View
1
Download
0
Category
Preview:
Citation preview
Reputation in wirtschaftlichen
Transaktionen
Inaugural-Dissertation
zur Erlangung des akademischen Grades eines Doktors
der Wirtschafts- und Sozialwissenschaften
(Dr. rer. pol.)
der Friedrich-Alexander-Universität Erlangen – Nürnberg
vorgelegt von: Dipl.-Sozialw. Christina Meyer
aus: Nürnberg
Erstreferent: Prof. Dr. Martin Abraham
Zweitreferentin: Prof. Dr. Veronika Grimm
Letzte Prüfung: 12.11.2012
Vorwort
Zahlreiche Menschen haben mich während des Entstehungsprozesses meiner Dissertation
begleitet, denen ich an dieser Stelle danken möchte. Mein erster Dank gilt Martin
Abraham, der als Erstreferent den Anstoß zu dem Thema dieser Dissertation gab und der
während der gesamten Zeit mein wichtigster Ansprechpartner bei allen Fragen war.
Veronika Grimm danke ich sowohl für Ihre Tätigkeit als Zweitgutachterin als auch für die
gute Zusammenarbeit in dem von der Deutschen Forschungsgemeinschaft (DFG)
geförderten Projekt „Reputation in Wirtschaftsbeziehungen“. Mit Michael Seebauer hatte
ich in diesem Forschungsprojekt einen verlässlichen Kollegen an meiner Seite, mit dem
mir die Zusammenarbeit immer große Freude bereitet hat. Meinen Kolleginnen und
Kollegen vom Lehrstuhl für Soziologie und Empirische Sozialforschung danke ich für die
hilfreiche Unterstützung. Die fachlichen Diskussionen halfen mir während der
Entstehungsjahre dieser Arbeit ebenso wie die freundschaftliche Atmosphäre, in deren
Umfeld ich diese Dissertation verfassen konnte.
Für das Korrekturlesen und die prompte telefonische Hilfe bei dringenden PC-technischen
Fragen sei an dieser Stelle meinem Bruder Karsten Meyer gedankt. Meinen Eltern danke
ich ganz besonders für die stete Unterstützung, mit der sie meinen Weg begleitet haben. Zu
guter Letzt gilt mein Dank Christian Neeß, der nicht nur positiven Einfluss auf die
Einhaltung meines Zeitplans nahm, sondern mir auch stets gezeigt hat, wie sehr er an den
Erfolg dieser Arbeit glaubt.
Nürnberg, im März 2013
Christina Meyer
Inhalt
Abbildungsverzeichnis ............................................................................................................. 6
Tabellenverzeichnis .................................................................................................................. 7
1 Einleitung .......................................................................................................................... 8
1.1 Unsicherheit am Markt ............................................................................................... 8
1.2 Die Bedeutung von Reputation in wirtschaftlichen Transaktionen............................ 9
1.3 Stand der Forschung ................................................................................................. 12
1.4 Aufbau der Arbeit ..................................................................................................... 14
2 Bedingungen des Erfahrungsaustausches in wirtschaftlichen
Transaktionen: Das Beispiel der Reputation von Weiterbildungsanbietern .................. 18
2.1 Einleitung ................................................................................................................. 18
2.2 Reputation in wirtschaftlichen Transaktionen .......................................................... 20
2.3 Modellierung und theoretische Annahmen .............................................................. 22
2.4 Hypothesen ............................................................................................................... 26
2.5 Methodische Umsetzung .......................................................................................... 29
2.6 Ergebnisse ................................................................................................................ 32
2.7 Diskussion ................................................................................................................ 37
3 Die Entstehung von Reputation in wirtschaftlichen Transaktionen
(Reputation Formation in Economic Transactions) ........................................................ 41
3.1 Einleitung (Introduction) .......................................................................................... 41
3.2 Stand der Literatur und Fokus der Studie (Related Literature and Focus of
Our Study) ................................................................................................................ 44
3.3 Das Experimentaldesign (The Experimental Design) .............................................. 47
3.4 Ergebnisse (Results) ................................................................................................. 49
3.4.1 Wirkung von Reputation (The Effect of Reputation) ........................................ 49
3.4.2 Determinanten der Reputationsentstehung (Determinants of Reputation
Formation) ........................................................................................................ 54
3.5 Schlussbemerkungen (Conclusion) .......................................................................... 60
4 Worauf achten Arbeitgeber im Auswahlprozess von
Hochschulabsolventen? Ergebnisse eines faktoriellen Surveys unter
besonderer Berücksichtigung der Bedeutung von Hochschulreputation......................... 62
4.1 Einleitung ................................................................................................................. 62
4.2 Unsicherheit im Such- und Auswahlprozess von Hochschulabsolventen ................ 64
4.2.1 Reputation als Signal ......................................................................................... 65
4.2.2 Hochschulreputation .......................................................................................... 65
4.2.3 Hochschulrankings ............................................................................................ 67
4.2.4 Aktueller Forschungsstand ................................................................................ 68
4.3 Hypothesen ............................................................................................................... 70
4.4 Methodische Umsetzung .......................................................................................... 75
4.5 Ergebnisse ................................................................................................................ 81
4.6 Fazit .......................................................................................................................... 91
5 Fazit ................................................................................................................................. 95
6 Literatur ......................................................................................................................... 100
Anhang ................................................................................................................................. 109
Abbildungsverzeichnis
Abbildung 2.1: Modell zur Reputationsentstehung in wirtschaftlichen Transaktionen ................ 24
Abbildung 2.2: Beispielvignette für Befragte mit Leitungsfunktion.............................................. 30
Abbildung 2.3: Überblick über Dimensionen und Ausprägungen der unabhängigen
Variablen ............................................................................................................. 31
Abbildung 3.1: Vertrauen im Zeitverlauf (Figure 3.1: Trust over time) ....................................... 53
Abbildung 3.2: Vertrauenwürdigkeit im Zeitverlauf (Figure 3.2: Trustworthiness over
time) ..................................................................................................................... 53
Abbildung 3.3: Weitergabe von Information im Zeitverlauf (Figure 3.3: Information
transmission over time) ....................................................................................... 55
Abbildung 4.1: Ausgangssituation und Beispielvignette für das Sample Bachelor-
Abschluss ............................................................................................................. 76
Tabellenverzeichnis
Tabelle 2.1: Deskriptive Ergebnisse zur Weitergabe von Information (in Prozent) ..................... 33
Tabelle 2.2: Determinanten der Informationsweitergabe .............................................................. 35
Tabelle 3.1: Überblick zu den Treatments (Table 3.1: Treatments) ............................................. 49
Tabelle 3.2: Paarweiser Treatment-Vergleich zwischen dem durchschnittlichen Niveau von
Vertrauen und Vertrauenswürdigkeit (Table 3.2: Pairwise treatment
comparisons between mean trust and trustworthiness levels) ................................. 50
Tabelle 3.3: Paarweiser Treatment-Vergleich zwischen dem durchschnittlichen Gewinn
von Käufern und Verkäufern (Table 3.3: Pairwise treatment comparisons
between average buyers’ and sellers’ profits) ......................................................... 52
Tabelle 3.4: Durchschnittlicher Anteil der Teilnehmer, die Information weitergegeben
haben (Durchschnitt) und Unterschiede in Niveau und Steigung zwischen den
Treatments (Table 3.4: Average proportion of participants that transmitted
information (mean) and differences in level and slopes between treatments) ......... 56
Tabelle 3.5: Weitergabe von Information (Table 3.5: Information transmission) ........................ 58
Tabelle 4.1: Übersicht der in den Vignetten verwendeten Dimensionen, ihren
Ausprägungen und der Art des Merkmals ................................................................ 78
Tabelle 4.2: Übersicht über die in den multivariaten Analysen Vignetten- und
Befragtenvariablen ................................................................................................... 82
Tabelle 4.3: Ergebnisse der Mehrebeneschätzungen Modelle 1-4 ................................................ 84
Tabelle 4.4: Ergebnisse der Mehrebeneschätzungen Modelle 5-7 ................................................ 89
8
1 Einleitung1
1.1 Unsicherheit am Markt
Wirtschaftliche Transaktionen sind geprägt von Unsicherheit. Dies betrifft sowohl die
Nachfrage als auch das Angebot von Gütern, unabhängig davon, wie groß sich Umfang
und Bedeutung der jeweiligen Transaktion zeigen. Geht ein Verkäufer ein Geschäft mit
einem Kunden ein, so ist er auf dessen vertrauenswürdiges Verhalten angewiesen, das sich
beispielsweise in einer termingerechten Zahlung widerspiegelt. Der nachfragende Akteur
sieht sich ex ante ebenfalls einer – in der Regel noch größeren – Unsicherheit ausgesetzt,
die sowohl die Eigenschaft eines Gutes (Akerlof 1970; Allen 1984) als auch das Verhalten
eines Akteurs (Noorderhaven 1992; Zeckhauser & Pratt 1985) betreffen kann. Ein
vielzitiertes Beispiel in diesem Zusammenhang stellt der „Market for Lemons“ von
Akerlof (1970) dar, mit dem die bestehende Informationsasymmetrie in wirtschaftlichen
Transaktionen anhand des Kaufes von Gebrauchtwagen anschaulich aufzeigt wird.
Demnach wissen deren Verkäufer um die Qualität der Fahrzeuge und besitzen somit einen
Informationsvorsprung, über den der Kunde seinerseits nicht verfügt. Dieser Vorteil lässt
sich nutzen, wenn für gute wie schlechte Fahrzeuge die gleichen Preise verlangt werden.
Der nachfragende Akteur kann letztendlich nur die Wahrscheinlichkeit abschätzen, mit der
er einen qualitativ hoch- oder minderwertigen Wagen, eine sogenannte Zitrone, erhalten
wird. Diese Unsicherheit trifft nicht nur auf Produkte, sondern auch auf Dienstleistungen
zu. Deren Qualität kann in vielen Fällen nur durch selbst gemachte Erfahrungen
abgeschätzt werden (Nelson 1970).
Um Informationsasymmetrien zu verringern, stehen Marktakteuren unterschiedliche
Mechanismen zur Verfügung. Insbesondere Institutionen unterstützen in diesem Kontext
die Verringerung von Unsicherheit. Im Fall von unkooperativen Verhalten eines Akteurs
dienen beispielsweise rechtliche Regelungen als Sicherheit, um bei nicht eingehaltenen
Abmachungen oder Mängeln eines Gutes Anspruch geltend machen zu können. Da solche
Kompensationen allerdings immer erst nach der Abwicklung einer wirtschaftlichen
Transaktion erfolgen können, ist dieser Lösungsmechanismus mit hohen Kosten monetärer
wie nicht-monetärer Art, wie beispielsweise zeitlichem Aufwand, verbunden (Ellickson
1 Teile dieses Kapitels basieren auf den Inhalten des bei der Deutschen Forschungsgemeinschaft (DFG) eingereichten
Antrages zum Forschungsprojekt „Die Entstehung von Reputation in Wirtschaftsbeziehungen“ (Abraham, Grimm, Meyer
& Seebauer 2009).
9
1991; Williamson 1985). Mit dem Vertrauen in Zertifikate, Markennamen oder
Unternehmensketten kann der nachfragende Akteur hingegen auf Institutionen
zurückgreifen, mithilfe derer er die Qualität eines Gutes sowie die Vertrauenswürdigkeit
eines Anbieters ex ante besser einzuschätzen vermag. So ermöglicht beim Kauf eines
Wagens bereits das Wissen um die Marke des Herstellers eine Vorstellung hinsichtlich der
Preisklasse und der Qualität. Derartige Institutionen können somit zu einer Verringerung
von Unsicherheit beitragen (Akerlof 1970). Auch von Anbietern gewährte
Garantieklauseln und Rückgaberegelungen erhöhen die Sicherheit bei einer
wirtschaftlichen Transaktion. Als weiterer Lösungsmechanismus kann auch die Reputation
eines Akteurs herangezogen werden, da diese imstande ist, den Abbau von
Informationsasymmetrien ebenfalls zu unterstützen und Transaktionskosten zu senken
(vgl. z. B. Ellickson 1991; Raub & Weesie 1990; Williamson 1985).
Die vorliegende Arbeit beschäftigt sich mit dem letztgenannten Mechanismus, der
Reputation. Dabei geht es primär um die Frage, welche Faktoren die Entstehung von
informeller Reputation beeinflussen (vgl. Kapitel 2 sowie Kapitel 3). Inwiefern die
Reputation einer Organisation wahrgenommen wird und dementsprechend potenziell
Einfluss auf Entscheidungsprozesse von Akteuren nehmen kann, wird anhand des
Beispiels der Hochschulreputation in Kapitel 4 thematisiert.
1.2 Die Bedeutung von Reputation in wirtschaftlichen Transaktionen
Die Bedeutung von Reputation in Tauschsituationen ist sowohl in ökonomischen als auch
in soziologischen Ansätzen zu finden. Einer allgemeinen Definition nach Wilson (1985)
zufolge lässt sich Reputation als positive oder negative Information über Dritte bezeichnen,
die als glaubwürdig eingeschätzt wird. Dieser Mechanismus impliziert, dass auf Grundlage
vergangener Situationen oder beobachtbarer Eigenschaften eines Akteurs auf zukünftige
Ereignisse oder Verhaltensweisen geschlossen werden kann. So ist es einem Akteur bei der
Entscheidung hinsichtlich einer aktuellen Transaktion beispielsweise möglich, auf eigenes
Wissen über den Transaktionspartner zurückzugreifen, das aus vergangenen
Tauschsituationen stammt (Rooks, Raub, Selten & Tazelaar 2000). Allerdings existieren
nicht immer eigene Erfahrungswerte in Form einer solch bilateralen Reputation. Erhält ein
Akteur relevante Informationen zu einem potenziellen Tauschpartner über Dritte, so liegt
Reputation im eigentlichen Sinne liegt vor. In diesem Fall kursiert Information innerhalb
10
einer Triade: Gibt Akteur A Wissen über einen Akteur B an einen dritten Akteur C weiter,
so entsteht Reputationsinformation über Akteur B, die Akteur C nutzen kann.
Somit kommt Reputation in Transaktionen mit Unsicherheit eine bedeutsame Rolle zu,
wobei dies sowohl Akteure auf individueller Ebene als auch größere
Organisationseinheiten betrifft. Dabei kann sich Reputationsinformation auf verschiedene
Eigenschaften des jeweiligen Akteurs beziehen. Dies wird insbesondere am Beispiel von
Unternehmen deutlich: Die Reputation eines Betriebes gestaltet sich beispielsweise
hinsichtlich seines Rufs als Arbeitgeber möglicherweise anders als in Bezug auf sein
Verhalten im Bereich Umweltschutz. Damit wird deutlich, dass die Reputation eines
Akteurs in der Regel das Produkt einer Vielzahl von Informationen darstellt. Dies gründet
sich mitunter darauf, dass einzelne Stakeholder unterschiedliche Interessen verfolgen und
dementsprechend auch die angelegten Kriterien hinsichtlich der Qualität eines Gutes oder
des Verhaltens je nach Interessensgruppe differieren (Freeman 1984). Im Kontext von
Unternehmen zeigt sich dabei, dass Reputation über einen einzelnen Betrieb hinaus auch
nach Branchen variieren kann (Schwalbach 2000). Da die Reputation eines Akteurs somit
von verschiedenen Kriterien beeinflusst wird, kann sie als multidimensionales Konstrukt
bezeichnen werden (Dollinger, Golden & Saxton 1997).
Die Verbreitung von Reputation ist über verschiedene Kanäle möglich. Im Kontext von
Unternehmensreputation stellen insbesondere die Medien und eigene Aktivitäten im
Bereich der Öffentlichkeitsarbeit und des Marketings wichtige Informationskanäle dar
(Fombrun & Shanley 1990). Derartig verbreitete Informationen werden im Folgenden als
institutionalisierte bzw. formelle Reputation bezeichnet. Die Informationen haben hierbei
keinen direkten Adressaten, sondern sind einer breiten Öffentlichkeit zugänglich.
Potenzielle Geschäftspartner und Kunden können somit ex ante Informationsunsicherheit
verringern, wenn sie auf die öffentlich gemachte Information über einen Akteur
zurückgreifen.
Auch Bewertungssysteme in Online-Märkten erzeugen institutionalisierte Reputation, wie
die Online-Plattform e-Bay besonders anschaulich verdeutlicht: Beurteilt ein Käufer nach
getätigter Transaktion das Verhalten des Verkäufers, so gibt er mit seiner Bewertung
Wissen über den Akteur preis, das andere Nutzer öffentlich einsehen können. Auf diese
Weise entsteht eine für jedermann öffentlich zugängliche Reputation. Indem ein
potenzieller Käufer auf verfügbare Informationen über Anbieter eines Gutes zurückgreift
und mithilfe dieses Wissens die Entscheidung trifft, eine wirtschaftliche Transaktion
11
einzugehen oder nicht, kann die auf dem Bewertungssystem beruhende Reputation ihre
Wirkung entfalten. Gerade anonyme Märkte wie Online-Handelsplattformen sind in
besonderem Maße auf diese Reputationsmechanismen angewiesen, da die Akteure in der
Regel keine gemeinsame Vergangenheit teilen (vgl. z. B. Resnick, Zeckhauser, Swanson &
Lockwood 2006). Die über die Akteure ausgewiesene Reputation ermöglicht somit das
Funktionieren derartiger wirtschaftlicher Transaktionen (vgl. z. B. Cheshire & Cook 2004;
Diekmann & Wyder 2002). Es wurde bereits mehrfach empirisch gezeigt, dass Reputation
in diesem Sinne Vertrauen generiert (Berger & Schmitt 2005).
Informationen über einen Akteur können aber auch informell ausgetauscht werden. In
diesem Fall kursiert relevantes Wissen in Netzwerken (Burt 2005; Granovetter 1985;
Powell 1990). Netzwerktheoretische Annahmen gehen davon aus, dass durch die
Interaktion zwischen Akteuren nahezu automatisch auch Information ausgetauscht wird
(vgl. z. B. Granovetter 2005). Gibt ein Individuum Information über einen Akteur an eine
dritte Person weiter, so existiert eine Information, die vom Empfänger genutzt werden
kann. Somit entfaltet Reputation auch informell ihre Wirkung. Vor dem Hintergrund
wirtschaftssoziologischer Theorien, in denen die Annahme einbezogen wird, dass Märkte
als soziale Systeme funktionieren (Smelser & Swedberg 2005; Swedberg 2003), die durch
Institutionen und soziale Strukturen beeinflusst werden, kommt vor allem der sozialen
Einbettung der Netzwerkkontakte eine Bedeutung zu (Granovetter 1985). Demzufolge
nimmt die Art und die Beschaffenheit von Netzwerkbeziehungen Einfluss auf die
Interaktion zwischen den Akteuren und somit auch auf den Austausch von relevanten
Informationen.
Somit trägt sowohl institutionalisierte als auch informelle Reputation zum Funktionieren
und zur Regulierung von Märkten bei. In diesem Sinne lässt sie sich als immaterielles
Kapital bezeichnen, das zu komparativen Vorteilen am Markt führen kann (Hall 1992).
Dies zeigt sich beispielsweise in vergleichsweise geringeren Produktionskosten im Kontext
von Zunehmer-Abnehmer-Beziehungen, sowie in der Möglichkeit, vertrauenswürdige
Kundenkreise zu erschließen. Auch die Einführung von Produkten in hochklassigen
Segmenten wird durch eine positive Reputation unterstützt (z. B. Deephouse 2000;
Fombrun 1996; Fombrun & Shanley 1990; Rindova, Williamson, Petkova & Sever 2005;
Turban & Greening 1997). Zudem vermag Reputation Anreize zu opportunistischem
Verhalten zu senken: Das Bewusstsein, dass beispielsweise bei Lieferung schlechter
12
Qualität oder bei Unzuverlässigkeit negative Reputation entsteht, die Einfluss auf
zukünftige Transaktionen nehmen kann, beeinflusst das Verhalten von Anbietern.
1.3 Stand der Forschung
Die Bedeutung von Reputation wurde bislang in verschiedenen wissenschaftlichen
Disziplinen thematisiert. Beiträge aus der Management-Literatur konzentrieren sich dabei
insbesondere auf die sogenannte Corporate Reputation2, bei der die Reputation von
Unternehmen im Mittelpunkt steht (Fombrun & Shanley 1990). Der Fokus liegt in der
Regel auf öffentlich zugänglicher Reputation, wobei insbesondere die Wirkung dieses
öffentlichen Rufes untersucht wird (Fombrun & Foss 2004; Fombrun & Riel 1997;
Fombrun & Shanley 1990; Hall 1992; Schwalbach 2001). Die Bedeutung von Reputation
im Sinne eines immateriellen Gutes, das den Unternehmenserfolg beeinflussen kann,
wurde hierbei mehrfach bestätigt.
Ökonomische Arbeiten fokussieren ebenfalls überwiegend die Wirkung von Reputation.
Im Mittelpunkt steht dabei die Frage nach der Verringerung bzw. der Lösung von
Informations- und Koordinationsproblemen in nicht-perfekten Märkten (Klein & Leffler
1981). Auf Basis spieltheoretischer Modelle (Kreps & Wilson 1982; Milgrom & Roberts
1982), die in verschiedenen Beiträgen auch experimentell überprüft wurden (vgl. z. B.
Bolton, Katok & Ockenfels 2004; Camerer & Weigelt 1988; Gächter & Falk 2002; Roth &
Schoumaker 1983), zeigt sich, dass Reputation unter bestimmten Annahmen zur
Verringerung von Informationsasymmetrie beitragen kann. Daneben beschäftigten sich
zahlreiche Arbeiten mit der Erforschung von Online-Reputationssystemen wie e-Bay,
wobei der Einfluss von Reputationsmechanismen auf die Preisbildung sowie die Wirkung
von Reputation in diesen Systemen im Mittelpunkt stehen (vgl. z. B. Cheshire & Cook
2004; Diekmann & Wyder 2002; Kollock 1999; Weber & Haug 2002).
Die Bedeutung von Reputation wurde darüber hinaus in wirtschaftssoziologischen
Beiträgen sowie in der Theorie sozialer Netzwerke untersucht. Die grundlegende
Ausgangssituation besteht auch bei diesen Ansätzen darin, dass wirtschaftliche
Transaktionen von Unsicherheit geprägt sind, die sich in Form von Informations-,
Koordinations- und Kooperationsproblemen zeigen. Die Akteure befinden sich dabei aber
2 Für einen differenzierten Überblick einzelner Definitionen des Begriffs Corporate Reputation siehe Gotsi & Wilson
(2001). Lange, Lee & Dai (2011) geben mit ihrem Beitrag einen Überblick zu verschiedenen Ansätzen und Definitionen
der Reputation von Organisationen.
13
nicht in abstrakten Marktsituationen. Vielmehr erfolgen wirtschaftliche Transaktionen vor
dem Hintergrund sozialer Beziehungen und institutioneller Rahmenbedingungen, innerhalb
derer Tauschvorgänge stattfinden (Burt 2005; Granovetter 1985; Uzzi 1996). Die
Individuen agieren somit nicht isoliert, sondern sie sind in diese sozialen Strukturen
eingebettet (Granovetter 1985). Somit ermöglichen diese Rahmenbedingungen die
potenzielle Wirkungsweise von Reputation, die zur Regulierung von Tauschvorgängen
beitragen kann. Die Bedeutung von Reputationsmechanismen wurde in verschiedenen
netzwerktheoretischen Arbeiten thematisiert (Burt 2005; Granovetter 1985; Powell 1990).
Diese Beiträge vereint die Annahme, dass Reputation aufgrund ohnehin stattfindender
sozialer Interaktionen weitgehend kostenfrei bereitgestellt wird. Die Frage, inwiefern die
Entstehung von Reputation in Abhängigkeit von Kosten und Nutzen der jeweiligen
Information sowie der Beschaffenheit sozialer Strukturen abhängt, wurde bislang hingegen
weitgehend ausgeklammert. Ein Großteil der Beiträge beschäftigt sich vorranging mit der
Frage nach den generellen Effekten bestehender sozialer Einbettung auf das Verhalten von
Akteuren in wirtschaftlichen Transaktionen (vgl. z. B. DiMaggio & Louch 1998). Eine
Ausnahme stellt der Beitrag von Raub & Weesie (1990) dar, in dem die
Wirkungszusammenhänge zwischen der Beschaffenheit von Netzwerken und Reputation
im Hinblick auf deren Wirkung untersucht wurde. Die Entstehung von Reputation im
Kontext sozialer Netzwerke wurde hingegen bislang kaum thematisiert (als Ausnahme
siehe Sommerfeld, Krambeck & Milinski 2008; Sommerfeld, Krambeck, Semmann &
Milinski 2007).
Wie dieser kurze Überblick zum Stand der Forschung zeigt, konzentrieren sich zahlreiche
Arbeiten auf die Wirkung von Reputation. Im Kontext der Reputation in Online-Märkten
gibt es zwar auch Befunde zur Entstehung und Etablierung von Reputationssystemen. Die
Entstehung informeller Reputation ist in den Arbeiten bislang allerdings als gegeben
angenommen bzw. weitgehend ausgeklammert worden. An dieser bestehenden
Forschungslücke setzt die vorliegende Arbeit an, indem sie sich an der Schnittstelle
zwischen ökonomischen und soziologischen Theorien in den Kapiteln 2 und 3 mit der
Entstehung von Reputation auseinandersetzt. Vor dem Hintergrund einfacher
Modellierungen sollen dabei grundlegende Mechanismen untersucht werden, die die
Weitergabe von Information und damit die potenzielle Entstehung von Reputation
beeinflussen. Ziel ist es, durch die Variation sozialer Strukturen Aufschluss darüber zu
erlangen, welche Rahmenbedingungen und individuelle Einstellungen von Akteuren den
Entstehungsprozess von Reputation forcieren. Kapitel 4 richtet den Fokus auf die
14
potenzielle Wirkung der Reputation einer Organisation, indem das Beispiel von
Hochschuleinrichtungen in Deutschland untersucht wird.
1.4 Aufbau der Arbeit
Kapitel 2 beschäftigt sich mit grundlegenden Mechanismen der Reputationsentstehung in
wirtschaftlichen Transaktionen. In Ko-Autorschaft mit Martin Abraham untersucht dieser
Beitrag, unter welchen Bedingungen Informationen über Geschäftspartner an Dritte
kommuniziert werden. Unter der Annahme, dass die Weitergabe von Information von
Kosten und Nutzen abhängt, werden Hypothesen abgeleitet, die sich auf die
Wahrscheinlichkeit der Informationsweitergabe beziehen. Die Einbettung der Akteure wird
dabei ebenso thematisiert wie beispielsweise die Art der Beziehung. Auch
Reziprozitätsstrukturen werden berücksichtigt. Die empirische Überprüfung erfolgt
mithilfe eines faktoriellen Surveys. Diese quasi-experimentelle Methode, die auch als
Vignettenanalyse bezeichnet wird, ermöglicht eine systematische Variation von
Einflussvariablen. Deren kausale Effekte lassen sich auf das Antwortverhalten der
Befragten schätzen. Als Beispiel einer wirtschaftlichen Transaktion wird der Einkauf von
Weiterbildungsmaßnahmen gewählt. Bei diesem Gut handelt es sich um eine
Dienstleistung, deren Qualität ex ante in der Regel nur schwer einzuschätzen ist. Unter der
Annahme, dass sich die Mehrheit von Arbeitnehmern im Laufe ihres Erwerbslebens mit
Weiterbildungsangeboten konfrontiert sehen, sollte somit ein Beispiel für eine
wirtschaftliche Transaktion vorliegen, in das sich die Mehrheit der Befragten gut
hineinversetzen kann.
Die Ergebnisse zeigen, dass Informationen über Geschäftspartner nur unter bestimmten
Voraussetzungen weitergegeben werden. Beispielsweise hemmen Wettbewerbsstrukturen
die Weitergabe, während reziproke Beziehungen zwischen Akteuren den Informationsfluss
positiv beeinflussen. Eine automatische Entstehung informeller Reputation liegt demnach
nicht vor; vielmehr müssen die geeigneten sozialen Strukturen existieren, damit die
Weitergabe von Information erfolgt.
Kapitel 3 fokussiert ebenfalls die Entstehung von informeller Reputation. Der Beitrag
entstand in Zusammenarbeit mit Martin Abraham, Veronika Grimm und Michael Seebauer
im Rahmen des von der Deutschen Forschungsgemeinschaft (DFG) geförderten Projektes
15
„Die Entstehung von Reputation in Wirtschaftsbeziehungen“. Ein Schwerpunkt liegt dabei
auf der experimentellen Erforschung der Fragestellung. Die Weitergabe von Information
erfolgt mithilfe eines erweiterten Vertrauensspiels, dem sogenannten Trust Game. Mit
diesem wird die wirtschaftliche Transaktion simuliert. Im Anschluss daran besteht die
Möglichkeit, Information über die Tauschsituation an einen anderen Akteur
weiterzugeben. Dabei kann das Wissen lediglich informell ausgetauscht werden. Variiert
wird die Art der Informationsweitergabe: Während ein Treatment die subjektive
Bewertung der Transaktion auf einer Likert-Skala ermöglicht, wird in einer anderen
Variante die Information objektiv weitergegeben. Hierbei erhält der Empfänger Details der
Transaktion, sowohl über die getätigte Investition als auch über den gegebenen Return. Mit
der Einführung von Kosten für die Weitergabe von Information liegt ein weiterer Stimulus
vor.
Die Befunde zeigen, dass Information in starkem Maße weitergegeben wird, solange die
Weitergabe nicht mit Kosten verbunden ist. Objektive Information verbessert die Effizienz
der Transaktionen. Von dieser Art der Information wird in starkem Maße Gebrauch
gemacht, solange diese kostenlos weitergegeben werden kann. Subjektive Information
erhöht das Vertrauen, unabhängig davon, ob Kosten für die Weitergabe entstehen. Die
Vertrauenswürdigkeit wird indes nicht von der Informationsweitergabe beeinflusst. Blickt
man auf die potenzielle Entstehung von Reputation, also auf die Weitergabe von
Information über die jeweils vorangegangene Transaktion, so zeigen sich folgende
Ergebnisse: Mit steigendem Vertrauen in der Transaktion steigt auch die Bereitschaft des
Akteurs, Informationen über den Verlauf des Vertrauensspiels an andere weiterzugeben.
Daneben spielt das Verhalten des Transaktionspartners eine essentielle Rolle. Wird ein
Akteur schlecht behandelt, dann kommuniziert er dies eher als bei einer aus seiner Sicht
fairen Transkation. Schließlich ist die Reziprozität von Bedeutung. Akteure, die selbst in
der Vergangenheit Empfänger von Informationen waren, geben mit größerer
Wahrscheinlichkeit auch selbst Informationen weiter.
Kapitel 4 thematisiert nicht die Entstehung, sondern die potenzielle Wirkung von
Reputation. Der Beitrag widmet sich der Frage, inwiefern Hochschulreputation im
Rekrutierungsprozess am Arbeitsmarkt eine Rolle spielt. Arbeitgeber sehen sich im
Auswahlprozess neuer Mitarbeiter ex ante stets Unsicherheit bezüglich deren Produktivität
ausgesetzt. Die durch die Bologna-Reform veränderten Hochschulstrukturen in
16
Deutschland, die sich vor allem in den neu geschaffenen Bachelor- und
Masterstudiengängen offenbaren, sollte diese bestehende Informationsasymmetrie noch
weiter verstärken. Darüber hinaus ist ein zunehmender Wettbewerb zwischen einzelnen
Hochschuleinrichtungen zu beobachten, der unter anderem in der von Bund und Ländern
ausgerufenen Exzellenzinitiative Ausdruck findet. Parallel zu diesen Entwicklungen ist seit
einigen Jahren zu beobachten, dass die Zahl von Hochschulrankings stark angestiegen ist.
Deren Zielsetzung besteht darin, die Qualität und die Leistungen von
Hochschuleinrichtungen zu vergleichen, und um somit Interessensgruppen wie
Studieninteressierten, Hochschulmanagern und Arbeitgebern mehr Informationen über die
Hochschulen bereitzustellen. In angelsächsischen Ländern fest verankert, sind
Hochschulrankings hinsichtlich ihrer Wirkung in der Öffentlichkeit hierzulande noch als
relativ neuer Trend betrachtet.
Auf Grundlage signaltheoretischer Überlegungen wird angenommen, dass im
Rekrutierungsprozess individuelle Kompetenzen wie die Abschlussnote ausschlaggebend
für den Erfolg des Bewerbers sind. Vor dem Hintergrund der skizzierten Veränderungen in
der deutschen Hochschullandschaft stellt sich zudem die Frage, ob auch die Reputation
von Hochschulen bei der Auswahl neuer Mitarbeiter eine Rolle spielt. Dabei werden
Faktoren wie die eigene Information über Hochschulen sowie die regionale Nähe von
Hochschuleinrichtungen in die theoretischen Annahmen einbezogen. Die empirische
Überprüfung erfolgt auf Grundlage von Daten, die im Rahmen einer bundesweiten
Befragung von Arbeitgebern zu Einstellungskriterien wirtschaftswissenschaftlicher
Absolventen durchgeführt wurde. Die Fragestellung des vorliegenden Beitrages wurde
mithilfe eines faktoriellen Surveys untersucht. Den Teilnehmern der Befragung wurden
Situationsbeschreibungen vorgelegt, in denen es um die Auswahl von Bewerber mit
wirtschaftswissenschaftlichem Universitätsabschluss geht.
Die individuellen Faktoren des Bewerbers spielen bei der Rekrutierung von
Hochschulabsolventen die dominierende Rolle. Verfügt der potenzielle Arbeitnehmer über
Auslandserfahrung oder übt er ein Ehrenamt aus, so steigt die Wahrscheinlichkeit, zu
einem Vorstellungsgespräch eingeladen zu werden. Mit steigender Praxiserfahrung steigt
die Chance auf Erfolg ebenfalls. Auch die Note nimmt Einfluss auf die
Auswahlwahrscheinlichkeit, allerdings nicht in einem solch hohen Maße wie erwartet.
Dem Namen der Hochschule kommt hingegen nahezu keine Bedeutung zu. Dies betrifft
die Auswahl von Absolventen mit Bachelor- und Master-Abschluss gleichermaßen.
17
Zusätzliches Wissen über Hochschulen – sowohl durch selbst gemachte Erfahrungen als
auch durch die Information Dritter – sowie die regionale Nähe zu Hochschuleinrichtungen
scheinen die Auswahl von Hochschulabsolventen leicht positiv zu beeinflussen. Insgesamt
lässt sich feststellen, dass das Signal der Hochschulreputation hierzulande von
Entscheidungsträgern in Unternehmen weiterhin als wenig wichtig erachtet wird. Im
Vordergrund stehen trotz veränderter Strukturen im Bildungssektor die individuellen
Kompetenzen der Bewerber.
Die Beiträge dieser Dissertation verbindet die Annahme, dass wirtschaftliche
Transaktionen von Unsicherheit geprägt sind, die mithilfe von Reputation verringert
werden kann. Greift ein Akteur auf Informationen über einen potenziellen Tauschpartner
oder über ein Gut zurück, so kann dieses Wissen Vertrauen generieren und damit die
Transaktion absichern. Reputation wird dabei als komplexes und multidimensionales
Konstrukt begriffen, dessen grundlegende Mechanismen es mithilfe (quasi-)
experimenteller Methoden zu untersuchen gilt. Dies betrifft in erster Linie die Frage nach
den Entstehungsmechanismen von Reputation, aber auch die Bedeutung von Reputation im
Prozess der Entscheidungsfindung in einer wirtschaftlichen Transaktion.
