Determinanten des Working Capital Managements. Eine empirische Analyse von deutschen börsennotierten Unternehmen

Inhaltsverzeichnis

Kurzfassung

Abstract

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Einführung in die Thematik
1.2 Zielsetzung und Abgrenzung
1.3 Aufbau der Untersuchung

2 Grundlagen des Working Capital Managements
2.1 Working Capital
2.1.1 Bilanzorientierte Sichtweise
2.1.2 Cashflow-orientierte Sichtweise
2.2 Working Capital Management
2.2.1 Inhaltliche Abgrenzung
2.2.2 Management der Hauptkomponenten
2.2.2.1 Vorratsmanagement
2.2.2.2 Forderungsmanagement
2.2.2.3 Verbindlichkeitsmanagement
2.3 Kennzahlenkonzepte des Working Capital Managements
2.3.1 Statische Kennzahlen
2.3.2 Dynamische Kennzahlen
2.3.3 Kritische Würdigung der Kennzahlenkonzepte

3 Grundlagen der Determinantenforschung
3.1 Regressionsmodelle
3.1.1 Klassisches lineares Regressionsmodell
3.1.2 Regressionsmodelle für Paneldaten
3.1.2.1 Gepooltes Modell
3.1.2.2 Fixed Effects Modell
3.1.2.3 Random Effects Modell
3.2 Regressionsvoraussetzungen
3.2.1 Linearität
3.2.2 Multikollinearität
3.2.3 Heteroskedastizität
3.2.4 Autokorrelation
3.2.5 Normalverteilung der Residuen
3.3 Gütekriterien zur Prüfung der Regressionsfunktion
3.3.1 Bestimmtheitsmaß
3.3.2 F-Statistik
3.3.3 t-Statistik

4 Aktueller Forschungsstand
4.1 Ausgewählte Studien zum Working Capital Management
4.1.1 Working Capital Management und Profitabilität
4.1.2 Determinanten des Working Capital Managements
4.1.3 Zusammenfassung des Forschungsstandes
4.2 Herleitung von Determinanten des Working Capital Managements
4.2.1 Unternehmensspezifische Faktoren
4.2.1.1 Profitabilität
4.2.1.2 Innenfinanzierungskraft
4.2.1.3 Investitionen
4.2.1.4 Kapitalstruktur
4.2.1.5 Wachstumspotential
4.2.1.6 Unternehmensgröße
4.2.1.7 Unternehmensalter
4.2.1.8 Branchenzugehörigkeit
4.2.2 Makroökonomische Faktoren
4.2.2.1 Gesamtwirtschaftliche Entwicklung
4.2.2.2 Preisniveau
4.2.2.3 Zinsniveau
4.2.3 Übersicht der abgeleiteten Determinanten

5 Empirische Analyse der Determinanten des Working Capital Managements
5.1 Analysestruktur
5.1.1 Abgrenzung der Stichprobe
5.1.2 Datenerhebung
5.2 Operationalisierung und deskriptive Analyse der Variablen
5.2.1 Abhängige Variable
5.2.2 Unabhängige Variablen
5.2.2.1 Unternehmensspezifische Faktoren
5.2.2.1.1 Profitabilität
5.2.2.1.2 Innenfinanzierungskraft
5.2.2.1.3 Investitionen
5.2.2.1.4 Kapitalstruktur
5.2.2.1.5 Wachstumspotential
5.2.2.1.6 Unternehmensgröße
5.2.2.1.7 Unternehmensalter
5.2.2.2 Makroökonomische Faktoren
5.2.2.2.1 Gesamtwirtschaftliche Entwicklung
5.2.2.2.2 Preisniveau
5.2.2.2.3 Zinsniveau
5.2.2.3 Kontrollvariable
5.3 Multivariate Regressionsanalyse
5.3.1 Prüfung der Regressionsvoraussetzungen
5.3.1.1 Linearität
5.3.1.2 Multikollinearität
5.3.1.3 Heteroskedastizität
5.3.1.4 Autokorrelation
5.3.1.5 Normalverteilung der Residuen
5.3.2 Spezifikation des Regressionsmodells
5.3.3 Ergebnis der Regressionsanalyse
5.3.4 Güte der Regressionsfunktion
5.3.4.1 Bestimmtheitsmaß
5.3.4.2 F-Statistik
5.3.4.3 t-Statistik
5.4 Diskussion der empirischen Ergebnisse
5.4.1 Unternehmensspezifische Faktoren
5.4.1.1 Profitabilität
5.4.1.2 Innenfinanzierungskraft
5.4.1.3 Investitionen
5.4.1.4 Kapitalstruktur
5.4.1.5 Wachstumspotential
5.4.1.6 Unternehmensgröße
5.4.1.7 Unternehmensalter
5.4.2 Makroökonomische Faktoren
5.5 Kritische Würdigung der Ergebnisse

6 Zusammenfassung und Ausblick

Anhang
A.1 Aktueller Forschungsstand
A.1.1 Working Capital Management und Profitabilität
A.1.2 Determinanten des Working Capital Managements
A.2 Untersuchungssample
A.3 Überblick über verwendete Variablen
A.4 Korrelationsmatrizen

Literaturverzeichnis

Kurzfassung

Die vorliegende Arbeit untersucht den Einfluss von unternehmensspezifischen und makroökonomischen Determinanten auf das Working Capital Management von 78 deutschen börsennotierten Unternehmen über einen Gesamtzeitraum von 2004 bis 2014, der darüber hinaus in die drei Szenarien Vorkrisen-, Krisen- und Nachkrisenzeitraum unterteilt wird. Um Veränderungen des Cash Conversion Cycles als Messgröße für das Working Capital Management zu erklären, werden die unternehmensspezifischen Determinanten Profitabilität, Innenfinanzierungskraft, Investitionen, Kapitalstruktur, Wachstumspotential, Unternehmensgröße, Unternehmensalter und Branchenzugehörigkeit sowie die makroökonomischen Determinanten gesamtwirtschaftliche Entwicklung, Preisniveau und Zinsniveau untersucht. Unter Zuhilfenahme des Fixed Effects Modells kann für den Gesamtzeitraum ein signifikanter Einfluss der Determinanten Innenfinanzierungskraft und Investitionen auf das Working Capital Management nachgewiesen werden, während im Vorkrisenzeitraum das Wachstumspotential und im Nachkrisenzeitraum die Innenfinanzierungskraft als einzige Einflussfaktoren signifikant auf den Cash Conversion Cycle einwirken. Für den Krisenzeitraum kann dagegen kein aussagefähiges Ergebnis ermittelt werden, woraus abgeleitet werden kann, dass im Krisenzeitraum andere Einflussfaktoren als die in dieser Arbeit geprüften auf das Working Capital Management einwirken. Darüber hinaus können für die makroökonomischen Determinanten keine signifikanten Effekte auf das Working Capital Management nachgewiesen werden. Insgesamt trägt die vorliegende Arbeit zum besseren Verständnis von Working Capital Entscheidungen deutscher börsennotierter Unternehmen unter dem Einfluss von Wirtschaftskrisen bei.

Schlagwörter: Working Capital Management, Cash Conversion Cycle, Determinanten, Deutschland, Regressionsanalyse, Paneldaten

Abstract

This work examines the influence of company-specific and macro-economic determinants on the working capital management of 78 listed German companies over an overall period from 2004 to 2014, which is further divided into the three scenarios pre-crisis, crisis and post-crisis periods. In order to explain the cash conversion cycle as a measured variable for working capital management, the company-specific determinants profitability, internal financing capability, investments, capital structure, growth potential, company size, company age and economic sector as well as the macro-economic determinants overall economic development, price levels and interest levels have been examined. With the aid of the fixed effects model a significant influence of the determinants internal financing capability and investments on working capital management can be proven for the entire period, while in the pre-crisis period growth potential and in the post-crisis period internal financing capacity are the only influence factors with a significant effect on the cash conversion cycle. In contrast, no meaningful result can be identified for the crisis period, from which it can be deduced that influence factors other than those reviewed in this work affected working capital management during the crisis period. Furthermore, no significant effect on working capital management can be proven for macro-economic determinants. Overall, this work contributes to a better understanding of the working capital decisions of German listed companies under the influence of economic crises.

Keywords: working capital management, cash conversion cycle, determinants, Germany, regression analysis, panel data

Abbildungsverzeichnis

Abbildung 1: Bilanzorientierte Sichtweise des Working Capitals

Abbildung 2: Definition des operativen Working Capitals

Abbildung 3: Abgrenzung zwischen Gross und Net Working Capital

Abbildung 4: Cashflow-orientierte Sichtweise des Working Capitals

Abbildung 5: Bestandteile des Working Capital Managements

Abbildung 6: Cash Conversion Cycle

Abbildung 7: Übersicht der Stichprobe

Abbildung 8: Residuen-Normalverteilungs-Q-Q-Plots

Abbildung 9: Prüfverfahren zur Spezifikation des Regressionsmodells

Tabellenverzeichnis

Tabelle 1: Berechnung der Liquiditätsgrade

Tabelle 2: Berechnung des Cash Conversion Cycle

Tabelle 3: Übersicht der abgeleiteten Hypothesen

Tabelle 4: Operationalisierung - Net Working Capital

Tabelle 5: Deskriptive Analyse I - Cash Conversion Cycle [CCC]

Tabelle 6: Deskriptive Analyse II - Cash Conversion Cycle [CCC]

Tabelle 7: Operationalisierung - Profitabilität [ROA]

Tabelle 8: Deskriptive Analyse - Profitabilität [ROA]

Tabelle 9: Operationalisierung - Innenfinanzierungskraft [OCF]

Tabelle 10: Deskriptive Analyse - Innenfinanzierungskraft [OCF]

Tabelle 11: Operationalisierung - Investitionen [CAP]

Tabelle 12: Deskriptive Analyse - Investitionen [CAP]

Tabelle 13: Operationalisierung - Kapitalstruktur [FKQ]

