben und ein negativer Trend visuell un­tertrieben, ansonsten kann nicht von Impression Management gesprochen werden.

³² Vgl. Yang et al. 2019.

³³ Vgl. Tufte 1983, S. 57.

³⁴ Vgl. Steinbart 1989, S. 61.

³⁵ Vgl. Mather et al. 2005, S. 154.

³⁶ Eine Ausnahme bildet z. B. Huang et al. 2015.

³⁷ Vgl. Jones 2011, S.106.

³⁸ Vgl. Beattie/Jones 2008, S. 21.

³⁹ Weitere Möglichkeiten der Klassifizierung bietet Penrose 2008, S. 163f.

⁴⁰ Vgl. Taylor/Anderson 1986, S. 132.

⁴¹ Vgl. Steinbart 1989, S. 68.

⁴² Vgl. Raschke/Steinbart 2008, S. 26.

⁴³ Vgl. Taylor/Anderson 1986, S. 127.

⁴⁴ Vgl. Arunachalam et al. 2002a, S. 191.

⁴⁵ Vgl. Plumlee 2002.

⁴⁶ Vgl. Arunachalam 2002b für die Antwort der Autoren auf die Kritik von Plumlee.

⁴⁷ Vgl. Raschke/Steinbart 2008, S. 32.

⁴⁸ Vgl. Cardoso et al. 2018.

⁴⁹ Vgl. Frederick 2005, S. 27.

⁵⁰ Vgl. Pennington/Tuttle 2009.

⁵¹ Vgl. Anhang B, S. 49, entnommen aus Pennington/Tuttle 2009, S. 42.

⁵² Vgl. Beattie/Jones 2002.

⁵³ Vgl. Woodyard/Robb 2012, S. 5.

⁵⁴ Vgl. Bucher-Koenen et al. 2017.

⁵⁵ Vgl. Ludewig 2019, S. 1199.

⁵⁶ Vgl. Galesic/Garcia-Retamero 2011, S. 450.

⁵⁷ Vgl. Okan et al. 2016, S. 276.

⁵⁸ Vgl. Galesic/Garcia-Retamero 2011, S. 445.

⁵⁹ Vgl. Garcia-Retamero et al. 2016, S. 856.