Die Effekte von Clawback-Klauseln auf das Investitionsverhalten

Ertel, Christian Article Die Effekte von Clawback-Klauseln auf das Investitionsverhalten Junior Management Science (JUMS) Provided in Cooperation with: Junior Management Science e. V. Suggested Citation: Ertel, Christian (2021) : Die Effekte von Clawback-Klauseln auf das Investitionsverhalten, Junior Management Science (JUMS), ISSN 2942-1861, Junior Management Science e. V., Planegg, Vol. 6, Iss. 4, pp. 757-789, https://doi.org/10.5282/jums/v6i4pp757-789 This Version is available at: https://hdl.handle.net/10419/294972 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/ Junior Management Science 6(4) (2021) 757-789 Junior Management Science journal homepage: www.jums.academy The Effects of Clawback Provisions on Investment Behaviour Die Effekte von Clawback-Klauseln auf das Investitionsverhalten Christian Ertel Universität Stuttgart Abstract Clawback provisions are increasingly adopted into corporate compensation systems. So far, various effects on the behavior of managers are identified. Interestingly, unplanned and potentially dysfunctional effects of clawback provisions have been scarcely a topic in accounting research. This study investigates the effects of clawback provisions on investment behavior. In the first part of the study, a formal-analytical model is derived that describes the relationship between clawback provisions and investment behavior. The model is based on prospect theory of Kahneman und Tversky (1979). In the second part of the study two experiments with 205 participants are described, which were conducted using Amazon Mechanical Turk (MTurk). Consistent with the derived model, the results show that clawback provisions significantly affect investment behavior. The prerequisite for this is that a clawback clause influences the decision problem sufficiently. The study contributes to a better understanding of unplanned and potentially dysfunctional effects of clawback provisions. Moreover, the developed model provides a basis for further research on the topic. Zusammenfassung Clawback-Klauseln werden in der Unternehmenspraxis zunehmend in die Vergütungssysteme integriert. Es werden verschiedene Veränderungen im Verhalten der betroffenen Manager und Managerinnen beobachtet. Interessanterweise sind insbesondere ungeplante und potenziell dysfunktionale Effekte der Einführung von Clawback-Klauseln bisher nur wenig erforscht. In dieser Studie werden die Effekte von Clawback-Klauseln in einem Vergütungssystem auf das Investitionsverhalten untersucht. Es wird ein formal-analytisches Modell hergeleitet, welches den Zusammenhang zwischen Clawback-Klauseln und Investitionsverhalten beschreibt. Das Modell basiert auf der Prospect-Theorie von Kahneman und Tversky (1979). Die prognostizierten Zusammenhänge werden mithilfe zweier Experimente mit insgesamt 205 Teilnehmern auf Amazon Mechanical Turk (MTurk) überprüft. Übereinstimmend mit dem hergeleiteten Modell, wird ein signifikanter Effekt von Clawback-Klauseln auf das Investitionsverhalten beobachtet. Bedingung hierfür ist, dass eine Clawback-Klausel die Entscheidungssituation hinreichend beeinflusst. Die Studie trägt zum besseren Verständnis von ungeplanten und potenziell dysfunktionalen Wirkungen von Clawback-Klauseln bei. Zudem bietet das entwickelte Modell eine Basis für weitere Forschung zum Thema. Keywords: Clawback-Klauseln; Investitionsverhalten; Entscheidungsverhalten; Prospect-Theory. 1. Einleitung Die Entwicklung der Wirecard AG, einem elektronischen Zahlungsdienstleister, war für viele Jahre eine Erfolgsgeschichte. Bis zum Jahr 2018 wächst der Aktienkurs jährlich stets zweistellig. Am 05. September 2018 wird das Unternehmen sogar in den deutschen Leitindex DAX aufgenommen.1 1Vgl. Wischmeyer (2018), S. 1. Dieser Erfolg zeigt sich auch in der Vorstandsvergütung. Allein für das Jahr 2018 erhalten die Vorstandsmitglieder eine erfolgsabhängige Vergütung in Höhe von mehreren Millionen Euro.2Im Jahr 2020 ist das Unternehmen insolvent. Es wird bekannt, dass die Bilanz des Geschäftsjahres 2019 und wahrscheinlich auch die Bilanz des Geschäftsjahres 2018 2Vgl. Wirecard AG (2018), S. 58f. DOI: https://doi.org/10.5282/jums/v6i4pp757-789 C. Ertel /Junior Management Science 6(4) (2021) 757-789758 manipuliert wurde. Insgesamt fehlt Vermögen im Wert von zwei Milliarden Euro.3 Es zeigt sich, dass die hohe erfolgsabhängige Vergütung der vorherigen Jahre nicht gerechtfertigt war. Das Unternehmen war bei weitem nicht so erfolgreich wie angenommen. Bereits aus Gründen des Anlegerschutzes wäre es naheliegend, die Vorstandsmitglieder zur Rückzahlung dieser fälschlicherweise ausgezahlten Vergütung aufzufordern. Diese Maßnahme ist jedoch oft nur durchsetzbar, wenn der jeweilige Arbeitsvertrag entsprechende Klauseln enthält.4 Solche Klauseln werden Clawback-Klauseln genannt. Clawback-Klauseln werden durch definierte Ereignisse aktiviert, welche bereits in der Vergangenheit stattgefunden haben und erst zum aktuellen Zeitpunkt bekannt werden. Ein solches Ereignis ist z.B. Bilanzfälschung. Bei Aktivierung der Klausel werden betroffene Manager dazu verpflichtet bereits ausgezahlte variable Vergütung an das Unternehmen zurückzuzahlen. Des Weiteren ist das Unternehmen dazu berechtigt die bereits versprochene, aber noch nicht ausgezahlte variable Vergütung einzubehalten.5 Clawback-Klauseln wirken auf das jeweilige Unternehmen. So wird einerseits beobachtet, dass Unternehmen, welche Clawback-Klauseln in ihr Vergütungssystem aufnehmen, signifikant weniger nachträgliche Berichtigungen des Jahresabschlusses vornehmen müssen.6Andererseits zeigen sich auch unerwartete Effekte. So reduzieren entsprechende Unternehmen ihr Investitionsvolumen und investieren eher in sichere Investitionsmöglichkeiten.7Die Effekte von Clawback-Klauseln auf das Investitionsverhalten können zum aktuellen Zeitpunkt noch nicht vollständig erklärt werden. Verschiedene Autoren fordern deshalb dazu auf, die Wirkungsweise von Clawback-Klauseln auf Investitionsentscheidungen weiter zu untersuchen.8Die vorliegende Arbeit greift diese Aufforderungen auf. Die Zielsetzung der Arbeit ist die Beschreibung und der Nachweis möglicher Effekte von Clawback-Klauseln auf das Investitionsverhalten. Hierfür wird ein formal-analytisches Modell entwickelt, welches den Zusammenhang zwischen Clawback-Klauseln und Investitionsverhalten beschreibt. Aus diesem Modell werden mögliche Effekte von ClawbackKlauseln auf das Investitionsverhalten abgeleitet. Die Existenz dieser vorhergesagten Effekte wird mithilfe einer empirischen Untersuchung überprüft. Die Arbeit ist wie folgt gegliedert. Im zweiten Kapitel wird die bisherige Literatur zu Clawback-Klauseln dargestellt. Hierbei wird auf den rechtlichen Hintergrund von Clawback-Klauseln und die bisherige betriebswirtschaftliche Forschung zu Clawback-Klauseln näher eingegangen. Im dritten Kapitel wird ein Modell hergeleitet, welches das 3Vgl. Bergermann und Zdrzalek (2020), S. 1. 