Tabelle 14: Deskriptive Analyse - Kapitalstruktur [FKQ]

Tabelle 15: Operationalisierung - Wachstumspotential [GRO]

Tabelle 16: Deskriptive Analyse - Wachstumspotential [GRO]

Tabelle 17: Operationalisierung - Unternehmensgröße [SIZ]

Tabelle 18: Deskriptive Analyse - Unternehmensgröße [SIZ]

Tabelle 19: Operationalisierung - Unternehmensalter [AGE]

Tabelle 20: Deskriptive Analyse - Unternehmensalter [AGE]

Tabelle 21: Deskriptive Analyse - Gesamtwirtschaftliche Entwicklung [BIP]

Tabelle 22: Deskriptive Analyse - Preisniveau [INF]

Tabelle 23: Deskriptive Analyse - Zinsniveau [INT]

Tabelle 24: Deskriptive Analyse - Branche

Tabelle 25: Korrelationsmatrix für den Gesamtzeitraum

Tabelle 26: Ergebnisse des Breusch-Pagan-Tests

Tabelle 27: Ergebnisse des Durbin-Watson-Tests

Tabelle 28: Ergebnisse des Hausman-Tests

Tabelle 29: Ergebnisse des F-Tests auf individuelle Effekte

Tabelle 30: Regressionsergebnisse

Tabelle 31: Zusammenfassung der Regressionsergebnisse

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Einführung in die Thematik

In der Vergangenheit war das Working Capital Management sowohl in der Theorie als auch in der unternehmerischen Praxis ein vergleichsweise vernachlässigtes Themengebiet, obwohl das zugehörige Modell bereits in den 70er Jahren entwickelt wurde.^[1] Die seit der Jahrtausendwende zunehmende Wettbewerbsintensität, steigende Volatilität und die damit verbundene Unsicherheit auf den Kredit- und Finanzmärkten führte bereits damals zu einem langsamen Bedeutungsgewinn des Working Capital Managements. Aber erst durch die globale Finanz- und Wirtschafskrise der Jahre 2007 bis 2009 geriet das Working Capital Management verstärkt in den Fokus deutscher Unternehmen. Da sie durch das zu beobachtende stark rückläufige Außenfinanzierungsvolumen stärker unter Druck gerieten, befassten sie sich mit den Möglichkeiten der Innenfinanzierung, zu der auch das Working Capital Management gezählt wird.^[2]

Auch die seit der Finanz- und Wirtschaftskrise gestiegene Anzahl der veröffentlichten Studien belegt, dass das Working Capital Management an Bedeutung gewonnen hat.^[3] So hat sich PricewaterhouseCoopers (PWC) in der 2015 veröffentlichten Studie „Bridging the Gap“ mit dem Working Capital Management in der DACH-Region befasst und in 2014 festgestellt, dass sich die Höhe des Working Capitals erstmalig in den letzten drei Jahren verschlechtert hat. Im gesamten Betrachtungszeitraum von 2010 bis 2014 konnten die Unternehmen aus Österreich und der Schweiz ihr Working Capital verbessern, während das Working Capital deutscher Unternehmen auf einem vergleichbaren Niveau verblieb.^[4] In der Studie „All tied up“ aus dem Jahr 2015 hat Ernst & Young (EY) die Working Capital Performance von 2.000 US-amerikanischen und europäischen Unternehmen der Jahre 2012 und 2013 untersucht. Für das Jahr 2013 wurde in den USA eine weitere Verschlechterung des Working Capital Niveaus beobachtet, während es in Europa nach einer deutlichen Verbesserung in 2012 auf stabilem Niveau stagnierte.^[5] Auch Deloitte & Touche (DTTC) hat in der 2015 veröffentlichen Studie „Working Capital - Flüssige Mittel und gebundenes Kapital“ herausgefunden, dass sich das Working Capital für das Jahr 2013 im Vergleich zu den Vorjahren nahezu unverändert darstellt. Dazu wurden die Geschäftszahlen von 225 Unternehmen mit Sitz in Deutschland für die Jahre 2010 bis 2013 ausgewertet.^[6]

Die Ergebnisse der Studien deuten darauf hin, dass die Relevanz des Working Capital Managements nach einer Zunahme während der globalen Finanz- und Wirtschaftskrise^[7] aktuell in der unternehmerischen Praxis deutscher Unternehmen aufgrund des anhaltend stabilen wirtschaftlichen Umfelds wieder sinkt.^[8] Allerdings verweist die finanzwirtschaftliche Literatur darauf, dass das Working Capital Management nicht ausschließlich ein Instrument für Krisenzeiten darstellt, sondern auch darüber hinaus einzusetzen ist, um die Wettbewerbsfähigkeit zu stärken sowie Liquidität und Profitabilität zu verbessern.^[9] In diesem Zusammenhang liefert das Erforschen von Determinanten des Working Capital Managements wertvolle Informationen, die von Unternehmen dazu genutzt werden können, eine effektive Working Capital Strategie zu formulieren und damit ein optimales Working Capital Management zu realisieren.^[10]

1.2 Zielsetzung und Abgrenzung

Auf Basis der vorangegangen Ausführungen ergibt sich die Problemstellung aus einer unzureichenden empirischen Überprüfung der Determinanten des Working Capital Managements sowohl für deutsche Unternehmen als auch unter dem Einfluss von Wirtschaftskrisen.^[11] Daher besteht die Zielsetzung dieser Arbeit darin, durch Beantwortung der nachfolgend abgebildeten Forschungsfrage einen wissenschaftlichen Erkenntnisgewinn im Bereich der Erforschung von Determinanten des Working Capital Managements zu leisten.

Wie hoch ist das Working Capital von deutschen börsennotierten Unternehmen, welche Faktoren beeinflussen das Working Capital Management und inwiefern unterscheiden sich die Ergebnisse von Krisen- und Nichtkrisenzeiträumen?

Aus der formulierten Forschungsfrage lassen sich folgende Hypothesen ableiten, die es im Laufe der vorliegenden Arbeit empirisch zu untersuchen gilt:

i. Wirtschaftskrisen wirken sich auf die Höhe des Working Capitals von deutschen börsennotierten Unternehmen aus.
ii. Das Working Capital Management von deutschen börsennotierten Unternehmen wird durch unternehmensspezifische Determinanten beeinflusst.
iii. Das Working Capital Management von deutschen börsennotierten Unternehmen wird durch makroökonomische Determinanten beeinflusst.
iv. Wirtschaftskrisen führen zu Veränderungen einzelner Determinanten.
Die Ergebnisse dieser Arbeit liefern für Unternehmen wertvolle Informationen, da sie Kenntnisse darüber erlangen, welche Faktoren das Working Capital Management von deutschen börsennotierten Unternehmen maßgeblich beeinflussen. Sie können dieses Wissen bei Working Capital Entscheidungen berücksichtigen und darüber hinaus beurteilen, in welche Richtung sich die Höhe des Working Capitals bewegt, wenn sich einzelne Determinanten verändern.

1.3 Aufbau der Untersuchung

Im Anschluss an die Einleitung erläutert das zweite Kapitel wesentliche theoretische Grundlagen des Working Capital Managements, um eine grundlegende inhaltliche Basis für das weitere Verständnis der Arbeit zu schaffen. Neben der Definition und Abgrenzung des Working Capital Begriffs liegt der Schwerpunkt dieses Kapitels vor allem auf den Bestandteilen und Kennzahlenkonzepten des Working Capital Managements.

Das dritte Kapitel beschäftigt sich mit den methodischen Grundlagen zur Analyse der Determinanten des Working Capital Managements. Dabei wird zunächst die Methodik der Regressionsanalyse unter besonderer Berücksichtigung von Paneldaten erläutert, um daran anschließend die Regressionsvoraussetzungen und Gütekriterien zur Prüfung der Regressionsfunktion zu behandeln.

Im vierten Kapitel wird der aktuelle Forschungsstand im Bereich des Working Capital Managements, der sich in die beiden Forschungsschwerpunkte Working Capital Management und Profitabilität sowie Determinanten des Working Capital Managements unterteilen lässt, vorgestellt. Auf Basis der gewonnenen Erkenntnisse werden schließlich unternehmensspezifische und makroökonomische Determinanten identifiziert und Hypothesen abgeleitet.

Das fünfte Kapitel enthält die empirische Analyse der Determinanten des Working Capital Managements. Nach der Beschreibung der Analysestruktur werden geeignete Operationalisierungsformen für das Working Capital Management und die zuvor herausgearbeiteten Determinanten ermittelt. Darauf aufbauend wird eine deskriptive Analyse aller Variablen vorgenommen und die multivariate Regressionsanalyse durchgeführt, wobei zunächst eine Überprüfung der Regressionsvoraussetzungen und Spezifikation des Regressionsmodells erfolgt. Der Schwerpunkt der anschließenden Diskussion der Ergebnisse liegt darauf, festzustellen, welche unternehmensspezifischen und makroökonomischen Determinanten das Working Capital Management von deutschen börsennotierten Unternehmen bestimmen und ob Wirtschaftskrisen zu Veränderungen dieser Determinanten führen. Abschließend erfolgt eine kritische Würdigung der empirischen Untersuchung.

Im sechsten Kapitel wird die vorliegende Arbeit durch das Fazit und einen Ausblick auf mögliche, weitere Forschungsfragen abgerundet.

2 Grundlagen des Working Capital Managements

Dieses Kapitel soll auf Basis vorhandener Literatur die theoretischen Grundlagen des Working Capital Managements vermitteln und damit eine grundlegende Basis für das weitere Verständnis dieser Arbeit schaffen. Ausgehend von der Begriffsbestimmung und Abgrenzung des Working Capitals werden die Grundzüge des Working Capital Managements sowie dessen Verbindung zum operativen Geschäftszyklus erläutert. Abschließend werden die Kennzahlenkonzepte des Working Capital Managements vorgestellt und kritisch gewürdigt.

