Die quantitative BWL-Bachelorarbeit hat in der Schweiz meist eine von sechs Datensituationen: eine Kundenbefragung für den Praxispartner, eine Mitarbeiterbefragung, Kennzahlen aus Jahresabschlüssen mehrerer Unternehmen, ein Ereignis am Kapitalmarkt, Prozessdaten aus dem Betrieb oder ein Modell mit mehreren Konstrukten, das aus der Literatur stammt. Jede dieser Situationen hat ein Verfahren, das im Fach Standard ist, und Begutachtende erkennen an der Wahl, ob die Arbeit die Methodenlogik der Betriebswirtschaft verstanden hat oder nur ein Statistikprogramm bedient.
Der allgemeine Entscheidungsbaum, der von der Skalierung der Variablen zum Test führt, ist in dem Beitrag zur Wahl des statistischen Tests beschrieben. Dieser Beitrag setzt eine Stufe früher an: bei der betriebswirtschaftlichen Datensituation, aus der sich Verfahren, Voraussetzungen und Darstellung ergeben. Er ist für Studierende an Universitäten und Fachhochschulen gedacht, die ihre Daten schon haben oder gerade erheben und wissen wollen, was sie damit rechnen sollen.
Sechs Datensituationen, sechs Standardverfahren
| Datensituation | Typische Frage | Standardverfahren | Ergebnisgrösse |
|---|---|---|---|
| Kundenbefragung | Welche Faktoren treiben Zufriedenheit oder Loyalität? | Skalenbildung, multiple Regression als Treiberanalyse | Standardisierte Koeffizienten, erklärte Varianz |
| Mitarbeiterbefragung | Unterscheiden sich Abteilungen, Standorte oder Hierarchiestufen? | t-Test, einfaktorielle Varianzanalyse mit Post-hoc-Tests | Mittelwertunterschiede mit Effektstärke |
| Kennzahlen aus Jahresabschlüssen | Hängt die Profitabilität mit Grösse, Branche oder Verschuldung zusammen? | Kennzahlenvergleich, Querschnitts- oder Panelregression | Koeffizienten mit robusten Standardfehlern |
| Ereignis am Kapitalmarkt | Reagiert der Aktienkurs auf eine Ankündigung? | Ereignisstudie mit abnormalen Renditen | Kumulierte abnormale Rendite mit Signifikanztest |
| Prozess- und Betriebsdaten | Hat die Prozessänderung Durchlaufzeit oder Fehlerquote verändert? | Vorher-Nachher-Vergleich, Zeitreihenvergleich, Kontrollkarten | Differenz mit Konfidenzintervall |
| Modell mit mehreren Konstrukten | Wie wirken Konstrukte über Mediatoren aufeinander? | Strukturgleichungsmodell, meist PLS-SEM | Pfadkoeffizienten, Bootstrapping-Intervalle |
Kundenbefragung: von der Skala zur Treiberanalyse
Die Kundenbefragung ist die häufigste Datensituation der BWL-Bachelorarbeit, und ihr Verfahren hat zwei Stufen. Zuerst werden aus den Items Skalen gebildet: Jedes Konstrukt, etwa Servicequalität, Preiswahrnehmung oder Markenvertrauen, besteht aus mehreren Items, deren interne Konsistenz mit Cronbachs Alpha geprüft wird, bevor der Mittelwert als Skalenwert dient. Dann folgt die Treiberanalyse: eine multiple Regression, in der die Zufriedenheit oder die Weiterempfehlungsabsicht die abhängige Variable ist und die Skalen die erklärenden. Die standardisierten Koeffizienten zeigen, welcher Treiber am stärksten wirkt, und genau das will der Praxispartner wissen. Wie die multiple Regression in SPSS durchgeführt und die Ausgabe gelesen wird, ist dort Schritt für Schritt gezeigt.
Zwei BWL-spezifische Punkte gehören in die Auswertung. Erstens der Hinweis auf den Common-Method-Bias: Wenn alle Variablen aus derselben Befragung zum selben Zeitpunkt stammen, können Zusammenhänge überschätzt sein; Podsakoff und Kollegen haben 2003 beschrieben, wie das geprüft und begrenzt wird, und ein Satz dazu im Methodikkapitel zeigt Fachkenntnis. Zweitens die Darstellung als Importance-Performance-Matrix, die die Regressionsgewichte gegen die Mittelwerte der Treiber stellt und dem Praxispartner zeigt, wo Handlungsbedarf besteht; das ist die Form, in der BWL-Arbeiten Ergebnisse in Empfehlungen übersetzen.