4Vgl. Weigelt (2014), S. 1. 5Vgl. Müller, Rieber und Tank (2019), S. 2. 6Vgl. Chan, Chen und Chen (2012), S. 193f. 7Vgl. Chen und Vann (2017), S. 1393. 8Vgl. Chan, Chen, Chen und Yu (2015), S. 170; Hirsch, Reichert und Sohn (2017), S. 10. Investitionsverhalten eines Managers beschreibt. Zu Beginn des Kapitels wird die zugrundeliegende Theorie, die Prospect Theorie von Kahneman und Tversky (1979), kurz erläutert. Darauf aufbauend wird jeweils eine Nutzenfunktion des Managers für die Investitionsentscheidung mit und ohne Clawback-Klausel entwickelt. Im vierten Kapitel wird das hergeleitete Modell genutzt, um mögliche Effekte von Clawback-Klauseln auf das Investitionsverhalten abzuleiten. Hierbei werden zwei Forschungshypothesen hergeleitet, welche in einer empirischen Untersuchung getestet werden können. Die empirische Untersuchung wird im fünften Kapitel näher charakterisiert. Zu Beginn des Kapitels wird die Wahl von Experimenten als Untersuchungsart begründet. Außerdem wird auf das Design der Untersuchung und insbesondere die Darstellung der Entscheidungssituation näher eingegangen. Die Ergebnisse der empirischen Untersuchung werden im sechsten Kapitel dargestellt. Im ersten Schritt wird der erhobene Datensatz beschrieben und die Randomisierung der potenziellen Störvariablen getestet. Im darauffolgenden Schritt werden die Forschungshypothesen näher untersucht. Im siebten Kapitel werden weitergehende Überlegungen zu den erhobenen Daten beschrieben. Hierbei werden zwei alternative Erklärungsansätze für das beobachtete Investitionsverhalten aufgezeigt. Abschließend wird im achten Kapitel eine Zusammenfassung der Ergebnisse der Arbeit gegeben. Außerdem wird auf zukünftige Forschungsansätze eingegangen. 2. Zusammenfassung der Literatur zu Clawback-Klauseln Im folgenden Kapitel wird die Literatur zu ClawbackKlauseln zusammengefasst. Im ersten Unterkapitel (2.1.) werden rechtliche Regelungen und Empfehlungen zu ClawbackKlauseln erläutert. Der Fokus liegt auf den USA und auf Deutschland. Im zweiten Unterkapitel (2.2.) wird die bisherige Forschung zu Clawback-Klauseln dargestellt. Hierbei werden die existierenden Forschungsrichtungen kurz beschrieben. Auf die Forschungsrichtung, welche sich mit dem Investitionsverhalten bei Clawback-Klauseln beschäftigt, wird vertiefend eingegangen. 2.1. Der rechtliche Hintergrund von Clawback-Klauseln Clawback-Klauseln sind ein relativ neuer GovernanceMechanismus. Die älteste identifizierte Regelung zu ClawbackKlauseln ist das Lifetime-Responsibility-Programm, welches 1998 in der Peoples Bank of China, einer der größten Banken des Landes, eingeführt wurde. Dieses Programm koppelt die Bonuszahlungen der Kreditvermittler der Bank an die langfristige Profitabilität der vergebenen Kredite. Sollte ein vergebener Kredit ausfallen, hat die Bank das Recht, bereits ausgezahlte Bonuszahlungen vom jeweiligen Kreditvermittler wieder zurückzufordern. Dies gilt auch, wenn der Kreditvermittler das Unternehmen mittlerweile verlassen hat.9 9Vgl. Allen und Li (2011), S. 734. C. Ertel /Junior Management Science 6(4) (2021) 757-789 759 Im westlichen Kulturkreis gehen die meisten Regelungen zu Clawback-Klauseln auf den Sarbanes-Oxley Act (SOX) aus dem Jahr 2002 zurück. Das Gesetz ist für alle Aktiengesellschaften gültig, welche an den US-amerikanischen Börsen gelistet sind und somit bei der U.S. Securities and Exchange Commission (SEC) registriert werden müssen.10 Über Section 304 des Gesetzes können der Chief Financial Officer (CFO) und der Chief Executive Officer (CEO) von der SEC dazu verpflichtet werden, die gesamten erhaltenen Bonuszahlungen der letzten zwölf Monate wieder an das Unternehmen zurückzuzahlen. Vorrausetzung hierfür ist, dass das jeweilige Unternehmen seinen Jahresabschluss aufgrund von Managementfehlern nachträglich korrigieren muss. Eine solche Maßnahme wird als Restatement bezeichnet.11 In den USA wird, im Rahmen einer Erweiterung des Dodd-Frank-Act (DFA) aus dem Jahr 2010, ein weiterer Gesetzesentwurf zu Clawback-Klauseln diskutiert. Auch dieses Gesetz würde klare Vorgaben enthalten, welche angewendet werden müssen, wenn ein Restatement des Jahresabschlusses eines Unternehmens notwendig wird. Im Gegensatz zum Sarbanes-Oxley Act wäre es jedoch unerheblich, ob Managementfehler der Grund für das Restatement sind. Die vorgeschlagene Section 954 würde die SEC oder den Aufsichtsrat des Unternehmens bei einem Restatement dazu verpflichten, vergangene Bonuszahlungen der letzten drei Jahre neu zu berechnen und den irrtümlich zu viel ausgezahlten Anteil der Bonuszahlungen zurückzufordern. Dies würde nicht nur CFO und CEO betreffen, sondern alle Manager des Unternehmens, welchen in der Vergangenheit irrtümlich zu hohe Bonuszahlungen ausgezahlt wurden.12 In Deutschland sind Clawback-Klauseln seit dem Gesetz zur Umsetzung der zweiten Aktionärsrechterichtlinie (ARUG II) aus dem Jahr 2019 für alle Aktiengesellschaften gesetzlich vorgeschrieben. Die Aktiengesellschaften werden dadurch verpflichtet, Clawback-Klauseln in die Vergütung der Vorstandmitglieder aufzunehmen. Die Clawback-Klausel wird im Gesetzestext nicht weiter spezifiziert.13 Weitere Richtlinien zu Clawback-Klauseln finden sich in der Institutsvergütungsverordnung (IVV), welche für alle deutschen Finanzinstitute gesetzlich vorgeschrieben ist. Die Klauseln werden in §20, Abs. 6 genauer definiert. Hierbei wird der Aufsichtsrat dazu verpflichtet, im Falle gravierender Fehlentscheidungen eines Vorstandsmitglieds und einem resultierenden negativen Erfolgsbeitrag, bereits an das Vorstandmitglied ausgezahlte Bonuszahlungen komplett zurückzufordern. Der Bemessungszeitraum der Clawback-Klausel ist nicht eindeutig festgelegt, sondern hängt von der Art und der Schwere der Fehlentscheidung ab.14 Es zeigt sich, dass es sehr verschiedene Arten von ClawbackKlauseln gibt. Zur besseren Abgrenzung werden die verschiedenen Arten nachfolgend über den dazugehörigen Gesetzes10Vgl. Menzies (2004), S. 13. 