18
2 Bedingungen des Erfahrungsaustausches in wirtschaftlichen
Transaktionen: Das Beispiel der Reputation von
Weiterbildungsanbietern3 4
Zusammenfassung: Reputation spielt sowohl in der ökonomischen als auch in der
wirtschaftssoziologischen Literatur eine zentrale Rolle für die Erklärung, wie
Tauschbeziehungen trotz Unsicherheit reguliert werden können. Empirisch zeigt sich, dass
Reputation Akteure disziplinieren kann und zu kooperativem Verhalten führt. Weitgehend
ungeklärt ist jedoch die Frage, wie Reputation entsteht. Dieser Beitrag untersucht, unter
welchen Bedingungen Informationen über Erfahrungen mit einem Geschäftspartner an
dritte Personen weitergegeben werden. Die theoretische Argumentation beruht auf der
Annahme, dass die Informationsweitergabe von einer Abwägung von Kosten und Nutzen
abhängt. Unter Rückgriff auf strukturelle Anreize werden Hypothesen über die
Wahrscheinlichkeit der Informationsweitergabe abgeleitet. Mithilfe eines faktoriellen
Designs zeigt sich für die Reputation von Weiterbildungsanbietern, dass Information nur
unter bestimmten Bedingungen weitergegeben wird und so zu einer potenziellen
Reputationsentstehung beitragen kann: Wettbewerbsstrukturen hemmen, Reziprozität und
Multiplexität von Beziehungen fördern die Weitergabe von Informationen. Auf die
automatische Entstehung von Reputation in sozialen Netzwerken kann nicht vertraut
werden. Stattdessen müssen geeignete soziale Strukturen existieren, damit
Reputationsinformationen in Interaktionsnetzwerken wirksam werden können.
2.1 Einleitung
Ein zentrales Element moderner Wirtschaftssoziologie ist die Annahme, dass Märkte
soziale Gebilde darstellen, deren Funktionsweise durch Institutionen und soziale
Strukturen wesentlich beeinflusst wird (Smelser & Swedberg 2005; Swedberg 2003). Vor
diesem Hintergrund erhalten Reputationsmechanismen eine besondere Bedeutung für
wirtschaftliche Tauschvorgänge: Erstens können Märkte durch Reputationsmechanismen
reguliert werden, da Anreize zu normkonformem Verhalten der Marktteilnehmer
geschaffen werden. Zweitens resultiert Reputation aus der sozialen Struktur
wirtschaftlicher Transaktionen, da diese in der Regel auf sozialen Interaktionen und
3 Ko-Autor dieses Kapitels ist Martin Abraham. Das Kapitel erschien als Beitrag in der Zeitschrift für Soziologie 41, Heft
3, Juni 2012. 4 Die Autoren danken Marc Höglinger sowie zwei anonymen Gutachtern und den Herausgebern der Zeitschrift für
Soziologie für wertvolle Anmerkungen und Kommentare.
19
Netzwerkstrukturen basieren, in denen die notwendige Information kursiert. Die
Bedeutung funktionierender Regulierungsmechanismen ergibt sich aus dem Umstand, dass
wirtschaftliche Transaktionen praktisch immer mit einem gewissen Maß an Unsicherheit
verbunden sind. Deren Ausmaß kann zwar je nach Transaktionsgut variieren, jedoch
existiert meist eine grundlegende Informationsasymmetrie zuungunsten des nachfragenden
Akteurs (Akerlof 1970; Buskens & Weesie 2000). Da einem Kunden ex ante die
vollständige Information zu einem Produkt oder einer Dienstleistung fehlt, sieht er sich in
mehrfacher Hinsicht Unsicherheit ausgesetzt: Erstens kann er nicht wissen, ob die Qualität
eines Gutes tatsächlich den vorherigen Vereinbarungen entspricht; zweitens besteht auch
über das Verhalten des Anbieters möglicherweise Unsicherheit, z.B. im Hinblick auf
dessen Verlässlichkeit bei der Leistungserbringung. Die Reputation eines Anbieters kann
in beiden Fällen Abhilfe schaffen, da der Nachfrager so bereits vorab Informationen über
den Transaktionspartner erhält.
Diese Argumentationslinie lässt sich in unterschiedlichen theoretischen Kontexten finden.
In der Managementliteratur steht in der Regel die Frage nach dem Aufbau und dem Erhalt
einer guten Reputation durch die Unternehmen im Mittelpunkt (vgl. z.B. Schwalbach
2001). Unternehmen können Reputation aufbauen, indem sie selbst Informationen über
sich herausgeben; außerdem dienen die Medien als wichtiges Instrument, über das
Reputation vermittelt wird (Fombrun & Shanley 1990). In der Ökonomik steht vor allem
die Wirkung der Reputation für Märkte und wirtschaftlichen Tausch im Mittelpunkt.
Reputation wird dabei als Mechanismus begriffen, der Unsicherheit auf imperfekten
Märkte beseitigen kann (z. B. Gächter & Falk 2002; Klein & Leffler 1981). In der
Soziologie gibt es ebenfalls zahlreiche Arbeiten zum Thema Reputation. Zentral ist hier
die Annahme, dass Märkte aus sozialen Beziehungen bestehen, die die Basis für
Reputation darstellen. Im Mittelpunkt stehen daher Analysen, in denen die Eigenschaften
sozialer Netzwerke hinsichtlich der Verbreitung und Wirkung von Reputation untersucht
werden (z. B. Raub & Weesie 1990).
Die Frage, wie Reputation eigentlich entsteht, ist dabei bislang allerdings weitgehend
unbeantwortet geblieben. Ziel dieses Beitrags ist es, erste Implikationen über die
Mechanismen zu gewinnen, die einen Einfluss auf die Entstehung von Reputation ausüben.
Dabei sollen die Bedingungen untersucht werden, die die Informationsweitergabe über die
Qualität einer Dienstleistung beeinflussen können. Die Weitergabe von Informationen an
dritte Personen lässt sich in diesem Kontext als erster und damit unabdingbarer Schritt in
20
der Reputationsentstehung bezeichnen. Nicht betrachtet wird dagegen die Frage, wie
Informationen rezipiert werden. Der Fokus dieses Beitrags liegt dabei auf informeller
Reputation, d.h. auf Reputation, die durch direkte Interaktion zwischen den Tauschpartnern
in sozialen Netzwerken entsteht.5 Daher wird ein möglichst einfaches, aus drei Akteuren
bestehendes Basismodell als Grundlage herangezogen. Die Überprüfung erfolgt anhand
eines konkreten Beispiels, nämlich des Einkaufs einer betrieblichen
Weiterbildungsmaßnahme. Dies erscheint als besonders geeigneter Testfall, da die Qualität
von Weiterbildungsdienstleistungen sehr schlecht einzuschätzen ist und daher eine
erhebliche Unsicherheit auf diesem Markt besteht (Liechti & Abraham 2011). Die
Hypothesen leiten sich aus netzwerk- und tauschtheoretischen Annahmen ab und werden
mithilfe eines faktoriellen Surveys empirisch überprüft. Damit ist der vorliegende Beitrag
unseres Wissens der erste Versuch, Anreizstrukturen für die Weitergabe von
reputationsrelevanter Information in Wirtschaftsbeziehungen zu spezifizieren und
empirisch zu überprüfen.
2.2 Reputation in wirtschaftlichen Transaktionen
Unabhängig davon, ob es sich bei einer wirtschaftlichen Transaktion um den alltäglichen
Einkauf beim Bäcker oder um eine größere Investition handelt, steht der Nachfrager eines
Produktes oder einer Dienstleistung grundsätzlich vor einem Informationsproblem, da er
im Vorfeld nicht sicher sein kann, dass er von dem Anbieter tatsächlich ein seinen
Vorstellungen entsprechendes Gut erhält. Diese fehlenden Informationen können sich
dabei sowohl auf Gütereigenschaften (Allen 1984) als auch auf das zukünftige Verhalten
des Anbieters (Abraham 2001) beziehen. Mithilfe verschiedener institutionell gestützter
Regelungen lassen sich diese Unsicherheiten verringern. Verträge und Garantieklauseln
schaffen in diesem Zusammenhang ebenso Abhilfe wie Absicherungsstrategien, bei denen
sich ein Kunde bei seiner Kaufentscheidung auf Zertifikate, Markennamen oder
5 Ausgeblendet werden im Folgenden alle Formen institutionalisierter Reputation, die durch formale Regeln geschaffen
und durch Medien sichtbar gemacht werden. Dies gilt beispielsweise für die bekannten Reputationssysteme auf Online-
Märkten. Die vorliegende Forschung konzentriert sich vor allem auf die Frage, ob solche Reputationssysteme einen
Effekt auf die Preisbildung und andere Marktprozesse haben (vgl. als Beispiele aus dieser inzwischen umfangreichen
Literatur Cheshire & Cook 2004; Diekmann & Wyder 2002; Kollock 1999; Weber & Haug 2002) und wie sich
verschiedene Regeln des Reputationssystems auswirken (Bolton, Katok & Ockenfels 2004). Ähnliches gilt für medial
erzeugte Reputation, d.h. für Informationen, die durch Presse, Fernsehen o.ä. vermittelt werden. Dies steht im
Mittelpunkt der Management- und Marketingliteratur zur Reputationsforschung, die sich mit der Frage des öffentlichen
Rufes eines Unternehmens und dessen Beeinflussbarkeit beschäftigt (Fombrun & Foss 2004; Fombrun & Riel 1997;
Fombrun & Shanley 1990; Hall 1992; Schwalbach 2001). Auch hier ist die für die Reputationsbildung relevante
Information mit der Veröffentlichung allen Akteuren zugänglich, weshalb sich die Frage, wie sich Reputation in sozialen
Systemen etabliert, gar nicht stellt.
21
Unternehmensketten verlässt (Akerlof 1970). Über diese institutionellen Regelungen und
Hilfestellungen hinaus kann die Reputation eines Anbieters dazu beitragen,
Informationsasymmetrien in wirtschaftlichen Transaktionen abzuschwächen (z. B.
Ellickson 1991; Raub & Weesie 1990).6
Einer recht allgemeinen Definition folgend verstehen wir unter Reputation die Existenz
einer Information über einen Akteur, wobei diese Information beliebige Eigenschaften des
Akteurs beschreibt und positiv oder negativ ausgeprägt sein kann (Wilson 1985). Die
Funktionsweise aller Reputationsmechanismen beruht dabei auf der Annahme, dass
vergangene Ereignisse oder zeitunveränderliche Eigenschaften eines Gutes oder Akteurs
Rückschlüsse auf zukünftige Ereignisse oder Eigenschaften ermöglichen. Entscheidend ist
dabei, dass die Akteure in einer Welt unvollständiger Information leben und die relevanten
Eigenschaften nicht direkt beobachtbar oder erfahrbar sind.
In der Literatur werden unter anderen zwei Typen von Reputation unterschieden:
Betrachtet man den einfachen Fall der bilateralen Reputation, dann bedeutet dies, dass der
Abnehmer eines Gutes oder einer Dienstleistung von der Abwicklung früherer Geschäfte
auf die Qualität zukünftiger Transaktionen schließen wird (Rooks, Raub, Selten &
Tazelaar 2000). Dieser Typus von Reputation ist durchaus wirksam, setzt aber eine
gemeinsame Vergangenheit zwischen zwei Akteuren voraus. Auf solche selbst gemachten
Erfahrungen kann jedoch nicht immer zurückgegriffen werden. Dieses Problem lässt sich
mit Reputation im engeren Sinne umgehen. Hier erfolgt die Beobachtung und
Zuschreibung von Informationen über eine Person durch dritte Akteure; man spricht von
multilateraler Reputation. Das Wissen über das Verhalten eines Geschäftspartners bzw.
über die Qualität eines Gutes oder einer Dienstleistung wird in Netzwerken weitergegeben
(Raub & Weesie 1990). Wir betrachten im Weiteren vor allem diesen Typus der
Reputation. Reputation im engeren Sinn definieren wir somit als Informationen über – in
der Regel schwer beobachtbare – Eigenschaften eines Akteurs, die in einer gegebenen
Population anderen Akteuren bekannt sind. Für deren Entstehung sind zwei zentrale
Bedingungen notwendig: Erstens müssen derartige Informationen – in der Regel
6 Dies lässt sich nicht erst in modernen Wirtschaftssystemen beobachten: Greif (1989; 1994) macht beispielsweise bereits
unter maghrebinischen Handelsleuten im 11. Jahrhundert ein gut funktionierendes Reputationssystem aus, das
Handelsgeschäfte absicherte. Hierbei standen die Händler in gegenseitigem Austausch über das Verhalten und die
Leistung ihrer Agenten, durch die sie sich bei den Handelsgeschäften vertreten ließen. Möglicher Vertrauensmissbrauch
durch die Abgesandten wurde durch eine enge Vernetzung unter den Händlern unterbunden. Informationen über
betrügerisches Verhalten oder schlechte Leistung eines Handelsvertreters gab man an die anderen Händler weiter. Auf
diese Weise entstand ein Reputationssystem, das wesentlich zur Absicherung der Geschäfte beitrug. Für eine
ausführlichere Erläuterung historischer Beispiele von Reputationsmechanismen siehe Diekmann & Wyder (2002, S.
675ff.) sowie Greif (2006).
22
Erfahrungen mit einem Akteur – an andere Mitglieder der Population übertragen werden.
Zweitens muss diese Information bei den Empfängern interpretiert und bewertet werden.
Darauf aufbauend können die Akteure Entscheidungen im Umgang mit dem
Reputationshalter treffen, dies führt dann gegebenenfalls zu einer Reputationswirkung.
Im Rahmen spieltheoretischer Modelle wurde für Situationen mit unvollständiger bzw.
asymmetrischer Information die Wirkung von Reputation mehrfach analysiert (Kreps &
Wilson 1982; Milgrom & Roberts 1982) sowie experimentell überprüft (Camerer &
Weigelt 1988; Gächter & Falk 2002; Roth & Schoumaker 1983). Insgesamt zeigen sowohl
die theoretischen als auch die wenigen empirischen Befunde aus dem Bereich
spieltheoretischer Modellbildung, dass Unsicherheiten über das kooperative Verhalten
eines Spielers mit Hilfe von Reputation unter bestimmten, jedoch restriktiven Annahmen
überwunden werden können (Berck & Lipow 2000; Fudenberg & Levine 1989; Schmidt
1993).
Auch vor dem Hintergrund der Theorie sozialer Netzwerke wurde Reputation bereits
verstärkt diskutiert. Unter der dort herrschenden Annahme, dass wirtschaftliche
Transaktionen mit den bereits genannten Informations-, Koordinations- und
Kooperationsproblemen behaftet sind, kommen sozialen Beziehungen und institutionellen
Rahmenbedingungen, innerhalb derer diese Tauschvorgänge stattfinden, eine besondere
Bedeutung zu (Burt 2005; Granovetter 1985; Uzzi 1996). In diesem Zusammenhang
wurden Reputationseffekte früh als Regulierungsmechanismen für Tauschverhältnisse
begriffen, die durch soziale Netzwerke ermöglicht und weitgehend „kostenlos“
bereitgestellt werden. Auf die Bedeutung von Reputationsmechanismen wurde in der
netzwerktheoretischen Literatur immer wieder hingewiesen (Burt 2005; Granovetter 1985;
Powell 1990) so wurde auch die Relevanz von sozialer Einbettung für die Wirkung von
Reputation bereits aufgezeigt (z.B. Raub & Weesie 1990). Dennoch existieren bislang nur
wenige Arbeiten, die sich mit der Entstehung von Reputation auseinandersetzen (als
Ausnahme siehe Sommerfeld, Krambeck & Milinski 2008; Sommerfeld, Krambeck,
Semmann & Milinski 2007).
2.3 Modellierung und theoretische Annahmen
Ziel dieses Beitrags ist es, die für die Entstehung von informeller Reputation notwendige
Informationsweitergabe zu untersuchen. Der hierfür notwendige Transfer von
23
Informationen wird dabei als soziale Austauschsituation begriffen und gefragt wird nach
grundlegenden Anreizstrukturen für diesen Informationstransfer. Diese Analyse wird
anhand eines wirtschaftssoziologischen Beispiels unternommen, indem Informationen über
Anbieter einer Dienstleistung oder eines Produktes, die in sozialen Netzwerken kursieren,
betrachtet werden (Buskens & Weesie 2000). In diesem Sinne entsteht die Reputation
eines Akteur dadurch, dass ein anderer Akteur Erfahrungen mit diesem gemacht hat und
dieses Wissen informell an einen weiteren Akteur im Netzwerk weitergibt. Die Bedeutung
informell entstandener Reputation lässt sich sowohl theoretisch als auch empirisch
begründen. Nach Granovetter (1985) nimmt die soziale Einbettung der Akteure Einfluss
auf deren ökonomische Beziehung und damit auf die wirtschaftliche Transaktion zwischen
ihnen. Auch empirische Befunde zeigen, dass bei der Suche nach geeigneten
Tauschpartnern oftmals bewusst auf soziale Kontakte zurückgegriffen wird. DiMaggio &
Louch (1998) zufolge ziehen es Individuen beim Erwerb von Produkten und
Dienstleistungen vor, auf persönlich bekannte Kontakte zurückzugreifen, anstatt diese
Güter von anonymen Anbietern zu beziehen. Auch Organisationen profitieren von der
Nutzung sozialer Kontakte, wie Uzzi (1996; 1997) mit einer Studie über New Yorker
Bekleidungsunternehmen zeigt. Demnach verbessert die soziale Einbettung in Netzwerke
den geschäftlichen Erfolg.
Im Sinne dieser Befunde konzentriert sich die vorliegende Untersuchung auf mögliche
Einflussfaktoren, die den Informationstransfer und damit die potenzielle Entstehung von
Reputation in informellen Netzwerken befördern bzw. hemmen können. Zu diesem Zweck
ist die im Folgenden skizzierte grafische Modellierung einer Interaktionstriade in seiner
sozialen Struktur bewusst einfach gehalten, um grundlegende soziale Mechanismen (vgl.
Hedström & Swedberg 1996) der Reputationsentstehung herausarbeiten zu können. Es
geht in erster Linie um geschäftliche Beziehungen, die in dieser Triade dargestellt werden.
Ausgangssituation ist eine wirtschaftliche Transaktion zwischen zwei Akteuren, die als
Käufer A und Verkäufer B bezeichnet werden. Daneben existiert ein dritter Akteur, der
nicht an der Transaktion beteiligt ist. Gibt Akteur A seine mit Verkäufer B gemachten
Erfahrungen an einen dritten Akteur C weiter, so entsteht Reputationsinformation über B
bei C (siehe Abb. 2.1). C kann daraufhin sein Verhalten gegenüber B von dieser
Information abhängig machen und dadurch einen Reputationseffekt erzeugen. Solche
Reputationseffekte sind nur insofern Gegenstand dieses Beitrags, als sie von A antizipiert
werden und daher die Informationsweitergabe beeinflussen können. Im Rahmen der
weiteren theoretischen Überlegungen wird zudem davon ausgegangen, dass A wiederum
24
keine Informationen von anderen Personen vorab über B bekommen haben könnte – es soll
bewusst ein soziales System am „Nullpunkt“ des Fehlens jeglicher Reputationsinformation
modelliert werden.
Abbildung 2.1: Modell zur Reputationsentstehung in wirtschaftlichen Transaktionen
Als grundlegende Annahme wird im Folgenden vorausgesetzt, dass das Handeln von
Individuen unter der Abwägung von Vor- und Nachteilen erfolgt und dass diese Abwägung
auch Einfluss auf die Weitergabe von Information ausübt. Diese Annahme wird in
zahlreichen netzwerktheoretischen Arbeiten im Hinblick auf eine potenzielle
Informationsweitergabe nicht getroffen und insbesondere die Kosten, die bei der
Weitergabe von Information entstehen können, werden zumeist nicht berücksichtigt.
Beispielsweise geht Granovetter (2005, S. 36) davon aus, dass jede soziale Interaktion eine
Weitergabe von Information automatisch hervorruft, wenn er schreibt, dass „all social
interaction unavoidably transmits information“. Auch Uzzi & Lancaster (2004) betonen die
Bedeutung sozialer Kontakte, mithilfe derer Informationen in Netzwerken ausgetauscht
werden können, die öffentlich nicht zugänglich sind. Demnach können diese Informationen
bei der Anbahnung und Abwicklung von Geschäften von großem Vorteil sein, da sich die
informell erworbenen Informationen oftmals in vergleichsweise niedrigeren
Transaktionskosten niederschlagen. Die Kosten der Informationsweitergabe werden dabei
aber ebenfalls nicht thematisiert.
Die Annahme, dass Informationen in Netzwerken kostenlos zur Verfügung stehen, wird
durch empirische Befunde in Frage gestellt. Arbeiten, die sich mit „Tratsch und Klatsch“
in sozialen Netzwerken beschäftigen, zeigen, dass Informationen über Dritte nicht immer
A
C
Information von A an C über B Entstehung von Reputation
Wirtschaftliche Transaktion: individuell gemachte Erfahrung
Evtl. antizipierte Wirkung der Reputationsinformation auf B
B
25
und um jeden Preis weitergegeben werden (vgl. z.B. Noon & Delbridge 1993;
Sommerfeld, Krambeck & Milinski 2008; Sommerfeld, Krambeck, Semmann & Milinski
2007). So weisen Rooks et al. (2011) in ihrer Untersuchung zum Tratsch unter
Geschäftspartnern über Dritte beispielsweise nach, dass die Wahrscheinlichkeit der
Weitergabe von Information über einen Geschäftspartner nach problematischen
Transaktionen größer ist als bei der reibungslosen Abwicklung von Geschäften. Auch die
Größe und Beschaffenheit der Netzwerke, innerhalb derer Tratsch kursieren kann, nimmt
Einfluss auf die Wahrscheinlichkeit der Informationsweitergabe.
Diese Befunde unterstützen die grundlegende Annahme des vorliegenden Beitrages, dass
Akteure die Kosten der Informationsweitergabe durchaus berücksichtigen und diese in
Kauf nehmen, um vom Nutzen solcher Informationen zu profitieren. Dies wurde ebenfalls
bei Rooks et al. (2011) thematisiert. Theoretisch lässt sich die Weitergabe von Information
als zeitlich asymmetrischer Tausch beschreiben, der den Einsatz von Ressourcen erfordert
(Blau 1964; Coleman 1990: 91). Dabei beeinflussen sowohl individuelle als auch
strukturelle Faktoren die Kosten einer Informationsweitergabe: Auf individueller Ebene
kann es sich beispielsweise um Kosten in Form von Zeitaufwand handeln, die bei der
Weitergabe, aber auch bei der Informationsverarbeitung entstehen. Für den über
Information verfügenden Akteur besteht zudem das Risiko, dass die eigene Reputation bei
der potenziellen Weitergabe falscher Information möglicherweise beschädigt wird
(Blumberg 2001), was ex post zu Kosten führen kann. Neben diesen Faktoren ist auch die
strukturelle Ebene in Form der jeweiligen Einbettung der Marktteilnehmer von zentraler
Bedeutung. Insbesondere Konkurrenz zwischen dem potenziellen Informationsproduzenten
A und dem Empfänger C sollte die Neigung zur Informationsweitergabe senken, wenn
dadurch Wettbewerbsvorteile abgebaut werden.
Mithilfe dieser einfachen Modellierung können bereits eine Reihe von Faktoren untersucht
werden, die eine potenzielle Informationsweitergabe beeinflussen. Es ist davon
auszugehen, dass die von A gemachten Erfahrungen mit einem Produkt oder einer
Dienstleistung von zentraler Bedeutung sind. Bei der möglichen Informationsweitergabe
werden aber insbesondere auch die Beschaffenheit und die Einbettung der sozialen
Beziehung zwischen den Akteuren A und C für die Entstehung von Reputation
verantwortlich sein. Dabei bestimmt das Verhältnis der Akteure zueinander die Kosten und
den Nutzen einer Handlung, also der Informationsweitergabe. Unter dieser Annahme
lassen sich Hypothesen über den Einfluss der sozialen Beziehung zwischen den Akteuren
26
A und C auf die Entstehung von Reputation ableiten. Allerdings hängen Kosten und
Nutzen in hohem Maße vom jeweiligen Tauschgut ab. Dementsprechend wird im
Folgenden auf eine konkrete wirtschaftliche Transaktion zurückgegriffen, um inhaltlich
gehaltvolle Hypothesen generieren zu können. Darüber hinaus soll eine nachvollziehbare
Situation für die in der empirischen Studie eingesetzten Vignetten geschaffen werden.
Als Anwendungsbeispiel wird daher für die vorliegende Untersuchung der Einkauf einer
betrieblichen Weiterbildungsmaßnahme herangezogen. Unter betrieblicher Weiterbildung
versteht Becker (1999) „alle zielbezogenen geplanten und in organisierter Form
durchgeführten Maßnahmen der Qualifizierung von Personen oder Gruppen, die auf einer
Erstausbildung oder einer ersten beruflichen Tätigkeit aufgebaut sind [und] im
Zusammenspiel mit anderen Aktivitäten dem Erreichen der Unternehmensziele [dienen]“.
Um eine adäquate Weiterbildung ihrer Mitarbeiter zu gewährleisten, greifen viele
Unternehmen auf externe Anbieter zurück (Düll & Bellmann 1998; Knoke & Janowiec-
Kurle 1999). Bei der Auswahl von Weiterbildungsanbietern sehen sich Unternehmen
allerdings einem sehr komplexen Markt ausgesetzt, auf dem ein breites, teils sehr
heterogenes Angebot den Auswahlprozess erschwert. Darüber hinaus handelt es sich bei
Weiterbildungsmaßnahmen um so genannte „Erfahrungsgüter“ (Nelson 1970), bei deren
Erwerb sich der nachfragende Akteur einer besonders großen Unsicherheit ausgesetzt
sieht, da sich die Qualität einer Schulung hinsichtlich des vermittelten Inhalts und der
Durchführung ex ante oftmals nur schwer abschätzen lässt (Liechti & Abraham 2011).
Reputation kann in dieser Situation als wirksamer Orientierungsmechanismus begriffen
werden, der das Zustandekommen einer wirtschaftlichen Transaktion positiv beeinflusst.
Das Beispiel des Einkaufs von Weiterbildungsmaßnahmen stellt aus unserer Sicht daher
ein gutes Beispiel für die empirische Anwendung unserer Überlegungen dar: Die hohe
Unsicherheit bei der Transaktion geht einher mit einer gewissen „Alltäglichkeit“ bei den
Befragten und lässt so den Einsatz von Reputationsmechanismen grundsätzlich plausibel
erscheinen.
2.4 Hypothesen
In der Ausgangssituation sind die Akteure A und C als Arbeitnehmer in zwei
unterschiedlichen Betrieben tätig. Auf dieser Grundlage lassen sich verschiedene Szenarien
modellieren, z. B. die Konkurrenz zwischen den beiden Arbeitgebern. Dies erscheint
wichtig, da die bestehende soziale Beziehung zwischen A und C nicht davon losgelöst
27
betrachtet werden kann, wie die beiden Unternehmen, für die die Akteure tätig sind,
zueinander stehen (Granovetter 2000). Die soziale Beziehung zwischen A und C ist somit
eingebettet in bestehende Marktstrukturen: Die beiden Betriebe können als Wettbewerber
am Markt auftreten, A und C können aber auch für Unternehmen tätig sein, die in einer
Zulieferer-Abnehmer-Beziehung stehen. Unter der Annahme, dass Wettbewerbsstrukturen
ihrer Arbeitgeber von den Akteuren als grundsätzlich problematisch und konfliktbeladen
wahrgenommen werden,7 lässt sich Hypothese H1 ableiten: Stehen die Arbeitgeber von A
und C in einer Konkurrenzsituation, reduziert sich die Wahrscheinlichkeit der Weitergabe
von Information von A an C (H1).
Auch die zeitliche Einbettung einer Beziehung übt Einfluss auf die Handlungen von
Akteuren aus: Fasst man die Weitergabe von Information als Teil eines sozialen Tauschs in
langfristigen, dauerhaften Beziehungen auf (Blau 1964), dann kann es für Akteur A von
zentraler Bedeutung sein, ob er in der Vergangenheit von Akteur C ein entsprechendes
Tauschgut erhalten hat. Relevante Informationen zu wirtschaftlichen Transaktionen
können ein solches Gut darstellen. Im Sinne eines reziproken Tausches (Molm, Peterson &
Takahashi 1999) ist die Entscheidung für oder gegen eine Informationsweitergabe in
langfristigen Beziehungen von vergangenen erhaltenen Leistungen geprägt: Wenn A in der
Vergangenheit bereits Informationen von C erhalten hat, dann erhöht sich die
Wahrscheinlichkeit der Weitergabe von Informationen (H2).
Eine weitere Hypothese lässt sich vor dem Hintergrund der Kosten-Nutzen-Abwägung der
Akteure ableiten. Mit der Weitergabe von Information entstehen Akteur A nicht-monetäre
Kosten in Form von Zeit und Aufwand, die bei der Weitergabe von Information investiert
werden müssen. Je besser A abschätzen kann, inwiefern C überhaupt Bedarf an der
Information über einen Weiterbildungsanbieter hat, desto mehr Sicherheit hat A darüber,
dass der Nutzen der Informationsweitergabe entstehende Kosten und mögliche Risiken
rechtfertigt. Diese Annahme führt zu einer weiteren Hypothese: Wenn A Wissen darüber
besitzt, ob C auch auf der Suche nach einer solchen Weiterbildungsmaßnahme ist, dann ist
die Weitergabe von Information wahrscheinlicher (H3).
Die soziale Beziehung zwischen den beiden Akteuren muss nicht zwingend auf einer rein
geschäftlichen Ebene angesiedelt sein. Zu berücksichtigen ist die mögliche Multiplexität
der Beziehung zwischen A und C (Gluckman 1962): Zwei Akteure stehen beispielsweise
7 Dies scheint ceteris paribus plausibel, da Arbeitnehmern in der Regel klar sein dürfte, dass ihr Arbeitgeber gegen andere
Unternehmen konkurriert und sie aufgrund ihres Arbeitsvertrages die Interessen ihres Arbeitgebers wahrnehmen müssen.
Es sind jedoch auch Situationen denkbar, in denen externe Loyalitäten diejenige zum Arbeitgeber überlagern.
28
nicht nur durch eine Geschäftsbeziehung, sondern auch privat in Kontakt. Empirische
Befunde zeigen, dass die Art der Beziehung mit dem Transaktionspartner Einfluss auf das
wirtschaftliche Handeln hat, also in vielen Fällen bevorzugt Geschäfte mit freundschaftlich
verbundenen Akteuren getätigt werden (Ben-Porath 1980). Uzzi (1996) formuliert es noch
deutlicher, indem er davon ausgeht, dass die Identität von Individuen sowie die
Beschaffenheit der Beziehung genauso wichtig sind wie die weiterzugebende Information
selbst. Hypothese 4 postuliert in diesem Sinne: Existiert zusätzlich zu einer
Geschäftsbeziehung eine Freundschaftsbeziehung zwischen A und C, dann erhöht dies die
Wahrscheinlichkeit einer Informationsweitergabe (H4).
Neben der Art und der Einbettung der sozialen Beziehung zwischen den Akteuren A und C
wird aber auch die Erfahrung mit der Dienstleistung selbst Einfluss auf die
Reputationsentstehung nehmen. Beiträge aus der Dienstleistungsforschung zeigen, dass die
Qualität und das damit einhergehende Maß an Zufriedenheit mit einem ausgetauschten Gut
einen hohen Einfluss darauf haben können, ob und in welchem Ausmaß ein Käufer mit
einem Anbieter gemachte Erfahrungen anderen mitteilt (vgl. z.B. Zeithaml, Berry &
Parasuraman 1996). Theoretisch lassen sich zwei entgegengesetzte Handlungsstrategien
erwarten: Denkbar ist, dass die eigene Erfahrung mit der eingekauften Maßnahme
insbesondere dann weitergegeben wird, wenn die Qualität der Weiterbildungsmaßnahme
als schlecht empfunden wurde. Fühlt sich ein Kunde ungerecht behandelt, so können
Motive wie der Drang, seinem Ärger Luft zu machen oder eine schlechte Dienstleistung zu
sanktionieren, die Weitergabe von Information forcieren (Stirling 1956). Denkbar ist aber
auch, dass insbesondere eine als gut empfundene Dienstleistung Anlass zur Weitergabe
von Information gibt (Boulding, Kalra, Staelin & Zeithaml 1993). Unter Einbeziehung
beider Argumente wird ein u-förmiger Zusammenhang von Qualität und der Weitergabe
von Information angenommen: Wird die Weiterbildungsmaßnahme qualitativ als sehr gut
oder sehr schlecht empfunden, dann ist die Weitergabe von Information wahrscheinlicher,
als wenn die Qualität als durchschnittlich beurteilt wird (H5).
Die bisher aufgestellten Hypothesen beschränken sich ausschließlich auf die
Interaktionstriade von drei Akteuren. Wie eingangs erwähnt, handelt es sich dabei um ein
stark reduziertes Basismodell. Im Folgenden wird eine Erweiterung dieses Modells
vorgenommen, indem ein weiterer Netzwerkakteur einbezogen wird: Akteur A ist nicht
selbst Tauschpartner von Weiterbildungsanbieter B, sondern er erhält seinerseits
Informationen von Dritten. Eine solche Situation zeigt sich beispielsweise in der Praxis,
29
wenn der für den Einkauf einer Weiterbildungsmaßnahme verantwortliche Mitarbeiter
nicht selbst an dieser Maßnahme teilnimmt. Oftmals besuchen auch nicht alle Angestellten
einer Fachabteilung dieselbe Schulung mit demselben Trainer. Die Erfahrungen mit einer
Schulung zirkulieren dann aber dennoch unter den Kollegen. Auch wenn arbeitsteilige
Organisationsstrukturen nur dann funktionieren können, wenn ein Austausch an
Informationen zwischen Individuen besteht (McEvily, Perrone & Zaheer 2003), so wird
ein Akteur in vielen Fällen selbst gemachten Erfahrungen doch in stärkerem Maße trauen
als den Berichten von Kollegen oder Mitarbeitern (Buskens 2002), da eigene Erfahrungen
als genauer und verlässlicher empfunden werden (Granovetter 1985). Dies sollte ebenfalls
Einfluss auf die Weitergabe von Information haben und führt zu folgender Hypothese:
Werden die Erfahrungen mit der Weiterbildungsmaßnahme selbst gemacht, dann ist die
Weitergabe von Information wahrscheinlicher, als wenn es sich um Erfahrungen von
Dritten (z. B. von Mitarbeitern oder Arbeitskollegen) handelt (H6).
2.5 Methodische Umsetzung
Für die empirische Umsetzung wird die Methode der Vignettenanalyse, auch faktorieller
Survey genannt, eingesetzt. Diese Methode wurde bei der Untersuchung von Interaktionen
im Kontext wirtschaftlicher Transaktionen bereits des Öfteren angewandt (z. B. Rooks et
al. 2000). Bei der Methode des faktoriellen Surveys legt man Befragten hypothetische
Situationsbeschreibungen zur Beurteilung vor. Diese Situationen werden auch als
Vignetten bezeichnet (Beck & Opp 2001; Rossi & Anderson 1982). Die einzelnen
Situationsbeschreibungen unterscheiden sich in der Ausprägung bestimmter Merkmale,
den so genannten Vignettendimensionen. Diese werden in den einzelnen Vignetten
systematisch variiert und den Befragten randomisiert zugeteilt (Auspurg, Abraham & Hinz
2009). Mithilfe des faktoriellen Designs lassen sich kausale Effekte der in den Vignetten
variierten Stimuli auf das Antwortverhalten der Befragten schätzen. Der Vorteil des
faktoriellen Surveys liegt in dem Umstand, dass die experimentelle Logik mit einem
klassischen Befragungsdesign durchgeführt werden kann.8
Für das zu untersuchende Forschungsproblem wurden den Teilnehmern verschiedene
Situationen vorgelegt, in denen sie eine bestimmte Erfahrung mit einer
Weiterbildungsmaßnahme gemacht hatten. Die Befragten gaben für jede Vignette an, ob
8 Wie bei jedem Experiment stellt sich natürlich die Frage der externen Validität, d.h. der Übertragbarkeit der Ergebnisse
auf Basis fiktiver Situation auf reale Handlungen. Erste Befunde zeigen jedoch, dass gerade inhaltlich gerahmte
Vignetten mit dem tatsächlichen Verhalten korrespondieren (Nisic & Auspurg 2009).