2.1 Working Capital

Der Ursprung des Begriffs Working Capital geht zurück auf Adam Smith, der im Jahr 1870 erstmalig eine Unterscheidung zwischen fixed capital und circulating capital vornahm.^[12] Seitdem sind eine Vielzahl heterogener Sichtweisen entstanden, die dazu führten, dass es bis heute weder in der wirtschaftswissenschaftlichen Literatur noch in der unternehmerischen Praxis ein einheitliches Verständnis des Begriffs zu geben scheint.^[13] Working Capital wird deshalb vielmehr als Sammelbegriff für kurzfristige Bilanzpositionen verwendet, die das Umlaufvermögen auf der Aktivseite der Bilanz sowie kurzfristige Verbindlichkeiten auf der Passivseite der Bilanz umfassen. Dabei ist zwischen einer bilanzorientierten Sichtweise und einer am Cash Flow ausgerichteten Sichtweise zu unterscheiden.^[14]

2.1.1 Bilanzorientierte Sichtweise

Die bilanzorientierte Sichtweise ermittelt das Working Capital als Differenz zwischen den kurzfristigen Positionen des Umlaufvermögens und den kurzfristigen Verbindlichkeiten.^[15] Diesem statischen Konzept, das in Abbildung 1 dargestellt ist, liegt das Verständnis zugrunde, dass die Liquidität eines Unternehmens durch die kurzfristigen Bilanzpositionen beeinflusst wird. Dadurch gibt die Kennzahl Working Capital Aufschluss über das kurzfristige Finanzierungsverhalten eines Unternehmens und dient als Indikator für die Liquidität eines Unternehmens.^[16]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Bilanzorientierte Sichtweise des Working Capitals

Eigene Darstellung in Anlehnung an: Klepzig, H. (2010), S. 19, Sasse, A., Weber, K. (2007), S. 812.

Die Positionen des Umlaufvermögens umfassen die auf der Aktivseite der Bilanz ausgewiesenen Vermögensgegenstände, die nicht dazu bestimmt sind, dem Geschäftsbetrieb dauerhaft zu dienen, sondern innerhalb eines Jahres oder im Verlauf eines normalen Geschäftszyklus wieder in liquide Mittel umgewandelt werden können.^[17] Zu den wesentlichen Positionen zählen Vorräte, geleistete Anzahlungen, Forderungen aus Lieferungen und Leistungen, kurzfristig liquidierbare Wertpapiere und liquide Mittel.^[18] Entsprechend umfassen die Positionen der kurzfristigen Verbindlichkeiten die auf der Passivseite der Bilanz ausgewiesenen kurzfristigen Verpflichtungen, die innerhalb eines Jahres oder eines normalen Geschäftszyklus beglichen werden können.^[19] Zu den wesentlichen Positionen zählen kurzfristige Rückstellungen, kurzfristige Finanzverbindlichkeiten, erhaltene Anzahlungen, Verbindlichkeiten aus Lieferungen und Leistungen sowie sonstige kurzfristige Verbindlichkeiten.^[20]

Obwohl diesem weit gefassten Verständnis des Working Capitals in der wirtschaftswissenschaftlichen Literatur und unternehmerischen Praxis weitgehend gefolgt wird, liegen darüber hinaus zahlreiche weitere definitorische Abgrenzungen vor, die unterschiedliche kurzfristige Bilanzpositionen in die Betrachtung einbeziehen.^[21] Analog zu anderen wissenschaftlichen Arbeiten wird weiterführend eine Definition des Working Capitals verwendet, die ausschließlich die Komponenten mit operativem Charakter berücksichtigt.^[22] Abbildung 2 zeigt die relevanten Bilanzpositionen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Definition des operativen Working Capitals

Eigene Darstellung in Anlehnung an: Buchmann, P. (2009), S. 352, Hofmann, E. (2010), S. 250.

Insgesamt lassen sich zwei grundlegende Konzepte des Working Capitals unterscheiden.^[23] Diese werden mit Hilfe von Abbildung 3 voneinander abgegrenzt.

Das Gross Working Capital umfasst sämtliche kurzfristige Positionen des Umlaufvermögens und wird nicht durch die kurzfristigen Verbindlichkeiten bereinigt.^[24] In der Literatur wird der Begriff Gross Working Capital vereinzelt gleichbedeutend mit Working Capital verwendet.^[25]

Das Net Working Capital ergibt sich aus dem Überschuss des Gross Working Capitals über die kurzfristigen Verbindlichkeiten^[26] und wird im Großteil der Literatur sowie auch im Rahmen dieser Arbeit als Synonym für den Begriff Working Capital verwendet. Diesem Konzept liegt das Verständnis zugrunde, dass sowohl kurzfristige Aktiv- als auch Passivpositionen die Liquidität eines Unternehmens beeinflussen.^[27] Ein positives Net Working Capital sagt aus, dass das Anlagevermögen sowie Teile des Umlaufvermögens durch langfristiges Kapital finanziert sind und führt zur Einhaltung der goldenen Bilanzregel, die fordert, dass langfristige Vermögensgegenstände durch langfristiges Kapital gedeckt sein müssen. Ein negatives Net Working Capital deutet auf eine kurzfristige Finanzierung eines Teils des Anlagevermögens hin und führt somit zur Nichteinhaltung der goldenen Bilanzregel.^[28]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Abgrenzung zwischen Gross und Net Working Capital

Eigene Darstellung in Anlehnung an: Meyer, C.A. (2007), S. 25.

Die verschiedenen Definitionen des Working Capitals lassen sich insbesondere auf die Unterschiede in der strukturellen Gliederung der Bilanz in den einzelnen Rechnungslegungsstandards zurückführen.^[29] Da in der eigenen empirischen Untersuchung allerdings nur die Geschäftsjahre, in denen die Jahresabschlusserstellung nach den International Accounting Standards (IAS) und International Financial Reporting Standards (IFRS) erfolgte, in die Betrachtung einbezogen werden, soll an dieser Stelle nicht näher auf die unterschiedlichen Gliederungsschemata und Bewertungsmethoden eingegangen werden.^[30]

2.1.2 Cashflow-orientierte Sichtweise

In der cashflow-orientierten Sichtweise des Working Capitals werden die Beziehungen zwischen den einzelnen Komponenten durch einen operativen Geschäftszyklus abgebildet. Der operative Geschäftszyklus eines Unternehmens, der in Abbildung 4 dargestellt ist, setzt sich aus der Beschaffung von Materialien bei Lieferanten, der internen Herstellung von Produkten sowie dem Verkauf dieser Produkte an Kunden zusammen.^[31] Diese Güterströme sind mit unsicheren und asynchronen Zahlungsströmen verbunden. Sie verlaufen unsicher, weil sie nicht mit absoluter Genauigkeit vorhergesagt werden können und asynchron, weil Auszahlungen an Lieferanten in der Regel zeitlich vor den Einzahlungen von Kunden liegen.^[32]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Cashflow-orientierte Sichtweise des Working Capitals

Eigene Darstellung in Anlehnung an: Eitelwein, O., Wohlthat, A. (2005), S. 418.

Durch die Asynchronität der Zahlungsströme entsteht eine Finanzierungslücke, die das Unternehmen im Laufe des operativen Geschäftszyklus durch Investitionen in die verschiedenen Working Capital Positionen vorfinanzieren muss.^[33] Je kleiner der Zeitraum zwischen der Auszahlung an Lieferanten und der Einzahlung von Kunden ist, desto weniger Kapital wird benötigt, um die operativen Aktivitäten des Unternehmens aufrecht zu erhalten.^[34]

Die cashflow-orientierte Sichtweise des Working Capitals unterstellt die Fortführung des Unternehmens, während die bilanzorientierte Sichtweise primär auf den Liquidationswert abstellt und damit auf die Fähigkeit des Unternehmens, seine kurzfristigen Verbindlichkeiten durch das Umlaufvermögen decken zu können. Aus diesem Grund wird in der Praxis die cashflow-orientierte Sichtweise gegenüber der statischen, bilanzorientierten Sichtweise favorisiert.^[35]

2.2 Working Capital Management

2.2.1 Inhaltliche Abgrenzung

Analog zum Begriff des Working Capitals existieren in der Literatur zahlreiche Definitionen zum Working Capital Management, die zwar durch das zugrunde liegende Verständnis von Working Capital geprägt sind, sich aber hauptsächlich mit der bilanzorientierten Sichtweise befassen.^[36]

Eine weit verbreitete Betrachtungsweise definiert das Working Capital Management allgemein als das Management der kurzfristigen Vermögensgegenstände und kurzfristigen Verbindlichkeiten eines Unternehmens und baut damit auf dem Konzept des Net Working Capitals auf.^[37] Weitere Definitionen beruhen auf dem Gross Working Capital und grenzen ihre Definition auf das Management der kurzfristigen Vermögensgegenstände ein.^[38] Beide Sichtweisen beinhalten zahlreiche einzelne Bilanzpositionen und sind daher für das Management des Working Capitals wenig geeignet.^[39] Vor diesem Hintergrund kommt in dieser Arbeit ein weiterer Ansatz (siehe Abbildung 5) zum Tragen, der sich auf das Management der Vorräte, Forderungen aus Lieferungen und Leistungen sowie Verbindlichkeiten aus Lieferungen und Leistungen fokussiert.^[40] Da diese drei Hauptkomponenten des Working Capitals die gesamte Wertschöpfungskette eines Unternehmens prozessual begleiten, sind unterschiedlichste Unternehmensbereiche in den Prozess des Working Capital Managements eingebunden. Eine separate Einzelanalyse der Komponenten wird daher als zunehmend unzureichend angesehen und stattdessen ein komponentenübergreifender integrativer Ansatz gefordert.^[41]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Bestandteile des Working Capital Managements

Eigene Darstellung in Anlehnung an: Hawawini, G. u.a. (1986), S. 15.