11Vgl. Amerikanischer Kongress (2002), S. 778. 12Vgl. SEC (2015), S. 7f. 13Vgl. Deutscher Bundestag (2019), S. 2639. 14Vgl. BaFin (2018), S. 49. text benannt. Clawback-Klauseln, welche auf dem SarbanesOxley Act, bzw. auf dem Dodd-Frank-Act basieren, werden als SOX-Clawbacks, bzw. DFA-Clawbacks bezeichnet. Clawback-Klauseln, welche auf der zweiten Aktionärsrechterichtlinie, bzw. auf der Institutsvergütungsverordnung basieren, werden als ARUG II-Clawbacks, bzw. IVV-Clawbacks bezeichnet. 2.2. Übersicht über die bisherige Forschung zu ClawbackKlauseln 2.2.1. Die Einflussfaktoren und Effekte von Clawback-Klauseln Clawback-Klauseln sind Gegenstand aktueller betriebswirtschaftlichen Forschung. Dies zeigt sich deutlich durch die zahlreichen und aktuellen Publikationen zum Thema. Mithilfe einer Recherche in der Datenbank EbscoHost konnten 24 qualitativ hochwertige Fachartikel identifiziert werden, welche sich thematisch mit Clawback-Klauseln in der Vergütung beschäftigen.15 Hierbei wurden 23 der 24 Fachartikel in den letzten zehn Jahren veröffentlicht.16 Abbildung 1zeigt die Anzahl der Fachartikel je Erscheinungsjahr.17 Es fällt auf, dass in den Fachartikeln häufig eine bestimmte Forschungsmethodik verwendet wird. In 18 der 24 Fachartikel werden Clawback-Klauseln nur indirekt, über Sekundärdaten, untersucht.18 Im Gegensatz dazu werden nur in vier Fachartikeln selbst erhobene Daten genutzt. Datengrundlage ist hierbei jeweils ein Experiment. In zwei Fachartikeln wird ein formal-analytisches Modell hergeleitet. Des Weiteren muss beachtet werden, dass in 18 von 24 Fachartikeln Clawback-Klauseln untersucht werden, welche auf dem US-amerikanischen Sarbanes-Oxley Act basieren. Viele Forschungsergebnisse gelten deshalb auch nur für diese Art von Clawback-Klausel. Insgesamt haben sich zwei verschiedene Forschungsrichtungen zu Clawback-Klauseln herausgebildet. Eine der beiden Forschungsrichtungen hat das Ziel, mögliche Einflussfaktoren für die Einführung dieser Klauseln herauszufinden. Hierbei ist der Einfluss der rechtlichen Rahmenbedingungen auffällig. Eine länderübergreifende Studie unter Fond-Managern zeigt, dass in Ländern mit schwachem Justizsystem und hoher Korruption Clawback-Klauseln bei der Vergütung von Fond-Managern deutlich verbreiteter sind, als in Ländern mit starkem Justizsystem und wenig Korruption.19 In der US-amerikanischen Wirtschaft ist ein starker Einfluss des Board of Directors erkennbar. Je unabhängiger dieses Gremium vom Chief Executive Officer und vom Chief 15Die Qualität eines Fachartikels wird hierbei aus der Qualität der dazugehörigen Fachzeitschrift abgeleitet. Es wurden nur Fachzeitschriften, welche mindestens die Note B im aktuellen VHB-Jourqual erreichen, nach Artikeln durchsucht. Für nähere Informationen zum VHB-Jourqual vgl. VHB (2019). 16Es muss beachtet werden, dass bei der Recherche das Jahr 2020 nicht mehr berücksichtigt wird. 17Für eine komplette Übersicht der Fachartikel vgl. Anhang a). 18Für eine Definition des Begriffs „Sekundärdaten“ vgl. Bryman und Bell (2011), S. 312f. 19Vgl. Johan und Najar (2010), S. 170. C. Ertel /Junior Management Science 6(4) (2021) 757-789760 Abbildung 1: Die Anzahl an Fachartikeln je Erscheinungsjahr Financial Officer arbeitet, desto wahrscheinlicher ist die Einführung von SOX-Clawbacks.20 Ein weiterer Einflussfaktor ist die Macht des CEO, bzw. CFO. Hat dieser sowohl die Möglichkeit, als auch den Anreiz den veröffentlichten Jahresabschluss zu manipulieren, wird die Einführung von SOXClawbacks wahrscheinlicher.21 Besteht z.B. die Gefahr, dass die Übernahme eines unprofitablen Unternehmens verheimlicht werden soll, werden mit erhöhter Wahrscheinlichkeit in den darauf folgenden Perioden SOX-Clawbacks für den CEO eingeführt.22 Die andere Forschungsrichtung zu Clawback-Klauseln beschäftigt sich mit deren Wirkungen auf ein Unternehmen und seine Stakeholder. Hierbei zeigt sich ein Einfluss von SOXClawbacks auf die Qualität des Jahresabschlusses. Die Einführung solcher Klauseln führt in vielen Fällen dazu, dass der Jahresabschluss als qualitativ hochwertiger wahrgenommen wird.23 Als Reaktion darauf wird das gesamte Unternehmen von seinen Stakeholdern besser bewertet und als wertvoller eingeschätzt. Dies führt zu einem signifikanten Anstieg des Aktienkurses des jeweiligen Unternehmens.24 Die verbesserte Bewertung des Unternehmens ist bei der Unternehmensfinanzierung hilfreich. Unternehmen mit SOX-Clawbacks im Vergütungssystem zahlen signifikant niedrigere Kreditzinsen für neue Kredite.25 Zusätzlich werden auch direkte Effekte von SOX-Clawbacks auf die Qualität des Jahresabschlusses gemessen. Es zeigt sich, dass die Einführung solcher Klauseln die Wahrscheinlichkeit für Restatements senkt.26 Werden in diesem Zusammenhang, neben SOX-Clawbacks, noch weitere Arten von 20Vgl. Addy, Chu und Yoder (2014), S. 187; Chen und Vann (2017), S. 1393; Huang, Lim und Ng (2019), S. 24f. 21Vgl. Babenko, Bennett, Bizjak und Coles (2012), S. 36f. 22Vgl. Brown, Davis-Friday, Guler und Marquardt (2015), S. 268. 23Vgl. Dehaan, Hodge und Shevlin (2013), S. 1055f. 24Vgl. Babenko et al. (2012), S. 37f.; Bakke, Mahmudi und Virani (2017), S. 41f.; Iskandar-Datta und Jia (2013), S. 195. 25Vgl. Chan, Chen und Chen (2013), S. 678. 26Vgl. Chan et al. (2012), S. 193f. Clawback-Klauseln untersucht, ergibt sich ein differenzierteres Bild. Die gemessene Wirkung auf die Qualität des Jahresabschlusses hängt hierbei von der Stärke der ClawbackKlausel ab.27 Nur wenn die jeweilige Clawback-Klausel einen gewissen Wert im Index zur Messung der Clawback-Stärke erreicht, führt deren Einführung auch zu einer signifikanten Reduktion der notwendigen Restatements.28 Es muss beachtet werden, dass die beschriebenen Effekte sich nur auf das gesetzlich verpflichtende Reporting beziehen. Die Qualität des nicht gesetzlich vorgeschriebenen Reportings sinkt nach der Einführung von SOX-Clawbacks.29 Es ist umstritten, ob die beschriebenen Effekte hinsichtlich der Qualität des Jahresabschlusses ausschließlich durch die Einführung von Clawback-Klauseln entstehen. Einerseits wird beobachtet, dass sich das Reportingverhalten verändert, wenn Clawback-Klauseln in die Vergütung aufgenommen werden.30 Andererseits kann die geringere Wahrscheinlichkeit für Restatements auch mit anderen GovernanceMechanismen, oder mit einer gesunkenen Bereitschaft für Restatements seitens des CEO, bzw. CFO erklärt werden.31 Ein weiterer großer Forschungsschwerpunkt zu Wirkungen von Clawback-Klauseln ist die Untersuchung von ungeplanten Effekten, welche durch die Einführung solcher Klauseln entstehen. Es wird hierbei beobachtet, dass ClawbackKlauseln von den betroffenen Personen meist nicht akzeptiert und sehr schlecht bewertet werden.32 Dazu passend wird ein Anstieg der Vergütung bei betroffenen Managern nach der Einführung von SOX-Clawbacks gemessen.33 Diese Beobachtung ist allerdings nicht sicher belegt. Vereinzelt wird kein 27Für eine Erläuterung des Konzepts vgl. Erkens, Gan und Yurtoglu (2018). 