30
sie in den gegebenen Fällen ihre Erfahrung mit dem Anbieter weitergeben würden. Wird
eine solche Information übertragen, dann entsteht nach der vorliegenden Modellierung
Reputation. Während in Vignettenanalysen meist Likert-Skalen zur Erfassung der
abhängigen Variable genutzt werden (Jasso 2006), schien diese Vorgehensweise für das
vorliegende Design zu abstrakt. Stattdessen erhielten die Befragten jeweils vier qualitativ
formulierte Antwortmöglichkeiten vorgelegt, aus denen eine auswählt wurde: Auf die
Frage „Würden Sie Ihre Erfahrungen mit dem neuen Anbieter an den Fachkollegen
weitergeben?“ konnte das potenzielle Verhalten mit den Antwortoptionen „Nein, auf
keinen Fall“, „Nur wenn er mich direkt wegen einer derartigen Weiterbildungsmaßnahme
kontaktieren würde“, „Bei Gelegenheit würde ich ihn informieren“ oder „Ich würde mich
sofort bei ihm melden und ihn informieren“ (vgl. Abb.2.2) wiedergegeben werden.
Abbildung 2.2: Beispielvignette für Befragte mit Leitungsfunktion
Als Abteilungsleiter/in in einem mittelständischen Betrieb sind Sie für die Weiterbildung Ihrer
Mitarbeiter/innen verantwortlich. In dieser Funktion entscheiden Sie nicht nur, welche/r
Mitarbeiter/in an einer Weiterbildung teilnimmt, sondern Sie wählen auch geeignete
Weiterbildungsangebote aus. Dabei greifen Sie auf externe Dienstleister zurück, deren Dozenten/innen
oder Trainer die Maßnahme durchführen.
Sie haben nun eine Weiterbildungsveranstaltung eingekauft, die bereits durchgeführt wurde. Ihre
Wahl ist dabei auf einen Anbieter gefallen, mit dem Sie bislang noch nichts zu tun hatten.
1. Stellen Sie sich vor, Sie haben selbst an dieser Weiterbildung teilgenommen. Sie bewerten die
Veranstaltung insgesamt als sehr gut.
Sie kennen jemanden, der bei einem Kooperationspartner Ihres Arbeitgebers tätig ist. Sie wissen nicht, ob
dieser Fachkollege auf der Suche nach einer derartigen Weiterbildungsmaßnahme ist. In der Vergangenheit
haben Sie von ihm ab und zu Informationen erhalten, die für Ihre berufliche Tätigkeit von Interesse waren.
Sie sind miteinander befreundet.
Würden Sie Ihre Erfahrungen mit dem neuen Anbieter an den Fachkollegen weitergeben?
□ Nein, auf keinen Fall.
□ Nur wenn er mich direkt wegen einer derartigen Weiterbildungsmaßnahme kontaktieren würde.
□ Bei Gelegenheit würde ich ihn informieren.
□ Ich würde mich sofort bei ihm melden und ihn informieren.
Variierte Dimensionen im Beispiel zur Verdeutlichung unterstrichen
Da sich die Befragten vor dem Hintergrund ihrer eigenen beruflichen Stellung möglichst
gut mit den vorgelegten Szenarien identifizieren sollten, wurden zwei Vignetten-Versionen
erstellt: Teilnehmer, die in ihrer aktuellen Tätigkeit eine Leitungsfunktion inne hatten,
wurden in den Vignetten als Abteilungsleiter mit Verantwortung für die
Mitarbeiterweiterbildung angesprochen (vgl. Abb. 2.2). Befragte ohne Führungsfunktion
sollten sich in die Situation versetzen, als Mitarbeiter an einer betrieblichen
31
Weiterbildungsmaßnahme teilgenommen zu haben und von Kollegen über deren Erfahrung
mit einer Weiterbildungsmaßnahme informiert worden zu sein. Die beiden Samples
unterschieden sich somit hinsichtlich ihrer Rahmengeschichte; die Dimensionen und ihre
Ausprägungen sowie die Zusammensetzung der Vignettendecks wurden aber für beide
Samples gleich gehalten.
Gegenstand der zu variierenden Vignettendimensionen (vgl. Abb. 2.3) war nicht nur die
Erfahrung mit der Dienstleistung, sondern vor allem die Struktur der sozialen Beziehung,
in der die Reputationsinformation weitergegeben werden sollte: Die Stellung der
Arbeitgeber zueinander (H1) wird mit den drei Ausprägungen Kooperationspartner –
Wettbewerber – andere Branche beschrieben. Die Operationalisierung der Hypothese zur
Reziprozität (H2) erfolgt anhand der Unterscheidung, ob derjenige Akteur, der über die
Möglichkeit zur Weitergabe von Information verfügt, in der Vergangenheit bereits häufig,
ab und zu oder bislang noch nie relevante Informationen vom anderen Akteur erhalten hat.
Die unabhängige Variable zum Wissen um den Bedarf des anderen Akteurs nach einer
solchen Dienstleistung (H3) geht als dichotome Variable in die Erhebung ein (wissen –
nicht wissen). Auch die Art der Beziehung zwischen A und C (H4) wird mit zwei
Ausprägungen operationalisiert: Es kann sich um einen rein geschäftlichen Kontakt
handeln oder es besteht über die geschäftliche Beziehung hinaus eine Freundschaft
zwischen A und C. Die Qualität der Weiterbildungsmaßnahme wird mit den Ausprägungen
sehr gut – durchschnittlich - sehr schlecht variiert.
Abbildung 2.3: Überblick über Dimensionen und Ausprägungen der unabhängigen
Variablen
Dimension Ausprägung
Struktur der sozialen Beziehung A-C
Beziehung auf Organisationsebene (H1) Kooperationspartner – Wettbewerber - andere Branche
Reziprozität (H2) mehrfach - ab und zu - noch keine (Informationen
erhalten)
Bedarf C (H3) wissen - nicht wissen
Beziehung auf individueller Ebene (H4): befreundet – reine Geschäftsbeziehung
Erfahrung mit der Weiterbildungsmaßnahme
Bewertung (H5) sehr gut – durchschnittlich - sehr schlecht
Art der Teilnahme (H6) selbst - andere (formell) - andere (informell)
Aus der Anzahl der Dimensionen mit ihren jeweiligen Ausprägungen ergeben sich 324
mögliche Vignetten, die mithilfe eines fraktionalisierten Designs auf verschiedene
32
Fragebogenversionen verteilt wurden.9 Die 120 Vignetten wurden 15 Decks zugeordnet.
Somit erhielt jeder Befragte acht verschiedene Situationsbeschreibungen zur Beurteilung
vorgelegt.
Die Erhebung erfolgte online im Rahmen einer 2008 durchgeführten Lohnbefragung unter
Schweizer Ingenieuren (Höglinger 2009). Im Anschluss an die eigentliche Befragung zum
Thema „Lohn“ wurden die Befragten gebeten, an der Vignettenbefragung teilzunehmen.
Insgesamt gaben 538 Befragte Urteile zu 4084 Situationsbeschreibungen ab.10
Dabei
zählten 285 Personen (=2155 Vignetten) zu Befragten, die im Rahmen ihrer Berufstätigkeit
eine Führungsposition innehatten, 253 Teilnehmer (=1929 Vignetten) wiesen keine
Führungsposition auf. Bei dem verwendeten Sample handelt es sich um keine
Zufallsstichprobe einer klar definierten Grundgesamtheit. Da wir im Rahmen der
Hypothesentestung jedoch nur an der Schätzung der experimentell variierten
Einflussfaktoren des faktoriellen Surveys interessiert sind, ist ein derartiges „convienant
sampling“ hinreichend. Allerdings ist zu beachten, dass aufgrund der besonderen
Stichprobe sowie dem speziellen Beispiel in Form des Einkaufs einer
Weiterbildungsmaßnahme die Ergebnisse nicht uneingeschränkt generalisierbar sind. Hier
muss weitere Forschung erst zeigen, ob sich in anderen Populationen, z. B. mit einem
geringeren Bildungsniveau oder für andere Transaktionstypen ähnliche Ergebnisse zeigen.
Eine Diskussion von Beschränkungen der Analyse und des sich daraus ergebenden
Forschungsbedarfs findet sich im letzten Abschnitt.
2.6 Ergebnisse
Vor der Präsentation der Ergebnisse aus den multivariaten Analysen lohnt sich zunächst
ein Blick darauf, in welchem Ausmaß überhaupt Reputation erzeugt wurde. In Tabelle 2.1
wird deutlich, dass die Teilnehmer in der jeweiligen fiktiven Situation generell eher ihre
9 Die Gesamtzahl aller möglichen Vignetten („Vignettenuniversum“) errechnet sich aus dem kartesischen Produkt aller
Vignettendimensionen. Inhaltlich unlogische Kombinationen, die zuvor auszuschließen sind (Beck & Opp 2001),
kommen im vorliegenden Design nicht vor. Somit besteht das Vignettenuniversum aus 324 Vignetten (3x3x3x2x3x2). Es
ist allerdings nicht notwendig, alle Vignetten zu erheben; stattdessen kann eine Teilmenge verwendet werden, die
genügend Information für die Schätzung der interessierenden Zusammenhänge bereitstellt. Besonders effizient ist die
Verwendung eines fraktionalisierten Designs, mit dem Vignetten gezielt so ausgewählt werden, dass mit wenig
Information eine effiziente Schätzung ermöglicht wird. Konkret wird mit Hilfe eines statistischen Programms eine
Auswahl von Vignetten gezogen, für die einerseits die einzelnen Dimensionen (und ggfs. ihre Interaktionseffekte) nicht
korreliert sind und andererseits die Varianz der Ausprägung innerhalb der Dimensionen maximiert wird (Steiner &
Atzmüller 2006). Wir danken Katrin Auspurg für die Unterstützung bei der Ziehung dieser Auswahl mit SAS. 10 In die Analyse gehen nur abhängig Beschäftigte ein. 34 Befragte, die angaben, selbstständig zu sein, werden in der
Untersuchung nicht berücksichtigt. 61 Teilnehmer, die nicht alle acht vorgelegten Vignetten ausfüllten, beurteilten
durchschnittlich 4,4 Vignetten.
33
Erfahrungen mitteilen als diese für sich zu behalten. Bei nur knapp drei Prozent der
Vignetten wurde die Antwort „Nein, auf keinen Fall“ gegeben und die Möglichkeit,
Informationen an eine andere Person weiterzugeben, kategorisch ausgeschlossen. Am
häufigsten wurde die Frage nach der Weitergabe eigener Erfahrungen mit der Option „bei
Gelegenheit“ beantwortet (insgesamt ca. 45%). Betrachtet man die beiden Samples
„Teilnehmer in leitender Stellung“ und „Teilnehmer ohne leitende Stellung“ getrennt, so
zeigen sich geringfügige Unterschiede: Befragte, die in ihrer Berufstätigkeit eine
Führungsrolle einnehmen, scheinen tendenziell eher Information weiterzugeben als
Befragte in ausführender Tätigkeit. Während etwa 62 Prozent der Vignettenurteile im
Sample „mit Führungsposition“ auf die Kategorien „Bei Gelegenheit“ und „Ich würde
mich sofort melden“ und damit auf eine eigen motivierte und aktive Weitergabe von
Information entfallen, zeigen sich Befragte ohne Führungsposition etwas zurückhaltender:
Die Quote für diese Kategorien beläuft sich in diesem Sample auf 56,4 Prozent.
Tabelle 2.1: Deskriptive Ergebnisse zur Weitergabe von Information (in Prozent)
Für die multivariate Analyse ist zu beachten, dass die einzelnen Vignettenbeurteilungen
statistisch nicht unabhängig voneinander sind, da in der Regel ein Befragter mehrere
Vignetten beurteilt (Hox, Kreft & Hermkens 1991; Liebig & Mau 2005). Diese Clusterung
der Daten muss bei der Analyse berücksichtigt werden. In der Regel werden hierzu zwei
Verfahren eingesetzt: Will man den Niveaueffekt individueller Charakteristika auf die
Vignettenurteile schätzen, bieten sich Mehrebenenmodelle an, mit deren Hilfe
Personenmerkmale und Vignettendimensionen unterschiedlichen Ebenen zugeordnet und
z. B. mithilfe von Random-Intercept-Modellen geschätzt werden (vgl. z.B. Rabe-Hesketh
& Skrondal 2008). Sind nur die Vignettendimensionen von Interesse, so kann auch auf die
Schätzung robuster Standardfehler mithilfe der so genannten Huber-White-Korrektur
zurückgegriffen werden (Maas & Hox 2004) . Da die in dieser Untersuchung aufgestellten
Hypothesen insbesondere auf die Vignettenebene abzielen und sich darüber hinaus das
Antwort Gesamt Teilnehmer in
leitender Stellung
Teilnehmer ohne
leitende Stellung
Nein, auf keinen Fall 2,8 2,1 3,6
Nur, wenn er mich direkt kontaktiert 37,4 35,1 40,0
Bei Gelegenheit 45,1 47,3 42,7
Ich würde mich sofort melden 14,6 15,4 13,7
34
Befragtensample sehr homogen gestaltet, findet im vorliegenden Beitrag der Huber-White-
Schätzer Anwendung (Auspurg, Hinz & Liebig 2009; Wooldridge 2002, 2009).11
Für die in Tabelle 2.2 gezeigten Ergebnisse logistischer Regressionsanalysen wurden
aufgrund der nur gering besetzten ersten Antwortkategorie die vier Ausprägungen der
abhängigen Variablen zu zwei Kategorien zusammengefasst. Mithilfe dieser dichotomen
Variable lässt sich somit unterscheiden, ob Reputation gar nicht bzw. nur passiv entstanden
ist (Antwortmöglichkeiten „Nein, auf keinen Fall“ und „Nur, wenn er mich direkt wegen
einer derartigen Weiterbildungsmaßnahme kontaktieren würde“) oder ob eine aktive
Handlung den Entstehungsprozess von Reputation ermöglicht hat (Antwortmöglichkeiten
„Bei Gelegenheit würde ich ihn informieren“ und „Ich würde mich sofort bei ihm melden
und ihn informieren“).12
Das Schätzmodell zu den Einflussfaktoren auf die
Reputationsentstehung wird in Tabelle 2.2 dargestellt, dabei werden die odd ratios
berichtet: Odd ratios kleiner als 1 geben einen negativen, odd ratios größer als 1 einen
positiven Zusammenhang an. Die Differenz (1 minus odd ratio) lässt sich näherungsweise
als der Faktor interpretieren, um den sich die relative Wahrscheinlichkeit ändert, wenn sich
die unabhängige Variable um eine Einheit erhöht.
Das Schätzmodell mit allen Befragten unterstützt Hypothese H1, da die aktive Weitergabe
von Information an einen Kollegen, der für einen Wettbewerber tätig ist, um den Faktor
0,32 (1-0,68) weniger wahrscheinlicher ist, als wenn es sich um einen Kooperationspartner
des eigenen Unternehmens handelt. In diesem Sinne scheinen die Befragten sich in erster
Linie den Interessen ihres Arbeitgebers verpflichtet zu fühlen und dementsprechend
Informationen auch nicht an Mitarbeiter von Konkurrenten weiterzugeben. Des Weiteren
spielt für die Befragten bei der Entscheidung, Informationen weiterzugeben oder nicht, das
Verhalten des anderen in der Vergangenheit eine Rolle. Die Vignettenurteile zeigen, dass
die Bereitschaft die eigene Erfahrung mitzuteilen größer ausfällt, wenn der potenzielle
Informationsempfänger bereits selbst einmal hilfreiche Informationen weitergegeben hat
(H2). Hinsichtlich der Häufigkeit einer solchen Informationsweitergabe („häufig“ – „ab
11 Von uns durchgeführte Random-Intercept-Modelle zeigten, dass die individuellen Charakteristika keinen
nennenswerten Einfluss auf das Antwortverhalten besitzen und die Erklärungskraft praktisch ausschließlich aus den
Vignettendimensionen gespeist wird. 12 Die Zusammenfassung der Kategorien lässt sich nicht nur inhaltlich in Form einer passiven und aktiven Weitergabe
von Information begründen, sondern auch statistisch: Die Schätzung eines alle vier Kategorien umfassendes
multinominalen Modells weist dieselben Richtungszusammenhänge auf wie die Schätzung, die in Tabelle 2 mit der
einfachen logistischen Regression der Kategorien passiver und aktiver Informationsweitergabe dargestellt wird. Dies
stützt unsere Annahme, dass die abhängige Variable als Skala verstanden werden kann. Zudem weisen Schätzungen
ordinaler Logit-Modelle mit der vier-stufigen abhängigen Variable denselben Richtungszusammenhang auf wie die
Ergebnisse der einfachen logistischen Regressionen. Aufgrund der generell mit Schwierigkeiten verbundenen
Interpretation ordinaler Logit-Modelle (vgl. hierzu z.B. Kennedy 2008) wird hier auf die Darstellung von Ergebnissen
ordinaler Logit-Modelle verzichtet.
35
Tabelle 2.2: Determinanten der Informationsweitergabe
(Logistische Regression, odd ratios, robuste Standardfehler in Klammern)
Alle Befragte Befragte mit
Führungsposition
Befragte ohne
Führungsposition
H1: Einbettung
(Ref.: Kooperationspartner)
Wettbewerber 0,68***
(0,05)
0,60***
(0,06)
0,78*
(0,09)
Andere Branche 0,78**
(0,06)
0,83*
(0,08)
0,74**
(0,08)
H2: Reziprozität
(Ref.: mehrfach Infos erhalten)
Ab und zu 0,93
(0,06)
0,88
(0,08)
0,99
(0,1)
Noch keine Infos erhalten 0,59***
(0,04)
0,59***
(0,06)
0,6***
(0,07)
H3: Bedürfnis
(Ref.: nicht wissen)
wissen 2,2***
(0,14)
2,13***
(0,18)
2,28***
(0,22)
H4: Beziehung
(Ref.: Freundschaft)
Rein geschäftlich 0,51***
(0,03)
0,46***
(0,04)
0,57***
(0,05)
H5: Bewertung
(Ref.: durchschnittlich)
Sehr gut 1,74***
(0,13)
1,78***
(0,18)
1,68***
(0,19)
Sehr schlecht 1,05
(0,08)
1,09
(0,11)
1,01
(0,11)
H6: Teilnahme
(Ref.: selbst)
Andere formell 0,85*
(0,06)
0,97
(0,09)
0,74**
(0,08)
Andere informell 0,83**
(0,06)
0,93
(0,09)
0,74**
(0,07)
Kontrolle für Samplesplit
(Ref.: Leitungsposition)
0,75*
(0,09)
N 4084 2155 1929
Nagelkerke Pseudo R 0,0697 0,0741 0,0634
Dichotome abhängige Variable: 0= eher keine Informationsweitergabe (zusammengefasst aus „nein, auf
keinen Fall“ und „nur, wenn er mich direkt kontaktiert“), 1= eher Informationsweitergabe (zusammegefasst
aus „bei Gelegenheit“ und „ich würde mich sofort melden“), Signifikanzniveaus: p<0,001(***), p<0,01(**),
p<0,1(*) bei zweiseitigem Test, Huber-White-Korrektur der Standardfehler für die Clusterung der
Vignetten pro Befragten.
36
und zu“) zeigt sich hingegen kein signifikanter Unterschied. Für die Befragten ist offenbar
nur wichtig, ob sie schon einmal Informationen erhalten haben; wie oft dies geschehen ist,
nimmt keinen Einfluss auf die Bereitschaft Informationen weiterzugeben. Mit der
Antizipation von Reziprozität, die in zukünftigen Begegnungen zum Tragen kommen
kann, steigt der Nutzen der eigenen Informationsweitergabe.
Die empirischen Befunde sind auch mit der in Hypothese H3 abgeleiteten Kosten-Nutzen-
Abwägung der Individuen konform. Das Wissen darum, dass die andere Person
Informationen über die gemachte Erfahrung benötigt, beeinflusst die Weitergabe von
Information positiv. Die in Hypothese H4 getroffene Annahme zur Multiplexität von
Beziehungen bestätigt sich ebenfalls: Die Weitergabe von Information ist auf höchst
signifikantem Niveau wahrscheinlicher, wenn Akteure über bestehende
Geschäftsbeziehungen hinaus auch freundschaftlich miteinander verbunden sind. Auch die
Zufriedenheit mit dem Anbieter einer Weiterbildungsmaßnahme zeigt einen Einfluss auf
die Weitergabe von Reputation. In Hypothese H5 wurde ein u-förmiger Zusammenhang
zwischen der Qualität der Dienstleistung und der Entstehung von Reputation postuliert.
Die Annahme, dass eine als sehr gut oder sehr schlecht empfundene
Weiterbildungsmaßnahme die Weitergabe von Information in stärkerem Maße beeinflusst
als durchschnittliche Qualität, wird von den Daten allerdings nur teilweise bestätigt: Wenn
es sich um eine als sehr gut bewertete Maßnahme handelt, dann ist die Entstehung von
Reputation sehr viel wahrscheinlicher als bei durchschnittlicher Qualität. Der Einfluss von
schlecht empfundener Qualität auf die Weitergabe von Reputation erweist sich hingegen
als nicht signifikant. Demnach scheinen die Befragten schlechte Erfahrungen mit einem
Anbieter nur mit gleicher Wahrscheinlichkeit weiterzugeben wie durchschnittliche
Erfahrungen.
Die eigene Teilnahme an der Weiterbildungsmaßnahme schließlich scheint ebenfalls
positiv auf die Entstehung von Reputation zu wirken (H6). Die Befragten geben
Informationen eher weiter, wenn sie selbst Erfahrungen mit der Weiterbildungsmaßnahme
gemacht haben. Gestaltet sich die Situation derart, dass lediglich auf die Eindrücke von
Mitarbeitern oder Kollegen zurückgegriffen und diese Erfahrung an Dritte weitergegeben
werden kann, so zeigen sich die Befragten zurückhaltender: Die Weitergabe von
Informationen ist in solchen Fällen weniger wahrscheinlich. Dabei spielt es keine Rolle, ob
Informationen informell im Gespräch oder über schriftliche Ergebnisse einer Evaluation an
die Person herangetragen werden.
37
Betrachtet man die Befragten getrennt nach ihrem beruflichen Status, so finden sich bei der
Dimensionen „Einbettung“ marginale Unterschiede: In den Vignettenurteilen der
Teilnehmer mit Leitungsfunktion zeigt sich, dass diese stärker als Teilnehmer ohne
Führungsverantwortung unterscheiden, ob der Berufskollege für einen Kooperationspartner
oder für eine Wettbewerber tätig ist; die Wahrscheinlichkeit, Informationen weiterzugeben,
verändert sich stärker, wenn der Kollege bei einem Wettbewerber angestellt ist.
Darüber hinaus zeigt sich, dass Teilnehmer in leitenden Positionen Informationen über
einen Weiterbildungsanbieter weitergeben, unabhängig davon, ob sie selbst an der
Maßnahme teilgenommen haben oder von ihren Mitarbeitern informiert wurden.
Teilnehmer ohne Führungsfunktion differenzieren an dieser Stelle stärker: Die Weitergabe
von Information ist deutlich wahrscheinlicher, wenn sie selbst an der
Weiterbildungsmaßnahme teilgenommen haben. Personen in Leitungsfunktion scheinen es
gewohnt zu sein, Informationen auch dann zu vertrauen, wenn sie nicht auf eigenen
Erfahrungen basieren. Reputation entsteht somit auch dann, wenn die Information
weitergebende Person nur indirekt - über Dritte - von der Qualität einer Dienstleistung
erfahren hat.
2.7 Diskussion
Ziel der vorliegenden Untersuchung war es, sich der Frage zu nähern, unter welchen
Bedingungen Reputation in sozialen Interaktionssystemen entstehen kann. Unter der
Annahme, dass die für die Bildung von Reputation benötigte Information in Netzwerken
nicht universell zur Verfügung steht, wurden die Bedingungen analysiert, unter denen
Akteure Informationen über Geschäftspartner an andere Netzwerkakteure weitergeben.
Dazu wurde ein theoretisches Modell benutzt, das sehr einfache Annahmen über die
Interaktionsstruktur sowie die Interessen des Reputationsproduzenten beinhaltet und damit
die Untersuchung von Determinanten ermöglicht, die die Weitergabe von Information und
damit die potenzielle Entstehung von Reputation beeinflussen. Ausgehend von einer
Triade als minimale Netzwerkstruktur wurde angenommen, dass die Weitergabe von
Information über einen Tauschpartner an eine dritte Person direkte oder indirekte Kosten
verursacht. Für den Testfall des Einkaufs von Weiterbildungsmaßnahmen in Unternehmen
wurden Hypothesen abgeleitet, unter welchen strukturellen Bedingungen Akteure
Reputation durch die Weitergabe von Informationen „produzieren“ können. Die auf Basis
eines faktoriellen Surveys gewonnenen experimentellen Ergebnisse zeigen, dass die
38
qualitativen Eigenschaften der Netzwerkeinbettung die Weitergabe von Information und
damit die Entstehung von Reputation beeinflussen. Wettbewerbsstrukturen hemmen,
Reziprozität und Multiplexität von Beziehungen fördern die Produktion von Reputation in
sozialen Strukturen. Wesentliche Teile des Modells finden damit eine erste vorläufige
Bestätigung.
Insgesamt lässt sich auf dieser Grundlage festhalten, dass Reputation in wirtschaftlichen
Strukturen nicht von selbst entsteht und nicht als frei verfügbares „Abfallprodukt“ sozialer
Netzwerke begriffen werden kann. Die Befragten differenzieren offensichtlich deutlich, in
welchen Situationen sie Informationen an Dritte weitergeben. Dieser Befund lässt die
bisherigen Annahmen sowohl in ökonomischen Modellen als auch Teilen der
Netzwerkliteratur, dass Reputation bei Bedarf einfach generiert werde bzw. einen
„natürlichen“ Bestandteil sozialer Interaktion darstelle, als problematisch erscheinen. Dies
ist ein wichtiger Befund angesichts der bekannten Tatsache, dass Märkte nicht alleine
durch rechtliche Institutionen reguliert werden können (Coleman 1990; so bereits
Durkheim 1893 (zuerst 1992); Granovetter 1985; vgl. Macauley 1963). Deren Nutzung ist
bekanntlich umständlich und kostspielig, so dass für wirtschaftlichen Tausch zu einem
gewissen Ausmaß auf soziale Mechanismen zur Generierung von Vertrauen und
Kooperation zurückgegriffen werden muss. Reputation ist ein wichtiger Mechanismus in
diesem Kontext, er kann die Akteure disziplinieren und ökonomischen Tausch absichern.
Wie hier gezeigt werden konnte, hat dies jedoch insofern Grenzen, als die Entstehung von
Reputation offensichtlich an bestimmte Bedingungen geknüpft ist.
Auf der Basis der vorgelegten Argumentation können somit nun auch erste Hinweise
gegeben werden, unter welchen Bedingungen Reputation in ökonomischen Strukturen nur
schlecht entstehen kann und damit die Regulierung des Marktes durch Reputation kaum
möglich sein wird. Beispielsweise sollte Reputation vor allem bei Endkunden, die
untereinander nicht in einem direkten Wettbewerb stehen, eine Rolle spielen, während
Märkte, die durch Zulieferer-Abnehmer-Beziehungen in der Wertschöpfungskette geprägt
sind, aufgrund der Konkurrenzsituation weit weniger durch Reputationsmechanismen
reguliert werden können. Darüber hinaus zeigt sich die von der Wirtschaftssoziologie
immer wieder betonte Bedeutung der persönlichen Beziehung zwischen Marktteilnehmern.
Reziprozität und Freundschaft können in eher anonymen Märkten, die durch einmalige
Transaktionen der Akteure gekennzeichnet sind, die Bildung von Reputation nicht
unterstützen. Das verweist auf den in der neueren Wirtschaftssoziologie immer wieder
39
betonten Umstand, dass gerade für die Erklärung der Entstehung und Wirkung von
Reputation Märkte als soziale Strukturen begriffen werden müssen. Auch ökonomische
Tauschvorgänge beruhen auf komplexen sozialen Interaktionsstrukturen, die
beispielsweise durch Reziprozität und langfristige Beziehungen individueller Akteure
gekennzeichnet sind. Deren Ausgestaltung und Varianz bestimmt mit, wie (gut) Märkte
und die dort eingegangenen Tauschbeziehungen funktionieren.
Die Ergebnisse sollten jedoch aufgrund einer Reihe von Einschränkungen als erste
Befunde interpretiert werden, die weiterer Forschung bedürfen. Erstens liegt mit dem hier
gewählten Beispiel der betrieblichen Weiterbildung sicherlich ein typischer Fall einer
wirtschaftlichen Transaktion vor, die durch hohe Unsicherheiten für den Käufer
gekennzeichnet ist. Allerdings ist auf den ersten Blick nicht ganz klar, wie sich eine
geringere Unsicherheit auf die Wahrscheinlichkeit der Informationsweitergabe auswirken
wird. Einerseits sollte mit einer geringeren Unsicherheit ein geringerer Bedarf an
Reputationsinformation einhergehen, der die Weitergabe von Informationen dämpfen
sollte. Andererseits werden die Güter auch leichter evaluierbar und damit die Weitergabe
von präziserer Information leichter. Hierzu sind weitere Erhebungen nötig, um ein
umfassendes Bild der Reputationsentstehung zu erhalten. Zweitens beruht die
Argumentation auf einem minimalistischen Netzwerk von drei Personen. Hier stellt sich
sicher als nächstes die Frage, wie sich komplexere Netzwerkstrukturen auf die
Informationsweitergabe auswirken. Drittens sollte in einem nächsten Schritt die Rezeption
der Information durch den Empfänger integriert werden, um ein vollständigeres Bild der
Reputationsentstehung zu erhalten. Im Rahmen unserer bisherigen theoretischen
Argumentation wird implizit davon ausgegangen, dass die Information korrekt rezipiert
wird. Allerdings lassen sich natürlich Situationen finden, in denen der
„Informationsproduzent“ damit rechnen muss, dass seine Information schwer
„decodierbar“ ist, z.B. aufgrund sprachlicher und/oder kultureller Unterschiede zwischen
ihm und dem Empfänger.
Diese kurze Diskussion zeigt, dass die existierenden Beschränkungen des Modells auf eine
Reihe von zukünftigen Forschungsfragen verweisen, deren Beantwortung uns der
Erklärung der Entstehung von Reputation in sozialen Systemen schrittweise näher bringen
kann. Schließlich lassen sich methodische Einschränkungen diskutieren, so hat die
Methode des faktoriellen Surveys für unseren Zweck erhebliche Vorteile, die sich vor
allem aus der leichten „Beobachtbarkeit“ unterschiedlicher Situationen und der
40
randomisierten Verteilung auf die Befragten ergeben. Allerdings stellt sich wie bei jedem
experimentellen Design die Frage, inwieweit hypothetisches und reales Verhalten
korrespondieren. Zukünftige Untersuchungen sollten hier ansetzen, und experimentelle
Befunde mit Felddaten kontrastieren. Damit einhergehen wird dann auch die
Notwendigkeit, das sehr einfache theoretische Modell um weitere Faktoren zu ergänzen.
41
3 Die Entstehung von Reputation in wirtschaftlichen Transaktionen13
14
(Reputation Formation in Economic Transactions)15
Abstract: We investigate patterns of information transmission and the evolution of trust
and trustworthiness in standard trust games where reputational information can be
exchanged between individual agents within a population but does not become public. We
vary the nature of information that could be transmitted (either a subjective rating or the
objective details of a transaction), as well as the cost of information transmission (either
zero or slightly positive). We find that information transmission is heavily used if it is
costless but only moderately if it has positive cost. Objective information is effectively
increasing efficiency and profits only if transmission is costless and therefore heavily used.
Subjective information (a rating) increases trust independently of its transmission cost.
Interestingly, trustworthiness is generally unaffected by private information transmission.
A detailed analysis of the determinants of information transmission yields a positive
influence of (a) initial trust in a seller, (b) experience of exploitation, and (c) receipt of
information in the previous round.
3.1 Einleitung (Introduction)
As it is well known economic transactions require a certain amount of trust between
exchange partners. This results from the fact that each partner has an incentive to behave
opportunistically, e.g. by delivering bad quality. Although contracts allow exchange
partners to establish sanctions in case of fraud, there are considerable problems to this kind
of safeguard against opportunism. Due to information problems and transaction costs,
contracts are necessarily incomplete and hence not able to solve the problem of
opportunism in exchange relations completely (Ellickson 1991; Williamson 1985, S. 56-
60). One possible solution to this problem is the establishment of trust ex ante by
reputation mechanisms which have been extensively analyzed in the management literature
and in the context of online trading platforms. It is by now well established that
13 Dieser Beitrag entstand in Zusammenarbeit mit Martin Abraham, Veronika Grimm und Michael Seebauer. 14 Dank geht an die Deutsche Forschungsgemeinschaft (DFG) für die Finanzierung des Projektes “Die Entstehung von
Reputation in Wirtschaftsbeziehungen”.
15 ∗We thank Thomas Brenner, Vincent Buskens, Christoph Engel, Werner Güth, Arno Riedl, and Joachim Weimann for
helpful discussion and seminar participants in Nuremberg, Jena, Venice, and Utrecht for helpful comments. We also
thank Tobias Cagala and Christian Sölch for excellent research assistance. Financial support by Deutsche
Forschungsgemeinschaft (DFG) is gratefully acknowledged. This paper has been presented at the annual conference of
GfeW in Nuremberg, the annual meeting of “Sozialwissenschaftlicher Ausschuss” in Jena, and the Conference on “Game
Theory and Society” at ETH Zurich.
42
reputational information supports trust and reduces opportunism in economic transactions.
In the business world “good reputation” implies various comparative advantages for the
respective firms, as for example lower production cost, better applicants, or the ability to
change premium prices (see Deephouse 2000; Fombrun 1996; Fombrun & Shanley 1990;
Rindova, Williamson, Petkova & Sever 2005; Turban & Greening 1997). Hall (1993, S.
616) emphasizes that reputation ”should receive constant management attention”, and
internet trading platforms would presumably not even work without a reputation system. In
online transactions typically the parties to a contract do not know each other and
sometimes are even based in different countries. In such an environment trust is initially at
a low level and can be significantly increased by the implementation of reputation systems
(see e.g. Keser 2003, among many others). By now there exists a huge literature that aims
at evaluating and designing reputation mechanisms for internet trading.
Despite those findings on the effectiveness of reputation, we know surprisingly little about
the determinants which allow for the formation of reputation in economic systems.
Usually, reputation is seen either as a costless by-product of economic interactions or as a
result from institutionalized “reputation mechanisms” specifically designed to establish
reputation in a market. The latter is especially relevant in the context of internet trading
platforms where people typically evaluate each other using standardized rules and
instruments.
Contrary to these research traditions we are interested in situations where people have to
produce reputation actively within their social interactions. Hence, the focus of our study is
on the formation of reputation in traditional economic transactions, i.e. in environments
where institutionalized reputation mechanisms do not exist. We design experiments that
replicate those environments in a stylized way. In our experiments participants interact
repeatedly in trust (or, investment) games in alternating pairs within a group of eight
players which are identifiable.16
The outcomes of own transactions can be observed and
buyers (investors) may inform other buyers about the outcomes of their transactions. In our
treatments we vary (a) the kind of information that may be communicated and (b) the cost
of information transmission, which is either zero or slightly positive. Depending on the
treatment, buyers can either transmit exact (objective) information about their transaction
to another buyer (i.e. the amount invested and the amount returned), or they can transmit
16 The trust game (which is also commonly called “investment game”) is the most common vehicle to experimentally
investigate issues of reputation. In this game between two players the buyer decides how much of his endowment he
sends to the responder. The amount sent is tripled by the experimenter and the responder can then decide how much of
the received amount is given back to the investor.
43
only subjective information by ranking the satisfaction with the outcome on a five-item
Likert scale. In each period buyers could transmit this information to one randomly
selected other buyer. We moreover run control treatments where either no information
transmission to other buyers was possible or the transmitted information is visible to all
other participants within a matching group of eight players.