Mitarbeiterbefragung: Gruppenvergleiche mit Schutz kleiner Gruppen
Mitarbeiterbefragungen fragen fast immer nach Unterschieden: zwischen Abteilungen, Standorten, Hierarchiestufen oder Beschäftigungsgraden. Bei zwei Gruppen ist der t-Test das Verfahren, bei mehr als zwei die einfaktorielle Varianzanalyse mit Post-hoc-Tests, die zeigen, welche Gruppen sich unterscheiden. Der Beitrag zur einfaktoriellen ANOVA in SPSS zeigt Voraussetzungen und Post-hoc-Tests. Wenn die Gruppen sehr ungleich gross sind oder die Skalen schief verteilt, sind die nichtparametrischen Gegenstücke die sauberere Wahl, und das Kapitel begründet den Wechsel.
Die betriebswirtschaftliche Besonderheit ist die Anonymität: In einem KMU mit einer Abteilung von vier Personen ist jede Auswertung nach Abteilung eine Deanonymisierung. Die übliche Regel, Gruppen unter einer Mindestgrösse nicht getrennt auszuweisen, gehört in das Kapitel, und die Gruppierung wird gegebenenfalls vor der Auswertung vergröbert. Wer das übersieht, hat ein Datenschutzproblem, das die Begutachtung vor dem Ergebnis bemerkt.
Kennzahlen aus Jahresabschlüssen: Querschnitt und Panel
Arbeiten in Finance, Accounting und Controlling werten häufig Kennzahlen mehrerer Unternehmen aus: Eigenkapitalrentabilität, Verschuldungsgrad, Umsatzwachstum, Liquidität, oft über mehrere Jahre. Die Daten kommen aus Geschäftsberichten, aus Datenbanken der Hochschulbibliothek oder, für Schweizer Unternehmen, aus dem Handelsregister über Zefix und den Publikationen der kotierten Gesellschaften. Das Verfahren hängt von der Struktur ab: Bei einem Jahr und vielen Unternehmen eine Querschnittsregression mit Branchen- und Grössenkontrollen, bei mehreren Jahren ein Panelmodell mit Fixed Effects, das unternehmensspezifische Eigenheiten herausrechnet. Kennzahlen sind meist schief verteilt und haben Ausreisser; Logarithmierung, Winsorisierung an den Rändern und robuste Standardfehler sind im Fach üblich und werden im Kapitel genannt.
Wenn die Zielgrösse nicht metrisch ist, etwa ob ein Unternehmen ein Rating-Downgrade erlitt oder eine Dividende kürzte, ist die logistische Regression das Verfahren; wann lineare und wann logistische Regression passt, erklärt der Beitrag dazu. Der häufigste Fehler in dieser Situation ist die kausale Sprache bei Querschnittsdaten: Ein Zusammenhang zwischen Verschuldung und Rentabilität sagt nicht, was Ursache ist.
Ereignisstudie: die Reaktion des Kapitalmarkts
Ob eine Fusion, ein Führungswechsel, eine Gewinnwarnung oder eine Nachhaltigkeitsankündigung den Aktienkurs bewegt, prüft die Ereignisstudie, das Standardverfahren der empirischen Kapitalmarktforschung. Die Logik: Aus einem Schätzfenster vor dem Ereignis wird mit einem Marktmodell die erwartete Rendite jeder Aktie geschätzt; im Ereignisfenster um den Ankündigungstag wird die tatsächliche Rendite mit der erwarteten verglichen; die Differenz ist die abnormale Rendite, die über das Fenster kumuliert und über die Ereignisse gemittelt wird. Ein t-Test prüft, ob die kumulierte abnormale Rendite von null verschieden ist.
Für eine Bachelorarbeit ist die Ereignisstudie gut machbar, wenn Kursdaten und ein Marktindex verfügbar sind; für Schweizer Titel liefert die Börse SIX die Handelsdaten, der Zugang zu historischen Kursen läuft meist über die Bibliotheksdatenbanken. Das Kapitel legt Schätzfenster, Ereignisfenster, Marktindex und den Umgang mit überlappenden Ereignissen fest, und es benennt, dass die Ergebnisse von der Wahl der Fenster abhängen.