28Vgl. Erkens et al. (2018), S. 307. 29Vgl. Kyung, Lee und Marquardt (2019), S. 198. 30Vgl. Hodge und Winn (2012), S. 27. 31Vgl. Denis (2012), S. 200; Pyzoha (2015), S. 2532f. 32Vgl. Brink und Rankin (2013), S. 165f. 33Vgl. Dehaan et al. (2013), S. 1055f.; Babenko et al. (2012), S. 37, Kroos, Schabus und Verbeeten (2018), S. 232. C. Ertel /Junior Management Science 6(4) (2021) 757-789 761 signifikanter Anstieg der Vergütung, oder sogar eine niedrigere Vergütung beobachtet.34 2.2.2. Die beobachteten Effekte auf das Investitionsverhalten Es zeigen sich auch Effekte im Entscheidungsverhalten der betroffenen Personen. Ein großer Fokus der Forschung liegt hierbei auf dem Investitionsverhalten der betroffenen Personen. Verschiedene Untersuchungen legen nahe, dass die Aufnahme von Clawback-Klauseln in das Vergütungssystem das Investitionsverhalten beeinflussen kann. Es werden sowohl Effekte beim Investitionsvolumen, als auch beim Investitionsrisiko beobachtet. Beim Investitionsvolumen eines Unternehmens ist ein klarer Rückgang nach der Einführung von SOX-Clawbacks zu erkennen.35 Dieser Effekt wird über zwei verschiedene Ansätze erklärt. Es ist einerseits denkbar, dass das Investitionsvolumen eines Unternehmens vor der Einführung der Klauseln zu groß ist und folglich der optimale Kapitalwert verfehlt wird. Ein solches Problem ist Gegenstand der Agency Theorie und wird als Overinvestment bezeichnet.36 Ein Lösungsansatz für dieses Problem ist der Abbau von Informationsasymmetrien zwischen Management und Anteilseignern, mithilfe des externen Berichtswesens. Je exakter und stimmiger dieses ist, desto unwahrscheinlicher wird Overinvestment. Nimmt man an, dass die Qualität des externen Berichtswesens nach der Einführung von SOX-Clawbacks steigt, dann sinkt gleichzeitig die Wahrscheinlichkeit für Overinvestment und somit auch das Investitionsvolumen.37 Andererseits wird das geringere Investitionsvolumen nach der Einführung von SOX-Clawbacks auch als versteckte Manipulation des Unternehmensergebnisses interpretiert. Hierbei wird argumentiert, dass in vielen Fällen Anreize zu einer solchen Manipulation auftreten können, beispielsweise wenn Zielvorgaben zum Unternehmensergebnis nicht eingehalten werden können. Oft werden hierbei Forderungen des eigenen Unternehmens zu hoch bewertet. Diese Möglichkeit wird jedoch durch die Einführung von SOX-Clawbacks erschwert. Sollten die falsch bewerteten Forderungen im Nachhinein entdeckt werden, muss ein Restatement erfolgen und die manipulierende Person muss die erhaltene Bonuszahlung zurückgeben. In dieser Situation erscheint eine andere Manipulationsmöglichkeit attraktiver. Eine Verringerung beim notwendigen Investitionsvolumen reduziert Aufwendungen und verbessert das Unternehmensergebnis. Wird dies im Nachhinein entdeckt, wird, da es sich um eine rechtlich legale Entscheidung handelt, kein Restatement notwendig und die manipulierende Person darf die Bonuszahlung behalten.38 Auch beim akzeptierten Investitionsrisiko führt die Einführung von Clawback-Klauseln zu Veränderungen. Ein interessanter Spezialfall ist eine Investitionsentscheidung in 34Vgl. Iskandar-Datta und Jia (2013), S. 195; Erkens et al. (2018), S. 307. 35Vgl. Chan et al. (2015), S. 170; Babenko et al. (2012), S. 37f. 36Vgl. Jensen (1986), S. 328f. 37Vgl. Lin (2017), S. 257f. 38Vgl. Chan et al. (2015), S. 150f. einer reinen Verlustsituation, wenn also unabhängig von der gewählten Investitionsmöglichkeit sicher ein Verlust realisiert wird. In dieser Situation kann die Einführung von Clawback-Klauseln die Attraktivität riskanter Investitionsmöglichkeiten erhöhen.39 Voraussetzung hierfür sind Clawback-Klauseln, welche es ermöglichen, neben dem variablen Entgelt, auch das fixe Entgelt zurückzufordern. In diesem Fall können betroffene Personen bei Verfehlung eines Ziels im Nachhinein zu einer Malus-Zahlung verpflichtet werden. Des Weiteren muss angenommen werden, dass die Höhe der Malus-Zahlung sich anteilig aus dem bei der Investitionsentscheidung entstandenen Verlust errechnet.40 Unter diesen Bedingungen wird das Konzept der Verlustaversion aus der Prospect-Theorie relevant. Dieses Konzept beschreibt die Tendenz vieler Personen Verluste zu vermeiden, anstatt Gewinne zu maximieren.41 Wenn sich Personen zwischen einem sicheren und unsicheren Verlust entscheiden sollen, wählen die meisten Personen den unsicheren Verlust. Dieser unsichere Verlust kann deutlich größer sein als der sichere Verlust. Die meisten Personen sehen aber eher die Chance, dass der tatsächliche Verlust deutlich kleiner sein wird als der sichere Verlust.42 Bei den meisten anderen Investitionsentscheidungen zeigt sich allerdings das Gegenteil. Hierbei werden nach der Einführung von Clawback-Klauseln eher sichere Investitionsmöglichkeiten bevorzugt werden.43 Diese Beobachtung wird indirekt über die Standardabweichung der Periodengewinne entsprechender Unternehmen bestätigt. Annahme ist hierbei, dass einer großen Standardabweichung der Periodengewinne ein großes Investitionsrisiko zugrunde liegt.44 Da nach der Einführung von SOX-Clawbacks signifikant geringere Schwankungen bei den Periodengewinnen entsprechender Unternehmen beobachtet werden, muss, der Annahme folgend, das Investitionsrisiko dieser Unternehmen gesunken sein.45 Es ist unklar, wie die beschriebenen Effekte erklärt werden können. Passend zu den beschriebenen Effekten kann angenommen werden, dass die Einführung von ClawbackKlauseln Investitionsmöglichkeiten mit einer hohen Restatement-Wahrscheinlichkeit unattraktiv macht. Wird nun angenommen, dass die Restatement-Wahrscheinlichkeit mit dem Investitionsrisiko steigt, dann werden von ClawbackKlauseln betroffene Personen eher sichere Investitionsmöglichkeiten auswählen. Andererseits ist auch gegenteiliges Verhalten denkbar. Annahme ist hierbei, dass riskante Investitionen meist komplex sind. Als Folge werden Fehler im Rechnungswesen nur sehr schwer entdeckt. Dies führt zu einer geringen Restatement-Wahrscheinlichkeit, was die Auswahl riskanter Investitionsmöglichkeiten nach Einführung 39Vgl. Hirsch et al. (2017), S. 9f. 40Vgl. Hirsch et al. (2017), S. 2–4. 