A comparison of our six treatments shows that the pattern of information transmission is
rather different across treatments, which yields interesting insights into the process of
reputation formation. In the absence of information costs the proportion of participants
transmitting information is initially at the same very high level of 90% for objective and
subjective information, but stays at a much higher level over time if quantitative
(objective) information on the transaction can be communicated. In the presence of costs,
the proportion of participants who initially transmit information is much lower than
without costs (not even half as high). In those treatments roughly half of the participants
inform others about their transactions in the first periods, but less than ten percent transmit
information towards the end of the experiment. This holds independently of whether
participants could communicate objective or subjective information. Information
transmission is not significantly higher if the information is made known to all members of
the group.
With regard to the outcomes of a reputational system, information transmission is
effectively increasing trust (the amount passed on by the buyer) in all treatments except
OBJ_C (costly objective information). Transmission of objective information leads to the
highest increase of trust if it is costless but has no effect at all if it is costly. In contrast,
although transmission of subjective information only increases trust moderately, it does so
independently of its cost. Those results indicate that subjective information is more
effective in aggregating reputation information within a market, while objective
information contains more precise information and has a significant and strong effect only
if it can be heavily used, which is the case in the absence of costs. Interestingly, although
private information transmission increases trust (money passed on to the seller) in almost
all treatments, trustworthiness (the share of the received money returned by the responder)
is unaffected.17
Nevertheless, both parties to a transaction on average benefit from the
positive effect of information transmission on trust, since on average trustworthiness is
high enough to justify trustful behaviour.
17 Only if information is made publicly available (in the control treatment mimicking online reputation systems),
trustworthiness increases above the level without a reputational system, which is in line with the corresponding literature.
44
The paper is organized as follows. In Section 3.2 we review the related literature in some
more detail and relate it to the focus of our study. In Section 3.3 we describe the
experimental design. Section 3.4 contains some theoretical predictions and states our
hypotheses. Section 3.5 presents the results. Section 3.6 concludes. The experimental
instructions can be found in an appendix A 3.1.
3.2 Stand der Literatur und Fokus der Studie (Related Literature and Focus
of Our Study)
Reputation has long been investigated in the management literature and the topic has also
received enormous attention in the economics literature, especially since the emergence of
internet trading platforms. In this section we briefly review some of the important literature
within this field and relate it to the focus of our paper.
In the economics literature, reputation has been studied in the context of asymmetric and
incomplete information in markets as well as in the connection with repeated games. It has
been known since the seminal contribution by Akerlof (1970) that successful markets
require some amount of trust and trustworthiness, which is basically due to the fact that
contracts are necessarily incomplete (see Hart & Moore 1988; Klein & Leffler 1981). In
the context of repeated games reputation is basically a state variable that depends on past
behaviour and may influence the beliefs on the trustworthiness of an agent and thereby his
future options. Theoretically, reputation should develop if future interactions with trading
partners are likely and important enough (Folk theorems). Many authors, among them
Kreps & Wilson (1982) or Milgrom & Roberts (1982), have shown that reputation plays a
prominent role when economic agents try to advance their performance in markets. Since
the 1980s reputation has been analyzed in much detail in the management and in the
economics literature.
The corporate reputation literature has emerged in the 1980s and since then has grown
rapidly. It focuses on the reputation of firms and its positive effects on organizational
performance (Brown & Perry 1994; Deephouse 2000; Fombrun & Shanley 1990). Several
authors have shown that a good reputation leads to strategic benefits for the firms, such as
lowering cost (Deephouse 2000; Fombrun 1996), the possibility to charge higher prices
(Deephouse 2000; Fombrun 1996; Fombrun & Shanley 1990; Rindova, Williamson &
Petkova 2010), attracting workers (Fombrun 1996; Turban & Greening 1997), investors,
45
and customers (Fombrun 1996; Srivastava, McInish, Wood & Capraro 1997). It has
moreover been shown that reputation is particularly important in competitive markets since
it increases profitability and creates competitive barriers (Abimbola & Vallaster 2007;
Fombrun 1996; Milgrom & Roberts 1982). Fang (2005) has demonstrated that firms
typically have a high incentive to maintain a good reputation due to the repeated game
character of their interactions. Organizational reputation typically forms to a large part via
mass media or other publicly accessible sources. Therefore, the emphasis of the literature
is clearly on the effects of reputation and the incentives to achieve a good reputation. The
formation of reputation in social systems – that certainly plays a huge role for
organizational performance at the B2B level – has not received much attention up to date.
The recent economic literature on reputation has mainly focused on electronic markets.
Whereas in conventional (real world) B2C and B2B relations, agents have the possibility to
build up reputation or gather reputation information, this is typically not the case on
internet markets. In those markets, the possibility of repeated interaction cannot guarantee
trustworthiness of the interaction partner which is often not identifiable. Internet platforms
where traders interact more or less anonymously – like eBay or Amazon – would simply
not work without institutionalized reputation mechanisms (see e.g. Milgrom & Roberts
1982; Wilson 1985). Besides the research on online business there are some studies
focussing on the effect of reputation in real business networks. Especially noteworthy is
the work of McMillan & Woodruff (1999) who analyze business relationships in Vietnam
which are characterized by sparse possibilities for legal enforcement. They show that
customers found through such networks receive more credit from the suppliers. This can be
interpreted as a result of effective network sanctions due to reputation mechanisms (see for
similar results DiMaggio & Louch 1998).
In experimental economics the most common vehicle to study trust, trustworthiness, and
the impact of reputation mechanisms is the trust game (Berg, Dickhaut & McCabe 1995),
which is also the basis of our experiment. In this game two players, let us call them buyer
and seller, are given, say, ECU 10 as an initial endowment.18
At the first stage the buyer
can decide to send some part or all of his endowment to the seller. Every ECU sent is being
tripled by the experimenter before it reaches the seller, who then decides how much of the
tripled money to keep and how much to send back to the buyer. After the seller's decision
the game is over. Game theory predicts that as long as the seller prefers more money to
18 ECU stands for “Experimental Currency Units'', ECU are exchanged into local currency (Euro in our case) at the end
of the experiment.
46
less, he should keep all the money that is sent. Of course, the buyer's best reply is to send
nothing. However, the game theoretic prediction is not even confirmed in double-blind
experimental settings (where neither the participants, nor the experimenter, observe the
participants’ decisions or who was matched together). Berg, Dickhaut & McCabe (1995)
have first shown that on average buyers send more than ECU 5 and roughly one third of
the sellers reciprocate by sending back more than was originally sent. These results have
been replicated in various experimental studies around the world and have proven
qualitatively robust (see Johnson & Mislin 2011). Whereas on average an investment
(sending money) is not profitable in absence of a reputation system, it is just profitable on
average with a long run reputation mechanism (see Keser 2003). Moreover, sending high
amounts (close to ECU 10) is always profitable even in the absence of a reputation
mechanism (Berg, Dickhaut & McCabe 1995). In numerous experimental studies it has
been shown that online feedback mechanisms substantially improve transaction efficiency,
although efficiency does not reach the level of an environment, where agents interact
repeatedly (see, e.g. Bolton, Katok & Ockenfels 2004; Keser 2003). Ever since the
emergence of online trading platforms, a huge literature has evolved that analyzes the
effect of reputation systems on trust and trustworthiness and aims at improving existing
reputation mechanisms.19
Whereas the effectiveness of online reputation mechanisms and also the effect of
reputation itself are by now well documented, little is known about the ultimate process of
reputation formation in the absence of formal institutions. Organizational reputation often
evolves through mass media and other publicly accessible sources. In the context of
electronic markets, the designer of a mechanism can determine what kind of information is
communicated when and by whom. Thus, the provider of a platform has substantial control
over the process of reputation formation. In the real world, B2B and B2C transactions are
usually based on direct communication between individual agents. Consequently, there is
often no standardized way to exchange reputational information. Moreover, agents interact
in various contexts within their social and business networks. Therefore, the exchange of
reputational information and thus, reputation formation need to be part of a
multidimensional relationship among the parties involved. In principle agents may
communicate whatever information they want and often the validity of the information
19 See for more details Bajari & Hortaçsu (2003, 2004), Dellarocas (2004), Dulleck, Kerschbamer & Sutter (2011),
Houser & Wooders (2006), Livingston (2005), and Resnick, Zeckhauser, Swanson & Lockwood (2006), among many
others. Laboratory evidence is provided by Ba & Pavlou (2002), Bolton, Katok & Ockenfels (2004, 2005), and Bolton,
Ockenfels & Ebeling (2011).
47
cannot be controlled for (e.g. Sommerfeld, Krambeck & Milinski 2008). Furthermore, the
transmission of information may have direct costs or negative external effects (like
tarnishing one’s own reputation or giving valuable information to a competitor). Hence,
people should be deliberate about whether to give information on other actors. It is
presumably due to this complexity that the process of reputation formation in real world
economic transactions has received so little attention up to date. There are only few papers
which address those issues. This literature shows that the transmission of reputational
information depends on the kind of experience made with the seller and the characteristics
of one’s own network (see Rooks, Tazelaar & Snijders 2011; Sommerfeld, Krambeck,
Semmann & Milinski 2007). However, this literature does not explicitly focus on
interactional dynamics of reputation formation.
Our experiments are designed to provide first insights into the informal process of
reputation formation. In order to be able to analyze particular aspects of this process, we
have substantially constrained the degree of freedom agents typically face. While our
treatments on purpose do not make use of institutionalized reputation mechanisms, they do
restrict subjects with respect to the kind of information that may be communicated and we
also restrict the subjects whom to transmit this information to. The latter can well be
motivated by the fact that in the real world, people typically have to meet (or at least call)
in order to exchange sensible information. These situations often are exogenous.20
The first
restriction was made in order to control the variance of the content of information, since
our main focus in this paper is on the determinants of the willingness to transmit
information.21
The following section describes our experimental design in detail.
3.3 Das Experimentaldesign (The Experimental Design)
In our experiment we study reputation formation in a population of eight agents that
repeatedly interact in changing pairs in standard trust games (as described in section 3.2)
for 36 periods. In each group four participants were assigned the role of buyers and sellers,
respectively. Participants did not switch roles throughout the experiment. All players
within a group were labelled (A1 to A4 for buyers, B1 to B4 for sellers), such that all
players could keep track of their past interactions at any time. Players were randomly
20 For example, neighbours meet by accident on the street and exchange information on a particular craftsman, or two
representatives of different firms meet at a conference. 21 A next step could be to let the participants choose what contents to communicate from a menu or to allow free
communication.
48
rematched in pairs in every period. The sequence of actions in each period was as follows:
Participants first played the trust game with a randomly chosen interaction partner. Buyers
could pass on any integer amount between ECU 1 and ECU 10.22
Sellers decided how
much to send back using the strategy method, i.e. for each possible transfer (3, 6, 9, ..., 27,
30) they determined how much they would send back to the buyer, if this was the
transferred amount.
At the end of the trust game sellers learned how much the buyer passed
on to them and buyers learned how much the respective seller they were matched to had
sent back.
After the trust game each buyer had the possibility to pass on information to one
randomly chosen other buyer. Thus, each buyer could send at most one message and
receive between 0 and 3 messages about the performance of different sellers. The core of
our study consists of four treatments where we varied the nature of information that could
be communicated as well as the cost of information transmission. Information transmission
cost was either ECU 0 or ECU 1. As to the nature of information, we consider two
different scenarios:
- OBJ (Objective Information): Buyers could pass on the precise information on the
amount they sent to the seller and the amount returned by the seller to another
randomly selected buyer. Buyers could not lie on the transfers, nor suppress a part
of the information (they could, however, decide not to send the information at all).
- SUB (Subjective Information): Buyers could rate the seller’s behavior on a 5–item
Likert scale (from “very unsatisfied” to “very satisfied”) and pass on the
information to another randomly selected buyer.
We moreover ran two treatments that replicate scenarios already analyzed in other
experiments and that allow us to assess our results in relation to the existing literature. In
our baseline treatment participants could not pass on information at all. One other
treatment comes close to a typical experiment on institutionalized reputation mechanisms
in that reputational information passed on by one player was visible to all other players
within a matching group (we conducted this treatment with “subjective” information and
costs of 1). Table 3.1 summarizes our six treatments.
22 We did not allow buyers to pass on ECU 0 since in this case no information on the trustworthiness of the interaction
partner could be inferred by the respective player.
49
Tabelle 3.1: Überblick zu den Treatments (Table 3.1: Treatments)
Cost of information Cost 0 Cost 1
Visibility of information Private Private Public
Nat
ure
of
info
rmati
on
Objective (OBJ) OBJ_NC OBJ_C
Subjective (SUB) SUB_NC SUB_C SUB_PUB_C
No information transfer possible (NO
INFO) BASE
All experimental sessions were computerized using z-Tree (Fischbacher 2007)
and were
conducted at the Cologne Laboratory for Experimental Research (CLER) and the
Laboratory of Experimental Research Nuremberg (LERN) in January and
August/September 2010. Recruitment took place using ORSEE (Greiner 2004). In total,
288 subjects participated in the experiments. We have six independent observations (i.e.
groups of eight subjects) per treatment. Sessions lasted for approximately 90 minutes (a bit
less in the baseline treatment). Average earnings ranged from Euro 17.29 (Treatment
BASE) to Euro 18.67 (Treatment OBJ_NC) with an overall average of Euro 17.97.
3.4 Ergebnisse (Results)
This section reports all our results. We first illustrate the effect of reputation on trust and
trustworthiness in our treatments in section 3.4.1 before we analyze in detail the patterns of
information transfer in section 3.4.2.
3.4.1 Wirkung von Reputation (The Effect of Reputation)
In this section we report results on trust and trustworthiness in our six experimental
treatments. Our measure for trust is the proportion of the endowment which a buyer passes
on to the seller,
50
(1)
Our measure of trustworthiness is the proportion of the received amount which the seller
returns to the buyer,
(2) .
Table 3.2 summarizes average trust and trustworthiness in our six treatments as well as the
significance levels of pairwise treatment differences.23
Tabelle 3.2: Paarweiser Treatment-Vergleich zwischen dem durchschnittlichen Niveau von
Vertrauen und Vertrauenswürdigkeit (Table 3.2: Pairwise treatment comparisons between
mean trust and trustworthiness levels)
TRUSTWORTHINESS
means SUB_PUB_C SUB_NC SUB_C OBJ_NC OBJ_C BASE
TR
US
T
means 0.59 0.47 0.52 0.52 0.44 0.46
SUB_PUB_C 0.80 X *** *** *** *** ***
SUB_NC 0.71 n.s. X n.s. n.s. n.s n.s.
SUB_C 0.72 n.s. n.s. X n.s. n.s. n.s.
OBJ_NC 0.79 n.s. n.s. n.s. X ** n.s.
OBJ_C 0.65 ** n.s. n.s. ** X n.s.
BASE 0.64 ** n.s. n.s. *** n.s. X
Levels of significance: p<0.01(***), p<0.05(**), p<0.1(*).
As the table illustrates, trust of the buyers differs substantially across treatments. It is
highest in SUB_PUB_C, which may constitute an “upper” benchmark due to the general
availability of any information to all group members. However, the level of trust in
SUB_PUB_C is significantly different only as compared to OBJ_C and BASE. In
treatment OBJ_NC the trust level is not significantly different from our upper benchmark
and neither from the SUB-treatments, but we can show significant difference from OBJ_C
and BASE. Trust is lowest (0.64) in the baseline treatment where reputation formation is
not possible (except for learning from own experiences). It is as low as in treatment OBJ_C
(0.65), where we find no significant difference from the baseline treatment. Thus,
23 If not mentioned otherwise we use pairwise two-tailed Wilcoxon-Mann-Whitney tests to test for differences between
treatments throughout this section. Within each family of comparison we apply the False Discovery Rate (FDR)
Controlling Procedure suggested by Benjamini & Hochberg (1995) to control for type 1 errors with q*=0.1.
51
interestingly, if participants are forced to communicate the exact details of the past
transaction (objective information) trust can only be significantly increased if information
transmission is costless. In the case of costless information transmission, it is used heavily
(see next section) and the additional information that is spread among buyers has a
substantial effect, leading to the same trust level as our “upper benchmark” where
information is publicly available (SUB_PUB_C).
The possibility to privately transmit subjective information (as in SUB_NC and SUB_C)
increases trust weakly (to 0.71 and 0.72, respectively) as compared to the baseline
treatment (0.64). The difference to the baseline treatment however is not statistically
significant. In both treatments, SUB_NC and SUB_C, trust is lower than in OBJ_NC, but
not significantly so. While in the OBJ-treatments the effect of information transmission on
trust depends crucially on transmission cost (via the frequency of information transmission,
see the next section), in the SUB-treatments with private information transmission it has
the same effect with or without cost.24
This is particularly interesting since information
transmission is substantially lower in the presence of cost, as we will show in the following
section.
Table 3.2 moreover suggests that also trustworthiness slightly differs across treatments.
However, there are no significant differences between OBJ_NC, SUB_NC, SUB_C, and
the baseline treatment. In OBJ_C, trustworthiness only is significantly lower than in
OBJ_NC, which indicates that reputation formation may not work as well as in the other
treatments. In SUB_PUB_C, with full information availability, trustworthiness is
significantly higher than in any other treatment, which indicates that reputation formation
is very effective in this treatment. We will get deeper insights in section 3.4.2, where we
analyze the patterns of information transmission in more detail.
Let us note at this point that our baseline treatment shows slightly higher values of trust
and trustworthiness than previous experiments. The difference is likely due to the fact that
identities are observable in our baseline treatment, while in most other studies the trust
game has been analyzed under random matching and with anonymous interaction (See, for
example Berg, Dickhaut & McCabe (1995), or Keser (2003)). Keser (2003) reports a trust
level of 0.39 in a baseline treatment, which rises to 0.61 in the presence of a reputation
management system. Trustworthiness increases from 0.33 to 0.49 in her study.
24 No significant difference.
52
Tabelle 3.3: Paarweiser Treatment-Vergleich zwischen dem durchschnittlichen Gewinn
von Käufern und Verkäufern (Table 3.3: Pairwise treatment comparisons between average
buyers’ and sellers’ profits)
Average Profit Sellers
means SUB_PUB_C SUB_NC SUB_C OBJ_NC OBJ_C BASE
Av
era
ge
Pro
fit
Bu
yer
s
means 19.24 19.63 19.50 20.38 19.73 19.06
SUB_PUB_C 16.82 X n.s. n.s. *** n.s. n.s.
SUB_NC 14.56 ** X n.s. n.s. n.s n.s.
SUB_C 14.92 n.s. n.s. X n.s. n.s. n.s.
OBJ_NC 15.46 * n.s. n.s. X n.s. *
OBJ_C 13.32 *** n.s. n.s. ** X n.s.
BASE 13.70 *** n.s. n.s. ** n.s.
Levels of significance: p<0.01(***), p<0.05(**), p<0.1(*).
Table 3.3 illustrates treatment differences in average profits, separately for buyers and
sellers.25
Obviously, buyer profits are highest in treatments OBJ_NC and SUB_PUB_C,
where trust and trustworthiness are at high levels. Seller profits are highest in OBJ_NC. In
OBJ_C, on the contrary, buyer profits are even lower than in the baseline treatment
(although not significantly) while sellers earn more, which is consistent with the low level
of trustworthiness. Again, our findings indicate that reputation formation does not work out
if transmission of objective information is costly. In both SUB–treatments with private
information transmission, both parties’ profits increase slightly (but not significantly) as
compared to the baseline treatment, but not as much as in OBJ_NC.
The variation of trust over time in our six treatments is illustrated in Figure 3.1, whereas
Figure 3.2 shows the variation over time for trustworthiness. As the figures show, in
aggregate, with the possibility to transmit objective information at zero cost, both trust and
trustworthiness are always higher than in the baseline experiment, with all other treatments
somewhere in between. The dramatic drop in trust and trustworthiness towards the end of
the interaction is a typical end-game effect.
25 For buyers these are profits from the transaction itself, not taking into account the cost of information transmission.
53
Abbildung 3.1: Vertrauen im Zeitverlauf
(Figure 3.1: Trust over time)
Abbildung 3.2: Vertrauenwürdigkeit im
Zeitverlauf (Figure 3.2: Trustworthiness
over time)
We summarize our findings in the following result.
Result 1 (Trust and Trustworthiness)
(i) If no information transmission is possible, trust and trustworthiness are at the lowest
levels among all treatments.
(ii) Publicly available subjective information yields the highest levels of trust and
trustworthiness, even though information transmission is costly.
(iii) Among our four treatments with private information transmission, the highest level of
trust is attained if objective (detailed) information on transactions can be passed on at
no cost. Objective information is not effective if transmission is costly.
(iv) If subjective information can be passed on to other participants, the same intermediate
level of trust is established, independent of the cost of information transmission.
(v) Trustworthiness is basically unaffected by private information transmission and
positively affected if information is publicly available.
We will now analyze the patterns of information transmission which sheds light on the
dynamics of reputation formation in our experiment.
54
3.4.2 Determinanten der Reputationsentstehung (Determinants of Reputation
Formation)
In this section we analyze the pattern of information transmission in the five treatments
where information transmission is possible, and relate the findings to our results in section
3.4.1. Information transfer over time in the five treatments is illustrated in Figure 3.3.
As one would expect, a much higher proportion of participants transmits information if it is
costless.26
Moreover, in all treatments information transmission starts out at a rather high
level and then decreases over time.27
While in the treatments with positive cost (OBJ_C,
SUB_C and SUB_PUB_C) information transmission follows the same pattern,28
this is not
the case for costless information transmission. Whereas the transmission of objective
information in OBJ_NC stays at a high level (over 70% of participants transmit
information until the very end of the experiment), the transmission of subjective
information decreases to below 50% in the last periods. Whereas average information
transfer is not significantly different during the first half of the experiment, it is
significantly higher in OBJ_NC in the second half of the experiment (p<0.1).
26 Frequencies in costless treatments are significantly higher than in any other costly treatment (p<0.01 for any
comparison). 27 A two-tailed Wilcoxon Signed Rank Test comparing the frequencies in the first half and the second half of each
treatment reveals that information transfer is significantly reduced over time (p<0.05 for SUB_C and OBJ_C, p<0.1 for
all other treatments). 28 A pairwise two-tailed Wilcoxon-Mann-Whitney Test reveals no difference between these three treatments. This result
holds also when testing for the first and the second half of the experiment separately.
55
Abbildung 3.3: Weitergabe von Information im Zeitverlauf (Figure 3.3: Information
transmission over time)
The last column of Table 3.4 shows the average proportion of participants that transmitted
information in our five treatments. The cells below the table’s diagonal contain
information on the significance of the differences in information transmission across
treatments. We find that there is no significant difference in the average frequency of
information transmission between the treatments with costly information transmission
despite the difference between SUB_PUB_C and OBJ_C. Also for the two treatments with
costless information transmission we find no difference with respect to the overall mean.
Between treatments with costly and costless information transmission, however, we find
significant differences. In the cells above the diagonal the differences in slopes are
displayed. Here we see that only the OBJ_NC treatment differs significantly from all other
treatments: Whereas the latter show strongly decreasing transmission rates over time, the
slope of OBJ_NC is significantly less negative. A slight significant difference can be
reported for the slope effect between SUB_C and SUB_NC. More obvious differences can
be found in the slope effects of SUB_PUB_C: with exception of SUB_NC we have
significant differences to all the other treatments.
56
Tabelle 3.4: Durchschnittlicher Anteil der Teilnehmer, die Information weitergegeben
haben (Durchschnitt) und Unterschiede in Niveau und Steigung zwischen den Treatments
(Table 3.4: Average proportion of participants that transmitted information (mean) and
differences in level and slopes between treatments)
Slope effect (interaction period x treatment) means
OBJ_NC SUB_NC SUB_C OBJ_C SUB_PUB_C
Level
effect
OBJ_NC X *** *** *** * 0.82
SUB_NC n.s. X * n.s n.s. 0.67
SUB_C *** *** X n.s. ** 0.18
OBJ_C *** *** n.s. X ** 0.17
SUB_PUB_C *** *** n.s. * X 0.25
Estimates taken from mixed-effects logistic regression.
We finally analyze the patterns of information transfer using a multilevel structure model
for multivariate analysis. We estimated a three level variance-components model: First, the
data set has a panel structure since subjects repeatedly interact over 36 rounds. Second, as
participants were assigned to matching groups of eight subjects the individuals are nested
in groups (Rabe-Hesketh & Skrondal 2008). Keeping in mind the interaction between
buyers and sellers we have also to provide for crossed random effects because the decision
to transfer information cannot be treated independently from the pairs’ composition and
their interactions. As both are interacting on the same level, these random effects are not
hierarchically nested, but crossed on the individual level (Rabe-Hesketh & Skrondal 2008;
Snijders & Bosker 1999). Therefore we integrate cross-random effects in the three level
variance-components model.29
Table 3.5 summarizes our findings. Model 1 displays our basic specification. The first
three independent variables are treatment dummies with SUB_NC (“subjective information
without cost”) as our reference treatment. The regression clearly confirms that the
existence of transmission cost decreases information transmission substantially (the
coefficients of the treatments including costs are negative and highly significant).
Comparison of the zero cost treatments reveals that the probability to pass on information
is higher if objective information has to be passed on.
29 Due to potential information transfer from a sender Ax to a receiver Ay there have further crossed random effects to be
considered on the individual level. Due to a very small group size the variance of this random effect is therefore almost
zero, so an integration of this crossed-random effect in the model is not necessary.
57
As we have shown in our descriptive analysis, the rate of information transmission
decreases over time. Our model 2 tries to capture those effects by including the interaction
effects between treatment dummies and time. The regression confirms the evidence from
figure 3.3 and table 3.4: the probability of information transmission in the treatment
OBJ_NC (objective information without costs) decreases at a significantly lower rate over
time as compared to treatment SUB_NC (subjective information without costs).30
This may
be due to the nature of subjective information, which may accumulate subjective
information of previous interaction over time, such that the need to communicate declines,
especially considering the high correlation between the combination of transfer and rate of
return and satisfaction with the transaction which points to the fact that there is a
consensual understanding among participants of how to rate a transaction. Alternatively
one might argue that transmission of cumulative information is more costly than the
transmission of “objective information”. The agent has to translate his own experience and
the information obtained on the interaction partner by others into a rating. Since
information is less valuable towards the end of the experiment, a simple cost benefit
argument may explain the more rapid decline.
The regression analysis yields additional insights into the pattern of information
transmission. First, an amount passed on to the seller (investment x) clearly leads to higher
information transmission rates by the respective buyers. However, this effect is not linear
and decreases with very low and very high investments (the squared effect of investment is
negative). This might be due to the fact that in early periods buyers experiment with
intermediate investments and at the same time very actively transmit information. In later
stages, when buyers “know” sellers by reputation and experience, they may choose to
invest either high or low amounts (according to the respective seller’s reputation) while
more rarely transmitting information. The ratio of the buyer`s investment to the seller’s
return (rate of return) has a negative effect on the probability of information transmission.
The less trust is honoured by the seller, the higher is the probability to inform another
buyer. This indicates that especially negative reputation is produced by the buyers.
30 Facing the complexity of interpreting interaction effects in non-linear models (Norton, Wang & Ai 2004). We also
estimated a linear multilevel model (see e.g. Angrist & Pischke 2009). The directions of the tested interaction terms are
the same as in model 2.
58
However, the effect is again not linear which indicates that either very bad or very good
experiences are reported to other buyers with a stronger bias to bad experience.31
Tabelle 3.5: Weitergabe von Information (Table 3.5: Information transmission)
Random-intercept-models (maximum likelihood estimations), logistic regressions.
Dependent variable “0= no information transfer”, 1=”information transfer
Levels of significance: p<0.001 (***), p<0.01 (**), p<0.05 (*)
31 Actually, it can be seen in the SUB-treatments that while at the beginning an equal share of “positive” and “negative”
information is transmitted the share of “negative” information increases towards the end. The less costly (SUB_NC) and
the more effective (SUB_PUB_C) the information is the longer it takes “negative” information to dominate the system.
Model 1 Model 2
treatments (ref.: subjectiv, c=0) objective, c=0 1.359*
(0.565) 0.126
(0.670) subjective, c=1 -3.639***
(0.575) -3.411***
(0.661) objective, c=1 -3.662***
(0.570) -3.591***
(0.654) period (p)
-0.097*** (0.006)
-0.106*** (0.011)
investment (x) 0.400*** (0.110)
0.373** (0.112)
investment2 (x
2) -0.0341***
(0.009) -0.032** (0.009)
rate of return (return/x) -1.541*** (0.352)
-1.616*** (0.363)
rate of return2 ( return
2/x) 0.302
(0.157) 0.317* (0.159)
information received in p-1 0.643*** (0.120)
0.594*** (0.120)
interaction effects: objectice, c=0 * period 0 .056***
(0.015) subjective, c=1 * period -0.024
(0.018) objective, c=1 * period
-0.012 (0.018)
Constant 3.486*** 3.809***
random effect parameters: groups (sd) 0.327
(0.473) 0.388
(0.427) individuals (sd) 1.605
(0.176) 1.638
(0.180) partners’ identity (sd) 0.620
(0.096) 0.622
(0.096) N 3360 3360 Log likelihood -1263.2205 -1250.515 LR (chi
2) 532.99*** 541.85***
59
Finally, we analyze how receiving information from another buyer influences the
willingness to pass on information subsequently, either to this particular buyer or in
general to other buyers. The variable “reciprocity” takes on value 1 if the buyer under
consideration has received information in the previous period. We can see that reciprocity
plays a major role for the decision to transmit information. A buyer who received
information about a seller in the previous period – either from another or the same buyer he
got matched with in the respective round – is significantly more likely to pass on
information to another buyer in the next period. As standardized coefficient reveal (not
shown) this effect is pretty strong and exceeds even the effect of the buyer’s investment
and the ratio of investment to seller’s return.
Looking at the random effect parameters we can find that the intra-class correlation on the
individuals’ level is highest; approximately 40 percent of the total variance is explained on
this level. This means that the individuals’ level seems to have to highest impact on
information transfer, group dynamics and the pairs’ composition of buyers and sellers
seem to matter less.
Result 2 (Information Transmission)
(i) If information transmission is costless it is used after more than 80% of the
transactions in the first half of the experiment and declines (more rapidly if subjective
information is passed on) in the second half.
(ii) If information transmission is costly it is initially used after roughly 40% of the
transactions and rapidly declines. Almost no information is transmitted in the second
half of the experiment.
(iii) A buyer more likely passes on information to another buyer if (a) he has passed on a
high amount to the seller and/or (b) the rate of return was low. The latter indicates that
rather negative information is transmitted.
(iv) There is evidence for reciprocity: Buyers pass on information more likely if they
received information in the previous round.
60
3.5 Schlussbemerkungen (Conclusion)
In this paper we have analyzed the patterns of information transmission and the
development of trust and trustworthiness in standard trust games where reputational
information can be exchanged between individual agents but does not become publicly
available. Our design was driven by the desire to obtain insights into the process of
reputation formation in the absence of institutionalized mechanisms (as commonly used in
online markets). In our experimental treatments we varied the nature of information that
could be transmitted (either a subjective rating or the objective details of a transaction), as
well as the cost of information transmission (either zero or slightly positive).
We find that information transmission is heavily used if it is costless but only moderately if
it has positive cost. Objective information on the details of a transaction does only
effectively increase trust and trustworthiness if it is heavily used. If objective information
is costly and therefore moderately used, it does not increase trust and trustworthiness above
a level without information exchange. Subjective information (a rating) seems to be more
effective in the following sense: Although the level of trust and trustworthiness do not
reach the maximum levels attained if objective information is used heavily, market
performance is independent of the extent of information transmission. Trust is above a
baseline scenario without information transmission independently of the cost of
information transmission for transmission of subjective information and if objective
information is transmitted at zero cost. Trustworthiness is not affected by the transmission
of private information. Our results suggest that subjective ratings more effectively
aggregate information that is in the market and therefore is effective also if it is used only
moderately due to positive transmission cost. A comparison with a baseline treatment
where information transmission is not possible clearly indicates that private information
transmission may contribute to higher levels of trust (and thus, increase efficiency), but not
induce higher levels of trustworthiness. Nevertheless, both parties to the transaction benefit
on average since in all treatments trustworthiness is high enough to yield incentives for the
buyer to trust. However, reputation formation by individual exchange of information does
not yield levels of trust and trustworthiness attained in a second benchmark treatment,
where information on interactions becomes publicly available.
Note that our experimental results contradict the prediction of a model with rational and
selfish agents but is well in line with standard experimental evidence. While standard game
theoretic analysis would predict zero investment and no information transmission, we
61
observe both, positive investment and effective use of the possibility to generate
reputational information. Within an interaction group of eight players the group’s ability to
establish reputational information is decisive for the possibility to increase efficiency of the
market and profitability of transactions for all parties. In a regression analysis we obtain
additional insights on the driving forces of this process of reputation formation:
Information transmission is fostered (a) if buyers trusted sellers, i.e. passed on high
amounts, (b) if buyers are exploited (i.e. experience low return rates), and (c) if buyers
have received information in the previous round by another buyer. In particular the last
point illustrates that group dynamics play an important role also in informal reputation
formation.
We have shown that costs for reputation transmission are essential for the emergence of
reputation in economic systems. In real life, those costs should be associated with the
structure of communication of the actors like communication channels, frequency of
contacts or the density of the actor’s networks. Hence future research should focus on the
role of these structural determinants for the transmission or reputational information.
62
4 Worauf achten Arbeitgeber im Auswahlprozess von
Hochschulabsolventen? Ergebnisse eines faktoriellen Surveys unter
besonderer Berücksichtigung der Bedeutung von
Hochschulreputation32
Zusammenfassung: Arbeitgeber sehen sich im Auswahlprozess neuer Mitarbeiter
hinsichtlich deren Produktivität Unsicherheit ausgesetzt. Dies betrifft insbesondere die
Rekrutierung von Berufsanfängern. Der Beitrag widmet sich in diesem Sinne der Frage,
auf welche Kriterien Entscheidungsträger in Unternehmen bei der Rekrutierung von
Hochschulabsolventen achten. Auf Grundlage signaltheoretischer Überlegungen wird
angenommen, dass individuelle Kompetenzen der Bewerber entscheidend sind. Vor dem
Hintergrund veränderter Hochschulstrukturen in Deutschland, die sich besonders deutlich
anhand der neuen Studiengänge und -abschlüsse Bachelor und Master zeigen, wird darüber
hinaus untersucht, ob zur Verringerung der Unsicherheit auch die Reputation von
Universitäten als Signal in den Auswahlprozess einbezogen werden kann. Die
Fragestellung wird mit einem faktoriellen Survey untersucht. Die Befunde hieraus zeigen,
dass die individuelle Qualifikation des Bewerbers entscheidenden Einfluss auf die
Erfolgschancen nimmt: Arbeitgeber beziehen die Abschlussnote in ihre Entscheidung ein,
allerdings nicht in einem stärkeren Maße als andere individuelle Kriterien. So erhöht
insbesondere Praxiserfahrung die Wahrscheinlichkeit zu einem Vorstellungsgespräch
eingeladen zu werden. Auch Auslandserfahrung und ehrenamtliches Engagement erhöhen
die Erfolgschancen. Hochschulreputation kommt in diesem Prozess nahezu keine
Bedeutung zu.
4.1 Einleitung
Personalentscheider sehen sich im Auswahlprozess neuer Mitarbeiter ex ante
unvollständiger Information hinsichtlich der Produktivität von Bewerbern ausgesetzt
(Arrow 1973; Garibaldi 2006; Spence 1973). Diese Informationsasymmetrie betrifft ein
suchendes Unternehmen vor allem dann, wenn es um die Rekrutierung von
Berufsanfängern geht: Mit vergleichsweise wenig Erfahrung ausgestattet zeigt der
Berufseinsteiger in seiner Bewerbung wenig verlässliche Information anhand derer ein
Personalverantwortlicher die Entscheidung über eine Einstellung treffen kann (Altonji &
32 Dank geht an die Kurt Glässer-Stiftung für die finanzielle Unterstützung der Studie „Einstellungskriterien von
Hochschulabsolventen“, auf deren Daten dieser Beitrag gründet. Die Verfasserin dankt zudem Sebastian Bähr, Andreas
Damelang und Bernhard Schrauth für wertvolle Hinweise und Kommentare.