Seit den 90er Jahren hat sich das Working Capital Management durch eine stärkere Wertorientierung der Unternehmen zu einem Instrument entwickelt, das die langfristige Steigerung des Unternehmenswerts als übergeordnete Zielsetzung verfolgt.^[42] Vor diesem Hintergrund ist es unabhängig von der exakten definitorischen Abgrenzung grundlegende Aufgabe des Working Capital Managements, Entscheidungen in Bezug auf die optimale Höhe des Umlaufvermögens und seiner Komponenten sowie deren angemessene Finanzierung zu treffen.^[43] Unter Berücksichtigung der unternehmerischen Zielsetzung ist somit ein Trade-off zwischen Rendite und Risiko zu erreichen.^[44] Denn auf der Aktivseite der Bilanz stellen hohe Investitionen in das Umlaufvermögen den Wertschöpfungsprozess eines Unternehmens zwar sicher, binden dabei aber Kapital, das für Investitionen in Gegenstände des Anlagevermögens genutzt werden könnte, die einen Beitrag zur Steigerung der Rentabilität leisten.^[45] Auf der Passivseite der Bilanz ist eine Finanzierung mit kurzfristigen Verbindlichkeiten günstiger und damit profitabler, aber auch risikoreicher, weil weniger Zeit für die Rückzahlung gewährt wird.^[46]

Insgesamt sind die optimale Höhe sowie die Aufteilung des Working Capitals auf seine einzelnen Komponenten von zahlreichen Einflussfaktoren abhängig, die vorwiegend durch das operative Geschäftsmodell eines Unternehmens bestimmt werden.^[47]

2.2.2 Management der Hauptkomponenten

2.2.2.1 Vorratsmanagement

Das Vorratsvermögen umfasst sämtliche Vermögensgegenstände, die als Roh-, Hilfs- und Betriebsstoffe im Rahmen des Produktionsprozesses verbraucht werden, sich als unfertige Erzeugnisse im Produktionsprozess befinden oder als fertige Erzeugnisse für die Veräußerung gehalten werden.^[48]

Die Höhe und die Zusammensetzung des Vorratsvermögens sind von verschiedenen Faktoren abhängig und unterscheiden sich je nach Unternehmen und Branche.^[49] Grundsätzlich benötigt jedes produzierende Unternehmen zur Aufrechterhaltung seiner Geschäftsprozesse Vorräte, weil sie als Puffer zwischen den einzelnen Phasen des Wertschöpfungsprozesses dienen und das Unternehmen sich dadurch zeitliche Flexibilität in Bezug auf den Beschaffungs-, Produktions- und Absatzprozess verschafft.^[50] Das Vorratsvermögen macht gerade in produzierenden Unternehmen häufig einen Großteil des gesamten Working Capitals aus und wird als ein unvermeidbarer Kostenbestandteil wahrgenommen.^[51] Die Motive für Investitionen in das Vorratsvermögen lassen sich dabei wie folgt zusammenfassen.^[52]

- Transaktionsmotiv

Ein Unternehmen tätigt Investitionen in Vorräte, um die zukünftig erwarteten operativen Aktivitäten bearbeiten zu können.

- Vorsichtsmotiv

In dem Aufbau von Vorratsvermögen wird ein Sicherheitspolster gesehen, wodurch sich das Unternehmen gegen unerwartete Umstände absichert, die zu Abweichungen zwischen dem aktuellen und erwarteten Geschäftsvolumen führen.

- Spekulationsmotiv

Ein Unternehmen tätigt Investitionen in Vorräte, um sich vor zukünftig erwarteten Preissteigerungen zu schützen und sich durch günstigere Konditionen Wettbewerbsvorteile zu sichern.

Während eine hohe Verfügbarkeit von Vorräten einerseits die Versorgungssicherheit gewährleistet, werden andererseits Lagerhaltungs-, Verwaltungs-, sowie Kapitalbindungskosten verursacht, durch die finanzielle Ressourcen des Unternehmens beansprucht werden.^[53] Dieser Zielkonflikt zwischen Rendite und Risiko offenbart das Aufgabengebiet des Vorratsmanagements, das darin besteht, zu jeder Zeit ein angemessenes Bestandsniveau bei gleichzeitiger Minimierung der einhergehenden Bestandskosten vorzuhalten, um damit zur Steigerung des Unternehmenswerts beizutragen.^[54]

2.2.2.2 Forderungsmanagement

Forderungen aus Lieferungen und Leistungen sind Ansprüche eines Unternehmens gegenüber seinen Kunden, die aus der Veräußerung von Produkten oder Dienstleistungen entstanden und durch den Kunden noch nicht beglichen worden sind. Der in der Bilanz ausgewiesene Forderungsbestand reflektiert somit die Summe aller ausstehenden Rechnungen und stellt einen Kredit des Unternehmens gegenüber seinen Kunden dar.^[55]

Die Höhe der Forderungen wird maßgeblich durch die Kreditpolitik des Unternehmens bestimmt.^[56] Denn der Forderungsbestand ist unmittelbar abhängig von der Höhe des kreditieren Umsatzvolumens sowie den gewährten Zahlungszielen des Unternehmens gegenüber seinen Kunden.^[57] Unabhängig von der Branche sind Forderungen aus Lieferungen und Leistungen neben dem Vorratsvermögen für viele Unternehmen ein wesentlicher Bestandteil der Investitionen in das Working Capital.^[58] Dabei lassen sich folgende grundlegende Motive für die Gewährung von Kundenkrediten identifizieren.^[59]

- Finanzierungsmotiv

Unternehmen können ihren Kunden deutlich attraktivere Konditionen als Banken anbieten und dabei gleichzeitig aufgrund von höheren Verkaufspreisen bei Kreditfinanzierung höhere Renditen erzielen.

- Operatives Motiv

Nachfrageschwankungen und die damit verbundene Unausgeglichenheit der Produktion können durch nachfragestimulierende Kundenkredite reduziert werden.

- Vertragskostenmotiv

Dem Kunden wird vor Begleichung der Rechnung die Möglichkeit gegeben, eine Prüfung der Ware vorzunehmen und die Zahlung unter Umständen zu reduzieren oder zurückzuhalten. Zudem kann das Unternehmen aufgrund zunehmender Kenntnis der Kreditwürdigkeit des Kunden die Kreditkosten senken.

- Preismotiv

Die Gewährung von Kundenkrediten kann als Instrument der Preisgestaltung eingesetzt werden, wodurch dem Unternehmen die Möglichkeit eröffnet wird, für die gleiche Leistung unterschiedliche Preise zu fordern.

Im Rahmen des Forderungsmanagements sind vom Unternehmen Entscheidungen zu treffen, die sich auf die Höhe und Bedingung der Kreditvergabe beziehen. Dabei ist der Nutzen in Form von zusätzlichen Umsatzerlösen vor dem Hintergrund der damit verbundenen Risiken und Kosten zu beurteilen.^[60] Das primäre Ziel des Forderungsmanagements liegt in der Steigerung des Unternehmenswerts, woraus abzuleiten ist, dass Investitionen in Forderungen nur so lange vorzunehmen sind bis die daraus resultierenden Erträge kleiner als die Kosten sind.^[61] Darüber hinaus hat das Forderungsmanagement die Aufgabe, den Forderungsausfall zu reduzieren sowie die Konsistenz mit weiteren Investitionen des Unternehmens sicherzustellen.^[62]

2.2.2.3 Verbindlichkeitsmanagement

Verbindlichkeiten aus Lieferungen und Leistungen sind Verpflichtungen eines Unternehmens, die daraus resultieren, dass das Unternehmen im Rahmen der operativen Geschäftstätigkeit Lieferungen und Leistungen in Anspruch genommen hat, für diese aber noch keine Gegenleistung erbracht hat. Während diese Verpflichtungen in der Bilanz des Käufers als Verbindlichkeiten aus Lieferungen und Leistungen geführt werden, zeigt die Bilanz des Verkäufers korrespondierende Forderungen aus Lieferungen und Leistungen.^[63]

Die Höhe der Verbindlichkeiten wird maßgeblich durch die Höhe des kreditierten Einkaufsvolumens sowie durch die gewährten Zahlungsziele des Lieferanten gegenüber dem Unternehmen bestimmt und schwankt in Relation zum Produktionsniveau.^[64] Unabhängig von der Branche stellen Lieferantenverbindlichkeiten für viele Unternehmen eine wesentliche Komponente zur Finanzierung des Working Capitals dar und sind als ein Bestandteil der gesamten Finanzierungsstrategie eines Unternehmens zu betrachten. Verbindlichkeiten aus Lieferungen und Leistungen bergen von allen Bilanzpositionen das größte Potential eines Liquiditätsabflusses in sich und besitzen daher erheblichen Einfluss auf die Liquidität, die Rentabilität und schließlich auf den Wert eines Unternehmens.^[65]

Da Lieferantenverbindlichkeiten das Gegenstück zu Kundenforderungen darstellen, sei für die Motive der Inanspruchnahme von Lieferantenkrediten auf Abschnitt 2.2.2.2 verwiesen, wo die Motive der Kreditvergabe, die analog für Verbindlichkeiten aus Lieferungen und Leistungen gelten, bereits erläutert wurden.^[66]

Im Rahmen des Verbindlichkeitsmanagements sind vom Unternehmen Entscheidungen zu treffen, die sich sowohl auf den Einkaufsprozess als auch auf die Leistung der Zahlung an die Lieferanten beziehen.^[67]

Im Zusammenhang mit dem Ziel des Verbindlichkeitsmanagements, das darin besteht, möglichst viele kostengünstige Finanzierungsmittel in Form von Lieferantenkrediten für das Unternehmen bereit zu stellen, sollte der Fokus darauf liegen, die Lieferanten durch lange Zahlungsziele oder Skontoausnutzung in hohem Maße an der Mitfinanzierung der eigenen operativen Tätigkeiten zu beteiligen.^[68] Dabei sollten die mit dieser Finanzierungsform verbundenen Kosten, die im Wesentlichen von der Länge des Skontozeitraums sowie dem Umfang der gewährten Skontobedingungen abhängen, in die Betrachtung einbezogen werden.^[69]

