Search

Taking non-rational behavior and incomplete information into account, actual income distributions and financial well-being probably deviate from their perceptions. Based on a questionnaire sample of more than 45,000 Germans we investigate which socio-economic variables and combinations of these may help to model subjective financial well-being. Additionally to age, gender, and regional information, (perceived) household income and local and country-wide rankings of income distribution are used as possible modeling variables. The link is investigated by means of ordinary least squares regression as well as tree based methods. It turns out that on our sample, additionally to subjective income class and reported actual income, age, region and, though to a lower extend, gender help to model subjective financial well-being.

[Vorwort] Elektromobilität gilt national und international seit Jahren als Schlüsseltechnologie der Zukunft, die dazu beitragen soll, lokale Emissionen zu senken, weniger Primärenergien zu verbrauchen und dadurch klimaschonend zu wirken. Die Bundesregierung hat sich demzufolge innerhalb ihres Regierungsprogrammes Elektromobilität u. a. zum Ziel gesetzt, bis zum Jahr 2020 die Zulassungszahlen von Elektroautos auf eine Million auszubauen. Die aktuelle Bilanz fällt allerdings ernüchternd aus, da die Entwicklung der Zulassungszahlen bisher schleppend verläuft und die anvisierten Zahlen mithin deutlich verfehlt werden. Trotz aller politischen Bemühungen scheinen die geschaffenen Rahmenbedingungen nicht überzeugend genug zu sein, um das Ziel zu erreichen. Da die Verantwortlichen sich laut NPE (Plattform Elektromobilität) in der sogenannten Marktvorbereitungsphase vornehmlich auf technische Aspekte, wie Antriebssysteme, Ladeinfrastruktur und Batterietechnologien, konzentriert haben, um Vorreiter elektronischer Mobilität zu werden, wurde bislang der eigentlichen Kundenperspektive wenig Beachtung geschenkt. Letztere wird aber in der Markthochlaufphase zunehmend an Bedeutung gewinnen, da sich die Elektrofahrzeuge im Wettbewerb mit anderen Antriebskonzepten insbesondere in Hinblick auf den Preis und die Reichweite behaupten müssen. Zahlreiche Automobilhersteller bieten zwar in ihren Portfolios bereits Elektroautos an, jedoch zu vergleichsweise sehr hohen Anschaffungskosten. Um dem ambitionierten Ziel näher zu kommen, wird es von entscheidender Bedeutung sein, Prioritäten der Nutzer zu beobachten sowie Erfahrungen und Daten über Nutzerverhalten auszuwerten, um die notwendigen Schlüsse daraus zu ziehen und die Rahmenbedingungen entsprechend anpassen zu können. An diesem Punkt setzt die Forschungsinitiative FOM-FIRST in dem vorliegenden Arbeitspapier an. Mittels einer empirischen Erhebung wurden FOM-Studierende verschiedener Hochschulzentren sowohl zu Ihrem Informationsstand als auch zur Akzeptanz in Bezug auf das Thema Elektromobilität befragt. Auf Basis der ermittelten Ergebnisse analysieren die Autoren Ursachen, die allgemein für die mangelnde Kaufbereitschaft verantwortlich sein können. Anschließend werden daraus mögliche Treiber identifiziert, die die Akzeptanz von Elektrofahrzeugen erhöhen könnten.

Mit der vorliegenden empirischen Studie untersucht die FOM-FIRSTForschungsinitiative die Motivationsfaktoren von Unternehmen zur Erstellung von Nachhaltigkeitsberichten, indem sie den Zusammenhang zwischen den veröffentlichten Nachhaltigkeitsbemühungen deutscher Aktiengesellschaften und dem betriebswirtschaftlichen Erfolg anhand des PSM (Propensity Score Matching)-Ansatzes, einer statistischen Auswertungsmethodik, ermittelt. Die Studie wurde mit Hilfe von FOM-Studierenden mehrerer Standorte durchgeführt und basiert auf den Merkmalen und Dimensionen verschiedener Modelle zur Nachhaltigkeitsermittlung. Die Ergebnisse stützen sich zwar auf die Analyse eines nur begrenzten Datenmaterials, lassen aber dennoch neue Erkenntnisse zu und geben daher Anlass zu weiteren Forschungen.

In this paper we describe a computer intensive method to find the ridge parameter in a prediction oriented linear model. With the help of a factorial experimental design the method is tested and compared to a classical one.

In this paper it is shown that the number of latent factors in a multiple multivariate regression model need not be larger than the number of the response variables in order to achieve an optimal prediction. The practical importance of this lemma is outlined and an application of such a projection on latent factors in a classification example is given.

In this paper we describe a computer intensive method to find the ridge parameter in a prediction oriented linear model. With the help of a factorial experimental design the method is tested and compared to a classical one.