63
Pierret 2001). Hinsichtlich der Gruppe der Hochschulabsolventen kommt dieser
Mechanismus besonders vor dem Hintergrund des umgreifenden Wandels, den die
deutsche Hochschullandschaft derzeitig erlebt, zum Tragen. Mit der Bologna-Reform hat
sich die Studienstruktur in Deutschland flächendeckend verändert, indem Diplom und
Magister weitgehend von neu strukturierten Studiengängen mit Bachelor- und
Masterabschlüssen abgelöst wurden. Infolgedessen herrscht vor allem bei der Einschätzung
der Bachelor-Abschlüsse derzeitig noch eine große Unsicherheit (vgl. z. B. Banscherus,
Himpele & Staack 2010). Diese Entwicklungen verstärken somit die ohnehin von
Unsicherheit geprägte Rekrutierung von Hochschulabsolventen.
In diesem Sinne stellt sich die Frage, ob die Reputation von Universitäten und
Hochschulen im Auswahlprozess Hilfestellung bietet. Der Ruf einer Organisation kann
sich über verschiedene Kanäle, wie beispielsweise durch die Presse (Fombrun & Shanley
1990) oder durch Informationen aus dem persönlichen Netzwerk, auf das der Nachfrager
eines Produktes oder einer Dienstleistung zurückgreifen kann, verbreiten (Abraham &
Meyer 2012; Buskens & Weesie 2000; Uzzi & Lancaster 2004). Im speziellen Kontext der
Hochschulreputation nehmen seit einiger Zeit Hochschulrankings eine bedeutsame Rolle
ein: Rangvergleiche zwischen Hochschulen sollen Studieninteressierten,
Hochschulmanagern und nicht zuletzt Personalentscheidern mehr Informationen zu den
Inhalten und der Qualität einzelner Bildungseinrichtungen liefern (Dill & Soo 2005). In
diesem Sinne können Rankings als institutionalisierte Reputation verstanden werden
(Bastedo & Bowman 2010).
Der vorliegende Beitrag greift das Problem der Informationsasymmetrie im
Auswahlprozess von Hochschulabsolventen auf. Hierbei wird untersucht, auf welche
Bewerbermerkmale Entscheider in Unternehmen bei der Vorauswahl potenzieller
Mitarbeiter achten. Dabei soll geklärt werden, in welchem Ausmaß der Name einer
Universität von Personalentscheidern als Informationsmerkmal wahrgenommen und in den
Auswahlprozess einbezogen wird. Von besonderem Interesse ist hierbei, welchen
Stellenwert der Name der Bildungseinrichtung, an der ein Bewerber studiert hat, im
Vergleich zu seinen personenspezifischen Merkmalen einnimmt. Zur Untersuchung der
skizzierten Forschungsfragen werden vor dem Hintergrund signaltheoretischer
Überlegungen Hypothesen aufgestellt und ergänzt durch Annahmen zur Bedeutung von
Netzwerken und dem Einfluss räumlicher Nähe von Organisationen. Die empirische
Überprüfung basiert auf Daten einer bundesweiten Befragung unter Fachführungskräften
64
in Unternehmen, bei der erfragt wurde, welche Kriterien bei der Einstellung von
Hochschulabsolventen wirtschaftswissenschaftlicher Studiengänge wichtig sind. Für die
Fragestellung dieses Beitrags erfolgt die Analyse von Daten aus dem in die Studie
integrierten faktoriellen Survey. Mithilfe dieser quasi-experimentellen Methode soll der
Einfluss individueller Kompetenzen im Vergleich zur Bedeutung von Hochschulreputation
untersucht werden.
4.2 Unsicherheit im Such- und Auswahlprozess von Hochschulabsolventen
Entscheidungen im Such- und Auswahlprozess neuer Mitarbeiter sind geprägt von
Unsicherheit. Fragt ein Arbeitgeber Arbeitskraft nach, so sieht er sich mangelnder
Information hinsichtlich der tatsächlichen Produktivität des potenziellen Angestellten
ausgesetzt (Arrow 1973; Spence 1973). Gemäß der Humankapitaltheorie investieren
rationale Akteure in Bildung, um die eigene Produktivität zu steigern und damit höhere
Löhne am Arbeitsmarkt zu erzielen. Auf Grundlage des vorhandenen Humankapitals
können Arbeitgeber so im Auswahlprozess eine Einschätzung bezüglich der
Leistungsfähigkeit des Bewerbers vornehmen (Becker 1964; Schultz 1961). Allerdings
wissen Arbeitnehmer besser um ihre eigenen Fähigkeiten und ihre Produktivität als ein
Arbeitgeber (Garibaldi 2006), dementsprechend entsteht eine Informationsasymmetrie
(Akerlof 1970). Diese ist besonders groß, wenn es sich um junge Hochschulabsolventen
handelt (vgl. z. B. Otte 2003), die nach Beendigung ihres Studiums erstmalig in den
Arbeitsmarkt eintreten: Personalentscheidern in Unternehmen bleiben häufig nur die
Merkmale des Bildungsabschlusses, um junge Berufseinsteiger ex ante beurteilen zu
können (Altonji & Pierret 2001), da diese über keine bzw. vergleichsweise wenig
praktische Erfahrungen verfügen. Gerade bei der Einschätzung potenzieller Mitarbeiter
hinsichtlich ihrer Produktivität stellt aber der Grad der Berufserfahrung ein wichtiges
Kriterium dar (Mincer 1974).
Die somit ohnehin von Unsicherheit geprägte Einschätzung von Hochschulabsolventen
wird derzeitig in Deutschland vor dem Hintergrund veränderter Rahmenbedingungen in
der Hochschullandschaft noch zusätzlich verstärkt. Mit der Bologna-Reform wurden
Struktur und Aufbau von Studiengängen an Universitäten und (Fach-)Hochschulen stark
modifiziert. Dies zeigt sich in erster Linie durch die Einführung von Bachelor- und
Masterstudiengängen. Begreift man Studienabschlüsse als Institutionen, an deren Inhalten
sich Marktakteure orientieren, um verlässliche Entscheidungen treffen zu können (Nee
65
2005), so ruft die Einführung neuer Studienabschlüsse weitere Verunsicherung hervor, da
sich die neuen Studienabschlüsse erst etablieren müssen.
4.2.1 Reputation als Signal
Wie die Humankapitaltheorie greifen auch signaltheoretische Ansätze (Spence 1973;
Stiglitz 1975; Weiss 1995) das ex ante bestehende Informationsproblem für Arbeitgeber
auf. Aus Sicht der Signaltheorie können Merkmale von Bewerbern als Signal dienen, um
eine Aussage über die Produktivität des potenziellen Mitarbeiters zu treffen. Spence (1973)
unterteilt dabei Bewerbermerkmale, mithilfe derer ein Arbeitgeber potenzielle Mitarbeiter
vorab einschätzen kann, in personenbezogene Attribute und Signale. Während es sich bei
ersteren um Eigenschaften wie Geschlecht oder Hautfarbe handelt, also um
personenimmanente Merkmale, die äußerlich erkennbar, aber unveränderlich sind, zählt
beispielsweise die Ausbildung zu Signalen, die der rationale Akteur selbst beeinflussen
kann. Demzufolge beinhalten die Signale eines Bewerbers bewusste
Investitionsentscheidungen, die vom Arbeitgeber wiederum als Grundlage zur Bemessung
von Lohn herangezogen werden. Eine gezielte Investition in ein Signal wie beispielsweise
Bildung ruft dabei Kosten hervor. Diese werden als so genannte signalling costs
bezeichnet, die allerdings in Kauf genommen werden, um nach der Ausbildung am
Arbeitsmarkt eine adäquate Rendite zu generieren. Dieser Argumentation folgend werden
Bildungsentscheidungen unter Berücksichtigung der Wirkung getroffen, die diese Signale
beim Arbeitgeber auslösen. Dieser kann durch den sogenannten Prozess des Screenings
Bewerber besser einschätzen, da die Signale Rückschlüsse auf unbeobachtbare
Eigenschaften zulassen (Weiss 1995), auf die der Arbeitgeber aufgrund früherer
Erfahrungen, die er mit der Einstellung von Hochschulabsolventen gemacht hat,
zurückgreifen kann (Arrow 1973).
4.2.2 Hochschulreputation
Neben der Kenntnis über die individuellen Kompetenzen erhält der Personalentscheider im
Auswahlprozess auch die Information, an welcher Bildungseinrichtung ein Bewerber
seinen Abschluss erlangt hat. Demzufolge kann die Reputation der jeweiligen Hochschule
im Sinne der Signaltheorie ebenfalls als Informationsmerkmal genutzt werden. Begreift
man Reputation als Information über einen Akteur, mithilfe derer positive wie negative
Eigenschaften jenes Akteures beschrieben werden (Wilson 1985), so kann sie dazu
66
beitragen Informationsasymmetrien am Markt abzubauen (vgl. z.B. Ellickson 1991; Raub
& Weesie 1990). Nach Shrum & Wuthnow (1988) nimmt dabei die Bedeutung von
Reputation mit steigender Informationsasymmetrie zu. Fombrun (1996) zufolge hilft der
gute Ruf, die Glaubwürdigkeit von Anbietern am Markt zu erhöhen, indem Konsumenten
stärker darauf vertrauen können, dass sie die versprochene Leistung auch erhalten.
Reputation kann daher als immaterielles Kapital bezeichnet werden (vgl. z. B. Rindova,
Williamson, Petkova & Sever 2005), durch das sich Organisationen am Markt
entscheidende Wettbewerbsvorteile verschaffen können (Barney 1991; Fombrun &
Shanley 1990). Empirische Befunde weisen darauf hin, dass kurzfristig eintretende,
negative Ereignisse imstande sind, den guten Ruf einer Organisation zunichte zu machen
(Fombrun & Shanley 1990; Schwalbach 2000). In diesem Kontext zeigt Schwalbach
(2000) aber auch auf, dass „Unternehmen in Branchen, die eine hohe Reputation genießen,
eher gegen Reputationsschwankungen gefeit sind“ (Schwalbach 2000, S. 13).
Die Reputationsinformation über einen Akteur kann dabei öffentlich zugänglich sein,
indem beispielsweise dessen Ruf über die Medien bekannt und damit für jeden sichtbar
gemacht wird oder Organisationen durch entsprechende Kommunikationsstrategien selbst
zum Aufbau von Reputation beitragen (Fombrun & Riel 1997; Fombrun & Shanley 1990;
Schwalbach 2000). Auch Online-Bewertungssysteme wie beispielsweise e-Bay erzeugen
Reputation, die offen einsehbar ist (Bolton, Katok & Ockenfels 2004; Diekmann & Wyder
2002). Diese öffentlich zugängliche, teils durch formale Regeln geschaffene Information
über einen Akteur lässt sich als institutionalisierte Reputation bezeichnen (Abraham,
Grimm, Meyer & Seebauer 2012; Abraham & Meyer 2012). Dagegen kann
Reputationsinformation auch informell in sozialen Systemen zwischen Akteuren
weitergegeben werden (Burt 2005; Granovetter 1985; Sommerfeld, Krambeck & Milinski
2008; Sommerfeld, Krambeck, Semmann & Milinski 2007).
Absolventen einer Hochschuleinrichtung können in diesem Kontext als Träger deren
Reputation verstanden werden, da ein Individuum nicht nur über eine persönliche
Reputation verfügt, sondern auch die Reputation einer Gruppe widerspiegelt, der es
angehört (Tirole 1996). Eine solche gruppenspezifische Reputation ermöglicht es, den
einzelnen Bewerber besser einzuschätzen. Im Kontext der Reputation von Organisationen
lässt sich Hochschulreputation somit als institutionalisiertes Signal begreifen. Dies setzt
voraus, dass alle beteiligten Akteure über dieselbe Reputationsinformation verfügen und
diese glaubwürdig ist (Milgrom & Roberts 1992). Gute Schulabsolventen können durch die
67
gezielte Wahl einer Top-Universität dem späteren Arbeitgeber ihr Potenzial signalisieren
(Opitz 2004, S. 17-21), indem sie eine Universität mit einem guten Ruf wählen, wissend,
dass auch Arbeitgeber Kenntnis über die positive Reputation jener Hochschuleinrichtung
haben. Falls diese Information nicht vorhanden ist oder Reputation für unterschiedliche
Gruppen von Akteuren eine unterschiedliche Bedeutung impliziert, so stellt Reputation
nach Auffassung der Signaltheorie keine Information bereit, die zum Abbau von
Informationsasymmetrie beitragen kann. Dementsprechend entfaltet Hochschulreputation
nur dann eine Signalwirkung, wenn mit der Hochschulwahl aussagekräftige
Investitionskosten einhergehen, die von allen beteiligten Akteuren als solche
wahrgenommen werden.
Dieser Argumentation folgend spielt Reputation in einem hierarchischen Bildungsmarkt
(Winston 1999), wie er beispielsweise in der US-Hochschullandschaft vorzufinden ist, eine
durchaus bedeutsame Rolle: So zeigt Opitz (2004) auf, dass es eine kleine Zahl von
Hochschulen gibt, die sich – oftmals über längere Zeit – als Spitzenuniversität behaupten
können. Dies resultiert daraus, dass sich jene Hochschulen beispielsweise mithilfe einer
generösen Forschungsausstattung einen guten Ruf erarbeiten. Dieser impliziert, in
welchem Ausmaß in das Humankapital von Studierenden investiert wird. Gelingt es der
Universität, dies auch Arbeitgebern zu verdeutlichen, so ist ein sich selbstverstärkender
Prozess zu beobachten. Hochschulen mit einem guten Ruf behalten diesen in der Regel
über einen langen Zeitraum (Hartmann 2006).
4.2.3 Hochschulrankings
Hinsichtlich der Verbreitung von Hochschulreputation wird insbesondere mit Rankings der
Versuch unternommen, die Leistung von Bildungseinrichtungen vergleichbar zu machen,
um so verschiedene Zielgruppen über die Qualität unterschiedlicher Bildungseinrichtungen
zu informieren (Dill & Soo 2005). In erster Linie werden damit Studieninteressierte
angesprochen, aber auch Hochschulmanager, Politiker und Personalentscheider in
Unternehmen sollen auf diese Weise Einblicke zur Qualität von Hochschulen erhalten
(Bowman & Bastedo 2011).
Analog zur internationalen Entwicklung einer Zunahme von Hochschulrankings (King
2009) setzte auch in Deutschland zu Beginn der 1990er Jahre der Trend zur
Veröffentlichungen von Rankings in Magazinen, wie beispielsweise im SPIEGEL ein, ehe
68
mit dem Centrum für Hochschulentwicklung (CHE) ein eigenes Institut mit der
Erforschung von Hochschulvergleichen betraut wurde. Diese werden durch die
Veröffentlichung in der Wochenzeitung DIE ZEIT mittlerweile ebenfalls journalistisch
publiziert (ZEIT-Online 2012). Seit einigen Jahren ist zudem der Trend zu beobachten,
globale Leistungsvergleiche zu generieren. So erstellen beispielsweise das Times Higher
Education Supplement oder das Ranking der Shanghai Jiaotong Universität weltweite
Rankings (Shin & Toutkoushian 2011). Methode und Inhalt nationaler wie internationaler
Vergleiche werden dabei immer wieder kritisch diskutiert (vgl. z. B. DGS 2012; Glaser
2012). Die Ergebnisse hängen maßgeblich von den verwendeten Kriterien ab. Dabei
kommen Aspekte wie die Qualität der Lehre oder das Maß gesellschaftlichen Engagements
einer Hochschule in vielen Fällen zu kurz. Auch die Gewichtung einzelner Faktoren kann
zu Verzerrungen führen, wenn beispielsweise bestimmte Fächergruppen Vorrang genießen
und dabei andere wiederum kaum berücksichtigt werden (Dill & Soo 2005; Marginson &
van der Wende 2007). In einigen Rankings werden die Teilnehmer der Erhebung direkt
nach dem Ruf von Hochschulen befragt. Diese sogenannten Reputation Scores sind
ebenfalls nicht unumstritten, da sich hierbei das Kriterium der Hochschulreputation nicht
unabhängig von anderen Merkmalen erheben lässt (Glaser 2012). Somit kommen
Hochschulrangvergleiche der Reputation selbst gleich (Bastedo & Bowman 2010).
Rankings werden daher im Folgenden als institutionalisierter Reputationskanal betrachtet,
über den Interessensgruppen Informationen über eine Einrichtung und somit auch über die
Gruppe, die von dieser Einrichtung stammt, erlangen können.
4.2.4 Aktueller Forschungsstand
Das Problem der Informationsasymmetrie bei der Einschätzung von Humankapital wurde
unter anderen von Franck & Opitz (2001); Franck & Opitz (2004) aufgegriffen. Sie zeigen
hierbei, wie Hochschuleinrichtungen als Signal für die Filterung von High Potentials
dienen können (Franck & Opitz 2004; Opitz 2004). In einem weiteren ihrer Beiträge
thematisieren sie die Bedeutung von Studiengebühren als Signal für die Qualität der
Hochschuleinrichtung (Franck & Opitz 2001).
Der aktuelle Forschungsstand zur Reputation von Hochschulen zeigt sich insbesondere in
Bezug auf Hochschulrankings als sehr vielfältig. Studien zu diesem Thema konzentrieren
sich häufig auf Studieninteressierte als Zielgruppe, wobei für die USA „mit ihren in der
öffentlichen Meinung fest verankerten Rankings“ (Hartmann 2006, S. 456) mehrfach
69
empirisch belegt werden konnte, dass Informationen aus derartigen Rangvergleichen
häufig bei der Hochschulwahl einbezogen werden (Bowman & Bastedo 2009;
McDonough, Lising, Walpole & Perez 1998). Auch der selbstverstärkende Effekt, mithilfe
dessen Hochschulen über einen längeren Zeitraum die Topplatzierungen einnehmen,
konnte empirisch gezeigt werden (Bowman & Bastedo 2009). Nach Dill & Soo (2005)
nutzen in angelsächsischen Ländern insbesondere statusaffine Studieninteressierte aus
Haushalten mit hohem Einkommen und hohem sozialen Status die Hochschulrankings. Im
Hinblick auf weltweite Hochschulvergleiche zeigt sich, dass in erster Linie
Studieninteressierte, die im Ausland studieren möchten, auf diese blicken. Dies ist vor
allem bei asiatischen Schulabgängern festzustellen (Shin & Toutkoushian 2011).33
Die Bedeutung von Hochschulreputation für den Einstieg in den Arbeitsmarkt und den
weiteren Karriereverlauf wurde unter anderen von McGuinness (2003) untersucht. Die
Studie zeigt für das Vereinigte Königreich auf, dass die Arbeitsmarktchancen von
Berufseinsteigern in erster Linie von Studienfach und Abschlussnote beeinflusst werden,
und nicht so sehr von der gewählten Hochschuleinrichtung. Für Deutschland sollte die
Hochschulreputation nach Opitz (2004) ebenfalls in geringerem Ausmaß als
Filtermechanismus dienen, da hierzulande keine Eliteuniversitäten die Rankings
bestimmen; vielmehr zeigt sich die Qualität der Hochschulen auf einem hohen
Durchschnittsniveau (Tietzel, van der Beek & Müller 1998). Vor dem Hintergrund der
2005 erstmalig von Bund und Ländern ins Leben gerufenen Exzellenzinitiative stellt sich
allerdings die Frage, ob sich zukünftig nicht auch die deutsche Hochschulland in Richtung
eines zunehmend vom Wettbewerb bestimmten Systems entwickelt (Hartmann 2006).
Zur Reputation von Hochschulen aus Arbeitgebersicht gibt es neben einschlägigen
Rangvergleichen, wie sie z. B. das Hochschulranking des Magazins Wirtschaftswoche
erstellt (Rettig 2012), nur wenig Evidenz zur Bedeutung des Rufs von Universitäten und
Fachhochschulen. Die Zunahme von Rankings und der steigende Wettbewerb im
Hochschulbereich werfen aber die Frage auf, ob die Reputation von Hochschulen nicht
auch hierzulande an Einfluss gewinnt. Auf wissenschaftlicher Grundlage finden sich im
Kontext von Hochschulreputation Studien zur Reputation von Professoren (Brenzikofer
33 Ein umfassender Literaturüberblick zum Thema Hochschulrankings findet sich z. B. bei Bastedo & Bowman (2010).
Daneben gibt es teils spezifische Fragestellungen zum Thema Hochschulreputation: So untersuchten Lowry & Silver
(1996) beispielsweise den Zusammenhang zwischen der Reputation einer einzelnen Fakultät und der gesamten
Universität. Für das dort gewählte Beispiel der Politikwissenschaften zeigt sich, dass die Reputation der
Gesamtuniversität zwar nicht vollständig, aber in weiten Teilen für den Ruf einer Fakultät verantwortlich ist.
70
2002), sowie zu Image und Stakeholder-orientierten Ansätzen, zu denen auch potenzielle
Arbeitgeber von Absolventen zählen (Habicht 2009).
Die von Unternehmen angelegten Strategien bei der Rekrutierung von
Hochschulabsolventen wurden in den vergangenen Jahren in verschiedenen Studien
empirisch untersucht (für einen Überblick siehe z. B. Burkhardt, Schomburg & Teichler
2000). Dabei lässt sich „insgesamt (…) feststellen, dass zwei Gesichtspunkte mehrheitlich
genannt werden: fachliche Qualifizierung und Persönlichkeit“ (Teichler 2007, S. 17). Bei
einer spezifischeren Differenzierung einzelner Faktoren zeigen sich allerdings heterogene
Befunde, die in unterschiedlichen Studien auch verschieden bewertet wurden. Teichler
(2007) resümiert in diesem Sinne, dass es kein einzelnes Kriterium gibt, das im
Auswahlprozess von Bewerbern entscheidenden Einfluss nimmt. Stattdessen existiert eine
große Anzahl an Faktoren, denen von einzelnen Entscheidern in Unternehmen auch
unterschiedlich Bedeutung zugestanden wird. Aktuellere Untersuchungen zum Thema des
Arbeitsmarkteinstiegs von Hochschulabsolventen vor dem Hintergrund der Bologna-
Reform in Deutschland konzentrieren sich nicht so sehr auf Hochschulreputation. So
liefern beispielsweise die Ergebnisse einer regionalen Unternehmensbefragung von
Lödermann & Scharrer (2010) Erkenntnisse über die von Arbeitgebern gewünschten
Kompetenzen und Qualifikationen von Hochschulabsolventen. Wie Alesi, Schomburg &
Teichler (2010) in einem Überblick zu aktuellen Arbeitgeberbefragungen zeigen, stehen in
derzeitigen Studien neben den Erwartungen an die Qualifikation der Absolventen
insbesondere die Frage nach Kenntnisstand und Akzeptanz der neuen Studienabschlüsse,
Einstiegschancen hinsichtlich Gehalt und Position, sowie Karriereentwicklungschancen im
Mittelpunkt. Einige dieser Studien widmen sich dabei ausschließlich dem Bachelor-
Abschluss (Judt 2006; Sperling 2008). Der vorliegende Beitrag setzt sich daher zum Ziel,
die Frage nach den von Arbeitgebern angelegten Kriterien und den potenziellen Einfluss
von Hochschulreputation im Auswahlprozess vor dem Hintergrund der neuen
Studienstrukturen in Deutschland in einen Zusammenhang zu bringen.
4.3 Hypothesen
Wie bereits dargelegt sehen sich Personalverantwortliche in Unternehmen bei Personen,
die erstmalig dem Arbeitsmarkt zur Verfügung stehen, einer besonders großen
Unsicherheit im Hinblick auf die zu erwartende Produktivität ausgesetzt. Die Bildung, über
die ein Bewerber verfügt, wird dabei als eines der vorrangigen Merkmale bei der Auswahl
71
herangezogen (Altonji & Pierret 2001). Aufgrund von in Stellenausschreibungen
genannten Kriterien wie Inhalt und Art des Schulabschlusses bewirbt sich in der Regel
allerdings eine hinsichtlich des Bildungsniveaus äußerst homogene Gruppe. Deren
Mitglieder sind folglich dem gleichen Arbeitsmarktsegment zuzuordnen, da sie über ein
formal identisches Bildungszertifikat, z. B. einen Hochschulabschluss, verfügen
(Doeringer & Piore 1971). Somit stellt sich innerhalb eines solch homogenen
Arbeitsmarktsegments, in dem sich Hochschulabsolventen befinden, nicht die Frage nach
dem Bildungsgrad an sich; vielmehr sind beispielsweise die im Rahmen des Abschlusses
erzielten Leistungen oder die Studiendauer von zentraler Bedeutung (Haak & Rasner
2009). Kompetenzen, die durch Tätigkeiten und Erfahrungen neben dem eigentlichen
Studium gesammelt werden, können Hinweise auf Leistungsbereitschaft und -vermögen
des Bewerbers geben. Hierzu zählen beispielsweise Auslandserfahrung oder ehrenamtliche
Tätigkeiten. Darüber hinaus stellt Praxiserfahrung, die in Form von Praktika oder
studienbegleitenden Tätigkeiten erworben werden kann (Falk & Reimer 2007), einen
essentiellen Indikator bei der Auswahl von Hochschulabsolventen dar. So zeigen
empirische Befunde, dass sowohl Praktika (z. B. Sarcletti 2007) als auch studienbezogene
Nebentätigkeiten einen positiven Einfluss auf den Arbeitsmarkteintritt für
Hochschulabsolventen nehmen (z. B. Franzen & Hecken 2002; Haug & Kropp 2002).
Diese Merkmale lassen sich heranziehen, um die Produktivität potenzieller Mitarbeiter
einschätzen und vergleichen zu können.
Als wichtiges Kriterium dient in diesem Kontext aber auch die vom Bewerber erzielte
Abschlussnote. Fasst man diese als aggregiertes Ergebnis zahlreicher, vom Absolventen im
Laufe des Studiums erbrachten Einzelleistungen auf, die Aufschluss über die
Fachkompetenz des Bewerbers geben, dann sollte dieses Kriterium trotz der Bedeutung
von Zusatzqualifikationen die verlässlichste Information über den Hochschulabsolventen
liefern. Unter dieser Annahme wird Hypothese H1 formuliert: Das Merkmal „Note“ wird
von Fachkräften mit Führungsverantwortung stärker bei der Personalauswahl
berücksichtigt als andere individuelle Merkmale des Bewerbers wie beispielsweise Praxis-
und Auslandserfahrung sowie ehrenamtliches Engagement. ( H1)
Vor dem Hintergrund der skizzierten Veränderungen in der deutschen Bildungslandschaft
sprechen Gründe dafür, dass Hochschulreputation als Signal im Auswahlprozess aktuell an
Bedeutung gewinnt und von Entscheidungsträgern in Unternehmen wahrgenommen wird.
Zum einen hat die Zahl von Hochschuleinrichtungen weltweit und national in den letzten
72
Jahrzehnten deutlich zugenommen, sodass der Bildungsmarkt aufgrund der steigenden
Zahl von Anbietern die Informationsdefizite für Außenstehende vergrößert hat (Hazelkorn
2007). Diese wurden aufgrund der Bologna-Reform mit der Einführung neuer
Studiengänge und -abschlüsse in Deutschland weiter verstärkt, sodass bis zur tatsächlichen
Legitimierung der Reform (vgl. Meyer & Rowan 1977) eine erhöhte Unsicherheit
bezüglich der Wertigkeit der neuen Bildungszertifikate bestehen wird.
Parallel zu dieser Entwicklung ist auch ein verstärkter Wettbewerb zwischen
Hochschuleinrichtungen in Deutschland zu beobachten, von dem nicht nur die
Hochschullandschaft selbst, sondern auch die breite Öffentlichkeit Kenntnis nimmt.
Beispielsweise wird über die von Bund und Ländern ausgerufene Exzellenzinitiative
öffentlichkeitswirksam in den Medien berichtet, sodass das Erreichen des Exzellenzstatus
nicht nur mit finanzieller Förderung, sondern auch mit Prestige belohnt wird (Hornbostel
& Simon 2008). Wie bereits erörtert werden diese Entwicklungen von einer steigenden
Zahl von Hochschulrankings begleitet, die medienwirksam publiziert werden. Insofern ist
es für Entscheidungsträger in Unternehmen mit verhältnismäßig wenig Kosten verbunden,
Kenntnis über den Ruf einzelner Hochschulen zu erlangen. Dieser Argumentation folgend
wird angenommen, dass Hochschulreputation als zusätzliches Informationsmerkmal
genutzt und berücksichtigt wird, wie Hypothese H2 postuliert: Hochschulabsolventen von
hochgerankten Universitäten werden eher zum Vorstellungsgespräch eingeladen als
Hochschulabsolventen von niedriger gerankten Universitäten. (H2)
Wird Hochschulreputation unter bestimmten Annahmen im Auswahlprozess neuer
Mitarbeiter berücksichtigt, so kann das Wissen über eine Organisation aus verschiedenen
Quellen stammen. Hat ein Entscheider selbst ein Studium absolviert, so weiß er um
Ausbildungsinhalte und Qualität der eigenen Hochschule. In einem solchen Fall liegt die
Form sogenannter bilateraler Reputation vor. Der Akteur nutzt das Wissen von
Erfahrungen, die er in der Vergangenheit selbst gemacht hat für aktuell zu treffende
Entscheidungen (Rooks, Raub, Selten & Tazelaar 2000) Gerade im Hinblick auf das
Wissen über Hochschulen ist die eigene Erfahrung allerdings auf eine bzw. wenige
Einrichtungen beschränkt. Reputation im engeren Sinne – die sogenannte multilaterale
Reputation (Raub & Weesie 1990) – impliziert die Weitergabe von Informationen über
Dritte und kann somit mehr Wissen bereitstellen als dies mit eigenen Erfahrungswerten
möglich wäre. Informationen können dabei sowohl über institutionalisierte Kanäle als auch
durch persönliche Netzwerke weitergegeben und rezipiert werden (Abraham & Meyer
73
2012). Verfügt der Entscheidungsträger im Unternehmen aufgrund eigener Erfahrungen
oder multilateraler Reputationsinformation über Wissen zu einer Hochschule, so sollten
Bewerber, die an dieser Einrichtung studiert haben, davon profitieren:
Entscheidungsträger, die über bilaterale oder multilaterale Reputationsinformation zu
einer Hochschule verfügen, bevorzugen Absolventen, die an jenen Hochschulen studiert
haben. (H3)
Wenn Studieninteressierte ein Erststudium aufnehmen möchten, spielen im
Entscheidungsprozess für einen bestimmten Studiengang unterschiedlichste Faktoren eine
Rolle. Dabei sind potenzielle Studienanfänger, die mit ihrem Wechsel von der Schule an
eine Hochschule einen neuen Bildungsabschnitt beginnen, in besonderem Maße auf
Informationen zu Studienangeboten und Hochschuleinrichtungen angewiesen, um eine
fundierte Entscheidung treffen zu können. Zwar nutzen die Schulabgänger ihnen zur
Verfügung stehende Quellen wie beispielsweise das Internet, Informationen durch die
Hochschule (z. B. Informationstage, schriftliche Informationsquellen, Kontakt zu bereits
Studierenden), private Kontakte wie Eltern oder Freunde, sowie Beratungsangebote der
Agentur für Arbeit oder durch die Hochschulen selbst. Allerdings werden im Nachhinein
nicht alle dieser Informationsquellen als hilfreich beurteilt (Heine, Willich & Schneider
2009). Die empirischen Befunde zeigen vielmehr, dass sich eine „Mehrheit der
Schülerinnen und Schüler (…) ein halbes Jahr vor dem Verlassen der Schule jedoch nicht
umfassend auf die anstehende Richtungsentscheidung vorbereitet“ fühlt (Heine,
Spangenberg & Willich 2007, S. 47). Bei den Motiven zur Studienwahl wird zudem
deutlich, dass Rankings als Informationsquelle eine untergeordnete Rolle spielen.
Letztendlich ist die Reputation der Hochschule für 34 % der Befragten bei der Studienwahl
von Bedeutung, der gute Ruf der Lehrenden folgt mit 32 % (Heine, Willich & Schneider
2009). Darüber hinaus zeigen empirische Befunde, dass die Mobilität von
Studienanfängern als gering eingeschätzt werden kann. Bei den Gründen für die
Hochschulwahl folgt auf das fachliche Interesse vor allem der Wunsch in der Heimatregion
zu bleiben (Krawietz & Heine 2007). Aufgrund des skizzierten unzureichenden
Informationsstandes und der vergleichsweise geringen Bedeutung der Reputation von
Hochschulorten bei der Studienortwahl ist davon auszugehen, dass der Hochschulort von
Erstsemestern in Bachelor-Studiengängen nicht als zukünftiges Signal wahrgenommen
wird, in das sie im Sinne signaltheoretischer Ansätze investieren.
74
Bei der Entscheidung für ein Master-Studium sollte sich hingegen ein anderes Bild zeigen:
Nach erfolgreich absolviertem Bachelor-Studium verfügt der Studieninteressierte bei der
Wahl eines Master-Studienganges über ein größeres Maß an Information, da er aufgrund
seines Erststudiums bereits eigene Einblicke in das Hochschulsystem erhalten hat. Auch
über die individuellen Präferenzen sollten sich Bachelor-Absolventen besser im Klaren
sein. Somit erfolgt die Wahl eines Master-Studienganges auf Basis eines deutlich größeren
Informationsstandes. Damit ist anzunehmen, dass die Reputation einer Hochschule bei den
Motiven für die Wahl eines Studiengangs an Bedeutung gewinnt und eher in die
Entscheidung einbezogen wird als bei dem Erststudium. Demzufolge sollte der Name der
Hochschule bei Bewerbern mit einem Master-Abschluss von Entscheidungsträgern in
Unternehmen als verlässlicheres Signal gewertet werden als bei Bewerbern mit einem
Bachelor-Abschluss: Der Name der Universität, an der ein Bewerber studiert hat, wird im
Auswahlprozess neuer Mitarbeiter eher bei Master-Absolventen als bei Bachelor-
Absolventen berücksichtigt. (H4)
Schließlich findet sich in der geografischen Lage der Hochschuleinrichtung ein weiterer
Einflussfaktor im Auswahlprozess von Bewerbern, da mit zunehmender regionaler Nähe
auch das Wissen über die Qualität einer Hochschuleinrichtung steigen sollte. Der
Austausch zwischen Hochschuleinrichtungen und Arbeitsorganisationen zeigt sich
beispielsweise in dem Informationstransfer wissenschaftlicher Erkenntnisse, oder daran,
dass Hochschulen Studierende ausbilden, die nach Beendigung ihres Studiums dem
Arbeitsmarkt zur Verfügung stehen (Fritsch 2007). Besteht in räumlicher Nähe zur
besuchten Hochschule eine hohe Arbeitskraftnachfrage, so bleiben Absolventen auch
bevorzugt in der Region, um dort ihre erste Arbeitsstelle anzutreten, wie Befunde zur
Mobilität bayerischer Absolventen aufzeigen. Insbesondere Absolventen von Hochschulen
in Ballungszentren verbleiben demnach verstärkt in der gleichen Region (Falk & Kratz
2009).