2.3 Kennzahlenkonzepte des Working Capital Managements

Zum kontinuierlichen Aufgabengebiet des Working Capital Managements gehört es, die Performance des Vorrats-, Forderungs- und Verbindlichkeitsmanagements zu messen und zu steuern. Dazu stehen zahlreiche potentielle Kennzahlen aus Theorie und Praxis zur Verfügung, die sich analog zum Working Capital in eine statische und eine dynamische Sichtweise einteilen lassen.^[70]

2.3.1 Statische Kennzahlen

Statische Kennzahlen lassen sich der bilanzorientierten Sichtweise des Working Capitals zuordnen. Sie beziehen sich auf einen bestimmten Zeitpunkt und haben daher keinen Bezug zu zurückliegenden oder zukunftsbezogenen Daten. Da die zur Ermittlung erforderlichen Daten direkt dem Jahresabschluss des Unternehmens entnommen werden können, zeichnen sich statische Kennzahlen insbesondere durch ihre leichte Erhebung und Verständlichkeit aus.^[71] In relevanten Studien finden sich neben dem Net Working Capital als absolute Kennzahl auch die Liquiditätsgrade als relative Kennzahlen zur Beurteilung des Working Capital Managements.^[72]

Net Working Capital

Wie in Abbildung 2 bereits dargestellt, wird das Net Working Capital in dieser Arbeit als Differenz zwischen Vorratsvermögen, Forderungen aus Lieferungen und Leistungen und Verbindlichkeiten aus Lieferungen und Leistungen ermittelt. In der Praxis ist die Betrachtung dieser Kennzahl weit verbreitet, da sich die notwendigen Daten aus der Bilanz zum Stichtag entnehmen lassen und somit kein hoher administrativer Mehraufwand für die Performancemessung entsteht.^[73] Allerdings ist das Net Working Capital als absolute Kennzahl zwischen mehreren Unternehmen schwer zu vergleichen und findet daher überwiegend im Zeitvergleich Anwendung. Um dennoch einen unternehmensübergreifenden Vergleich vornehmen zu können, kann das Net Working Capital in Relation zum Gesamtvermögen oder zu den Umsatzerlösen des Unternehmens gesetzt werden.^[74]

In der empirischen Literatur findet sich darüber hinaus die Kennzahl Working Capital Requirement (WCR), die sich analog zum Net Working Capital aus den Vorräten, Forderungen aus Lieferungen und Leistungen abzüglich Verbindlichkeiten aus Lieferungen und Leistungen zusammensetzt. Nach Ansicht von Shulman/Cox (1985) und Hawawini/Viallet/Vora (1986), die diese Kennzahl maßgeblich geprägt haben, ermittelt das Working Capital Requirement die für den operativen Geschäftszyklus notwendigen finanziellen Mittel und dient entsprechend zur Abschätzung von langfristigen Finanzierungspotentialen.^[75]

Liquiditätsgrade

Zur Ermittlung der Liquiditätsgrade werden, wie in Tabelle 1 abgebildet, verschiedene Positionen des Umlaufvermögens den kurzfristigen Verbindlichkeiten gegenüber gestellt. Dabei erfolgt je nach Umfang der berücksichtigten Vermögenswerte eine Unterscheidung in Liquiditätsgrad I, II und III. Die Liquiditätsgrade gelten als Indikator für die Liquidität eines Unternehmens und sollen Auskunft darüber geben, ob den kurzfristigen Zahlungsverpflichtungen nachgekommen werden kann.^[76]

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Berechnung der Liquiditätsgrade

Eigene Darstellung in Anlehnung an: Althoff, F. u.a. (2013), S. 77, Mensch, G. (2008), S. 181, Richards, V.D., Laughlin, E.J. (1980).

Der Liquiditätsgrad III, der auch als Current Ratio bezeichnet wird, gibt die relative Deckung der kurzfristigen Verbindlichkeiten durch das kurzfristige Umlaufvermögen wieder. Aufgrund der leichten Verständlichkeit wird diese Kennzahl in der Praxis häufig verwendet, weist aber die Schwäche auf, dass sie durch die Berücksichtigung unterschiedlich liquider Positionen des Vorratsvermögens unternehmensübergreifend nur schwer zu vergleichen ist.^[77]

Der Liquiditätsgrad II gibt das Verhältnis des monetären Umlaufvermögens zu den kurzfristigen Verbindlichkeiten an und wird auch als Quick Ratio bezeichnet. Im monetären Umlaufvermögen, das sich aus der Differenz zwischen kurzfristigem Umlaufvermögen und Vorratsvermögen ergibt, werden die Positionen der Aktivseite abgebildet, die schneller in Liquidität umgewandelt werden können. Aus diesem Grund besitzt der Liquiditätsgrad II im Vergleich zum Liquiditätsgrad III einen höheren Informationsgehalt in Bezug auf die Beurteilung der Liquiditätssituation von Unternehmen.^[78]

Der Liquiditätsgrad I stellt den kurzfristigen Verbindlichkeiten ausschließlich die verfügbaren Zahlungsmittel gegenüber und wird daher auch Cash Ratio genannt. Insgesamt liefert der Liquiditätsgrad I somit die engste Definition aller Liquiditätsgrade.^[79]

2.3.2 Dynamische Kennzahlen

Dynamische Kennzahlen sind der cashflow-orientierten Sichtweise des Working Capitals zuzuordnen. Da bei der Berechnung von dynamischen Kennzahlen neben Werten aus der Bilanz auch Werte aus der Gewinn- und Verlustrechnung einfließen, sind sie im Gegensatz zu statischen Kennzahlen zeitraumbezogen.^[80] In Literatur und Praxis existieren verschiedene dynamische Kennzahlen zur Beurteilung des Working Capital Managements, die sich unter dem Begriff der Net Working Capital Days zusammen fassen lassen und sich im Wesentlichen durch die Einbeziehung unterschiedlicher Phasen des Wertschöpfungsprozesses oder durch unterschiedliche Bezugsgrößen voneinander unterscheiden.^[81] Der Cash Conversion Cycle - oder auch Cash-to-Cash Cycle - nimmt in diesem Zusammenhang eine vorherrschende Stellung ein und wird daher nachfolgend als einzige dynamische Kennzahl näher erläutert.^[82]

Cash Conversion Cycle

Der Cash Conversion Cycle (CCC) geht ursprünglich auf die Arbeiten von Gitman (1974) zurück und entspricht, wie in Abbildung 6 dargestellt, dem Zeitraum, der zwischen den Zahlungsausgängen an Lieferanten und den Zahlungseingängen durch Kunden vergeht.^[83]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Cash Conversion Cycle

Eigene Darstellung in Anlehnung an: Eitelwein, O., Wohlthat, A. (2005), S. 418.

Im Gegensatz zu anderen Kennzahlen misst der Cash Conversion Cycle nicht die absolute Höhe der verfügbaren Liquidität, sondern die Dauer der Kapitalbindung und somit den Zeitraum, in der das Unternehmen seine Investitionen in das Working Capital vorfinanzieren muss.^[84] Der Cash Conversion Cycle berührt sowohl die Geld- als auch die Güterströme eines Unternehmens und ermöglicht daher eine ganzheitliche Betrachtung der Performance des Working Capital Managements entlang des gesamten Wertschöpfungsprozesses.^[85]

Analog zu Tabelle 2 wird der Cash Conversion Cycle (CCC) aus der Vorratsreichweite (DOH), der Forderungsreichweite (DSO) und der Verbindlichkeitsreichweite (DPO) ermittelt und lässt dadurch Rückschlüsse auf den Einfluss einzelner Komponenten auf das Working Capital zu.^[86] Zur Ermittlung der durchschnittlichen Kapitalbindungsdauer werden die jeweiligen Bilanzpositionen den Umsatzerlösen bzw. den Herstellungskosten des Umsatzes gegenübergestellt. Dies hat jedoch zur Folge, dass nur Unternehmen, die ihre Gewinn- und Verlustrechnung nach dem Umsatzkostenverfahren aufstellen, die benötigten Daten zur Berechnung des Cash Conversion Cycles zur Verfügung haben. Als Alternative kann auch der Umsatz als einzige Bezugsgröße verwendet werden. Diese Kennzahl, die auch als Net Trade Cycle (NTC) bezeichnet wird, soll in dieser Arbeit aber nicht weiter betrachtet werden.^[87]

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Berechnung des Cash Conversion Cycle

Eigene Darstellung in Anlehnung an: Buchmann, P. (2009), S. 351, Eitelwein, O., Wohlthat, A. (2005), S. 418, Rupp, R. (2011), S. 381.