41Vgl. Kahneman und Tversky (1979), S. 279f. 42Vgl. Hirsch et al. (2017), S. 3. 43Vgl. Hirsch et al. (2017), S. 9f. 44Vgl. Chen und Vann (2017), S. 1378. 45Vgl. Chen und Vann (2017), S. 1393f. C. Ertel /Junior Management Science 6(4) (2021) 757-789762 von Clawback-Klauseln attraktiv macht.46 Es ist erkennbar, dass beiden Erklärungsansätzen eine limitierende Annahme zugrunde liegt. Es muss jeweils angenommen werden, dass entscheidungsbefugte Personen einen klaren Zusammenhang zwischen Clawback-Klauseln und Restatement-Wahrscheinlichkeit sehen und diesen Zusammenhang bei Investitionsentscheidungen berücksichtigen. Diese Annahme kann nur bei SOX-Clawbacks gelten und selbst dann muss dies nicht der Fall sein. In den nächsten Kapiteln wird deshalb ein alternativer Ansatz zur Erklärung des Zusammenhangs entwickelt. 3. Modellierung des Investitionsverhaltens bei ClawbackKlauseln Im folgenden Kapitel wird ein Modell hergeleitet, welches die Investitionsentscheidung eines Managers beschreibt. In Anlehnung an die Prospect-Theorie aus Kahneman und Tversky (1979) (3.1), wird die Entscheidungssituation einer Investitionsentscheidung modelliert (3.2). Auf Basis dieser Entscheidungssituation wird eine Nutzenfunktion für die Investitionsentscheidung ohne Clawback-Klauseln aufgebaut (3.3). Abschließend werden Clawback-Klauseln in die Entscheidungssituation integriert und eine Nutzenfunktion für die Investitionsentscheidung mit Clawback-Klauseln hergeleitet (3.4). Eine übersichtliche Zusammenfassung des Modells befindet sich in Anhang b). 3.1. Die Prospect-Theorie von Kahneman und Tversky (1979) Die Prospect-Theorie wurde in den 70er Jahren von Daniel Kahnemann und Amos Tversky veröffentlicht. Die Theorie erweitert die klassische Erwartungsnutzentheorie um viele experimentelle Befunde. So kann mit der Prospect-Theorie z.B. das Allain-Paradoxon erklärt werden, bei welchem die klassische Erwartungsnutzentheorie versagt.47 Der starke experimentelle Einfluss führt dazu, dass die Prospect-Theorie zum heutigen Stand als zentrale deskriptive Entscheidungstheorie angesehen wird.48 Die Theorie wurde für Entscheidungssituationen entwickelt, welche durch klar abgrenzbare Ergebnisse mit Wahrscheinlichkeiten gekennzeichnet sind. Diese Anforderungen sind insbesondere für Lotterien und finanzielle Größen erfüllt.49 Eine solche Entscheidungssituation ist durch Entscheidungsalternativen charakterisiert, welche Prospect genannt werden.50 In der Prospect-Theorie wird der Entscheidungsprozess in zwei Phasen, die Editing-Phase und Valuation-Phase, unterschieden. Der Entscheidungsprozess beginnt stets mit der Editing-Phase. In dieser Phase wird die zugrundeliegende Entscheidungssituation verarbeitet und je nach Komplexität mithilfe von Heuristiken vereinfacht. Die wahrgenommenen Ergebnisse und Wahrscheinlichkeiten können 46Vgl. Chen und Vann (2017), S. 1375f. 47Für eine Erklärung des Paradoxons vgl. Tank (2017), S. 75. 48Vgl. Tank (2017), S. 74f. 49Vgl. Laux, Gillenkirch und Schenk-Mathes (2014), S. 198. 50Vgl. Kahneman und Tversky (1979), S. 263. hierbei verändert werden. Kahneman und Tversky (1979) identifizierten die vier dominanten Heuristiken Combination, Coding, Segregation und Cancellation. Die Heuristiken werden nachfolgend näher beschrieben. Combination beschreibt eine Vereinfachung, bei welcher identische Ergebnisse eines Prospects zu einem Ergebnis zusammengefasst werden. Ist z.B. ein Prospect durch zwei Ergebnisse mit je +200€charakterisiert, dann werden die Ergebnisse zu einem Ergebnis mit +200€zusammengefasst und die jeweiligen Wahrscheinlichkeiten addiert.51 Unter Coding wird das gedankliche Setzen eines Referenzpunktes verstanden. Dieser bezieht sich auf die Ergebnisse des jeweiligen Prospects. Für die Bewertung des Prospects ist dann nicht die absolute Höhe des Ergebnisses, sondern die Abweichung des Ergebnisses vom Referenzpunkt relevant. Nur im Sonderfall eines Referenzpunkts von null entspricht die absolute Höhe des Ergebnisses der Abweichung vom Referenzpunkt. Wahrgenommene Ergebnisse werden stets vom Referenzpunkt definiert. Zur Verdeutlichung wird im Folgenden ein Entscheider betrachtet, welcher bereits 2.000€erhalten hat. Das zugrundeliegende Prospect führt entweder zu einem Ergebnis von 0€oder zu einem negativen Ergebnis von -1.000€. Liegt der Referenzpunkt bei 0€, werden entscheidende Personen das negative Ergebnis als Verlust von 1.000€ansehen. Liegt der Referenzpunkt jedoch bei 2.000€, werden entscheidende Personen das negative Ergebnis als Gewinn von +1.000€ansehen.52 Segregation tritt auf, wenn ein Prospect in einen risikolosen und einen risikoreichen Bestandteil zerlegt werden kann. Zur Verdeutlichung wird einen Prospect mit zwei Ergebnissen betrachtet. Mit einer Wahrscheinlichkeit von 80% resultiert ein positives Ergebnis von +300€und mit einer Wahrscheinlichkeit von 20% resultiert ein positives Ergebnis von +200€. In diesem Fall führt Segregation dazu, dass entscheidende Personen den Prospect gedanklich in einen sicheren Bestandteil mit Ergebnis +200€und einen unsicheren Bestandteil mit Ergebnis +100€und einer Eintrittswahrscheinlichkeit von 80% zerlegen.53 Das Ignorieren bestimmter Ergebnisse aus dem Prospect wird als Cancellation, oder alternativ als Isolation-Effekt bezeichnet. Die Heuristik wird z.B. eingesetzt, wenn zwei zur Wahl stehende Prospects gleiche Ergebnisse aufweisen. In diesem Fall werden die gleichen Ergebnisse aus dem Prospect eliminiert. Cancellation äußert sich auch bei zweistufigen Prospects. Zur Verdeutlichung wird eine Lotterie betrachtet, bei welcher eine entscheidende Person nur mit einer Wahrscheinlichkeit von 25% überhaupt teilnehmen darf. Wird die erste Stufe erfolgreich abgeschlossen, hat die Person die Wahl zwischen einem sicheren Prospect mit +3.000€und einem unsicheren Prospect, welches entweder zu einem Ergebnis von +4.000€mit einer Wahrscheinlichkeit von 80%, oder zu einem Ergebnis von 0€mit einer Wahrscheinlichkeit von 20% führt. Cancellation führt dazu, dass die entscheiden51Vgl. Kahneman und Tversky (1979), S. 274. 