Prozess- und Betriebsdaten: Vorher-Nachher und Zeitreihe
Operations- und Logistikarbeiten werten Daten aus, die der Betrieb ohnehin erhebt: Durchlaufzeiten, Fehlerquoten, Bestände, Auslastung, Lieferpünktlichkeit. Die typische Frage ist, ob eine Prozessänderung etwas bewirkt hat. Bei gepaarten Messungen an denselben Einheiten vor und nach der Änderung ist der t-Test für abhängige Stichproben oder der Wilcoxon-Test das Verfahren; bei fortlaufenden Prozessdaten eine Zeitreihenbetrachtung, die den Trend vor der Änderung fortschreibt und mit dem tatsächlichen Verlauf danach vergleicht, oder Kontrollkarten aus der statistischen Prozesslenkung, die zeigen, ob der Prozess nach der Änderung innerhalb neuer Grenzen läuft. Das Kapitel muss die Frage beantworten, was sich sonst noch verändert hat: Saison, Auftragsmix, Personal. Ohne diese Diskussion ist jeder Vorher-Nachher-Effekt anfechtbar.
Modelle mit Konstrukten: Strukturgleichungsmodelle und PLS-SEM
Wenn das Modell aus der Literatur mehrere latente Konstrukte mit Mediatoren verbindet, etwa Führung, Engagement und Leistung, ist das Strukturgleichungsmodell das Verfahren, das Messmodell und Strukturmodell in einem Schritt schätzt. In der Betriebswirtschaft hat sich dafür die varianzbasierte Variante PLS-SEM verbreitet, mit SmartPLS als verbreiteter Software und den Arbeiten von Hair, Ringle und Sarstedt als methodischem Standard. Das Kapitel unterscheidet reflektive und formative Messmodelle, prüft Reliabilität und Diskriminanzvalidität und berichtet Pfadkoeffizienten mit Bootstrapping-Intervallen. Für eine Bachelorarbeit ist das Verfahren machbar, wenn die Stichprobe die Komplexität des Modells trägt; ein einfacher Mediationseffekt lässt sich alternativ mit einer Regressionsserie prüfen, und der Beitrag zu Mediator und Moderator zeigt, wann welcher Effekt gemeint ist.
Den Auswertungsplan vor der Erhebung schreiben
Die sicherste Methode gegen ein Auswertungskapitel, das nicht zur Datenlage passt, ist ein Auswertungsplan vor der Erhebung: Für jede Hypothese das Verfahren, die Variablen, die Voraussetzungsprüfung, die Effektgrösse und die Darstellung. In der BWL kommt hinzu, was der Praxispartner sehen will, und das ist selten der p-Wert, sondern die Treibermatrix, der Gruppenvergleich in einer Grafik oder die Kennzahl vor und nach der Änderung. Der Plan verbindet beides und verhindert, dass am Ende ein Verfahren gerechnet wird, weil das Programm es anbietet. Wie eine BWL-Bachelorarbeit insgesamt aufgebaut ist und wonach sie bewertet wird, beschreibt der Leitfaden zur BWL-Bachelorarbeit.
Wer den Plan schreibt, bevor der erste Fragebogen verschickt ist, hat das halbe Ergebniskapitel. Der KI-Editor von Tesify gliedert das Auswertungskapitel nach den Hypothesen vor, hält Variablennamen und Verfahren zwischen Methodik- und Ergebnisteil konsistent und erinnert an Voraussetzungsprüfung und Effektgrössen, die in BWL-Arbeiten am häufigsten fehlen.
Ergebnisse so berichten, wie das Fach sie liest
Das Ergebniskapitel einer BWL-Arbeit hat eine feste Reihenfolge, die Begutachtende erwarten: zuerst die Beschreibung der Stichprobe oder des Datensatzes mit Rücklauf, Ausschlüssen und Verteilungen, dann die Prüfung der Messinstrumente oder die Bereinigung der Kennzahlen, dann für jede Hypothese das Verfahren mit Voraussetzungsprüfung, Teststatistik, p-Wert, Effektgrösse und Konfidenzintervall, zuletzt die zusammenfassende Tabelle, in der jede Hypothese als bestätigt, teilweise bestätigt oder verworfen steht. Regressionsergebnisse werden als Tabelle mit Koeffizienten, Standardfehlern, Signifikanzmarkierung, erklärter Varianz und Stichprobengrösse berichtet, nicht als kopierte Programmausgabe.
Für die Praxis gilt eine zweite Regel: Jede statistische Aussage bekommt einen Satz in der Sprache des Unternehmens. Ein standardisierter Koeffizient von 0,4 für die Servicequalität wird zu «Die Servicequalität ist der stärkste Treiber der Zufriedenheit und liegt in der Bewertung im Mittelfeld, hier liegt der grösste Hebel». Das ist keine Vereinfachung, sondern die Übersetzung, für die der Praxispartner die Arbeit gebraucht hat, und sie gehört ins Ergebniskapitel, nicht erst in die Empfehlungen.