Die Days on Hand (DOH), die häufig auch als Days Inventory Held (DIH) oder Days Inventory Outstanding (DIO) bezeichnet werden, messen den Zeitraum, in dem das Vorratsvermögen im Unternehmen vom Wareneingang bis zum Warenausgang gebunden ist. Für die Berechnung wird das Vorratsvermögen ins Verhältnis zu den Herstellungskosten des Umsatzes desselben Jahres gesetzt.^[88] Die Days on Hand können dabei als Gesamtgröße oder zur besseren Eingrenzung von Optimierungspotentialen separat für die einzelnen Vorratskategorien Roh-, Hilfs- und Betriebsstoffe, unfertige Erzeugnisse und fertige Erzeugnisse ermittelt werden. Eine Reduzierung der Days on Hand deutet dabei auf eine bessere Effizienz zugrunde liegender Prozesse hin.^[89]

Die Days Sales Outstanding (DSO) werden als Quotient aus den Forderungen aus Lieferungen und Leistungen und den Umsatzerlösen desselben Jahres ermittelt. Sie messen die Zeitspanne zwischen der Rechnungsstellung an den Kunden und der tatsächlichen Bezahlung und geben die durchschnittliche Dauer des gewährten Kundenkredits an. Das Forderungsmanagement ist somit umso effizienter, je geringer die Days Sales Outstanding ausfallen.^[90]

Die Days Payables Outstanding (DPO) messen den Zeitraum zwischen der Rechnungsstellung des Lieferanten und dem tatsächlichen Zahlungsausgang und geben die durchschnittliche Dauer des in Anspruch genommenen Lieferantenkredits wieder. Für die Berechnung werden die Verbindlichkeiten aus Lieferungen und Leistungen in Relation zu den Herstellungskosten des Umsatzes desselben Jahres gesetzt. Im Rahmen einer Optimierung des Verbindlichkeitsmanagements gilt es, die ausstehenden Zahlungen gegenüber Lieferanten auszuweiten und somit die Days Payables Outstanding zu erhöhen.^[91]

2.3.3 Kritische Würdigung der Kennzahlenkonzepte

Die zuvor dargestellten Kennzahlen zur Performancemessung des Working Capital Managements sind in Literatur und Praxis weit verbreitet.^[92] Dennoch sind den zugrunde liegenden Konzepten gewisse Grenzen gesetzt, zumal zur Berechnung aller Kennzahlen auf stichtagsbezogene Daten des externen Rechnungswesens zurückgegriffen wird. Neben dem Vergangenheitsbezug der Daten ist somit auch die Anfälligkeit für bilanzpolitische Maßnahmen in Form von Sachverhaltsgestaltungen als grundsätzliche Kritik an den Kennzahlenkonzepten des Working Capital Managements anzuführen.^[93]

Statische Kennzahlen auf Basis absoluter Bilanzgrößen wie das Net Working Capital sind weder dazu geeignet Auskunft über die Entwicklung zwischen zwei Stichtagen zu geben noch erlauben sie unternehmensübergreifende Vergleiche durchzuführen.^[94] Daher findet man in Literatur und Praxis die übereinstimmende Beurteilung, dass sie als einziges Maß zur Beurteilung der Performance des Working Capital Managements nicht ausreichen.^[95]

Relative Kennzahlen wie die Liquiditätsgrade setzen die Komponenten des Working Capitals mit einer weiteren statischen Bezugsgröße ins Verhältnis. Aufgrund der dadurch geschaffenen Möglichkeit unternehmensübergreifende Vergleiche vornehmen zu können, lassen sich Optimierungspotentiale besser identifizieren. Dadurch sind sie den absoluten Kennzahlen insgesamt überlegen.^[96] Allerdings basieren die relativen Kennzahlen des Working Capital Managements lediglich auf Annahmen in Bezug auf die Fristigkeit der einzelnen Bilanzpositionen. Durch die Vernachlässigung des zeitlichen Aspekts kann somit keine Aussage darüber getroffen werden, zu welchem Zeitpunkt sich die Positionen des Working Capitals in Ein- bzw. Auszahlungen umwandeln. Sie eignen sich dementsprechend nicht dazu, zu beurteilen, inwieweit das Unternehmen in der Lage ist die Liquiditätssicherung aus operativer Tätigkeit heraus zu bewerkstelligen.^[97] In die Berechnung der Liquiditätsgrade fließen kurzfristige Bilanzpositionen ein, die kurzfristigen Veränderungen unterliegen können. Dadurch sind die vorgestellten Liquiditätsgrade zwar ein erster Indikator, aber als ausschließliche Grundlage zur unterjährigen Messung und Steuerung des Working Capital Managements nicht geeignet.^[98]

Dynamische Kennzahlen wie der Cash Conversion Cycle bilden die cashflow-orientierte Sichtweise des Working Capitals ab und erkennen damit die Eigenschaft des Working Capitals an, dass die einzelnen Komponenten eine gewisse Zeitspanne im operativen Geschäftszyklus eines Unternehmens gebunden sind.^[99] Da die gesamte Kapitalbindungsdauer auf die einzelnen Teilkomponenten des Working Capitals heruntergebrochen werden kann, sind die dynamischen Kennzahlen durch die mögliche Zuordenbarkeit zu funktionalen Verantwortungsbereichen auch für die interne Steuerung entlang des gesamten Wertschöpfungsprozesses geeignet.^[100]

Das Konzept der Net Working Capital Days beruht auf Daten des externen Rechnungswesens und ist damit auch für Außenstehende einfach zu berechnen und leicht zu verstehen. Die Möglichkeit unternehmensübergreifende Vergleiche durchführen zu können, hat insgesamt zu einer breiten Anwendung und hohen Akzeptanz geführt.^[101] Allerdings gehen die dynamischen Kennzahlen auch mit grundsätzlicher Kritik einher. So geben sie zwar die Dauer wieder, in der Kapital im Unternehmen gebunden ist, können dabei aber keine eindeutige Aussage über die absolute Höhe des gebundenen Kapitals treffen.^[102] Zudem handelt es sich bei dem Konzept der Net Working Capital Days um ein liquiditätsorientiertes Konzept, das den sich ergebenden Zielkonflikt zwischen Rentabilität und Liquidität vernachlässigt und damit die Zielsetzung eines optimalen Working Capital Niveaus gegenüber einer reinen Minimierung nicht thematisiert. Dementsprechend ist die Aussagekraft der dynamischen Kennzahlen an dieser Stelle eingeschränkt.^[103]

Insgesamt zeigen die Ausführungen über die möglichen Operationalisierungsformen des Working Capital Managements, dass alle vorgestellten Kennzahlen mit Stärken und Schwächen verbunden sind. Allerdings bietet das dynamische Kennzahlenkonzept in Form des Cash Conversion Cycles eine adäquate Lösung und ist den rein statischen Kennzahlen überlegen.^[104]

3 Grundlagen der Determinantenforschung

Im Rahmen der vorliegenden Arbeit sollen die unter Abschnitt 4.2 aufgestellten Hypothesen zur Gültigkeit von unternehmensspezifischen und makroökonomischen Determinanten des Working Capital Managements mit Hilfe einer Regressionsanalyse empirisch untersucht werden. Dazu werden im Weiteren die notwendigen methodischen Grundlagen geschaffen. Neben den für diese Untersuchung relevanten Regressionsmodellen werden auch die entsprechenden Regressionsvoraussetzungen und Gütekriterien zur Prüfung der Regressionsfunktion vorgestellt.

3.1 Regressionsmodelle

Die Regressionsanalyse zählt zu den statistischen Analyseverfahren und untersucht die Beziehung zwischen einer abhängigen Variablen (Regressand) und einer oder mehreren unabhängigen Variablen (Regressor). Auf Basis eines aus fachlichen Gesichtspunkten aufgestellten Modells wird im Rahmen der Regressionsanalyse eine Gleichung geschätzt, die den Zusammenhang zwischen der abhängigen und den unabhängigen Variablen möglichst genau beschreiben soll. Daraus abgeleitet liegt das Einsatzgebiet der Regressionsanalyse insbesondere in der Untersuchung von Kausalbeziehungen und wird darüber hinaus für Prognosen der abhängigen Variablen genutzt.^[105]

Da die Schätzung der Regressionsfunktion in Abhängigkeit von den zugrunde liegenden Daten vorgenommen wird^[106], werden nachfolgend die zum weiteren Verständnis der Arbeit notwendigen Regressionsmodelle vorgestellt. Somit erfolgt auf Basis des klassischen linearen Regressionsmodells unter Abschnitt 3.1.2 die Vorstellung der Regressionsmodelle zur Analyse von Paneldaten.

3.1.1 Klassisches lineares Regressionsmodell

Das klassische lineare Regressionsmodell bildet die Ausgangsbasis der Regressionsanalyse und nimmt einen linearen Zusammenhang zwischen der abhängigen und einer oder mehreren unabhängigen Variablen an. Die Effekte der einzelnen unabhängigen Variablen setzen sich somit additiv zusammen und ergeben die in Gleichung (1) abgebildete lineare Regressionsgleichung.^[107]

Abbildung in dieser Leseprobe nicht enthalten

In dieser Arbeit ergibt sich das Working Capital Management der Unternehmen (yi) als Linearkombination der im weiteren Verlauf herauszuarbeitenden Determinanten (xij). Dabei gibt der Regressionskoeffizient βj an, um wie viele Einheiten sich die abhängige Variable yi verändert, wenn sich die unabhängige Variable xj um eine Einheit verändert.^[108] Das Residuum еi, das auch als Störterm bezeichnet wird, stellt die Abweichung zwischen den tatsächlich beobachteten Werten und den durch die Regressionsfunktion geschätzten Werten dar, indem alle Einflussfaktoren, die durch die abhängigen Variablen nicht erfasst werden, addiert werden.^[109]

Im klassischen linearen Regressionsmodell wird die Schätzung der unbekannten Regressionskoeffizienten βj üblicherweise mit Hilfe der Methode der kleinsten Quadrate durchgeführt, die auch Ordinary Least Squares (OLS) genannt wird. Bei diesem Schätzverfahren werden die Regressionskoeffizienten βj so bestimmt, dass die Summe der quadrierten Residuen еi, minimal ist. Daraus folgt, dass die abhängige Variable yi weitestgehend durch die unabhängigen Variablen xij erklärt wird.^[110]

3.1.2 Regressionsmodelle für Paneldaten

Paneldaten weisen für die jeweiligen Untersuchungsobjekte (i) eine Matrix aus abhängigen und unabhängigen Variablen (y, x) auf. Als weitere Ebene beinhalten Paneldaten die Dimension der Zeit (t), sodass für jedes Untersuchungsobjekt (i) mehrere Beobachtungen vorliegen.^[111] Es liegt dabei ein balanced Panel vor, wenn für alle Objekte i zu allen Zeitpunkten der Untersuchung t Beobachtungswerte vorliegen. Von einem unbalanced Panel wird gesprochen, wenn nur unvollständige Daten vorhanden sind.^[112] Die hohe Bedeutung von Paneldaten für die empirische Forschung liegt vor allem in der zweidimensionalen Datenstruktur begründet. Denn Paneldaten beschreiben analog zu Querschnittsdaten vorhandene Unterschiede zwischen den Untersuchungsobjekten und ermöglich darüber hinaus analog zu Zeitreihendaten Rückschlüsse auf über die Zeit auftretende Veränderungen.^[113] Um die Vorteile von Paneldaten nutzen zu können, sind adäquate Schätzmodelle heranzuziehen, die sich nach dem Modell der Grundgesamtheit richten und nachfolgend beschrieben werden.