Auch die Wahrnehmung der Personalentscheider als Privatperson sollte von Bedeutung
sein, da einerseits die Berichterstattung über lokale Einrichtungen in den Medien höher ist,
und andererseits mit räumlicher Nähe die Wahrscheinlichkeit steigt, Informationen über
eine Einrichtung durch das persönliche Netzwerk zu erlangen. Empirische Befunde aus
einer von Landrum, Turrisi & Harless (1999) durchgeführten Untersuchung zeigen in
diesem Sinne auf, dass die Einwohner eines Bundesstaates in den USA das Image einer in
der Region gelegenen Universität als positiv bewerten oder eine neutrale Meinung zu der
75
Bildungseinrichtung haben, diese aber nicht schlecht einschätzen. Unter der Annahme,
dass die regionale Nähe auch in Deutschland für die Meinungsbildung über eine
Hochschule bedeutsam ist und einen positiven Einfluss auf die Einschätzung der Qualität
der jeweiligen Bildungseinrichtung nimmt, wird Hypothese H5 formuliert: Absolventen mit
einem Abschluss einer Hochschule in räumlicher Nähe zur Arbeitsorganisation haben
größere Chancen beim Arbeitsmarkteinstieg als Bewerber, die an einer räumlich
entfernten Bildungseinrichtung studiert haben. (H5)
4.4 Methodische Umsetzung
In einer repräsentativen deutschlandweiten Erhebung wurden Fachführungskräfte in
Unternehmen befragt, welche Kriterien sie bei der Einstellung von Hochschulabsolventen
wirtschaftswissenschaftlicher Studiengänge anlegen. Dies beinhaltete unter anderen,
welche Kompetenzen von Hochschulabsolventen erwartet und wie die neuen Studiengänge
und Abschlüsse eingeschätzt werden. Mit dem Themenbereich der Hochschulreputation
wurden Daten erhoben, auf deren Grundlage die im Rahmen dieses Beitrags aufgestellten
Forschungsfragen untersucht werden (Meyer, Schrauth & Abraham 2012).
Um die Bedeutung individueller Merkmale von Bewerbern zu untersuchen und dem
potenziellen Einfluss von Hochschulreputation gegenüber zu stellen, wurde ein faktorieller
Survey in die Studie integriert. Dabei handelt es sich um ein quasi-experimentelles
Verfahren, bei dem den Befragten unterschiedliche Situationsbeschreibungen zur
Einschätzung vorgelegt werden (Beck & Opp 2001; Rossi & Anderson 1982). Diese
hypothetischen Szenarien, die auch als Vignetten bezeichnet werden, unterscheiden sich
hinsichtlich der systematischen Variation einzelner Merkmale und werden randomisiert auf
die Befragten verteilt (Auspurg, Abraham & Hinz 2009). Somit lassen sich die kausalen
Effekte der in den Situationsbeschreibungen variierten Merkmale auf die Einschätzung der
befragten Personen analysieren. Der Vorteil des faktoriellen Surveys besteht darin,
personenspezifische Merkmale mit den Antworten aus den Vignetten zu kombinieren.
Diese Methode, die auch als Vignettenanalyse bezeichnet wird, kommt beispielsweise bei
Fragestellungen zur Gerechtigkeitsforschung (Liebig & Mau 2005) zum Einsatz, aber auch
im Kontext wirtschaftlicher Transaktionen findet dieses Verfahren Anwendung (vgl. z. B.
Abraham & Meyer 2012; Rooks, Raub, Selten & Tazelaar 2000). Erste Befunde zeigen,
dass die Methode des faktoriellen Surveys bei entsprechendem Framing der Vignetten über
76
die Untersuchung von Einstellungen hinaus auch eingesetzt werden kann, um das
hypothetische Verhalten von Akteuren abzubilden (Nisic & Auspurg 2009).
Abbildung 4.1 zeigt die Ausgangssituation sowie das Beispiel einer Vignette, wie sie den
Befragten vorgelegt wurde. Die Ausgangslage besteht aus einer einfach konstruierten
Rekrutierungssituation, in der ein Hochschulabsolvent mit wirtschaftswissenschaftlichem
Abschluss als neuer Mitarbeiter eingestellt werden soll. Der Eingangstext beinhaltet den
Hinweis, dass es sich in jeder der folgenden Situationsbeschreibungen um Berufseinsteiger
handelt, die für die Stelle jeweils fachlich qualifiziert sind. Mit dieser Eingrenzung wird
die Homogenität im Hinblick auf das formal gleiche Qualifikationsniveau simuliert.
Zudem wurde ein Samplesplit vorgenommen, bei dem eine Hälfte der Befragten
Situationsbeschreibungen erhielt, in denen der Bewerber über einen Bachelor-Abschluss
verfügt. Für die anderen Teilnehmer ging es um die Einschätzung von
Hochschulabsolventen mit Master-Abschluss. Diese Designentscheidung basiert auf der
inhaltlichen Überlegung, dass sich mithilfe des Samplesplits Subgruppenvergleiche für die
Einstellung von Bachelor- und Masterstudierenden vornehmen lassen.
Abbildung 4.1: Ausgangssituation und Beispielvignette für das Sample Bachelor-
Abschluss
Ausgangssituation:
Stellen Sie sich vor, Sie sind für die Einstellung eines neuen Mitarbeiters verantwortlich.
Intern haben Sie mit Ihren Kollegen vereinbart, einen Berufseinsteiger einzustellen, der
gerade sein wirtschaftswissenschaftliches Bachelor-Studium erfolgreich beendet hat. Sie
sichten die eingegangenen Unterlagen von Bewerbern, die fachlich für die Stelle
qualifiziert sind.
Situation1:
Der Bewerber hat sein Bachelor-Studium mit der Note 2,0 absolviert. Er ist ein Absolvent
der Universität Würzburg. Der Bewerber verfügt nicht über Auslandserfahrung und
engagiert sich ehrenamtlich. Der Kandidat weist einschlägige Praxiserfahrung von
insgesamt sechs Monaten auf.
Wie wahrscheinlich ist es, dass Sie den Kandidaten zu einem Vorstellungsgespräch
einladen?
Sehr unwahrscheinlich vielleicht Sehr wahrscheinlich
□ □ □ □ □ □ □
Zur besseren Verständlichkeit wurden die variierten Vignettenausprägungen in der Erhebung fett
hervorgehoben.
77
Die Vignettendimensionen mit ihren jeweiligen Ausprägungen bleiben dabei in beiden
Samples identisch. Bei der Gestaltung der Situationsbeschreibungen wurde darauf
geachtet, ausschließlich die Merkmale von Bewerbern aufzunehmen, die dem
Entscheidungsträger in der ersten Stufe des Personalauswahlprozesses auf Grundlage der
Bewerbungsunterlagen ohne großen Aufwand zugänglich sind und einer ersten
Einschätzung dienen. Damit wird die Situation einer Vorauswahl skizziert, der sich
Unternehmen im Rekrutierungsprozess bei Eingang der Bewerbungsunterlagen ausgesetzt
sehen. Auf weitere Charakteristika, die sich unter dem Begriff Soft Skills zusammenfassen
lassen, und zu denen persönliche Eigenschaften wie beispielsweise Führungsstärke,
Teamfähigkeit oder ein selbstsicheres Auftreten zu zählen sind, wird bewusst verzichtet.
Diese Kompetenzen sind zwar im Rekrutierungsprozess ebenfalls von großer Bedeutung
(vgl. z. B. Lödermann & Scharrer 2010), allerdings können sie in der Regel erst durch
differenziertere Instrumente im weiteren Verlauf des Personalauswahlprozesse (z. B. durch
Interviews oder Assessment Center) erkannt und eingeschätzt werden (Lorenz &
Rohrschneider 2009).
Die Befragten wurden aufgefordert, für jede Situation anzugeben, wie wahrscheinlich sie
den jeweiligen Kandidaten zu einem Vorstellungsgespräch einladen würden. Auf einer
Likertskala von 1 („sehr unwahrscheinlich“) bis 7 („sehr wahrscheinlich“) konnte das
Antwortverhalten abgestuft werden. Tabelle 4.1 zeigt einen Überblick über die in den
Vignetten verwendeten Merkmalen und ihre Ausprägungen, die für die beiden Samples
„Bachelorabschluss“ und „Masterabschluss“ gelten. Zu Kompetenzen, die einem Bewerber
individuell zugeschrieben werden, zählen die Dimension Note mit drei Abstufungen von
sehr guter bis befriedigender Leistung, sowie die Merkmale praktische Erfahrung,
Auslandserfahrung und ehrenamtliches Engagement, die jeweils als dichotome Variablen
in das Design eingehen. Mit der Dimension Universität wird ein dem Individuum
übergeordnetes Merkmal in das Design integriert. Damit soll untersucht werden, inwiefern
der Ruf der Hochschule, die der Bewerber besucht hat, einen Einfluss auf die Chance der
Einladung zum Vorstellungsgespräch nimmt. Da die Unternehmensbefragung im Auftrag
des Fachbereichs Wirtschaftswissenschaften der Universität Erlangen-Nürnberg (FAU)
durchgeführt wurde, bestand ein besonderes Interesse daran, Aufschluss über die
Reputation der eigenen Einrichtung zu erlangen. Somit ging die FAU als Ausprägung der
78
Dimension Universität in das Design ein.34
Mit der Universität Mannheim (MH) wurde
eine Hochschuleinrichtung aufgenommen, die im Bereich Wirtschaftswissenschaften in
den letzten Jahren stets Topplatzierungen erreichte (vgl. z. B. Ott 1999; Rettig 2012). Auch
das aktuelle CHE-Hochschulranking ordnet die Universität Mannheim bei
wirtschaftswissenschaftlichen Bachelor- und Masterstudiengängen in die jeweiligen
Spitzengruppen ein (ZEIT-Online 2012). Mit der European Business School Oestrich-
Winkel (EBS) geht eine Privatuniversität in das Sample ein, die im Gesamtüberblick aller
Universitäten im Bereich Wirtschaftswissenschaften 2012 ebenfalls eine Platzierung unter
den besten zehn Hochschuleinrichtungen erreichte (Rettig 2012). Die Universität
Würzburg (WÜ) dient als Ausprägung, mit der die räumliche Nähe zu
Arbeitsorganisationen im Vergleich zur FAU – bei den beiden Bildungseinrichtungen
handelt es sich um die größten Universitäten Nordbayerns – operationalisiert wird. Die
Humboldt-Universität zu Berlin (HU) dient als Kontrollvariable für eine traditionsreiche
Universität mit räumlicher Distanz zur FAU.35
Tabelle 4.1: Übersicht der in den Vignetten verwendeten Dimensionen, ihren
Ausprägungen und der Art des Merkmals
Dimension Ausprägung
Note 1,3 – 2,0 – 2,7
Praktische Erfahrung drei Monate – sechs Monate
Auslandserfahrung Keine – Auslandserfahrung
Ehrenamtliches Engagement Keines – ehrenamtliches Engagement
Universität Erlangen-Nürnberg – Mannheim –
European Business School Oestrich-Winkel – Würzburg – HU Berlin
34 Die Teilnehmer waren darüber informiert, dass es sich bei der FAU um den Auftraggeber der Studie handelte. Dieser
Faktor ist für die spätere Interpretation der Ergebnisse zu berücksichtigen. Aufgrund des hypothetischen Charakters von
Vignettenstudien sollten allerdings keine schwerwiegenden Verzerrungen im Antwortverhalten auftreten. 35 Trotz der inhaltlichen Gründe für die Wahl der Universitäten kann diese aufgrund des Designs lediglich als
exemplarisch verstanden werden. Die Auswahl ist überdies durch den thematischen Schwerpunkt der Gesamtstudie
motiviert, der einen Vergleich von Absolventen der FAU mit Absolventen anderer Hochschuleinrichtungen vorsieht.
Eine „quantifizierbare“ Analyse von Universitäten hinsichtlich ihrer einzelnen Rankingplatzierungen kann auf Grundlage
dieses Designs somit nicht vorgenommen werden. Ein solches Vorhaben scheint allerdings generell schwierig, da
einzelne Rankings auch aufgrund der in Abschnitt 4.2.3 genannten Gründe oftmals zu unterschiedlichen Ergebnissen
kommen.
79
Fachhochschulen wurden bewusst nicht in das Design integriert, um keine Verzerrungen
hervorzurufen. Auf Basis des faktoriellen Designs ließe sich keine Aussage darüber
treffen, ob die Befragten nicht generell Universitäts- oder Fachhochschulabsolventen
bevorzugen. Damit würde nicht der Name, sondern der Hochschultyp den eigentlichen
Stimulus, auf den Befragte reagieren, darstellen. Aus den vorgestellten Dimensionen und
ihren jeweiligen Ausprägungen ergeben sich 120 verschiedene Vignetten, die durch
Zufallsauswahl auf 20 Decks verteilt wurden.36
Diese wurden aufgrund des Samplesplits
dupliziert, womit insgesamt 40 Decks vorliegen. Jeder Befragte erhielt sechs
Situationsbeschreibungen zur Beurteilung.
Um die in Hypothese H4 getroffene Annahme testen zu können, werden Variablen der
Befragtenebene in die Analyse einbezogen. Das Wissen über die Qualität einer
Hochschuleinrichtung, das auf eigenen Erfahrungen des Befragten beruht, wird durch die
Angaben der Teilnehmer zu der/n von ihnen besuchten Hochschule/n operationalisiert. Die
Frage zum Einfluss von Information über Hochschulen durch zusätzliche
Informationskanäle kann aufgrund des Studiendesigns nur für die FAU untersucht werden.
Für die Analyse wird die Frage nach der Einschätzung des Qualifikationsniveaus von
FAU-Absolventen herangezogen. Somit kann die Untersuchung des postulierten
Zusammenhangs zwar keinen Anspruch auf Vollständigkeit erheben. Mithilfe dieser
Variablen sollten sich aber zumindest erste Hinweise auf den potenziellen Einfluss
zusätzlicher Information finden.
Die Erhebung basiert auf einem Switch-Mode-Verfahren, das aus einem kombinierten
Einsatz von telefonischer Eingangsbefragung und Onlineerhebung besteht (Höglinger,
Abraham, Arpagaus & Liechti 2010). Befragt wurden (Fach-)Führungskräfte in deutschen
Unternehmen, die angaben, potenziell Wirtschaftswissenschaftler zu beschäftigen. Die
Mindestgröße des Betriebes wurde auf 50 Beschäftigte festgelegt, womit die Chance
erhöht werden sollte, in den kontaktierten Unternehmen potenzielle Arbeitgeber für
Wirtschaftswissenschaftler zu finden. Zudem wurden in einer Vorauswahl Branchen, in
denen die Beschäftigung von Wirtschaftswissenschaftlern als sehr gering angenommen
wurde, ausgeklammert.37
Die Gruppe der Zielpersonen bestand nicht ausschließlich aus
Personalreferenten, sondern aus Fachführungskräften in Abteilungen, die potenziell
36 Die Gesamtzahl von Vignetten berechnet sich aus dem sogenannten Kartesischen Produkt (3x2x2x2x5=120). 37 Die Auswahl der Branchen erfolgte auf Grundlage der „Klassifikation der Wirtschaftszweige 2008“ (Statistisches-
Bundesamt 2008). Ausgeschlossen wurden z.B. Branchen wie Land- und Forstwirtschaft sowie Erziehung und
Unterricht. Auch Unterkategorien wie Praxen von Psychotherapeuten oder Architekturbüros wurden nicht berücksichtigt.
80
Wirtschaftswissenschaftler beschäftigen. Diese Entscheidung über die Stichprobe beruht
auf der Annahme, dass der Auswahlprozess neuer Mitarbeiter in vielen
Arbeitsorganisationen letztendlich bei den Verantwortlichen der Fachabteilungen liegt
bzw. diese über ein Mitspracherecht verfügen. Ein weiteres Argument für die gewählte
Vorgehensweise gründet darauf, dass es die Verantwortlichen in den Fachabteilungen sind,
die über die Einstellung hinaus die neuen Mitarbeiter in ihrer Entwicklung beobachten und
deren Leistungsfähigkeit einschätzen können. Demzufolge sollten insbesondere
Entscheider in Fachabteilungen über die Kompetenzen und das Leistungsniveau von
Hochschulabsolventen informiert sein. In diesem Sinne wurden mit den Abteilungen
Einkauf, Marketing, Vertrieb, Finanzwesen und Personalwesen Organisationseinheiten
gewählt, in denen Wirtschaftswissenschaftler nach ihrem Studium häufig eine Anstellung
finden. Eine weitere Kategorie ist in der Funktion des Geschäftsführers zu finden, um auch
kleineren Betrieben eine Einordnung zu ermöglichen, da diese oftmals nicht über
spezialisierte Fachabteilungen verfügen. Für die Metropolregion Nürnberg38
wurde ein
gezieltes Oversampling in der Stichprobe vorgenommen. Dies liegt in einem
übergeordneten Ziel der Studie begründet, Aufschluss über die Einschätzung die Qualität
der FAU zu erlangen. Mit dieser Designentscheidung sollte gewährleistet werden, dass
eine möglichst große Zahl von Unternehmen an der Studie teilnimmt, die eine
Einschätzung zu Absolventen der FAU abgegeben kann.
Die Rekrutierung der Zielpersonen im Switch-Mode-Verfahren gestaltete sich
folgendermaßen: In einem ersten Schritt wurden Unternehmen telefonisch kontaktiert,
wobei zunächst erfragt wurde, welche der für die Befragung relevanten Abteilungen im
Betrieb vorhanden sind. Aus diesen wurde ein Bereich zufällig ausgewählt und um die
Verbindung zu einer Führungskraft mit Personalverantwortung aus diesem Bereich
gebeten. War die richtige Zielperson zu sprechen, so wurde ihr eine kurze,
themenbezogene Eingangsfrage gestellt. Anschließend erfasste der Anrufer die E-Mail-
Adresse des Befragten, der somit direkt nach dem Telefonat die Zugangsdaten zur
Teilnahme an der Online-Befragung erhielt.
Insgesamt haben 1018 Personen den Online-Fragebogen - den faktoriellen Survey
eingeschlossen - vollständig ausgefüllt. Dabei stammen 407 Teilnehmer aus Unternehmen,
die in der Metropolregion Nürnberg ansässig sind. Dies entspricht dem angestrebten
38 Bei der Europäischen Metropolregion Nürnberg handelt es sich um einen Zusammenschluss von 22 Landkreisen und
11 kreisfreien Städten, die sich eine partnerschaftliche Zusammenarbeit zum Ziel gesetzt hat (Metropolregion-Nürnberg
2012).
81
Oversampling von 40 %. Die meisten Befragten stammen aus der Personalabteilung (33
%), der geringste Anteil stammt aus dem Bereich Einkauf (7,5 %).39
Die Rücklaufquote
betrug 18,1 %.
4.5 Ergebnisse
Nach einer kurzen Erläuterung der vorliegenden Datenstruktur werden in diesem Abschnitt
die Ergebnisse der multivariaten Analysen vorgestellt. Dabei erfolgt die Überprüfung der
Hypothesen auf Grundlage verschiedener Modelle. Im Gesamtmodell (1) werden die in
den Hypothesen H1, H2 und H3 aufgestellten Annahmen untersucht. Für den in Hypothese
H4 antizipierten Unterschied zwischen Bewerbern mit Bachelor- und Masterabschluss
erfolgt die empirische Überprüfung anhand separater Modelle (2 und 3). Um zu testen, bei
welchen Variablen signifikante Unterschiede zwischen den beiden Samples Bachelor-
Abschluss und Master-Abschluss vorliegen, wurde ein weiteres Gesamtmodell mit
Interaktionseffekten, die sich aus allen im Modell verwendeten Variablen multipliziert mit
der Dummy-Variablen für den Sample-Split zusammensetzten, geschätzt. Diese Ergebnisse
zeigt Modell 4 in vereinfachter Darstellung. Die Hypothese H5 zum Einfluss der regionalen
Nähe von Hochschuleinrichtungen bei der Auswahl von Berufseinsteigern wird anhand
eines Modells getestet, das ausschließlich Befragte außerhalb der Metropolregion (Sample
keine Metropolregion) einbezieht (vgl. Modell 5). In einer weiteren Schätzung (vgl.
Modell 6) wird analog das potenzielle Verhalten von Teilnehmern aus Unternehmen mit
Firmensitz innerhalb der Metropolregion Nürnberg (Sample Metropolregion) betrachtet.
Auch diese beiden Gruppen werden hinsichtlich ihrer Unterschiedlichkeit mithilfe für die
Metropolregion gebildeter Interaktionseffekte getestet (vgl. Modell 7).
Tabelle 4.2 gibt zunächst einen Überblick über die in den Analysen verwendeten
Variablen. Dargestellt sind die Ausprägungen der Vignettendimensionen sowie die
verwendeten Individualvariablen. Die für die Vignettendimensionen angegebenen
Mittelwerte und Standardabweichungen sollen verdeutlichen, dass alle Ausprägungen
nahezu gleichverteilt in die Erhebung eingingen.
39 Die weiteren Befragten verteilen sich auf die Bereiche Finanzwesen (15,7%), Geschäftsführung (12,3%), Vertrieb
(11,9%), Marketing (10,2%) und Sonstige (9,5%). Der hohe Anteil von Teilnehmern aus der Personalabteilung lässt
vermuten, dass bei der Nennung des Themas der so genannte „Gatekeeper“ (Höglinger, Abraham, Arpagaus & Liechti
2010) die Weiterleitung an die Personalabteilung forciert.
82
Tabelle 4.2: Übersicht über die in den multivariaten Analysen Vignetten- und
Befragtenvariablen
Anzahl
gültiger
Fälle
Min. Max. Mittelwert Standard-
abweichung
Vignettenvariablen
Abschlussnote
Note 1,3 5448 0 1 0.333 0.471
Note 2,0 5448 0 1 0.328 0.469
Note 2,7 5448 0 1 0.340 0.474
Auslandserfahrung 5448 0 1 0.503 0.500
Ehrenamtliches
Engagement
5448 0 1 0.506 0.500
Praxiserfahrung 5448 0 1 0.498 0.500
Universität 5448
Mannheim (MH) 5448 0 1 0.206 0.405
FAU Erl.-Nbg. 5448 0 1 0.200 0.400
EBS Oestrich-Winkl 5448 0 1 0.189 0.391
Würzburg (WÜ) 5448 0 1 0.203 0.402
HU Berlin 5448 0 1 0.202 0.401
Befragtenvariablen
Alter 882 24 75 45.580 9.506
Geschlecht
(1= weiblich)
908 0 1 0.340 0.474
Bildungsabschluss
Kein HS-Abschluss 908 0 1 0.329 0.470
FH- Abschluss 908 0 1 0.365 0.481
Uni-Abschluss 908 0 1 0.306 0.461
Absolviertes Studium
(1=WiWi-Studium)
908 0 1 0.414 0.493
Beschäftigungsdauer im
aktuellen Betrieb
(1= mehr als 10 Jahre)
894 0 1 0.421 0.494
Studium in MH 908 0 1 0.009 0.093
Studium an der FAU 908 0 1 0.045 0.208
Studium in WÜ 908 0 1 0.014 0.119
Studium an der HU 908 0 1 0.006 0.074
Information zur FAU 908 0 1 0.239 0.427
Samplesplit
(1= Master)
908 0 1 0.511 0.500
Metropolregion (MP)
(1= innerhalb der MP)
908 0 1 0.402 0.490
83
Für die multivariaten Modelle ist das quasi-experimentelle Design der faktoriellen Surveys
zu beachten, im Rahmen dessen ein Befragter mehrere Urteile abgibt. In der vorliegenden
Erhebung erhielt jeder Teilnehmer sechs Vignetten zur Beurteilung vorgelegt.40
Diese
Antworten können somit nicht unabhängig voneinander betrachtet werden, es liegt eine
Clusterung der Daten vor (Hox, Kreft & Hermkens 1991; Liebig & Mau 2005), die sich
beispielsweise mit der Schätzung robuster Standardfehler kontrollieren lässt (Maas & Hox
2004). Da bei der hier diskutierten Fragestellung neben den Niveaueffekten der
Vignettendimensionen auch die Variablen der Individualebene von Interesse sind, wird für
die Analysen auf Random-Intercept-Modelle zurückgegriffen (vgl. z.B. Auspurg, Abraham
& Hinz 2009).
Die Überrepräsentanz der Metropolregion wird durch die Integration eines entsprechenden
Gewichtungsfaktors statistisch in der Schätzung der Mixed-Effects-Mehrebenenmodelle
berücksichtigt. Mit Ausnahme der Modelle 5 und 6, in denen Befragte außerhalb und
innerhalb der Metropolregion getrennt betrachtet werden, ist die Gewichtung in allen
Modellgleichungen integriert. In den Modellen wird mit Rho der Anteil der Varianz auf
der Befragtenebene an der Gesamtvarianz angegeben.41
In den Tabellen 4.3 und 4.4 sind die Ergebnisse der multivariaten Analysen dargestellt.
Modell 1 beinhaltet die Ergebnisse für das Gesamtsample. Es zeigt sich, dass die
Abschlussnote in die Entscheidung einbezogen wird. Die Ergebnisse sind dabei
folgendermaßen zu interpretieren: Bewerber mit einem sehr guten Abschluss werden
gegeben der in dem Modell verwendeten Variablen auf höchst signifikantem Niveau um
0.198 Punkte auf der Bewertungsskala eher zu einem Vorstellungsgespräch eingeladen als
Kandidaten, die ein Zeugnis mit der Note „2,0“ vorweisen können. Der Unterschied
zwischen den Noten „2,0“ und „2,7“ ist ebenfalls höchst signifikant. Bewerber, die ihr
Studium mit der Note „2,7“ abgeschlossen haben, werden um 0.539 Punkte weniger
wahrscheinlich eingeladen als Bewerber mit der Note „2,0“.
40 Für die hier präsentierten Ergebnisse der multivariaten Analysen gehen ausschließlich Befragte ein, die ihre Antworten
variiert haben. 110 Teilnehmer, die für alle Situationsbeschreibungen die gleiche Antwort gaben, wurden von der
Analyse ausgeschlossen, da zu vermuten ist, dass diese Personen kein Interesse an einer Abstufung ihrer Antworten
zeigten. 41 Die abhängige Variable kann nicht als vollständig normalverteilt bezeichnet werden. Dennoch werden die Ergebnisse
linearer Schätzungen vorgestellt, da diese die Integration der Gewichtungsfaktoren sowie die Modellierung der
Mehrebenenstruktur zulassen. Ordinale Modelle mit der Schätzung robuster Standardfehler kommen in den zentralen
Annahmen zu ähnlichen Ergebnissen.
84
Tabelle 4.3: Ergebnisse der Mehrebeneschätzungen Modelle 1-4
Vignetten-
Dimensionen
Gesamt-
modell (1)
Sample
Bachelor-Abschluss (2)
Sample
Master-Abschluss (3)
Vergleich Bachelor-
/Master-Abschluss (4)
Note (Ref.: 2,0)
1,3 0.198 ***
(0.043)
0.316 ***
(0.065)
0.083
(0.057)
**
2,7 - 0.539 ***
(0.050)
- 0.536 ***
(0 .071)
- 0.546 ***
(0.069)
n.s.
Auslands-
erfahrung (Ref.: keine)
0.528 ***
(0.045)
0.517 ***
(0.066)
0.538 ***
(0.060)
n.s.
Ehrenamt
(Ref.: Keines)
0.438 ***
(0.045)
0.394 ***
(0.064)
0.479 ***
(0.063)
n.s.
Praxiserfahrung
(Ref.: 2 Monate)
0.543 ***
(0.046)
0.554 ***
(0.069)
0.536 ***
(0.063)
n.s.
Universität
(Ref.: Mannheim)
FAU 0.028
(0.064)
0.193 *
(0.086)
- 0.102
(0.079)
*
EBS - 0.103
(0.068)
0.009
(0.101)
- 0.231 *
(0.091)
n.s.
Würzburg
- 0.086
(0.058)
0.005
(0.083)
- 0.189 *
(0.080)
n.s.
HU Berlin - 0.083
(0.058)
0.006
(0.085)
- 0.190 *
(0.079)
n.s.
Individualebene
Geschlecht
(Ref.: Männlich)
0.049
(0.097)
- 0.134
(0.132)
0.235
(0.141)
n.s.
Studium WiWi
(Ref.: keines)
0.305 **
(0.112)
0.364 *
(0.154)
0.261
(0.158)
n.s.
Metropolregion
(Ref.: außerhalb)
- 0.084
(0.090)
0.070
(0.107)
- 0.103
(0.114)
n.s.
Samplesplit
(Ref.: BA)
0.013
(0.090)
Information
über FAU
0.051
(0.126)
Information über FAU *
Vig. FAU
0.225 *
(0.114)
Studienort Mannheim
(MH)
0.098
(0.263)
Studienort
FAU
0.530
(0.271)
Studienort
Würzburg (WÜ)
0.106
(0.351)
Studium MH *
Vig. MH
1.044 *
(0.486)
Studium FAU *
Vig. FAU
- 0.270
(0.238)
Studium WÜ *
Vig. WÜ
0.588 ***
(0.153)
Konstante 4.268 ***
(0.827)
4.814 ***
(1.093)
3.945 **
(1.213)
N 5232 2598 2634
Random-Effect Parameters
sd(_cons) 0.985 (0.036) 0.938 (0.053) 0.026 (0.050)
sd(Residual) 1.016 (0.021) 1.027 (0.030) 1.005 (0 .030)
Rho 0.485 0.455 0.511
Random-Intercept-Modell mit Gewichtung für die Variable Metropolregion. Abhängige Variable „Wie wahrscheinlich
würden Sie den Bewerber zum Vorstellungsgespräch einladen?“ (Likertskala von 1 „Sehr unwahrscheinlich“ bis 7 „Sehr
wahrscheinlich“.) Signifikant für: p<0.001 (***), p<0.01 (**), p<0.05 (*). Robuste Standardfehler in Klammern. In den
Modellen wird zusätzlich für die Individualvariablen Alter, Alter2, Bildungsstand, Beschäftigungsdauer, Eigener
Hochschulort, HU Berlin sowie dessen Interaktionseffekt kontrolliert, hierbei zeigen sich keine signifikanten Ergebnisse.
85
Auch die weiteren individuellen Merkmale der Absolventen in den Vignetten nehmen
höchst signifikanten Einfluss. Weist ein Kandidat einen Auslandsaufenthalt oder
ehrenamtliches Engagement auf, dann steigen seine Chancen auf eine Einladung ebenfalls
gegenüber einem Absolventen, der nicht über derartige Erfahrungen verfügen. Bewerber,
die eine größere Praxiserfahrung vorweisen können, werden gegeben der in dem Modell
verwendeten Variablen um 0.543 Punkte auf der Bewertungsskale auf höchst
signifikantem Niveau eher zu einem Vorstellungsgespräch eingeladen als Bewerber mit
weniger Praxiserfahrung.
Um die Effektstärke der einzelnen Variablen vergleichen zu können, wurden die
Koeffizienten paarweise mithilfe von Waldtests verglichen. Erweist sich der getestete
Unterschied der beiden Koeffizienten als signifikant, so können Aussagen über die Stärke
der Unterschiede zwischen einzelnen Koeffizienten gemacht werden. Die Effektstärken der
Dimensionen mit dichotomen Ausprägungen lassen sich jeweils direkt vergleichen. Dabei
können die Variablen ehrenamtliches Engagement und Praxiserfahrung auf einem 10%-
Signifikanzniveau als unterschiedlich bezeichnet werden, womit Praxiserfahrung
(Koeffizient: 0.554) im Auswahlprozess mehr Bedeutung zukommt als ehrenamtliche
Tätigkeit (Koeffizient: 0.437). Die jeweiligen Unterschiede dieser beiden Variablen zur
Dimension Auslandserfahrung erweisen sich nicht als signifikant. Damit können keine
Aussagen darüber getroffen, ob ein höherer Wert des Koeffizienten auch einen stärkeren
Einfluss nimmt.
Im jeweiligen Vergleich der Dimension Note mit den beiden Ausprägungen „Note 1,3“
und „Note 2,7“ zur Referenzkategorie „Note 2,0“ zeigen sich die Unterschiede als höchst
signifikant. Demnach ist die Ausprägung „Note 1,3“ (Koeffizient: 0.198) im Vergleich zur
Note „2,0“ weniger bedeutsam für den Erfolg als das Vorliegen einer Auslandserfahrung
(Koeffizient: 0.528) im Vergleich dazu, über keine Auslandserfahrung zu verfügen.
Hingegen senkt ein Abschlusszeugnis mit der „Note 2,7“ im Vergleich zu der
Merkmalsausprägung „Note 2,0“ (Koeffizient: - 0.538) die Chance, zu einem
Vorstellungsgespräch eingeladen zu werden in stärkerem Maße als dies der Fall ist, wenn
ein Bewerber keine Auslandserfahrung vorweisen kann. Analog lassen sich die
Ausprägungen der Dimension Note mit weiteren Koeffizienten vergleichen. Dabei zeigt
sich, dass die Koeffizienten der Dimension Note jeweils kleiner sind als die Werte der
Dimension Praxiserfahrung. Insbesondere der Unterschied zwischen den Noten „1,3“ und
„2,0“ erweist sich als weniger bedeutsam als die anderen in das Vignettendesign
86
integrierten Kompetenzen. Die in Hypothese H1 aufgestellte Annahme, dass die Note eines
Bewerbers im Vergleich zu den Kriterien Auslandserfahrung, ehrenamtliches Engagement
und Praxiserfahrung stärker von Entscheidern berücksichtigt wird, bestätigt sich daher
nicht.
Die Vignettendimensionen Universität nimmt keinen signifikanten Einfluss auf den
Auswahlprozess von Hochschulabsolventen. Demnach wird Hypothese H2, die einen
Vorteil für Absolventen der Universität Mannheim angenommen hat, abgelehnt. Die vom
Bewerber besuchte Hochschule nimmt keinen Einfluss auf den Auswahlprozess.
Für die Universitäten Würzburg und Mannheim zeigt sich, dass Personalentscheider
Bewerber, die an einer dieser beiden Universitäten studiert haben, im Auswahlprozess
bevorzugen würden.42
Zu vermuten ist, dass neben dem bloßen Wissen über die Qualität
einer Einrichtung aus persönlichen Erfahrungswerten insbesondere die Verbundenheit mit
der eigenen Alma Mater ausschlaggebend sein könnte. Eine solche Verhaltensweise lässt
sich theoretisch durch das Vorliegen von Homophilie erklären, die besagt, dass Akteure
Beziehungen zu Individuen präferieren, die ihnen selbst ähnlich sind. Dies kann sich
sowohl auf Werte und Einstellungen einer Person beziehen als auch auf
soziodemografische Charakteristika. Hierzu zählen auch Bildung und Beruf (McPherson,
Smith-Lovin & Cook 2001). Verfügt ein Personalentscheider über Informationen aus
seinem persönlichen Netzwerk, die ihm Wissen zur Qualifikation von FAU-Absolventen
verschaffen, so erhöht sich für Bewerber der FAU die Chance, zum Vorstellungsgespräch
eingeladen zu werden, auf schwach signifikantem Niveau. Zieht man dieses Ergebnis zur
Überprüfung der in H3 aufgestellten Hypothese heran, so ist zu beachten, dass im Rahmen
der Erhebung lediglich Informationen zu FAU-Absolventen vorliegen. Die Variable kann
somit keinen Anspruch auf Vollständigkeit erheben, aber dennoch erste Hinweise auf den
Einfluss von Informationen durch Dritte liefern. Unter Berücksichtigung der mit den
Variablen einhergehenden Schwierigkeiten, sowie der Tatsache, dass nicht für alle
Universitäten Homophilie-Effekte vorliegen, lässt sich Hypothese H3 nicht gänzlich
bestätigen und muss daher abgelehnt werden. Die Ergebnisse können lediglich als erster
Hinweis darauf verstanden werden, dass eigene Erfahrungen sowie Informationen durch
Dritte einen positiven Einfluss auf die Auswahlwahrscheinlichkeit derjenigen Bewerbern
nehmen, über die ein Entscheider Kenntnis besitzt.
42
Im Fall der EBS Oestrich-Winkel liegen nicht ausreichend Fälle vor, sodass diese Variable nicht in die
Analysen eingeht. Für die weiteren Subgruppenanalysen werden die Variablen zur eigenen Erfahrung sowie
zur zusätzlichen Information über die FAU nicht in die Modelle integriert, da die Fallzahlen zu gering sind.
87
Weitere Kontrollvariablen auf der Individualebene bleiben ohne Einfluss auf die
Einschätzung der Absolventen durch die Befragten, lediglich die Variable
Wirtschaftswissenschaftliches Studium stellt eine Ausnahme dar: Sind die Befragten selbst
Absolventen eines wirtschaftswissenschaftlichen Studienganges, so zeigt sich in allen
Modellen, dass diese auf hoch signifikantem Niveau generell eher Bewerber zu einem
Vorstellungsgespräch einladen würden als Befragte ohne vergleichbares Studium. Ein
möglicher Erklärungsansatz für dieses Ergebnis könnte in der generellen Präferenz der
Befragten für Absolventen wirtschaftswissenschaftlicher Studiengänge zu finden sein.