Typische Fehler in der BWL-Auswertung
- Items statt Skalen. Jedes Item einzeln zu testen produziert Dutzende Tests und keine Aussage über das Konstrukt.
- Kausale Sprache bei Querschnittsdaten. «Verschuldung senkt die Rentabilität» ist aus einem Querschnitt nicht belegbar.
- Kleine Gruppen ausgewiesen. Eine Abteilung mit vier Personen in einer Tabelle ist eine Deanonymisierung.
- Kennzahlen ohne Bereinigung. Ein einzelnes Unternehmen mit extremen Werten bestimmt sonst das ganze Modell.
- Verfahren ohne Voraussetzung. Regression ohne Blick auf Residuen, ANOVA ohne Varianzhomogenität, Ereignisstudie ohne Angabe der Fenster.
Häufige Fragen
Welches statistische Verfahren passt zu einer Kundenbefragung in der BWL-Bachelorarbeit?
Meist eine Skalenbildung mit Reliabilitätsprüfung und anschliessend eine multiple Regression als Treiberanalyse, in der Zufriedenheit oder Loyalität durch die Treiberskalen erklärt wird. Die Ergebnisse werden als standardisierte Koeffizienten und als Importance-Performance-Matrix dargestellt.
Was ist eine Ereignisstudie?
Ein Verfahren der Kapitalmarktforschung, das prüft, ob ein Ereignis wie eine Fusion oder eine Gewinnwarnung den Aktienkurs über das hinaus bewegt hat, was der Markt erwarten liess. Aus einem Schätzfenster wird die erwartete Rendite geschätzt, im Ereignisfenster die abnormale Rendite berechnet, kumuliert und auf Signifikanz getestet.
Brauche ich für eine BWL-Bachelorarbeit ein Strukturgleichungsmodell?
Nur wenn das Modell mehrere latente Konstrukte mit Mediatoren verbindet und die Stichprobe die Komplexität trägt. Ein einzelner Mediationseffekt lässt sich mit einer Regressionsserie prüfen. Wenn du PLS-SEM wählst, berichte Messmodell, Strukturmodell und Bootstrapping-Intervalle vollständig.
Wie werte ich Kennzahlen mehrerer Unternehmen über mehrere Jahre aus?
Mit einem Panelmodell, meist mit Fixed Effects, das unternehmensspezifische Eigenheiten herausrechnet, mit Branchen- und Jahreskontrollen, logarithmierten oder winsorisierten Kennzahlen und robusten Standardfehlern. Bei nur einem Jahr genügt eine Querschnittsregression mit Kontrollvariablen.
Wie gehe ich mit kleinen Gruppen in einer Mitarbeiterbefragung um?
Gruppen unter einer Mindestgrösse werden nicht getrennt ausgewiesen, sondern zusammengefasst; die Regel steht im Methodikkapitel und wurde idealerweise vor der Befragung mit dem Praxispartner vereinbart. Das schützt die Anonymität und ist Voraussetzung für ehrliche Antworten.
Was ist der Common-Method-Bias und muss ich ihn prüfen?
Die Verzerrung, die entsteht, wenn alle Variablen aus derselben Quelle, zum selben Zeitpunkt und mit derselben Methode erhoben werden; sie kann Zusammenhänge überschätzen. In Befragungsarbeiten gehört ein Satz dazu in das Methodikkapitel, mit einer Prüfung oder zumindest einer Diskussion in den Limitationen.
Das Wichtigste in Kürze
Die Auswertung einer BWL-Bachelorarbeit folgt der Datensituation: Kundenbefragung zu Skalen und Treiberanalyse mit multipler Regression, Mitarbeiterbefragung zu Gruppenvergleichen mit Schutz kleiner Gruppen, Kennzahlen zu Querschnitts- oder Panelregression mit bereinigten Variablen, Kapitalmarktereignis zur Ereignisstudie mit abnormalen Renditen, Prozessdaten zu Vorher-Nachher- oder Zeitreihenvergleich, Konstruktmodelle zu PLS-SEM. Der Auswertungsplan steht vor der Erhebung, nennt für jede Hypothese Verfahren, Voraussetzung und Effektgrösse und übersetzt die Ergebnisse in die Form, die der Praxispartner lesen kann.