52Vgl. Kahneman und Tversky (1979), S. 273f. 53Vgl. Kahneman und Tversky (1979), S. 274. C. Ertel /Junior Management Science 6(4) (2021) 757-789 763 de Person die erste Stufe der Lotterie bei ihrer Entscheidung nicht beachten wird.54 Zusätzlich zu den beschriebenen Heuristiken gehen Kahneman und Tversky (1979) davon aus, dass die entscheidenden Personen komplizierte Zahlen, wie z.B. Kommazahlen runden. Des Weiteren muss angenommen werden, dass entscheidende Personen stochastisch dominante Entscheidungsalternativen erkennen und sich sofort für diese Alternative entscheiden. Hierbei wird das dazugehörige Prospect nicht editiert. Diese Annahme ist notwendig, da die ProspectTheorie in solchen Fällen das Entscheidungsverhalten nicht korrekt vorhersagt.55 Als Beispiel werden zwei Prospects betrachtet. Der erste Prospect ist durch zwei Ergebnisse, das positive Ergebnis +96€mit Wahrscheinlichkeit 90% und das Ergebnis 0€mit der Wahrscheinlichkeit 10% charakterisiert. Das zweite Prospect ist durch drei Ergebnisse, das positive Ergebnis +96€mit Wahrscheinlichkeit 80%, das positive Ergebnis +96€- X mit Wahrscheinlichkeit 10% und das Ergebnis 0€mit der Wahrscheinlichkeit 10% charakterisiert. Die Variable X kann beliebige positive Werte annehmen. Es ist erkennbar, dass das erste Prospect in jedem Fall einen höheren Erwartungswert aufweist und weniger riskant ist. Allerdings werden sich entscheidende Personen der Prospect-Theorie folgend bei kleinen X trotzdem für den zweiten Prospect entscheiden. Dies wäre ein eindeutiger Verstoß gegen das stochastische Dominanzkriterium.56 Nachdem die Editing-Phase abgeschlossen ist, folgt die Valuation-Phase. Hierbei findet die eigentliche Bewertung eines Prospects statt. Dieser Vorgang wird mithilfe einer Nutzenfunktion modelliert. Der Nutzen eines Prospects ergibt sich als gewichteter Erwartungswert der Ergebnisse. Es werden sowohl die einzelnen Ergebnisse als auch die dazugehörigen Wahrscheinlichkeiten mithilfe einer Gewichtungsfunktion gewichtet. Aus formaler Sicht gilt für den Nutzen Ueines Prospects mit zwei Ergebnissen x,yund den dazugehörigen Wahrscheinlichkeiten wx,wy: Ux,y,wx,wy=π(wx)·u(x) + π(wx)·u(y); für x≤0≤y,x≥0≥y, bzw. Ugem x,y,wx,wy=u(y) + π(wx)·(u(x)−u(y)); für x<y<0, x>y>0, (1) wobei πdie Gewichtungsfunktion der Wahrscheinlichkeiten und udie Gewichtungsfunktion der Ergebnisse, die sog. Wertfunktion ist. Es muss hierbei beachtet werden, dass die passende Nutzenfunktion von der Struktur der Ergebnisse abhängt. Es werden Nutzenfunktionen mit ausschließlich positiven, bzw. negativen Ergebnissen U(x,y,wx,wy)und Nutzenfunktionen mit gemischten Ergebnissen Ugem unterschieden.57 54Vgl. Kahneman und Tversky (1979), S. 271; Kahneman und Tversky (1979), S. 274. 55Vgl. Laux et al. (2014), S. 200. 56Vgl. Laux et al. (2014), S. 209. 57Vgl. Kahneman und Tversky (1979), S. 275f. Die Wertfunktion ordnet jedem Ergebnis einen subjektiven Nutzenwert zu. Diese Funktion hat keine eindeutige Funktionsvorschrift. Allerdings müssen drei Eigenschaften erfüllt sein. Die erste Eigenschaft ergibt sich aus der CodingHeuristik der Editing-Phase. Diese führt dazu, dass anstelle der tatsächlichen Ergebnisse die wahrgenommenen Ergebnisse des Prospects in die Bewertung und folglich in die Wertfunktion eingehen.58 Die zweite Eigenschaft wird Verlustaversion genannt. Hierbei wird angenommen, dass entscheidende Personen negative Ergebnisse stärker gewichten als positive. Aus formaler Sicht bedeutet dies, dass die beiden Bedingungen: U(x)<−U(−x)und ∂U ∂x(x)<∂U ∂x(−x), (2) für jedes Ergebnis xstets erfüllt sind.59 Die letzte angenommene Eigenschaft betrifft den genauen Funktionsverlauf der Wertefunktion. Kahneman und Tversky (1979) gehen davon aus, dass die Wertfunktion im positiven Ergebnisbereich konkav und im negativen Ergebnisbereich konvex ist.60 Die Wahrscheinlichkeitsgewichtungsfunktion π(w)ordnet objektiven Wahrscheinlichkeiten wsubjektive Wahrscheinlichkeitsgewichte zu. Die Funktion weist sechs Eigenschaften auf. Die erste angenommene Eigenschaft ist, dass die Funktion streng monoton wachsend ist. Die zweite Eigenschaft besagt, dass die Funktion auf Wahrscheinlichkeitswerte zwischen null und eins normiert. Der Wahrscheinlichkeit 0% wird per Definition ein Wahrscheinlichkeitsgewicht von 0% zugeordnet, der Wahrscheinlichkeit 100% wird per Definition ein Wahrscheinlichkeitsgewicht von 100% zugeordnet.61 Die dritte Eigenschaft betrifft kleine Wahrscheinlichkeiten. In diesem Wertebereich ist die Gewichtungsfunktion eine subadditive Funktion. Aus formaler Sicht gilt folgender Zusammenhang: π(rw)>r·π(w)für 0 <r<1. (3) Als vierte Eigenschaft wird angenommen, dass kleine Wahrscheinlichkeiten stets überbewertet werden. Deshalb gilt in diesem Wertebereich zusätzlich: π(w)>w.62 Als fünfte Eigenschaft wird Subsicherheit angenommen. Dies führt dazu, dass die Summe über alle Wahrscheinlichkeitsgewichte, im Gegensatz zur Summe über alle Wahrscheinlichkeiten, per Definition immer kleiner als eins angenommen wird. Die sechste Eigenschaft wird als Subproportionalität bezeichnet und ist für den gesamten Wertebereich gültig. Subproportionalität besagt, dass die Überbewertung kleiner Wahrscheinlichkeiten mit zunehmender Wahrscheinlichkeit abnimmt. Aus formaler Sicht muss folgender Zusammenhang gelten: π(w2) π(w1)≤π(r·w2) π(r·w1)mit 0 <r<1,w1>w2.63 (4) 58Vgl. Kahneman und Tversky (1979), S. 277f. 59Vgl. Laux et al. (2014), S. 203. 60Vgl. Laux et al. (2014), S. 203. 61Vgl. Kahneman und Tversky (1979), S. 280. 62Vgl. Tank (2017), S. 81. C. Ertel /Junior Management Science 6(4) (2021) 757-789764 Nachdem der konkrete Nutzen aller Prospects bestimmt ist, wird sich die entscheidende Person für den Prospect mit dem höchsten Nutzen entscheiden.64 3.2. Die zugrundeliegende Entscheidungssituation Die Anwendung der Prospect-Theorie zur Beschreibung des Investitionsverhaltens erfordert eine zugrundeliegende Entscheidungssituation, welche durch mögliche Ergebnisse und dazugehörige Eintrittswahrscheinlichkeiten gekennzeichnet ist. Hierfür sind einige Annahmen erforderlich. So wird die Entscheidungssituation modellhaft auf einen einzelnen Entscheidungszeitpunkt reduziert. Dieser Zeitpunkt tliegt in der Gegenwart und bekommt deshalb den Wert t=0 zugeordnet. Der Entscheidungszeitpunkt ist durch I zur Wahl stehende Investitionsalternativen gekennzeichnet. Da sich die Investitionsalternativen gegenseitig ausschließen, kann per Definition immer nur eine Investitionsalternative durchgeführt werden. Der Manager hat die Aufgabe eine Investitionsalternative Aiaus der Menge an Investitionsalternativen auszuwählen.65 Es ergibt sich das Entscheidungsfeld Ω: Ω={A1;...;Ai;...;Al}. (5) Es muss beachtet werden, dass einer Investitionsalternative mehrere Investitionsmöglichkeiten zugeordnet