3.1.2.1 Gepooltes Modell

Das gepoolte Modell greift die Eigenschaften von Paneldaten auf, indem zusätzlich zur Dimension der Untersuchungsobjekte i auch die zeitliche Dimension t berücksichtigt wird.^[114] Daraus ergibt sich die in Gleichung (2) abgebildete Regressionsgleichung für gepoolte Modelle.^[115]

Abbildung in dieser Leseprobe nicht enthalten

Die Heterogenität der Beobachtungen sowohl in der Zeit- als auch in der Querschnittsdimension bleibt bei gepoolten Modellen unberücksichtigt. Dies führt dazu, dass Paneldaten zwar durch eine erhöhte Anzahl an Beobachtungszeitpunkten ausgenutzt werden, die einzelnen Beobachtungswerte eines Untersuchungsobjekts aber als voneinander unabhängig betrachtet werden.^[116] Das effiziente Schätzverfahren für gepoolte Modelle bildet die gepoolte OLS-Regression, die analog zur oben beschriebenen Methode der kleinsten Quadrate durchgeführt wird.^[117]

[...]

---

^[1] Vgl. Buchmann, P. (2009), S. 350.

^[2] Vgl. Buchmann, P. (2009), S. 350, Deutsche Bundesbank (2012), S. 24 f., Nevries, P., Gebhardt, R., (2013), S. 15, Sure, M. (2014), S. 1.

^[3] Vgl. Kumar, S., Singh, H.P. (2014), S. 178.

^[4] Vgl. PriceWaterhouseCoopers (2015), S. 3 ff.

^[5] Vgl. Ernst & Young (2015), S. 3 ff.

^[6] Vgl. Deloitte & Touche (2015), S. 2 ff.

^[7] Vgl. Reason, T. (2008), S. 1 ff.

^[8] Vgl. Buchmann, P. (2009), S. 351, Deloitte & Touche (2015), S. 2 ff.

^[9] Vgl. Akinlo, O.O. (2012), S. 40, Buchmann, P. (2009), S. 350.

^[10] Vgl. Akinlo, O.O. (2012), S. 40, Manoori, E., Muhammad, J. D. (2012), S. 15.

^[11] In der Literaturrecherche konnte keine Forschungsarbeit gefunden werden, die Determinanten des Working Capital Managements von deutschen Unternehmen zum Gegenstand hat und lediglich eine Forschungsarbeit, die Wirtschaftskrisen bei der Analyse berücksichtigt hat.

^[12] Vgl. Berk, J., DeMarzo, P. (2011), S. 857, Smith, A. (1870), S. 123 ff.

^[13] Vgl. Hofmann, E. (2010), S. 250, Kulshreshtha, D.K., Jha, B.K. (2009), S. 82.

^[14] Vgl. Brealey, R.A. u.a. (2011), S. 757, Firth, M.A. (1976), S. 1, Meyer, C.A. (2007), S. 23 f., Pass, C.L., Pike, R.H. (1984), S. 1.

^[15] Vgl. Berk, J., DeMarzo, P. (2011), S. 829, Fazarri, S.M., Petersen, B.C. (1993), S. 329, Hofmann, E. (2010), S. 250, Howard, L.R. (1971), S. 3 f.

^[16] Vgl. Born, K. (1994), S. 387 f., Buchmann, P. (2009), S. 250, Hampton, J.J., Wagner, C.L. (1989), S. 5, van der Wielen, L. (2004), S. 241.

^[17] Vgl. Berk, J., DeMarzo, P. (2011), S. 857, Periasamy, P. (2005), S. 2 f., Schulz, E. (2007), S. 14 ff.

^[18] Vgl. Ross, S.A. u.a. (2005), S. 732, Scheer, F.C. (1989), S. 1.

^[19] Vgl. Periasamy, P. (2005), S. 2 f., Ross, S.A. u.a. (2005), S. 732.

^[20] Vgl. Ross, S.A. u.a. (2005), S. 732, Scheer, F.C. (1989), S. 1.

^[21] Vgl. Hofmann, E. (2010), S. 250, Moyer, R.C. u.a. (2003), S. 528.

^[22] Vgl. Buchmann, P. (2009), S. 351, Eitelwein, O., Wohlthat, A. (2005), S. 416 ff., Losbichler, H. (2010), S. 369.

^[23] Vgl. van Horne, J.C. u.a. (2008), S. 202, Vataliya, K.S. (2008), S. 22.

^[24] Vgl. Belt, B. (1979), S. 43, Firth, M.A. (1976), S. 1, van Horne, J.C. u.a. (2008), S. 206.

^[25] Vgl. Hampton, J.J., Wagner, C.L. (1989), S. 4, Mehta, D.R. (1974), S. 1.

^[26] Vgl. Berk, J., DeMarzo, P. (2011), S. 829, Buchmann, P. (2009), S. 350.

^[27] Vgl. Bischoff, W. (1972), S. 79, Collins, G.W. (1946), S. 430, Meyer, C.A. (2007), S. 26, Moyer, R.C. u.a. (2003), S. 528, Perridon, L. u.a. (2012). S. 604 f.

^[28] Vgl. Meyer, C.A. (2007), S. 23 f., Spremann, K. (1996), S. 220 f.

^[29] Vgl. Coenenberg, A.G.(2003), S. 93 ff., Hohenstein, G. (1994), S. 44, Meyer, C.A. (2007), S. 27 f.

^[30] Vgl. hierzu den Abschnitt 5.1.1.

^[31] Vgl. Firth, M.A. (1976), S. 5, Hill, N., Sartoris, W.L. (1992), S. 8, Moyer, R.C. u.a. (2003), S. 543.

^[32] Vgl. Mehta, D.R. (1974), S. 3, Moyer, R.C. u.a. (2003), S. 530 f., Richards, V.D., Laughlin, E.J. (1980), S. 34.

^[33] Vgl. Moyer, R.C. u.a. (2003), S. 543, Shin, H.H., Soenen, L. (1998), S. 37, Vataliya, K.S. (2008), S. 29.

^[34] Vgl. Hofmann, E. (2010), S. 250, Losbichler, H. (2010), S. 370.

^[35] Vgl. Byers, S.S. u.a. (1997), Eitelwein, O., Wohlthat, A. (2005), S. 417, Richards, V.D., Laughlin, E.J. (1980), S. 33.

^[36] Vgl. Hofmann, E. (2010), S. 250, Ross, S.A. u.a. (2005), S. 730, Sure, M. (2014), S. 12.

^[37] Vgl. Moyer, R.C. u.a. (2003), S. 515, Payne, S.M. (2002), S. 11 ff., Schall, L.D., Haley, C.W. (1991), S. 621.

^[38] Vgl. Block, S.B., Hirt, G.A. (2005), S. 145, van Horne, J.C. u.a. (2008), S. 202.

^[39] Vgl. Sasse, A., Weber, K. (2004), S. 813.

^[40] Vgl. Eilenberger, G. (2003), S. 337, Hawawini, G. u.a. (1986), S. 15.

^[41] Vgl. Guserl, R. (1994), S. 171, Smith, K.V. (1979), S. 18 f., Süchting, J. (1995), S. 14.

^[42] Vgl. Klepzig, H. (2010), S. 16 ff., Rappaport, A. (1999), S. 67 f., Schulz, E. (2007), S. 20 ff.

^[43] Vgl. Bhalla, V.K. (2009), S. 1 f., Brigham, E.F., Hofmann, E. (2010), S. 250, Houston, J.F. (2013), S. 690, van Horne, J.C. u.a. (2008), S. 546.

^[44] Vgl. Maness, T.S., Zietlow, J.T. (2005), S. 6, Smith, K.V. (1979), S. 18, van Horne, J.C. u.a. (2008), S. 546.

^[45] Vgl. Copeland, T.E., Weston, J.F. (1986), S. 277 f., van Horne, J.C. u.a. (2008), S. 95 f.

^[46] Vgl. Churchill, N.C., Mullins, J.W. (2001), S. 136, Tewolde, S. (2002), S. 23.

^[47] Vgl. Schall, L.D., Haley, C.W. (1991), S. 724.

^[48] Vgl. Wagenhofer, A. (2005), S. 250, Wöhe, G. (1996), S. 1099.

^[49] Vgl. Kreuz, W., Schürmann, V. (2004), S. 433, Schall, L.D., Haley, C.W. (1991), S. 626.

^[50] Vgl. Maness, T.S., Zietlow, J.T. (2005), S. 15, Moyer, R.C. u.a. (2003), S. 634.

^[51] Vgl. Hofmann, N. u.a. (2007), S. 160 f., Kaen, F.R. (1995), S. 841.

^[52] Vgl. Hill, N., Sartoris, W.L. (1992), S. 448 f., Maness, T.S., Zietlow, J.T. (2005), S. 101, van der Wielen, L. (2006), S. 265 f.

^[53] Vgl. Berk, J., DeMarzo, P. (2011), S. 859, Maness, T.S., Zietlow, J.T. (2005), S. 15, Moyer, R.C. u.a. (2003), S. 634.

^[54] Vgl. Gallinger, G.W., Healey, P.B. (1987), S. 384, Preve, L.A., Sarria-Allende, V. (2010), S. 87, Schulz, E. (2007), S. 105 f.

^[55] Vgl. Coenenberg, A.G. (2003), S. 216, Moyer, R.C. u.a. (2003), S. 587, Schall, L.D., Haley, C.W. (1991), S. 640.