Damit läge eine weitere Form von Homophilie vor, die sich nicht auf eine
Hochschuleinrichtung, sondern auf eine gemeinsame Fachrichtung bezieht. Dies geht mit
Befunden aus der Netzwerkforschung einher, die aufzeigen, dass bei gleichwertiger
Bildung und beruflicher Positionen Homophilie vorliegt (für einen Überblick siehe
McPherson, Smith-Lovin & Cook 2001).
Betrachtet man das Sample, in dem Situationsbeschreibungen zu Bachelor-Absolventen
vorliegen (siehe Modell 2), so zeigen sich nahezu die gleichen Effekte wie im
Gesamtmodell. Bei der Bedeutung von Universitäten ist eine geringfügige Änderung
festzustellen, wonach Bachelor-Absolventen der FAU von Befragten tendenziell häufiger
zum Vorstellungsgespräch eingeladen werden würden als Bewerber, die einen adäquaten
Studienabschluss an der Universität Mannheim erworben haben. Wird das Modell um die
Variable zur Information Dritter erweitert, so bleibt dieser Unterschied allerdings nicht
mehr bestehen. Wie zuvor erläutert liegen keine empirischen Befunde zum
Informationsstand der Befragten über die anderen in den Vignetten genannten
Universitäten vor. Somit kann nicht untersucht werden, ob ähnliches Wissen nicht auch
einen Effekt auf das gesamte Auswahlverhalten nehmen würde. Auf eine Darstellung
dieser Ergebnisse sowie auf eine weitere Interpretation zu dieser Variablen wird daher
verzichtet.
In den Urteilen zu Master-Absolventen, die in Model 3 dargestellt sind, finden sich
allerdings Unterschiede zu den vorangegangenen Modellen. Die bei Bachelor-Absolventen
vorgenommene Differenzierung von Bewerbern im Hinblick auf ihre Abschlussnote bleibt
bei der Einschätzung von Master-Absolventen nur noch teilweise bestehen: Es zeigen sich
keine signifikanten Unterscheide zwischen Bewerbern, die mit der Note „1,3“ ihr Studium
abgeschlossen haben, und denjenigen, die eine „2,0“ im Zeugnis vorweisen können. Beide
werden in gleichem Maße zu Vorstellungsgesprächen eingeladen. Ein statistischer
88
Vergleich der beiden Samples Bachelor-Abschluss und Master-Abschluss (siehe Modell 4)
zeigt, dass die Unterschiede im Verhalten zwischen den beiden Samples hinsichtlich der
Bedeutung der Note als signifikant zu bezeichnen sind.
Bei der Auswahl von Bewerbern im Sample Master-Abschluss wird der Name der
Universität eher herangezogen als im Sample Bachelor-Abschluss. Die Befragten
unterscheiden nicht zwischen Hochschulabsolventen der Universitäten Mannheim und
Erlangen-Nürnberg, sie würden aber signifikant weniger wahrscheinlich Bewerber der
anderen drei Hochschulen zum Vorstellungsgespräch bitten. Im Vergleich der beiden
Sample (Modell 4) zeigt sich allerdings, dass die Unterschiede zwischen den Samples
Bachelor- und Master-Abschluss mit Ausnahme der FAU nicht als signifikant eingestuft
werden können. Den empirischen Befunden zufolge erfahren somit auch im Sample
Master-Abschluss Absolventen der Universität Mannheim keinen Vorteil im Vergleich zu
Bewerbern von anderen Hochschuleinrichtungen. Hypothese H4 kann somit nicht bestätigt
werden.
Die in Hypothese H5 getroffene Annahme der Bedeutung räumlicher Nähe wird mit einem
weiteren Vergleich der Samples außerhalb der Metropolregion (Modell 5) und
Metropolregion (Modell 6) untersucht. Die Ergebnisse werden in Tabelle 4.4 präsentiert.
Im Mittelpunkt der Analysen steht die Frage, ob Befragte aus der Metropolregion
Absolventen der Universitäten Erlangen-Nürnberg und Würzburg, also
Hochschuleinrichtungen in räumlicher Nähe, bevorzugen.
89
Tabelle 4.4: Ergebnisse der Mehrebeneschätzungen Modelle 5-7
Keine Metropolregion
(5)
Metropolregion (6) Vergleich zw. Keine
Metropolregion –
Metropolregion (7)
Vignetten-Dimensionen
Note (Ref.: 2,0)
1,3 0.199 ***
(0.046)
0.216 ***
(0.060)
n.s.
2,7 - 0.545 ***
(0.047)
- 0.450 ***
(0.061)
n.s.
Auslands-
erfahrung (Ref.: keine)
0.533 ***
(0.040)
0.377 ***
(0.051)
*
Ehrenamt
(Ref.: Keines)
0.433 ***
(0.039)
0.523 ***
(0.051)
n.s.
Praxiserfahrung
(Ref.: 2 Monate)
0.549 ***
(0.039)
0.520 ***
(0.050)
n.s.
Universität
(Ref.: Mannheim)
FAU 0.038
(0.063)
0.196 *
(0.081)
n.s.
EBS - 0.106
(0.062)
- 0.311 ***
(0.079)
n.s.
Würzburg
- 0.105
(0.061)
0.135
(0.078)
*
HU Berlin - 0.093
(0.062)
- 0.108
(0.080)
n.s.
Individualebene
Geschlecht
(Ref.: Männlich)
0.041
(0.101)
0.118
(0.137)
n.s.
Studium WiWi
(Ref.: keines)
0.319 **
(0.116)
0.069
(0.163)
n.s.
Samplesplit
(Ref.: BA)
0.017
(0.095)
- 0.160
(0.121)
n.s.
Konstante 4.317 ***
(0.957)
4.565 ***
(1.159)
N 3102 2130 5232
Random-Effect Parameters
sd(_cons) 0.988 (0.036) 1.042 (0 .046)
sd(Residual) 1.015 (0.014) 1.084 (0.018)
Rho 0.486 0.480
Random-Intercept-Modell mit Gewichtung für die Variable Metropolregion für den Gruppenvergleich.
Abhängige Variable „Wie wahrscheinlich würden Sie den Bewerber zum Vorstellungsgespräch einladen?“ (Likertskala
von 1 „Sehr unwahrscheinlich“ bis 7 „Sehr wahrscheinlich“.)
Signifikant für: p<0.001 (***), p<0.01 (**), p<0.05 (*), p<0.1 (+). Robuste Standardfehler in Klammern. In den
Modellen wird zusätzlich für die Individualvariablen Alter, Alter2, Bildungsstand sowie Beschäftigungsdauer,
kontrolliert, für diese zeigen sich keine signifikanten Effekte.
90
Zunächst zeigt sich, dass Befragte außerhalb der Metropolregion signifikant mehr Wert auf
Auslandserfahrung legen als Mitarbeiter von Unternehmen innerhalb der Metropolregion.
In beiden Samples sind die ausschlaggebenden Entscheidungskriterien wiederum in den
individuellen Merkmalen der Bewerber zu finden, während der Name der Hochschule
keine Rolle spielt. Im relativen Vergleich der einzelnen Universitäten zeigen sich jedoch
Unterschiede: Während im überregionalen Sample kein signifikanter Unterschied zwischen
der FAU und der Universität Mannheim zu finden ist, erfährt die FAU innerhalb der
Metropolregion eine größere Zustimmung; es würden signifikant häufiger Bewerber der
FAU eingeladen werden als Kandidaten mit einem Abschluss der Universität Mannheim.
Der Unterschied zwischen den beiden Gruppen außerhalb und innerhalb der
Metropolregion ist allerdings nicht signifikant. Für die Effekte der Universität Würzburg
zeigen sich keine signifikanten Effekte, allerdings verändert sich das Vorzeichen des
Koeffizienten von einem negativen Wert im Sample außerhalb Metropolregion zu einem
Positiven im Sample Metropolregion. Dieser Unterschied ist im Modell zum Vergleich der
beiden Samples (Modell 7) als schwach signifikant zu bezeichnen. Zwar deuten die
Befunde darauf hin, dass die regionale Nähe einen positiven Effekt auf die Auswahl von
Bewerbern nimmt. Die Hypothese wird aufgrund der vorliegenden empirischen Befunde
aber nur in Teilen bestätigt. Daher wird auch Hypothese H5 abgelehnt.
Abschließend sollen die Ergebnisse der empirischen Überprüfung der Hypothesen noch
einmal zusammenfassend dargestellt werden:
- Die in Hypothese H1 formulierte Annahme, dass der Abschlussnote im
Auswahlprozess eine größere Bedeutung zukommt als andere Kompetenzen, kann
nicht bestätigt werden. Noten werden von Entscheidern in Unternehmen
berücksichtigt, allerdings spielt insbesondere die Praxiserfahrung eine mindestens
ebenso wichtige Rolle im Rekrutierungsprozess neuer Mitarbeiter.
- In Hypothese H2 wurde angenommen, dass Absolventen der Universität Mannheim,
die in Hochschulrankings in den letzten Jahren durchgängig als sehr gut eingestuft
wurde, eher zu einem Vorstellungsgespräch eingeladen werden würden als andere
Bewerber. Auch diese Annahme wird durch die vorliegenden empirischen Befunde
widerlegt.
- Hypothese H3 postulierte, dass zusätzliche Informationen über eine Hochschule
aufgrund selbst gemachter Erfahrungen sowie durch Wissen über
Hochschulabsolventen durch Dritte die Auswahlwahrscheinlichkeit positiv
91
beeinflussen. Unter Berücksichtigung der vorliegenden Datenlage lässt sich die
Hypothese zwar nicht gänzlich bestätigen, da sich nicht für alle Universitäten
Homophilie-Effekte zeigen. Die Ergebnisse deuten aber darauf hin, dass
individuelles Wissen, das sowohl aus der eigenen Erfahrung als auch aus
Information durch Dritte stammen kann, die Auswahlwahrscheinlichkeit positiv
beeinflusst.
- Der in Hypothese H4 angenommene Unterschied im Auswahlverhalten zwischen
Bachelor- und Masterabsolventen hinsichtlich der Bedeutung von
Hochschulreputation kann ebenfalls nicht bestätigt werden. Absolventen der
Universität Mannheim mit einem Master-Abschluss werden zwar im Vergleich zu
anderen Bewerbern mit adäquater Ausbildung von Entscheidern in Unternehmen
im Rekrutierungsprozess leicht bevorzugt. Die Unterschiede zwischen den Samples
Bachelor- und Master-Abschluss zeigen sich allerdings mit Ausnahme der FAU als
nicht signifikant.
- Schließlich zeigt ein Vergleich zwischen Befragten außerhalb und innerhalb der
Metropolregion Nürnberg, dass die Ergebnisse zwar auf die in Hypothese H5
getroffene Annahme hindeuten, sich aber nicht durchgängig bestätigen. Die
Ergebnisse können in diesem Sinne lediglich als Hinweis darauf verstanden
werden, dass Absolventen von Universitäten in räumlicher Nähe zu Arbeitgebern
leichte Vorteile gegenüber Bewerbern von anderen Hochschulen haben.
4.6 Fazit
Das Ziel des vorliegenden Beitrags bestand darin, Aufschluss über die Kriterien zu
erlangen, die Entscheidungsträger in deutschen Unternehmen derzeitig bei der Auswahl
von Bewerbern mit wirtschaftswissenschaftlichem Abschluss anlegen. Dies zum jetzigen
Zeitpunkt zu untersuchen, scheint sinnvoll: Die Bologna-Reform hat die deutschen
Hochschulstrukturen nachhaltig verändert und mit der Einführung von Bachelor- und
Masterstudiengängen drängen nun seit kurzem Absolventen mit neuen Abschlüssen auf
den Arbeitsmarkt. Dementsprechend lässt sich mithilfe der Untersuchung aufzeigen,
welche Bewerbersignale Arbeitgeber in der aktuellen Situation wahrnehmen und worauf
sie besonderen Wert legen. Der von staatlicher Seite geförderte, zunehmende Wettbewerb
zwischen Universitäten suggeriert, dass es Qualitätsunterschiede zwischen
Hochschulinstitutionen gibt, die beispielsweise mit Hilfe von Rankings auch sichtbar
92
gemacht werden können. Demzufolge ist es von besonderem Interesse, empirische Evidenz
darüber zu erhalten, ob der Ruf einzelner Hochschulen mittlerweile in deutschen
Unternehmen ebenfalls als aussagekräftiges Signal im Auswahlprozess potenzieller
Mitarbeiter herangezogen wird.
Bei der Interpretation der empirischen Befunde dieses Beitrags ist zu berücksichtigen, dass
diese mit der Methode des faktoriellen Surveys und damit auf Grundlage eines quasi-
experimentellen Verfahrens erhoben wurden, wobei lediglich das hypothetische Verhalten
der Befragten abgefragt werden konnte. Mit der Festlegung auf eine begrenzte Anzahl
variierter Dimensionen vermag es diese Methode zwar nicht, den gesamten Such-,
Auswahl- und Einstellungsprozess von Bewerbern vollständig abzubilden. Auch die bei
der Dimension Universität gewählten Hochschuleinrichtungen können auf Grundlage
theoretischer Vorüberlegungen nur beispielhaft in das Design eingehen und durch den
Befragten dementsprechend bewertet werden. Für den Einsatz des faktoriellen Surveys
spricht allerdings, dass das Design eine differenzierte Betrachtung potenzieller
Einflussvariablen ermöglicht.
Im Auswahlprozess von Bewerbern steht weiterhin deren individuelle Qualifikation im
Mittelpunkt, der Name der Hochschule spielt nahezu keine Rolle. Hochschulreputation
wird demnach von Arbeitgebern nicht als aussagekräftiges Signal wahrgenommen.
Betrachtet man die Gruppe der Hochschulabsolventen getrennt nach ihren Abschlussarten,
so zeigen sich im Auswahlprozess von Master-Absolventen leichte Vorteile für Bewerber
der Universität Mannheim, die im vorliegenden Design als Beispiel für eine hochgerankte
Universität herangezogen wurde. Die Ergebnisse für diese Absolventengruppe
unterscheiden sich allerdings nicht signifikant von der Gruppe der Bewerber mit Bachelor-
Abschluss. Demnach wird im Sinne einer signaltheoretischen Interpretation das Signal der
Hochschulreputation von Bewerbern mit Master-Abschluss nicht signifikant stärker in die
Studienortwahl einbezogen als von Bachelor-Studierenden.
Somit stehen für Entscheider hierzulande weiterhin die individuellen Merkmale von
Bewerbern an erster Stelle. Verhältnisse wie im US-Hochschul- und Arbeitsmarkt, in dem
Top-Universitäten bereits über ihren Namen verdeutlichen, für welche Positionen am
Arbeitsmarkt ihre Absolventen in Frage kommen, sind in Deutschland derzeitig nicht zu
finden. Für Fachführungskräfte in Unternehmen zählen Qualifikationen wie Praxis- und
Auslandserfahrung, die Erfahrungen aus ehrenamtlicher Tätigkeit sowie ein guter
Hochschulabschluss. Dabei ist es für Entscheider gerade bei Master-Absolventen nicht von
93
Bedeutung, ob ein sehr guter Abschluss erlangt wurde; lediglich Bewerber mit einer
Abschlussnote schlechter als 2,5 erfahren im Auswahlprozess Nachteile. Ein Großteil der
Entscheidungsträger scheint Noten somit nicht ohne Unsicherheit einschätzen zu können.
Die Abschlussnoten des Einzelnen hängen aber auch immer von in Studiengängen
erzielten Durchschnittsnoten eines Jahrgangs bzw. des jeweilig gesetzten Notenniveau ab.
Dies lässt den Rückschluss zu, dass Fachführungskräfte die möglicherweise
unterschiedlich angelegten Leistungsniveaus und damit auch potenzielle
Qualitätsunterschiede zwischen Hochschuleinrichtungen antizipieren, diese aber nicht
einordnen können und diesem Signal dementsprechend nur eingeschränkt Vertrauen
schenken.
Die Ergebnisse des vorliegenden Beitrags verdeutlichen außerdem, dass der individuelle
Kenntnis- und Informationsstand des Entscheiders im Unternehmen Einfluss auf die
Auswahlwahrscheinlichkeit nimmt. Der theoretisch angenommenen Bedeutung von
persönlich generiertem Wissen – sowohl durch eigene Erfahrung als auch durch die
Informationen über Dritte – zu einer Hochschule kann zwar mit den vorliegenden Daten
nicht vollständig überprüft werden. Dennoch erlauben die Ergebnisse den Eindruck, dass
zusätzliches Wissen Einfluss auf den Rekrutierungsprozess nehmen kann. Der
Unternehmensstandort scheint keine bedeutsame Rolle im Auswahlprozess zu spielen.
Absolventen regionaler Universitäten genießen gegenüber Mitbewerbern, die an entfernter
gelegenen Bildungseinrichtungen studiert haben, im Auswahlprozess bestenfalls leichte
Vorteile.
Es bleibt abzuwarten, ob durch den zunehmenden Wettbewerb zwischen
Hochschuleinrichtungen auch die Reputation von Hochschulen eine größere Bedeutung
erfahren wird. Diese sollte sich in erster Linie über Rankings verbreiten; durch diese
institutionalisierte Reputation kann eine breite Öffentlichkeit kostengünstig Informationen
zu einzelnen Bildungseinrichtungen beziehen. Mag auch die Reputationsinformation aus
informellen Kanälen als vertrauenswürdiger empfunden werden, da die Information durch
Netzwerkkontakte übermittelt wird, so wird diese Art der Verbreitung allerdings keine
Wirkung in solch quantitativem Ausmaß erzielen wie formelle Kanäle es im Falle von
Hochschulreputation vermögen. Die Frage bleibt, inwiefern Rankings echte Vergleiche
vornehmen und aufzeigen können, da methodische und inhaltliche Probleme bei der
Erstellung dieser Rangvergleich evident sind. Zweifel an der Validität dieser Instrumente
bleiben bestehen. Dies zeigt sich beispielsweise in der im Juni 2012 abgegebenen
94
Empfehlung der DGS an Soziologie-Studiengänge, sich nicht mehr an einer Evaluierung
durch das CHE-Ranking zu beteiligen (DGS 2012)
Unabhängig von der Diskussion um den Inhalt und Nutzen von Hochschulrankings wird
am Beispiel von Hochschulen die Komplexität, die der Reputation von Organisationen
zugrunde liegt, deutlich. Reputation stellt in diesem Sinne ein enorm vielschichtiges
Konstrukt dar, bei dem in der Entstehung und Wirkung unterschiedlichste Determinanten
Einfluss nehmen können. Im Zusammenspiel von formellen und informellen
Informationskanälen ist hier weitere Grundlagenforschung nötig, um konkrete
Erkenntnisse über die Mechanismen der Bildung und Wirkung von Reputation zu erlangen.
Im Hinblick auf die Reputation von Hochschulen kann dies im zunehmenden Wettbewerb
zwischen den Bildungseinrichtungen einen wichtigen Faktor darstellen, sofern mit
steigender Differenzierung der Qualität von Hochschulen auch die Bedeutung von
Hochschulreputation zunimmt. Bislang stehen in Deutschland allerdings weiterhin die
individuellen Kompetenzen des Bewerbers im Vordergrund - und dies sollte sich den
empirischen Befunden nach zu urteilen vorerst auch nicht ändern.
95
5 Fazit
Die vorliegende Arbeit beschäftigte sich mit Reputation in Märkten. Die einzelnen
Beiträge vereint dabei die Annahme, dass wirtschaftliche Transaktionen mit Unsicherheit
behaftet sind, die durch Reputation überwunden werden können. Dies wurde bereits in
verschiedenen wissenschaftlichen Disziplinen sowohl theoretisch als auch empirisch
erörtert und bestätigt. In diesem Zusammenhang konnte unter anderen aufgezeigt werden,
dass Reputation auch in den persönlichen Netzwerken von Akteuren kursiert und somit
Wirkung entfalten kann. Wie diese Art der Reputation allerdings entsteht, wurde bislang
kaum thematisiert. An dieser bestehenden Forschungslücke setzte die vorliegende Arbeit
an und widmete sich primär der Frage, wie Reputation in wirtschaftlichen Transaktionen
entsteht. Darüber hinaus wurde erörtert, ob Reputation am Markt als Signal
wahrgenommen wird, wenn dem nachfragenden Akteur neben der Reputationsinformation
weitere Signale zur Verfügung stehen, auf die er in seiner Entscheidung zurückgreifen
kann.
Im Mittelpunkt der Kapitel 2 und 3 stand die Untersuchung von Reputationsinformation,
die informell weitergegeben wird. Während in bisherigen ökonomischen und
soziologischen Studien die Existenz von Reputation in der Regel als gegeben angenommen
wurde, thematisieren die beiden vorliegenden Untersuchungen die Frage nach der
Entstehung von Reputation. Ziel war es dabei, Aufschluss über die Beschaffenheit sozialer
Strukturen und über die Bedingungen zu erlangen, die Reputationsentstehung fördern oder
hemmen können. Dabei gilt die generelle Annahme, dass Individuen rational handeln und
ihre Entscheidungen dementsprechend vor dem Hintergrund von Kosten und Nutzen
abwägen. Dies betrifft nicht nur wirtschaftliche Transaktionen an sich, sondern auch die
Entscheidung, Informationen über derartige Tauschvorgänge bzw. über den
Interaktionspartner weiterzugeben. Um diese Mechanismen grundlegend untersuchen zu
können, wurde in beiden Studien bewusst auf komplexe Modellierungen verzichtet. Die
wirtschaftliche Transaktion sowie die potenziell kursierende Information über diese finden
innerhalb eines minimal gehaltenen Netzwerkes von drei Akteuren statt. Zudem erfolgte
die Generierung eines Nullpunktes, an dem sich die Mechanismen einer potenziellen
Reputationsentstehung beobachten lassen. Somit kann ausgeschlossen werden, dass eigene
Erfahrungen aus früheren Transaktionen bzw. möglicherweise bestehendes Wissen um die
Reputation des Tauschpartners existieren.
96
Während die zu untersuchende Fragestellung in Kapitel 2 auf die Methode des faktoriellen
Surveys zurückgreift und damit ein quasi-experimentelles Verfahren nutzt, erfolgte die
empirische Umsetzung in Kapitel 3 im Rahmen eines klassischen Laborexperiments. Die
Verfahren weisen bezüglich der vorliegenden Fragestellung Vor- und Nachteile auf. Der
Rückgriff auf beide Designs erweist sich als sinnvoll, da diese sich mit Blick auf ihre
jeweiligen Potenziale in einigen Punkten gut ergänzen. So ermöglichen faktorielle Surveys
im Gegensatz zu Laborexperimenten die gezielte Variation von Situationsbeschreibungen,
womit sich hinsichtlich der zu untersuchenden Forschungsfrage entsprechende soziale
Strukturen und institutionelle Rahmenbedingungen simulieren lassen. Der Nachteil dieser
Methode besteht darin, dass lediglich das potenzielle Verhalten der Befragten erhoben
wird. In diesem Punkt schafft das Laborexperiment Abhilfe: Wie in Kapitel 3 dargelegt,
wurde die Forschungsfrage in Form eines iterierten Vertrauensspiels (Berg, Dickhaut &
McCabe 1995) umgesetzt, wobei es den Teilnehmern, die im Experiment als Käufer
agierten, nach den jeweiligen Transaktionen ermöglicht wurde, andere Käufer über den
Verlauf der eigenen Transaktion zu informieren. Entstehende Kosten für die
Informationsweitergabe können ebenfalls direkt in das Design integriert werden. Im
faktoriellen Survey lassen sich die Kosten nur implizit, in Form des Nutzens der
Informationsweitergabe für den Empfänger, andeuten. Das vorliegende Erhebungsdesign
des faktoriellen Survey blendet die Rezeption von Information durch den Empfänger
vollständig aus. Somit lässt sich auf dieser Grundlage nicht erschließen, ob
Reputationsinformation auch als solche wahrgenommen und genutzt wird. Dieses Defizit
entfällt im Trust Game, da durch die Messung von Vertrauen untersucht werden kann, ob
dieses von Reputation beeinflusst wird. Generiertes Vertrauen kann als Reaktion auf die
Reputationsinformation interpretiert werden. Mit Aussagen zu der Vertrauenswürdigkeit
der Verkäufer sowie zu der Effizienz einzelner Tauschvorgänge erweitert dieses Setting
zudem den Blick auf die potenzielle Wirkung von Reputation. In diesem Sinne simuliert
das Laborexperiment eine gesamte Transaktion, in denen Situationen mit potenzieller
Reputationsinformation unter Kontrolle mit Tauschvorgängen verglichen werden können,
in denen Akteure unter vollständiger Unsicherheit Entscheidungen treffen.
Die Ergebnisse zeigen, dass die Informationsweitergabe durch Individuen rational sowie in
Abhängigkeit gegebener institutioneller und sozialer Strukturen erfolgt. Befunde aus dem
faktoriellen Survey in Kapitel 2 verdeutlichen, dass die Art der Beziehung hierbei eine
ebenso bedeutsame Rolle spielt wie die soziale Einbettung: Beispielsweise forcieren
freundschaftliche Beziehungen die Weitergabe von Informationen. Wettbewerbsstrukturen
97
hemmen hingegen die Entstehung von Reputation. Auch die Kosten werden in die
Entscheidung einbezogen – dies bestätigen sowohl die Ergebnisse des faktoriellen Surveys
als auch die Befunde aus dem Laborexperiment in Kapitel 3. Die Bedeutung von
Reziprozität lässt sich ebenfalls in beiden Untersuchungen nachweisen. Insgesamt zeigt
sich, dass soziale Strukturen und die Art der mit dem Tauschpartner gemachten
Erfahrungen Einfluss darauf nehmen, ob Information weitergegeben wird. Die oftmals in
netzwerktheoretischen und ökonomischen Ansätzen angenommene automatische
Entstehung von Reputationsinformation lässt sich anhand der vorliegenden Ergebnisse
nicht bestätigen. Vielmehr ist festzustellen, dass Akteure differenzieren, unter welchen
Bedingungen sie an einen anderen Akteur Information weitergeben.
Zu bedenken ist, dass die aus den (quasi-)experimentellen Erhebungen stammenden
Ergebnisse im Hinblick auf ihre externe Validität kritisch zu beurteilen sind (vgl. z. B.
Diekmann 2007, S. 345). Die Erhebung des faktoriellen Survey erfolgte zwar im Rahmen
einer unter Ingenieuren durchgeführten Studie in der Schweiz, mit einer wirtschaftlichen
Transaktion als Beispiel, in das sich die Befragten gut hineinversetzten können sollten.
Dennoch stellt diese gewählte wirtschaftliche Transaktion lediglich ein fiktives Beispiel
dar. Auch die beiden Untersuchungen zugrunde liegende Modellierung einer Triade als
kleinstmögliches Netzwerk lässt sich nicht direkt auf die Wirklichkeit übertragen, da die
realen sozialen Netzwerke von Akteuren größer sind und sich überdies auch heterogener
und komplexer gestalten. Aus diesen Gründen sollten zukünftige experimentelle
Erhebungen den Fokus sowohl auf die Analyse weiterer Parameter zur Entstehung von
Reputationsinformation richten als auch größere Netzwerkstrukturen untersuchen.
Unerlässlich für eine weitere empirische Evidenz zur Reputationsentstehung ist eine
Validierung der Ergebnisse durch Felddaten.
Für einen ersten Zugang scheint eine experimentelle Herangehensweise mithilfe einer
einfachen Modellierung allerdings gerechtfertigt, wie die vorliegenden Ergebnisse
verdeutlichen. Diese untermauern die theoretische Annahme, dass es sich bei Reputation
um ein multiplexes Konstrukt handelt, das in Abhängigkeit von unterschiedlichen
Bedingungen, Ereignissen und Strukturen entsteht. Daher sollte zunächst die Kenntnis über
grundlegende Zusammenhänge von zentralem Interesse sein, um weiterführende Aussagen
zu Funktionsmechanismen des Erfahrungsaustausches in wirtschaftlichen Transaktionen
treffen zu können. Dies ist umso wichtiger, da sich auch ökonomische
Entscheidungsprozesse selbst mitunter als vielschichtig und komplex darstellen, wie
98
Kapitel 4 aufzeigte. Hier wurde mit der Auswahl von Hochschulabsolventen eine Situation
untersucht, für die ein hohes Maß an Unsicherheit angenommen werden kann. Im Fokus
der Erhebung stand dabei die Informationsasymmetrie, der sich Arbeitgeber hinsichtlich
der Produktivität potenzieller Mitarbeiter ausgesetzt sehen. Auf Grundlage
signaltheoretischer Überlegungen wurde angenommen, dass neben den individuellen
Merkmalen, die aus der Bewerbung eines Hochschulabsolventen ersichtlich sind, auch der
Name der Hochschule in Form von Reputation als Signal im Auswahlprozess fungieren
kann. Dies scheint insbesondere vor dem Hintergrund veränderter Hochschulstrukturen,
die sich sowohl in der Einführung neuer Studiengänge und -abschlüsse als auch in einem
zunehmenden Wettbewerb zwischen den einzelnen Hochschuleinrichtungen zeigen,
naheliegend. Überdies suggeriert eine quantitative Zunahme von Hochschulrankings,
mithilfe derer die Qualität einzelner Einrichtungen vergleichbar gemacht werden soll, dass
der Ruf jeweiliger Hochschuleinrichtungen mittlerweile als Signal gelten kann.
Auch diese Fragestellung wurde mithilfe eines faktoriellen Surveys umgesetzt. In
zahlreichen Arbeitgeberbefragungen wird relativ allgemein erfragt, welche Kriterien beim
Berufseinstieg aus Sicht von Personalverantwortlichen wichtig sind. Mithilfe des
Vignettendesigns, das eine einfach konstruierte Rekrutierungssituation beinhaltete,
konnten die potenziellen Einflussfaktoren in einer Situation gebündelt und somit im
Gesamten abgefragt werden. Die empirischen Ergebnisse der Untersuchung zeigen, dass
im Auswahlprozess von Hochschulabsolventen individuelle Merkmale wie die
Abschlussnote, praktische Erfahrungen, Auslandsaufenthalte sowie ehrenamtliches
Engagement die zentralen Kriterien sind, die bei der Einstellung junger Bewerber den
Ausschlag geben und dementsprechend von Arbeitgebern als Signale für die zu erwartende
Produktivität der Bewerber wahrgenommen werden. Hochschulreputation bleibt hingegen
nahezu ohne Bedeutung. Diese Befunde verdeutlichen, dass der Ruf von Hochschulen trotz
veränderter Rahmenbedingungen derzeitig keinen Einfluss auf den Auswahlprozess von
Hochschulabsolventen nimmt. Arbeitgeber schenken diesem Signal kaum Vertrauen.
Absolventen können somit in Deutschland auch nicht im Sinne einer Gruppe betrachtet
werden, die als Träger der Reputation ihrer Hochschule (Tirole 1996) fungiert und
verlässliche Qualität über die jeweilig besuchte Hochschule liefert. Die Befunde deuten
darauf hin, dass institutionalisierte Informationen wie Hochschulrankings somit keinen
bedeutsamen Einfluss auf Auswahlprozesse nehmen. Dies mag auch daran liegen, dass der
Name einer Hochschuleinrichtung ein hohes Maß an Heterogenität beinhaltet: Unter dem
Dach einer Universität versammeln sich zahlreiche Fakultäten, denen Fachbereiche und
99
Institute angehören. Erst in diese sind die einzelnen Studiengänge einbettet, in denen
wiederum die eigentliche Verantwortung für die Qualität von Forschung und Lehre, und
damit für das Qualifikationsniveau von Absolventen, liegt. Der Fall der Reputation von
Hochschulen stellt möglicherweise ein Beispiel dafür dar, dass die eindeutige Zuordnung
von Information zu einem Akteur gewährleistet sein muss, damit Reputation eine echte
Wirkung entfalten kann.
Auf den vorliegenden Ergebnissen aufbauend sollten zukünftig weitere detaillierte
Untersuchungen folgen. Eine Kombination aus Labor- und Felddaten erscheint hierfür
sinnvoll. Mit diesem Wissen als Grundlage lassen sich möglicherweise auch die
Wirkungsmechanismen und die Bedeutung von Reputation neu überprüfen. Das Potenzial
von Reputation in wirtschaftlichen Transaktionen unter Unsicherheit ist groß. Weitere
Evidenz zu den Mechanismen von Reputation kann dieses Potenzial nur stärken.
100
6 Literatur
Abimbola, T. & Vallaster, C. (2007): Brand, Organisational Identity and Reputation in
SMEs: An Overview. Qualitative Market Research: An International Journal, 10:
341-348.
Abraham, M. (2001): Die Rolle von Vertrag, Macht und sozialer Einbettung für
wirtschaftliche Transaktionen Das Beispiel des Zahlungsverhaltens. Kölner
Zeitschrift für Soziologie und Sozialpsychologie, 53: 28-49.
Abraham, M., Grimm, V., Meyer, C. & Seebauer, M. (2012): Emergence of Reputation
(Submitted).
Abraham, M. & Meyer, C. (2012): Bedingungen des Erfahrungsaustausches in
wirtschaftlichen Transaktionen: Das Beispiel der Reputation von
Weiterbildungsanbietern. Zeitschrift für Soziologie, 41: 166-181.
Akerlof, G. A. (1970): The Market for "Lemons": Quality Uncertainty and the Market
Mechanism. The Quarterly Journal of Economics, 84: 488-500.
Alesi, B., Schomburg, H. & Teichler, U. (2010): Humankapitalpotenziale der gestuften
Hochschulabschlüsse in Deutschland: Weiteres Studium, Übergang in das
Beschäftigungssystem und beruflicher Erfolg von Bachelor-und Master-
Absolventen. Studien zum deutschen Innovationssystem: 13-2010.
Allen, F. (1984): Reputation and Product Quality. The RAND Journal of Economics, 15:
311-327.
Altonji, J. G. & Pierret, C. R. (2001): Employer Learning and Statistical Discrimination.
The Quarterly Journal of Economics, 116: 313-350.
Angrist, J. D. & Pischke, J. S. (2009): Mostly Harmless Econometrics: An Empiricist's
Companion: Princeton University Press.
Arrow, K. J. (1973): Higher Education as a Filter. Journal of Public Economics, 2: 193-
216.
Auspurg, K., Abraham, M. & Hinz, T. (2009): Die Methodik des faktoriellen Surveys in
einer Paarbefragung. In P. Kriwy & C. Gross (Eds.), Klein aber fein!, S. 179-210.
Wiesbaden: VS.
Auspurg, K., Hinz, T. & Liebig, S. (2009): Komplexität von Vignetten, Lerneffekte und
Plausibilität im Faktoriellen Design. Methoden-Daten-Analysen, 1: 59-96.
Ba, S. & Pavlou, P. (2002): Evidence of the Effect of Trust Building Technology in
Electronic Markets: Price Premiums and Buyer Behavior. MIS Quarterly 26: 243-
268.
Bajari, P. & Hortaçsu, A. (2003): The Winner's Curse, Reserve Prices and Endogenous
Entry: Empirical Insights from eBay Auctions. The Rand Journal of Economics, 3:
329-355.
Bajari, P. & Hortaçsu, A. (2004): Economic Insights from Internet Auctions. Journal of
Economic Literature, 42: 457-486.
Banscherus, U., Himpele, K. & Staack, S. (2010): Akademische Berufsqualifizierung als
konzeptionelle Herausforderung an Hochschulen, Politik und
Studierendenforschung. WSI-Mitteilungen, 10: 508-514.
Barney, J. (1991): Firm Resources and Sustained Competitive Advantage. Journal of
Management, 17: 99-120.
Bastedo, M. N. & Bowman, N. A. (2010): US News & World Report College Rankings:
Modeling Institutional Effects on Organizational Reputation. American Journal of
Education, 116: 163-183.
101
Beck, M. & Opp, K. D. (2001): Der faktorielle Survey und die Messung von Normen.