werden können. Beispielhaft werden drei Investitionsmöglichkeiten a1,a2und a3betrachtet. Die Investitionsmöglichkeiten a1 und a2schließen sich gegenseitig aus, a3kann mit den beiden anderen Investitionsmöglichkeiten kombiniert werden. Es ergeben sich fünf sich ausschließende Investitionsalternativen. So ist es möglich jeweils nur a1,a2oder a3getrennt durchzuführen. Außerdem kann entweder das Investitionsbündel a1 und a3, oder das Investitionsbündel a2und a3durchgeführt werden.66 Im Folgenden werden Investitionsalternativen zahlungsorientiert definiert. In dieser Sichtweise wird jede Investition in eine Summe von Zahlungsströmen ztunterteilt, welche zu verschiedenen Zeitpunkten t anfallen. Der erste Zahlungsstrom der Summe z0ist per Definition immer eine Auszahlung und fällt zum Zeitpunkt der Entscheidung t=0 an.67 In der Regel ist nur diese anfängliche Auszahlung sicher bekannt. Alle anderen Zahlungsströme fallen in der Zukunft an, sind deshalb unsicher und haben den Charakter von Zufallsvariablen.68 Im folgenden Modell werden zwei Vereinfachungen vorgenommen. So wird davon ausgegangen, dass die Investitionsdauer Teiner Investition zum Entscheidungszeitpunkt 63Vgl. Laux et al. (2014), S. 205. 64Vgl. Kahneman und Tversky (1979), S. 274. 65Die beschriebene Entscheidungssituation entspricht aus finanzwirtschaftlicher Sicht einer Einzelentscheidung mit Auswahlproblem, vgl. Schäfer (2005), S. 23. 66Vgl. Schäfer (2005), S. 13–15. 67Vgl. Kruschwitz und Lorenz (2019), S. 3. 68Vgl. Schäfer (2005), S. 9–13. bereits festgelegt wurde. Folglich sind seitens des Managers keine Entscheidungen zur Investitionsdauer möglich. Zusätzlich werden alle Zahlungsströme zu einem kumulierten Zahlungsstrom ZTam Ende der Investitionsdauer zusammengefasst. Diese Vereinfachungen führen dazu, dass eine Investitionsalternative modellhaft nur aus einem Zahlungsstrom am Ende der Investitionsdauer besteht. Es gilt: ZT= T X t=0 zt. (6) Es wird davon ausgegangen, dass der kumulierte Zahlungsstrom einer diskreten Zufallsverteilung folgt. Es werden Jzukünftige Umweltzustände eingeführt, wobei ein Umweltzustand jin der Zukunft sicher eintritt. Die Höhe des zukünftigen Teils des kumulierten Zahlungsstroms einer Investition hängt vom eingetretenen Umweltzustand ab. Zum Entscheidungszeitpunkt ist jedoch unklar, welcher Umweltzustand in der Zukunft eintritt. Zu diesem Zeitpunkt kann jedem Umweltzustand jnur eine Eintrittswahrscheinlichkeit wjzugeordnet werden.69 Abbildung 2zeigt die Zusammensetzung des kumulierten Zahlungsstroms. Es wird von einer Investitionsalternative mit einer Investitionsdauer von drei Perioden und drei zukünftigen Umweltzuständen ausgegangen. 3.3. Das Investitionsverhalten ohne Clawback-Klauseln 3.3.1. Die Entscheidungssituation aus Sicht des Managers In der vorgestellten Entscheidungssituation werden Investitionsalternativen axiomatisch als Reihe von Zahlungsströmen eingeführt. Allerdings wird im Verlauf der Arbeit davon ausgegangen, dass der Manager die Investitionsalternativen anders wahrnimmt. Es muss hierbei beachtet werden, dass die Bewertung einer Investitionsalternative von den verfolgten Zielen abhängt. Der Manager könnte in der Investitionsentscheidung z.B. die Möglichkeit sehen, die Produktionskapazitäten des Unternehmens zu erhöhen. In diesem Fall wird der Manager die Investitionsalternativen hinsichtlich der zusätzlichen erwarteten Produktionskapazität bewerten und nicht hinsichtlich der erwarteten Zahlungsströme.70 Abhängig vom Manager sind viele, zum Teil konkurrierende Ziele denkbar.71 Zur Vereinfachung wird deshalb im Folgenden auf eine verbreitete Modellvorstellung aus der Mikroökonomik zurückgegriffen. Es wird angenommen, dass der Manager bei der Arbeit nur ein Ziel verfolgt, die Maximierung seiner Vergütung. Dies impliziert, dass die Arbeit an sich für den Manager keinen Nutzen stiftet. Der Manager arbeitet ausschließlich wegen der Vergütung, welche ihm seinen zukünftigen Konsum ermöglicht.72 Folglich wird der Manager die Investitionsalternativen hinsichtlich der erwarteten Vergütung und nicht hinsichtlich der erwarteten Zahlungsströme bewerten. 69Vgl. Schäfer (2005), S. 236–240. 70Vgl. Laux et al. (2014), S. 7. 71Vgl. Kruschwitz und Lorenz (2019), S. 9f. 72Vgl. Woeckener (2020), S. 49. C. Ertel /Junior Management Science 6(4) (2021) 757-789 771 4.2. Der Spezialfall unabhängiger Clawback-Wahrscheinlichkeiten Die bisherigen Überlegungen erwecken den Eindruck, dass sich das Investitionsverhalten insbesondere dann ändert, wenn die Clawback-Wahrscheinlichkeit und folglich Wahrscheinlichkeit 1−pj,1 in allen Umweltzuständen von Investitionsalternative A2tendenziell größer ist als bei Investitionsalternative A1. Es gibt jedoch Entscheidungssituationen, bei welchen die Wahrscheinlichkeit 1 −pj,1 bei jeder Investitionsalternative und in jedem Umweltzustand identisch ist und trotzdem eine Veränderung des Investitionsverhaltens beobachtet wird. Ein Beispiel für eine solche Entscheidungssituation sind die Probleme drei und vier von Kahneman und Tversky (1979). In den beiden Experimenten waren Probanden jeweils aufgefordert sich für eine von zwei zur Wahl stehenden Investitionsalternativen zu entscheiden. In Problem drei stand eine sichere Investitionsalternative mit 3.000$ und eine riskante Investitionsalternative, welche mit einer Wahrscheinlichkeit von 80% 4.000$ liefert und mit einer Wahrscheinlichkeit von 20% 0$ liefert, zur Wahl. In diesem Experiment haben sich 80% der Probanden für die erste Investitionsalternative und 20% der Probanden für die zweite Investitionsalternative entschieden.85 Problem vier war durch eine ähnliche Entscheidungssituation gekennzeichnet. Allerdings wurden die Eintrittswahrscheinlichkeiten der Ergebnisse der beiden Investitionsalternativen um 75% reduziert. Somit standen eine Investitionsalternative, welche mit einer Wahrscheinlichkeit von 25% 3.000$ liefert und mit einer Wahrscheinlichkeit von 75% 0$ liefert und eine Investitionsalternative, welche mit einer Wahrscheinlichkeit von 20% 4.000$ liefert und mit einer Wahrscheinlichkeit von 80% 0$ liefert, zur Wahl. In diesem Experiment haben sich, im Gegensatz zu Problem 3, 35% der Probanden für die erste Investitionsalternative und 65% der Probanden für die zweite Investitionsalternative entschieden.86 Diese Reduktion der Eintrittswahrscheinlichkeiten entspricht aus formaler Sicht einer Clawback-Klausel, welche unabhängig von der gewählten Investitionsalternative in 75% der Fälle ausgelöst wird. Folglich beträgt die Wahrscheinlichkeit 1 −pj,1, also die Wahrscheinlichkeit, dass die Clawback-Klausel nicht ausgelöst wird, bei beiden Investitionsalternativen und in jedem Umweltzustand 25%. Es ist klar erkennbar, dass die im letzten Unterkapitel formulierte Bedingung für eine Veränderung des Investitionsverhaltens nicht erfüllt ist. Die Wahrscheinlichkeit 1 −pj,1 ist bei der zweiten Investitionsalternative nicht größer als bei der ersten Investitionsalternative. Ungeachtet dessen kommt es zu einer Veränderung des Investitionsverhaltens.87 Hierbei muss beachtet werden, dass die Entscheidungssituation in Problem vier so formuliert war, dass die Eintritts85Kahneman und Tversky (1979), S. 266. 