^[56] Vgl. van der Weide, J.H., Maier, S.F. (1985), S. 255.

^[57] Vgl. Berk, J., DeMarzo, P. (2011), S. 854, Ross, S.A. u.a. (2005), S. 779:

^[58] Vgl. van der Wielen, L. (2006), S. 256, Wildemann, H. (2007), S. 39 ff.

^[59] Vgl. Bhalla, V.K. (2009), S. 273, Emery, G.W. (1988), S. 116 ff., Maness, T.S., Zietlow, J.T. (2005), S. 131 f.

^[60] Vgl. Hampton, J.J., Wagner, C.L. (1989), S. 361, Schall, L.D., Haley, C.W. (1991), 641, Vataliya, K.S. (2008), S. 145 f.

^[61] Vgl. Mahapatra, R.P., Panda, A.K. (2008), S. 24 f., Moyer, R.C. u.a. (2003), S. 587.

^[62] Vgl. Gallinger, G.W., Healey, P.B. (1987), S. 241, Smith, K.V. (1979), S. 115.

^[63] Vgl. Coenenberg, A.G. (2003), S. 340, Schall, L.D., Haley, C.W. (1991), S. 696.

^[64] Vgl. Maness, T.S., Zietlow, J.T. (2005), S. 236, Smith, K.V. (1979), S. 174, van Horne, J.C. u.a. (2009), S. 283.

^[65] Vgl. Gallinger, G.W., Healey, P.B. (1987), S. 443, Kaen, F.R. (1995), S. 763, Moyer, R.C. u.a. (2003), S. 556, van Horne, J.C. u.a. (2009), S. 282.

^[66] Vgl. Meyer, C.A. (2007), S. 78.

^[67] Vgl. Sure, M. (2014), S. 53, van der Wielen, L. (2006), S. 242 ff.

^[68] Vgl. Ertl, M. (2004), S. 168, Röhrenbacher, H., Fleischer, W. (1989), S. 107, Smith, K.V. (1979), S. 174 ff.

^[69] Vgl. Moyer, R.C. u.a. (2003), S. 608 ff.

^[70] Vgl. Berk, J., DeMarzo, P. (2011), S. 829, Egerer, M. (2013), S. 25 ff., Eitelwein, O., Wohlthat, A. (2005), S. 417, Fazarri, S.M., Petersen, B.C. (1993), S. 329, Hofmann, E. (2010), S. 250.

^[71] Vgl. Hofmann, E. (2010), S. 250, Rupp, R. (2011), S. 380, Young, D.S., O’Byrne, S.F. (2001), S. 428.

^[72] Vgl. Cheng, L. u.a. (2006), S. 149, Faden, C. (2014), S. 9.

^[73] Vgl. Buchmann, P. (2009), S. 351, Eitelwein, O., Wohlthat, A. (2005), S. 416 ff., Maness, T.S., Zietlow, J.T. (2005), S. 28 f., Wiehle, U. (2011), S. 21.

^[74] Vgl. Althoff, F. u.a. (2013), S. 67, Buchmann, P. (2009), S. 351, Mensch, G. (2008), S. 182.

^[75] Vgl. Hawawini, G. (1986), S. 15, Shulman, J.M., Cox, R.A.K. (1985), S. 64 ff., Sure, M. (2014), S. 8.

^[76] Vgl. Althoff, F. u.a. (2013), S. 77, Mensch, G. (2008), S. 182, S. 180 f., Preve, L.A., Sarria-Allende, V. (2010), S. 46.

^[77] Vgl. Logue, D.E., Merville, L.J. (1972), S. 40, Mensch, G. (2008), S. 181, Richards, V.D., Laughlin, E.J. (1980), S. 32 f., Wiehle, U. (2011), S. 94.

^[78] Vgl. Mensch, G. (2008), S. 181, Richards, V.D., Laughlin, E.J. (1980), S. 32 f., Welsch, G.A., Anthony, R.N. (1977), S. 645.

^[79] Vgl. Mensch, G. (2008), S. 181, Preißler, P.R. (2008), S. 143.

^[80] Vgl. Hofmann, E. (2010), S. 252, Jose, M.L. u.a. (1996), S. 34 f.

^[81] Vgl. Rupp, R. (2011), S. 380.

^[82] Vgl. u.a. Deloof, M. (2003), S. 574, Maness, T.S., Zietlow, J.T. (2005), S. 36, Meyer, C.A. (2007), S. 46, Shin, H.H., Soenen, L. (1998), S. 38, van der Wielen, L. (2006), S. 243.

^[83] Vgl. Gitman, L.J.C. (1974), S 79 ff., van der Wielen, L. (2006), S. 243

^[84] Vgl. Hofmann, E. (2010), S. 252, Kreuz, W., Schürmann, V. (2004), S. 446, Losbichler, H. (2010), S. 370.

^[85] Vgl. Eitelwein, O., Wohlthat, A. (2005), S. 417, Payne, S.M. (2002), S. 41, Süchting, J. (1995), S. 14.

^[86] Vgl. Cote, J.L., Latham, C.K. (1999), S. 257, Buchmann, P. (2009), S. 252, Richards, V.D., Laughlin, E.J. (1980), S. 34.

^[87] Vgl. Hofmann, E. (2010), S. 252, Shin, H.H., Soenen, L. (1998), S. 38.

^[88] Vgl. Buchmann, P. (2009), S. 351, Eitelwein, O., Wohlthat, A. (2005), S. 419, Meyer, C.A. (2007), S. 115.

^[89] Vgl. Berk, J., DeMarzo, P. (2011), S. 851, Ertl, M. (2004), S. 398, Sagner, J.S. (2011), S. 113.

^[90] Vgl. Buchmann, P. (2009), S. 351, Eitelwein, O., Wohlthat, A. (2005), S. 418 f., Pfaff, D. u.a. (2004), S. 76, Rupp, R. (2011), S. 381.

^[91] Vgl. Eitelwein, O., Wohlthat, A. (2005), S. 419, Rupp, R. (2011), S. 381, Schneider, C. (2002), S. 544.

^[92] Vgl. Farris, T.M., Hutchinson, P.D. (2002), S. 291, Shin, H.H., Soenen, L. (1998), S. 38.

^[93] Vgl. Hofmann, E. (2010), S. 253, Tewolde, S. (2002), S. 22, Wagenhofer, A. (2010), S. 203.

^[94] Vgl. Althoff, F. u.a. (2013), S. 67, Buchmann, P. (2009), S. 351, Mensch, G. (2008), S. 182.

^[95] Vgl. Emery, G.W. (1984), S. 24 ff., Kamath, R. (1989), S. 271 ff.

^[96] Vgl. Buchmann, P. (2009), S. 351, Hofmann, E. (2010), S. 252.

^[97] Vgl. Mensch, G. (2008), S. 182, Richards, V.D., Laughlin, E.J. (1980), S. 33, Scheer, F.C. (1989), S. 352 f.

^[98] Vgl. Farris, T.M., Hutchinson, P.D. (2002), S. 291, Mensch, G. (2008), S. 183, Shin, H.H., Soenen, L. (1998), S. 38.

^[99] Vgl. Mehta, D. R. (1974), S. 33, Richards, V.D., Laughlin, E.J. (1980), S. 33.

^[100] Vgl. Debus, C. u.a. (2010), S. 381 ff., Farris, T.M., Hutchinson, P.D. (2002), S. 113, Rupp, R. (2011), S. 380.

^[101] Vgl. Farris, T.M., Hutchinson, P.D. (2002), S. 113, Hofmann, E. (2010), S. 253, Rupp, R. (2011), S. 379 f.

^[102] Vgl. Hofmann, E. (2010), S. 253, Sure, M. (2014), S. 17.

^[103] Vgl. Fazarri, S.M., Petersen, B.C. (1993), S. 329 ff., Haß, S., Hänsel, A. (2010), S. 378, Rupp, R. (2011), S. 381.

^[104] Vgl. Hofmann, E. (2010), S. 253, Richards, V.D., Laughlin, E.J. (1980), S. 33, Rupp, R. (2011), S. 79, Sure, M. (2014), S. 16.

^[105] Vgl. Backhaus, K. (2016), S. 64 ff., Bleymüller, J. u.a. (2008), S. 139, Poddig, T. u.a. (2008), S. 215, Urban, D., Mayerl, J. (2011), S. 39.

^[106] Vgl. Windzio, M. (2013), S. 12.

^[107] Vgl. Fahrmeir, L. u.a. (2009), S. 19 f., Hackl, P. (2013), S. 30, Poddig, T. u.a. (2008), S. 215.

^[108] Vgl. Urban, D., Mayerl, J. (2011), S. 38.

^[109] Vgl. Dreger, C. u.a. (2014), S. 20, Hackl, P. (2013), S. 31.

^[110] Vgl. Giesselmann, M. Windzio, M. (2012), S. 21 f., Poddig, T. u.a. (2008), S. 225, Urban, D., Mayerl, J. (2011), S. 45 f.

^[111] Vgl. Arminger, G., Müller, F. (1990), S. 4, Giesselmann, M., Windzio, M. (2012), S. 17 f., Hsiao, C. (2003), S. 1.

^[112] Vgl. Baltagi, B.H. (2010), S. 181, Greene, W.H. (2008), S. 184.

^[113] Vgl. Rässler, S., Wolf, K. (2005), S. 105, Winker, P. (2010), S. 17.

^[114] Vgl. Brooks, C. (2014), S. 526. Giesselmann, M., Windzio, M. (2012), S. 29 f.

^[115] Vgl. Giesselmann, M., Windzio, M. (2012), S. 29, Greene, W.H. (2008), S. 266.

^[116] Vgl. Dreger, C. u.a. (2014), S. 260, Wooldridge, J.M. (2002), S. 5 f.

^[117] Vgl. Giesselmann, M., Windzio, M. (2012), S. 38, von der Lippe, P. (2010), S. 20.