Kölner Zeitschrift für Soziologie und Sozialpsychologie, 53: 283-306.
Becker, G. S. (1964): Human Capital New York [u.a.]: Columbia University Press.
Becker, M. (1999): Aufgaben und Organisation der betrieblichen Weiterbildung.
München: Hanser.
Ben-Porath, Y. (1980): The F-Connection: Families, Friends, and Firms and the
Organization of Exchange. Population and Development Review, 6: 1-30.
Benjamini, Y. & Hochberg, Y. (1995): Controlling the False Discovery Rate: A Practical
and Powerful Approach to Multiple Testing. Journal of the Royal Statistical
Society. Series B (Methodological), 57: 289-300.
Berck, P. & Lipow, J. (2000): Managerial Reputation and the ‘Endgame’. Journal of
Economic Behavior and Organization, 42: 253-263.
Berg, J., Dickhaut, J. & McCabe, K. (1995): Trust, Reciprocity, and Social History. Games
and Economic Behavior, 10: 122-142.
Berger, R. & Schmitt, K. (2005): Vertrauen bei Internetauktionen und die Rolle von
Reputation, Informationen, Treuhandangebot und Preisniveau. Kölner Zeitschrift
für Soziologie und Sozialpsychologie, 57: 86-111.
Blau, P. (1964): Power and Exchange in Social Life. New York: Wiley.
Blumberg, B. (2001): Cooperation Contracts Between Embedded Firms. Organization
Studies, 22: 825-852.
Bolton, G. E., Katok, E. & Ockenfels, A. (2004): How Effective are Electronic Reputation
Mechanisms? An Experimental Investigation. Management Science, 50: 1587-
1602.
Bolton, G. E., Katok, E. & Ockenfels, A. (2005): Cooperation Among Strangers with
Limited Information about Reputation. Journal of Public Economics, 89: 1457-
1468.
Bolton, G. E., Ockenfels, A. & Ebeling, F. (2011): Information Value and Externalities in
Reputation Building. International Journal of Industrial Organization, 29: 23-33.
Boulding, W., Kalra, A., Staelin, R. & Zeithaml, V. (1993): A Dynamic Process Model of
Service Quality: From Expectations to Behavioral Intentions. Journal of Marketing
Research, 30: 7-27.
Bowman, N. A. & Bastedo, M. N. (2009): Getting on the Front Page: Organizational
Reputation, Status Signals, and the Impact of US News and World Report on
Student Decisions. Research in Higher Education, 50: 415-436.
Bowman, N. A. & Bastedo, M. N. (2011): Anchoring Effects in World University rankings:
Exploring Biases in Reputation Scores. Higher Education, 61: 431-444.
Brenzikofer, B. (2002): Reputation von Professoren. München und Mering: Rainer Hampp
Verlag.
Brown, B. & Perry, S. (1994): Removing the Financial Performance Halo from Fortune's
"Most Admired" Companies. Academy of Management Journal, 37: 1347-1359.
Burkhardt, A., Schomburg, H. & Teichler, U. (2000): Hochschulstudium und Beruf-
Ergebnisse von Absolventenstudien. Bonn: Bundesministerium für Bildung und
Forschung (BMBF), Referat Öffentlichkeitarbeit.
Burt, R. S. (2005): Brokerage and Closure. Oxford: University Press.
Buskens, V. (2002): Social Networks and Trust. Utrecht: ICS.
Buskens, V. & Weesie, J. (2000): An Experiment on the Effects of Embeddedness in Trust
Situations: Buying a Used Car. Rationality and Society, 12: 227-253.
Camerer, C. & Weigelt, K. (1988): Experimental Tests of a Sequential Equilibrium
Reputation Model. Econometrica: Journal of the Econometric Society, 56: 1-36.
Cheshire, C. & Cook, K. S. (2004): The Emergence of Trust Networks under Uncertainty–
Implications for Internet Interactions. Analyse & Kritik, 26: 220-240.
102
Coleman, J. (1990): Foundations of Social Theory. Cambridge, Massachuchetts: Belknap
Press.
Deephouse, D. L. (2000): Media Reputation as a Strategic Resource: An Integration of
Mass Communication and Resource-based Theories. Journal of Management, 26:
1091-1112.
Dellarocas, C. (2004): Building Trust Online: The Design of Robust Reputation Reporting
Mechanisms for Online Trading Communities. In G. Doukidis, N. Mylonopoulos &
N. Nancy Pouloudi (Eds.), Social and Economic Transformation in the Digital Era,
S. 95-13. Hershey: IGI Global.
DGS (2012): Evaluation ja – CHE-Ranking nein. Methodische Probleme und politische
Implikationen des CHE-Hochschulrankings Stellungnahme der DGS. Abgerufen
am 02.07.2012 unter
http://www.soziologie.de/uploads/media/Stellungnahme_DGS_zum_CHE-
Ranking_Langfassung.pdf
Diekmann, A. (2007): Empirische Sozialforschung. Reinbeck: Rowohlt.
Diekmann, A. & Wyder, D. (2002): Vertrauen und Reputationseffekte bei Internet-
Auktionen. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 54: 674-693.
Dill, D. D. & Soo, M. (2005): Academic Quality, League Tables, and Public Policy: A
Cross-National Analysis of University Ranking Systems. Higher Education, 49:
495-533.
DiMaggio, P. & Louch, H. (1998): Socially Embedded Consumer Transactions: For What
Kinds of Purchases do People most often Use Networks? American Sociological
Review, 63: 619-637.
Doeringer, P. B. & Piore, M. J. (1971): Internal Labor Markets and Manpower Analysis.
Lexington: Heath.
Dollinger, M. J., Golden, P. A. & Saxton, T. (1997): The Effect of Reputation on the
Decision to Joint Venture. Strategic Management Journal, 18: 127-140.
Düll, H. & Bellmann, L. (1998): Betriebliche Weiterbildungsaktivitäten in West-und
Ostdeutschland. Mitteilungen aus der Arbeitsmarkt-und Berufsforschung, 31: 205-
225.
Dulleck, U., Kerschbamer, R. & Sutter, M. (2011): The Economics of Credence Goods: An
Experiment on the Role of Liability, Verifiability, Reputation, and Competition. The
American Economic Review, 101: 526-555.
Durkheim, É. (1893 (zuerst 1992)): Über soziale Arbeitsteilung. Studie über die
Organisation höherer Gesellschaften. Frankfurt a.M.: Suhrkamp.
Ellickson, R. C. (1991): Order without Law: How Neighbors Settle Disputes. Cambridge:
Harvard University Press.
Falk, S. & Kratz, F. (2009): Regionale Mobilität von Hochschulabsolventen beim
Berufseinstieg. Beiträge zur Hochschulforschung, 31: 52-67.
Falk, S. & Reimer, M. (2007): Verschiedene Fächer, verschiedene Übergänge: Der
Berufseinstieg und „frühe“ Berufserfolg bayerischer Hochschulabsolventen.
Beiträge zur Hochschulforschung, 29: 34-70.
Fang, L. H. (2005): Investment Bank Reputation and the Price and Quality of
Underwriting Services. The Journal of Finance, 60: 2729-2761.
Fischbacher, U. (2007): z-Tree: Zurich toolbox for Ready-made Economic Experiments.
Experimental Economics, 10: 171-178.
Fombrun, C. (1996): Reputation: Realizing Value from the Corporate Image. Boston:
Harvard Business Press.
Fombrun, C. & Foss, C. (2004): Business Ethics: Corporate Responses to Scandal.
Corporate Reputation Review, 7: 284-288.
103
Fombrun, C. & Riel, C. B. M. (1997): The Reputational Landscape. Corporate Reputation
Review, 5: 1-16.
Fombrun, C. & Shanley, M. (1990): What's in a Name? Reputation Building and
Corporate Strategy. Academy of Management Journal, 33: 233-258.
Franck, E. & Opitz, C. (2001): Zur Funktion von Studiengebühren angesichts von
Informationsasymmetrien auf Humankapitalmärkten. Zeitschrift für
betriebswirtschaftliche Forschung, 53: 91-106.
Franck, E. & Opitz, C. (2004): Zur Filterleistung von Hochschulsystemen – Bildungswege
von Topmanagern in den USA, Frankreich und Deutschland. Zeitschrift für
betriebswirtschaftliche Forschung, 56: 72-86.
Franzen, A. & Hecken, A. (2002): Studienmotivation, Erwerbspartizipation und der
Einstieg in den Arbeitsmarkt. Kölner Zeitschrift für Soziologie und
Sozialpsychologie, 54: 733-752.
Freeman, R. E. (1984): Strategic Management: A Stakeholder Approach. Boston: Pitman
Press.
Fritsch, M. (2007): Hochschulen, Innovation, Region: Wissenstransfer im räumlichen
Kontext. Berlin: edition sigma.
Fudenberg, D. & Levine, D. (1989): Reputation and Equilibrium Selection in Games with
a Patient Player. Econometrica: Journal of the Econometric Society, 57: 759-778.
Gächter, S. & Falk, A. (2002): Reputation and Reciprocity: Consequences for the Labour
Relation. The Scandinavian Journal of Economics, 104: 1-26.
Garibaldi, P. (2006): Personnel Economics in Imperfect Labour Markets. Oxford:
University Press.
Glaser, H. A. (2012): Neue Zahlenspiele - Internationale Rankings von Universitäten.
Forschung & Lehre, 3/12: 210-213.
Gluckman, M. (1962): Les Rites de Passage. In V. Turner & M. Gluckman (Eds.), Essays
on the Ritual of Social Relations, S. 1-53. Manchester: Manchester University
Press.
Gotsi, M. & Wilson, A. M. (2001): Corporate Reputation: Seeking a Definition. Corporate
Communications: An International Journal, 6: 24-30.
Granovetter, M. (1985): Economic Action and Social Structure: The Problem of
Embeddedness. American Journal of Sociology, 91: 481-510.
Granovetter, M. (2000): The Economic Sociology of Firms and Entrepreneurs.
Entrepreneurship: The Social Science View: 244–275.
Granovetter, M. (2005): The Impact of Social Structure on Economic Outcomes. The
Journal of Economic Perspectives, 19: 33-50.
Greif, A. (1989): Reputation and Coalitions in Medieval Trade: Evidence on the Maghribi
Traders. Journal of Economic History, 49: 857-882.
Greif, A. (2006): Institutions and the Path to Modern Economy: Lessons from Medieval
Trade. Cambridge: Cambridge University Press.
Greif, A., Milgrom, P. & Weingast, B. (1994): Coordination, Commitment, and
Enforcement: The Case of the Merchant Guild. Journal of Political Economy, 102:
745-776.
Greiner, B. (2004): An Online Recruitment System for Economic Experiments. In K.
Kremer & V. Macho (Eds.), Forschung und wissenschaftliches Rechnen 2003,
GWDG Bericht 63, S. 79–93. Göttingen: Ges. für Wiss. Datenverarbeitung.
Haak, C. & Rasner, A. (2009): Search (f) or Work: Der Übergang vom Studium in den
Beruf. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 61: 235-258.
Habicht, H. (2009): Universität und Image: Entwicklung und Erprobung eines
stakeholderorientierten Erhebungsinstrumentariums. Wiesbaden: Gabler
104
Hall, R. (1992): The Strategic Analysis of Intangible Resources. Strategic Management
Journal, 13: 135-144.
Hall, R. (1993): A Framework Linking Intangible Resources and Capabiliites to
Sustainable Competitive Advantage. Strategic Management Journal, 14: 607-618.
Hart, O. & Moore, J. (1988): Incomplete Contracts and Renegotiation. Econometrica:
Journal of the Econometric Society, 56: 755-785.
Hartmann, M. (2006): Die Exzellenzinitiative - Ein Paradigmenwechsel in der deutschen
Hochschulpolitik. Leviathan, 34: 447-465.
Haug, S. & Kropp, P. (2002): Soziale Netzwerke und der Berufseinstieg von Akademikern.
Eine Untersuchung ehemaliger Studierender an der Fakultät für
Sozialwissenschaften und Philosophie in Leipzig. Arbeitsbericht des Institutes für
Soziologie
Hazelkorn, E. (2007): The Impact of League Tables and Ranking Systems on Higher
Education Decision Making. Higher Education Management and Policy, 19: 87.
Hedström, P. & Swedberg, R. (1996): Social Mechanisms. Acta Sociologica, 39.
Heine, C., Spangenberg, H. & Willich, J. (2007): Informationsbedarf,
Informationsangebote und Schwierigkeiten bei der Studien-und Berufswahl.
Hannover: Hochschul Informations System GmbH.
Heine, C., Willich, J. & Schneider, H. (2009): Informationsverhalten und Hochschulwahl
von Studienanfängern in West-und Ostdeutschland. Hannover: HIS Hochschul-
Informations-System GmbH.
Höglinger, M. (2009): Lohnerhebung 2008. Eine Untersuchung bei Ingenieuren und
Architekten. Mit Zusatzkapitel für Techniker TS. Zürich: Kaleidos Fachhochschule.
Höglinger, M., Abraham, M., Arpagaus, J. H. & Liechti, L. (2010): Die „Schweizer
Betriebsbefragung zur Weiterbildung“ – Codebuch. Zürich/Erlangen-Nürnberg:
Kaleidos FH / FAU Erlangen-Nürnberg.
Hornbostel, S. & Simon, D. (2008): Der Ruck, die Reputation und die Resonanzen. In S.
Hornbostel, D. Simon & S. Heise (Eds.), Exzellente Wissenschaft. Bonn: iFQ-
Working Paper
Houser, D. & Wooders, J. (2006): Reputation in Auctions: Theory, and Evidence from
eBay. Journal of Economics & Management Strategy, 15: 353-369.
Hox, J. J., Kreft, I. G. G. & Hermkens, P. L. J. (1991): The Analysis of Factorial Surveys.
Sociological Methods & Research, 19: 493.
Jasso, G. (2006): Factorial Survey Methods for Studying Beliefs and Judgments.
Sociological Methods & Research, 34: 334.
Johnson, N. D. & Mislin, A. A. (2011): Trust Games: A Meta-Analysis. Journal of
Economic Psychology, 32: 865-889.
Judt, A. (2006): Wie wird der Bachelor von der Wirtschaft aufgenommen? Ergebnisse
einer Studie mit den Personalverantwortlichen der Top-1000-Unternehmen in
Deutschland. Eine Studie des Fachbereichs Wirtschaftswissenschaften der
Universität Frankfurt am Main. Abgerufen am 11.09.2012 unter http://www.hrk-
bologna.de/bologna/de/download/dateien/Studie_Wiwi_Uni_Frankfurt_2006.pdf
Kennedy, P. (2008): A Guide to Econometrics. Cambridge, Massachuchetts: MIT Press.
Keser, C. (2003): Experimental Games for the Design of Reputation Management Systems.
IBM Systems Journal, 42: 498-506.
King, R. (2009): Governing Universities Globally: Organizations, Regulation and
Rankings Cheltenham: Edward Elgar.
Klein, B. & Leffler, K. B. (1981): The Role of Market Forces in Assuring Contractual
Performance. The Journal of Political Economy, 89: 615-641.
Knoke, D. & Janowiec-Kurle, L. (1999): Make or Buy: The Externalization of Company
Job Training. Research in the Sociology of Organizations, 16: 85-106.
105
Kollock, P. (1999): The Economies of Online Cooperation: Gifts and Public Goods in
Cyberspace Communities in cyberspace, S. 220-239. London: Routledge.
Krawietz, M. & Heine, C. (2007): Wahlmotive und Bewertungen des Studienortes bei
Studienanfängern im Vergleich der neuen und der alten Länder. HIS:
Projektbericht, August.
Kreps, D. M. & Wilson, R. (1982): Reputation and Imperfect Information. Journal of
Economic Theory, 27: 253-279.
Landrum, R. E., Turrisi, R. & Harless, C. (1999): University Image: The Benefits of
Assessment and Modeling. Journal of Marketing for Higher Education, 9: 53-68.
Lange, D., Lee, P. M. & Dai, Y. (2011): Organizational Reputation: A Review. Journal of
Management, 37: 153-184.
Liebig, S. & Mau, S. (2005): Wann ist ein Steuersystem gerecht? Einstellungen zu
allgemeinen Prinzipien der Besteuerung und zur Gerechtigkeit der eigenen
Steuerlast. Zeitschrift für Soziologie, 34: 468-491.
Liechti, L. & Abraham, M. (2011): Die Evaluation von betrieblichen
Weiterbildungsmassnahmen Eine empirische Untersuchung zur Verbreitung und
Anwendung von Evaluationsinstrumenten in der betrieblichen Weiterbildung.
LASER Discussion Papers, Paper No. 40.
Livingston, J. A. (2005): How Valuable is a Good Reputation? A Sample Selection Model
of Internet Auctions. Review of Economics and Statistics, 87: 453-465.
Lödermann, A. M. & Scharrer, K. (2010): Beschäftigungsfähigkeit von Universitäts
absolventen–Anforderungen und Kompetenzen aus Unternehmenssicht. Beiträge
zur Hochschulforschung, 32: 72-91.
Lorenz, M. & Rohrschneider, U. (2009): Erfolgreiche Personalauswahl. Wiesbaden:
Gabler.
Lowry, R. C. & Silver, B. D. (1996): A Rising Tide Lifts all Boats: Political Science
Department Reputation and the Reputation of the University. Political Science and
Politics, 29: 161-167.
Maas, C. J. M. & Hox, J. J. (2004): The Influence of Violations of Assumptions on
Multilevel Parameter Estimates and their Standard Errors. Computational
Statistics & Data Analysis, 46: 427-440.
Macauley, S. (1963): Non-contractual Relations in Business. American Sociological
Review, 28: 55-66.
Marginson, S. & van der Wende, M. (2007): To Rank or to be Ranked: The Impact of
Global Rankings in Higher Education. Journal of Studies in International
Education, 11: 306-329.
McDonough, P. M., Lising, A., Walpole, A. M. & Perez, L. X. (1998): College Rankings:
Democratized College Knowledge for Whom? Research in Higher Education, 39:
513-537.
McEvily, B., Perrone, V. & Zaheer, A. (2003): Trust as an Organizing Principle.
Organization Science, 14: 91-103.
McGuinness, S. (2003): University Quality and Labour Market Outcomes. Applied
Economics, 35: 1943-1955.
McMillan, J. & Woodruff, C. (1999): Interfirm Relationships and Informal Credit in
Vietnam. Quarterly Journal of Economics, 114: 1285-1320.
McPherson, M., Smith-Lovin, L. & Cook, J. M. (2001): Birds of a Feather: Homophily in
Social Networks. Annual Review of Sociology, 27: 415-444.
Metropolregion-Nürnberg (2012): Die Metropolregion auf einen Blick. Abgerufen am
21.03.2012 unter http://www.metropolregionnuernberg.de/region/staedte-
landkreise.html
106
Meyer, C., Schrauth, B. & Abraham, M. (2012): Einstellungskriterien für
Hochschulabsolventen wirtschaftswissenschaftlicher Studiengänge - Ergebnisse
einer repräsentativen Umfrage unter Arbeitgebern in Deutschland. Nürnberg:
Friedrich-Alexander-Universität Erlangen-Nürnberg.
Meyer, J. W. & Rowan, B. (1977): Institutionalized Organizations: Formal Structure as
Myth and Ceremony. American Journal of Sociology, 83: 340-363.
Milgrom, P. & Roberts, J. (1982): Predation, Repuation and Entry Deterrence. Journal of
Economic Theory, 27: 280-312.
Milgrom, P. & Roberts, J. (1992): Economics, Organization and Management. Englewood
Cliffs: Prentice-Hall
Mincer, J. (1974): Schooling, Experience, and Earnings. Columbia: University Press.
Molm, L. D., Peterson, G. & Takahashi, N. (1999): Power in Negotiated and Reciprocal
Exchange. American Sociological Review, 64: 876-890.
Nee, V. (2005): The New Instiutionalism in Economics and Sociology. In N. J. Smelser &
R. Swedberg (Eds.), The Handbook of Economic Sociology. Princeton and Oxford:
Princeton University Press.
Nelson, P. (1970): Information and Consumer Behavior. Journal of Political Economy, 78:
311-329.
Nisic, N. & Auspurg, K. (2009): Faktorieller Survey und klassische Bevölkerungsumfrage
im Vergleich—Validität, Grenzen und Möglichkeiten beider Ansätze. In P. Kriwy &
C. Gross (Eds.), Klein aber fein!, S. 211-245. Wiesbaden: VS.
Noon, M. & Delbridge, R. (1993): News from behind my Hand: Gossip in Organizations.
Organization Studies, 14: 23.
Noorderhaven, N. G. (1992): The Problem of Contract Enforcement in Economic
Organization Theory. Organization Studies, 13: 229-243.
Norton, E. C., Wang, H. & Ai, C. (2004): Computing Interaction Effects and Standard
Errors in Logit and Probit Models. Stata Journal, 4: 154-167.
Opitz, C. (2004): Hochschulen als Filter für Humankapital: Bildung und Karriere von
High Potentials in den USA, Frankreich und Deutschland. Wiesbaden: Dt. Univ.-
Verl.
Ott, R. (1999): Darstellung und Beurteilung von Hochschul-Rankings in Deutschland.
Beiträge zur Hochschulforschung, 4: 309-322.
Otte, T. (2003): Das französische Hochschulsystem als "Sortiereinrichtung" für
Humankapital. Frankfurt (Oder): Univ., Wirtschaftswiss. Fak., No. 235,
http://hdl.handle.net/10419/23807.
Powell, W. W. (1990): Neither Market nor Hierarchy: Network Forms of Organization.
Research on Organziational Behavior, 12: 295-336.
Rabe-Hesketh, S. & Skrondal, A. (2008): Multilevel and Longitudinal Modeling Using
Stata. College Station, Texas: Stata Press.
Raub, W. & Weesie, J. (1990): Reputation and Efficiency in Social Interactions: An
Example of Network Effects. American Journal of Sociology, 96: 626-654.
Resnick, P., Zeckhauser, R., Swanson, J. & Lockwood, K. (2006): The Value of Reputation
on eBay: A Controlled Experiment. Experimental Economics, 9: 79-101.
Rettig, D. (2012): Deutschlands beste Universitäten. Abgerufen am 08.08.2012 unter
http://www.wiwo.de/erfolg/campus-mba/uni-ranking-deutschlands-beste-
universitaeten/6476062.html
Rindova, V. P., Williamson, I. O. & Petkova, A. P. (2010): Reputation as an Intangible
Asset: Reflections on Theory and Methods in Two Empirical Studies of Business
School Reputations. Journal of Management, 36: 610-619.
Rindova, V. P., Williamson, I. O., Petkova, A. P. & Sever, J. M. (2005): Being Good or
Being Known: An Empirical Examination of the Dimensions, Antecedents, and
107
Consequences of Organizational Reputation. The Academy of Management
Journal, 48: 1033-1049.
Rooks, G., Raub, W., Selten, R. & Tazelaar, F. (2000): How Inter-Firm Co-operation
Depends on Social Embeddedness: A Vignette Study. Acta Sociologica, 43: 123-
137.
Rooks, G., Tazelaar, F. & Snijders, C. (2011): Gossip and Reputation in Business
Networks. European Sociological Review, 27: 90-106.
Rossi, P. H. & Anderson, A. B. (1982): The Factorial Survey Approach: An Introduction.
In P. H. Rossi & S. L. Nock (Eds.), Measuring Social Judgments, S. 15-67. Beverly
Hills: Sage.
Roth, A. & Schoumaker, F. (1983): Expectations and Reputations in Bargaining: An
Experimental Study. The American Economic Review, 73: 362-372.
Sarcletti, A. (2007): Humankapital und Praktika. Zeitschrift für Erziehungswissenschaft,
10: 549-566.
Schmidt, K. M. (1993): Reputation and Equilibrium Characterization in Repeated Games
with Conflicting Interests. Econometrica: Journal of the Econometric Society, 61:
325-351.
Schultz, T. W. (1961): Investment in Human Capital. The American Economic Review,
51: 1-17.
Schwalbach, J. (2000): Image, Reputation und Unternehmenswert. Transnational
Communication in Europe. Research and Practice. Berlin: Vistas: 287-297.
Schwalbach, J. (2001). Unternehmensreputation als Erfolgsfaktor. Diskussionspapier des
Instituts für Management an der Humboldt-Universität. Berlin.
Shin, C. J. & Toutkoushian, R. K. (2011): The Past, Present, and Future of University
Rankings. In C. J. Shin, R. K. Toutkoushian & U. Teichler (Eds.), University
Rankings. Dordrecht u.a.: Springer.
Shrum, W. & Wuthnow, R. (1988): Reputational Status of Organizations in Technical
Systems. American Journal of Sociology, 93: 882-912.
Smelser, N. J. & Swedberg, R. (2005): The Handbook of Economic Sociology. Princeton:
Princeton University Press.
Snijders, T. A. B. & Bosker, R. J. (1999): Multilevel Analysis: An Introduction to Basic
and Advanced Multilevel Modeling. London: SAGE Publications Ltd.
Sommerfeld, R. D., Krambeck, H. J. & Milinski, M. (2008): Multiple Gossip Statements
and their Effect on Reputation and Trustworthiness. Proceedings of the Royal
Society B: Biological Sciences, 275: 2529-2536.
Sommerfeld, R. D., Krambeck, H. J., Semmann, D. & Milinski, M. (2007): Gossip as an
Alternative for Direct Observation in Games of Indirect Reciprocity. Proceedings
of the National Academy of Sciences, 104: 17435.
Spence, M. (1973): Job Market Signaling. The quarterly journal of Economics, 87: 355-
374.
Sperling, R. (2008): Berufsfeldorientierte Kompetenzen für Bachelor-Studierende.
Qualifikationserwartungen von Arbeitgebern an Bachelor-Absolvent (inn) en.
Universität Freiburg, BOK-Projekt.
Srivastava, R. K., McInish, T. H., Wood, R. A. & Capraro, A. J. (1997): Part IV: How Do
Reputations Affect Corporate Performance?: The Value of Corporate Reputation:
Evidence from the Equity Markets. Corporate Reputation Review, 1: 61-68.
Statistisches-Bundesamt. (2008): Klassifikation der Wirtschaftszweige. Wiesbaden:
Statistisches Bundesamt.
Steiner, P. & Atzmüller, C. (2006): Experimentelle Vignettendesigns in faktoriellen
surveys. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 58: 117-146.
108
Stiglitz, J. E. (1975): The Theory of "Screening", Education, and the Distribution of
Income. The American Economic Review, 65: 283-300.
Stirling, R. (1956): Some Psychological Mechanisms Operative in Gossip. Social Forces,
34: 262-267.
Swedberg, R. (2003): Principles of Economic Sociology. Princeton: Princeton University
Press.
Teichler, U. (2007): Studium und Berufschancen: Was macht den Unterschied aus?
Beiträge zur Hochschulforschung, 29: 10-31.
Tietzel, M., van der Beek, K. & Müller, C. (1998): Was ist eigentlich an den Hochschulen
los? Wirtschaftsdienst, 78: 148-156.
Tirole, J. (1996): A Theory of Collective Reputations (With Applications to the Persistence
of Corruption and to Firm Quality). The Review of Economic Studies, 63: 1-22.
Turban, D. B. & Greening, D. W. (1997): Corporate Social Performance and
Organizational Attractiveness to Prospective Employees. Academy of Management
Journal, 40: 658-672.
Uzzi, B. (1996): The Sources and Consequences of Embeddedness for the Economic
Performance of Organizations: The Network Effect. American Sociological
Review, 61: 674-698.
Uzzi, B. (1997): Social Structure and Competition in Interfirm Networks: The Paradox of
Embeddedness. Administrative Science Quarterly, 42: 35-67.
Uzzi, B. & Lancaster, R. (2004): Embeddedness and Price Formation in the Corporate
Law Market. American Sociological Review, 69: 319-344.
Weber, K. & Haug, S. (2002): Deins? Meins? Unseres? Wie gehen Internetnutzer mit dem
Eigentum anderer um. Ethica. Wissenschaft und Verantwortung, 10: 77-83.
Weiss, A. (1995): Human Capital vs. Signalling Explanations of Wages. The Journal of
Economic Perspectives, 9: 133-154.
Williamson, O. E. (1985): The Economic Institutions of Capitalism: Firms, Markets,
Relational Contracting. New York: The Free Press.
Wilson, R. (1985): Reputations in Games and Markets. In A. E. Roth (Ed.), Game-
theoretic Models of Bargaining, S. 27-62. Cambridge: Cambridge University Press.
Winston, G. C. (1999): Subsidies, Hierarchy and Peers: The Awkward Economics of
Higher Education. The Journal of Economic Perspectives, 13: 13-36.
Wooldridge, J. (2002): Econometric Analysis of Cross Section and Panel Data. Cambridge
Massachuchetts: MIT Press.
Wooldridge, J. (2009): Introductory Econometrics: A Modern Approach. Mason: South
Western Cengage Learning.
Zeckhauser, R. J. & Pratt, J. W. (1985): Principals and Agents: The Structure of Business.
Boston: Harvard Business School Press.
ZEIT-Online (2012): CHE Hochschulranking 2012/13. Abgerufen am 12.09.2012 unter
http://ranking.zeit.de/che2012/de/
Zeithaml, V., Berry, L. & Parasuraman, A. (1996): The Behavioral Consequences of
Service Quality. The Journal of Marketing, 60: 31-46.
109
Anhang
A 3.1 Instructions (Exemplary for Treatment SUB_C)
Welcome to the experiment! You receive 2.50 Euro for arriving on time. Depending on
your decisions and the decisions of other participants you can earn more money. During
the course of the experiment we use the currency ECU (Experimental Currency Unit)
instead of Euro which will be exchanged by the following rate: 40 ECU = 1 Euro.
At the end of the experiment your total ECU income will be exchanged into Euro and
payed out to you in cash (including the initial 2.50 Euro). The payment is carried out
anonymously, i.e. no other participant will be informed by us about your payment. During
the whole experiment communication with other participants is prohibited. If you
have any questions please raise your hand. We will approach you and happily answer your
questions individually. Compliance with this rule is very important. Otherwise the results
from this experiment will be scientifically worthless.
Course of Action – Overview
The experiment lasts 36 rounds. In the experiment there are A-type players and B-type
players. Each round all players receives an endowment of 10 ECU. Each round an A-type
player interacts with a B-type player. First, each A-type player decides which share of his
endowment she wants to transfer to another B-type player. This amount will be tripled and
assigned to the B-type player. Then the B-type player may transfer a share back to the A-
type player. After the transaction has been concluded each A-type player has the
opportunity to transmit information about her experience with the B-type player to another
A-type player.
Groups
At the beginning of the first round the computer program randomly assigns participants to
groups of eight members each. The composition of groups does not change during the
whole experiment, i.e. a group always consists of the same participants. No group member
will ever know who the other members are.
Also at the beginning of the first round, roles are assigned within each group. There are A-
type players and B-type players. Four group members are assigned the role of A-type
110
players and the other four are assigned the role of B-type players, respectively.
Furthermore, each A- and B-type players within a group are assigned a number which
serves exclusively identification purposes and has no effect on decisions or their profit. So,
in each group there are players A1, A2, A3, A4, B1, B2, B3 and B4. The roles are
assigned randomly and do not change during the whole experiment.
The Sequence of a Round
At the top of the screen you will always see which player you are, the current round, what
player you interact with in the current round, and how much your current total profit s
(including the initial 2.50 Euro).
At the beginning of each round all group members, A-type as well as Btype players,
receive an endowment of 10 ECU. In each round one A-type player and one B-type player
are paired, where each A-type player is assigned to exactly on B-type player (and each B-
type player to exactly one A-type player). The pairs change each round.
Interaction between A-Type Player and B-Type Player
The A-type players must decide which share of their endowment they want to transfer to
their assigned B-type player. This may be any integer amount between 1 and 10 (1 and 10
included). The amount transferred will be tripled and assigned to the respective B-type
player.
Before the B-type players learn the actual amount transferred to them they have to decide
how many ECU they want to transfer back given every possible transfer from their
assigned A-type player. They have to decide on how much to send back in case the A-type
player has transferred 1 ECU, in case the A-type player has transferred 2 ECU, and so on.
The B-type player may return any integer amount between 0 and the amount assigned to
him (0 and the respective maximum included).
Example:
This round player A3 has been assigned to player B1. Player A3 transfers 5 ECU to player B1. B1
receives 3 x 5 = 15 ECU. She may now return every integer amount between 0 and 15 ECU (0 and 15
included) to player A3.
111
After all players have made their decision the B-type players learn the amount transferred
to them by their assigned A-type player as well as the resulting amount actually received
(transfer x 3). At the same time A-type players learn the amount returned by their assigned
B-type player on the basis of their transfer.
The profits in each round for both player types are calculated as follows:
A-type player’s profit
= endowment (10) – amount transferred to B-type player + return from B-type player
B-type player’s profit
= endowment (10) + 3 x transfer from A-type player– return to A-type player
Example 1:
In this round player A2 has been assigned to player B2. Player A2 transfers 4 ECU to player B2.
Player B2 receives triple, i.e. 12 ECU. Player B2 stated to return 5 ECU if player A2 transfers 4 ECU.
Player A2’s profit in this round amounts to 10 – 4 + 5 = 11 ECU. Player B2’s profit in this round
amounts to 10 + (3 x 4) – 5 = 17 ECU.
Example 2:
In this round player A1 has been assigned to player B4. Player A1 transfers 7 ECU to player B4.
Player B4 receives triple, i.e. 21 ECU. Player B4 stated to return 20 ECU if player A1 transfers 7
ECU. Player A1’s profit in this round amounts to 10 – 7 + 20 = 23 ECU. Player B4’s profit in this
round amounts to 10 + (3 x 7) – 20 = 11 ECU.
Information Transmission of the A-Type Players
After transfers have been completed and all group members were informed about their
transfers and profits all A-type players may transmit information about their experience
with their currently assigned B-type player to another randomly selected A-type player
112
from the same group. The recipient of the information is selected among the other A-type
players with equal probability and changes each round. This way it may also occur that
an A-type player receives information from no one or from multiple other A-type
players. If an A-type player decides to transmit information she incurs cost of 1 ECU
which is deducted from her current profit. However, the decision to transmit information
has no direct effect on the profits oft he other group members.
If an A-type player chooses to transmit information she has to rate the interaction with her
currently assigned B-type player on a 5-step scale from „very satisfied“ to „very
unsatisfied“. If information is transmitted all recipients learn which A-type player sends it,
whom she interacted with, and how satisfied she was with the transaction. No A-type
player ever learns which other A-type players did not transmit any information.
Summary of the Sequence of a Round:
1. One A-type player and one B-type player are matched.
2. Each A-type player chooses the amount which she wants to transfer to the B-type
player.
3. Each B-type player chooses how much to return given every possible transfer from
the A-type player.
4. All group members receive information about their profit in the current round.
5. All A-type players may choose i fand which information about their exprience with
their current B-type player they want to transmit to another A-type player.
Before We Start the Experiment…
Please answer the following questions. They serve the purpose of determining your
understanding of the experiment’s rules only. Please notify us if you have any questions.
One of the experimentors will approach you to answer them.
Control Questions
1. The composition of the group changes each round.
113
□ True □ False
2. There are four A-type players and four B-type players in each group.
□ True □ False
3. A groups member’s role does not change during the whole experiment.
□ True □ False
4. Each A-type player is assigned to exactly one B-type player from her group for the
whole experiment.
□ True □ False
5. Suppose you are a B-type player. An A-type player transfers 6 ECU to you.
How many ECU do you receive? _______________
How many ECU can you return at most? ___________
How many ECU do have to return at least? ___________
6. Suppose an A-type player transfers 2 ECU to a B-type player. The B-type player
returns 5 ECU. What are the profits of both players in this round?
A-type player: _____________ B-type player:
_______________
7. Suppose an A-type player transfers 9 ECU to a B-type player. The B-type player
returns 3 ECU. What are the profits of both players in this round?
A-type player: _____________ B-type player:
_______________
8. After the interaction each A-type player may costlessly transmit information about
her experience in this round to another A-type player from the dame group.
□ True □ False
Recommended