86Kahneman und Tversky (1979), S. 266. 87Vgl. Kahneman und Tversky (1979), S. 271. wahrscheinlichkeiten der Ergebnisse einer Investitionsalternative jedem Probanden bekannt waren. Ist dies nicht der Fall, verändert sich das Verhalten der Probanden. Kahneman und Tversky (1979) zeigen dies mithilfe von Problem zehn. Hierbei war erneut die Entscheidungssituation aus Problem drei beschrieben. Allerdings wurde die Entscheidungssituation um eine Bedingung erweitert. Es war zusätzlich angegeben, dass die Probanden nur mit einer Wahrscheinlichkeit von 25% überhaupt an der Entscheidungssituation teilnehmen dürfen. Aus formaler Sicht entspricht Problem vier dem bereits dargelegten Problem vier. In diesem Experiment haben sich jedoch, im Gegensatz zu Problem vier und in Übereinstimmung mit Problem drei, 22% der Probanden für die erste Investitionsalternative und 78% für die zweite Investitionsalternative entschieden. Es zeigt sich der bereits in Kapitel 3.1 beschriebene Isolation Effekt. Da die zusätzlich angegebene Wahrscheinlichkeit bei beiden Investitionsalternativen identisch ist, berücksichtigen die Probanden diese Wahrscheinlichkeit bei ihrer Entscheidung nicht. Diese Beobachtung muss bei der Übertragung von Problem vier auf eine Investitionsentscheidung bei Clawback-Klauseln beachtet werden. Wie an Problem vier und Problem zehn erkennbar ist, wird sich die Investitionsentscheidung eines Managers bei gleichen ClawbackWahrscheinlichkeiten nur verändern, wenn die tatsächliche Eintrittswahrscheinlichkeit einer Bonuszahlung angegeben ist. Diese Wahrscheinlichkeit entspricht formal dem Produkt wj·(1−pj,1). Ist dies nicht erfüllt, kommt es aufgrund des Isolation-Effekts zu keiner Veränderung des Investitionsverhaltens. Aus den dargelegten Überlegungen ergibt sich eine weitere Forschungshypothese: H2: Eine ausreichend große, aber von der Investitionsentscheidung unabhängige ClawbackWahrscheinlichkeit verändert das Investitionsverhalten nur, wenn die tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung dem Entscheider bekannt ist. 4.3. Zusammenfassung der Forschungshypothesen In den vorherigen Unterkapiteln wurden zwei Forschungshypothesen abgeleitet. Diese werden im Folgenden nochmals zusammengefasst. H1: Eine ausreichend große und von der Investitionsentscheidung abhängige ClawbackWahrscheinlichkeit bei einer vormals dominanten Investitionsalternative verändert das Investitionsverhalten. H2: Eine ausreichend große, aber von der Investitionsentscheidung unabhängige ClawbackWahrscheinlichkeit verändert das Investitionsverhalten nur, wenn die tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung dem Entscheider bekannt ist. C. Ertel /Junior Management Science 6(4) (2021) 757-789772 Die Clawback-Wahrscheinlichkeit ist hierbei jeweils die unabhängige Variable und die Investitionsentscheidung, bzw. das Investitionsverhalten, ist hierbei jeweils die abhängige Variable. 5. Charakterisierung der empirischen Datenerhebung Im folgenden Kapitel werden zwei Experimente entwickelt, mit welchen die im vierten Kapitel hergeleiteten Forschungshypothesen getestet werden können. Zu Beginn wird die Wahl von Experimenten als Untersuchungsart erläutert (5.1). Hierbei wird auch beschrieben, wie die Daten erhoben werden (5.2). Anschließend wird auf das experimentelle Design (5.3) und die Darstellung der Entscheidungssituation (5.4) näher eingegangen. Abschließend werden weitere Fragen, welche an die Probanden gestellt werden, erklärt (5.5). 5.1. Die verwendete Untersuchungsart Es stellt sich die Frage, mit welcher Untersuchungsart die hergeleiteten Forschungshypothesen am besten getestet werden können. Prinzipiell werden explorative, populationsbeschreibende und hypothesenprüfende Untersuchungen unterschieden. Mit explorativen Untersuchungen werden grundlegende Zusammenhänge in neuen Forschungsgebieten untersucht. Hierbei wird meistens das Ziel verfolgt, neue oder genauere Forschungshypothesen zu formulieren. Populationsbeschreibende Untersuchungen ermöglichen es hingegen, Merkmale bestimmter Gruppen genauer zu beschreiben. Hypothesenprüfende Untersuchungen werden hingegen genutzt, wenn ausformulierte Forschungshypothesen bereits vorliegen und diese Hypothesen getestet werden sollen.88 Es wird deutlich, dass eine hypothesenprüfende Untersuchung anzuwenden ist. Insgesamt werden zwei verschiedene hypothesenprüfende Untersuchungsarten, Korrelationsstudien und Experimente, unterschieden. Während bei Korrelationsstudien nach Zusammenhängen in bereits erhobenen Daten gesucht wird, sind Experimente dadurch gekennzeichnet, dass selbst Daten erhoben werden.89 Korrelationsstudien haben einen gravierenden Nachteil bei der Untersuchung von kausalen Zusammenhängen. So kann ein ermittelter Zusammenhang zwischen zwei Forschungsobjekten immer mit verschiedenen Ansätzen erklärt werden. Wird z.B. ein Zusammenhang zwischen A und B nachgewiesen, dann bleibt unklar, ob A auf B wirkt, oder ob B auf A wirkt. Des Weiteren könnte auch eine unbekannte Variable C sowohl auf A und B wirken.90 Bei Experimenten tritt kein solcher Nachteil bei der Untersuchung von kausalen Zusammenhängen auf. Jedes Experiment basiert auf dem gleichen Prinzip. Es wird stets eine experimentelle Manipulation durchgeführt, bei welcher eine oder mehrere unabhängige Variablen der Untersuchung verändert werden. Anschließend werden Effekte auf vermutete 88Vgl. Bortz und Döring (2006), S. 49–53. 89Vgl. Smith (2005), S. 100; Smith (2005), S. 142. 90Vgl. Bortz und Döring (2006), S. 490f. abhängige Variablen gemessen. Werden während des Experiments alle sonstigen Variablen konstant gehalten, ergeben sich eindeutige kausale Schlussfolgerungen. Falls eine Veränderung der abhängigen Variablen beobachtet wird, kann diese Veränderung eindeutig auf die Veränderung der unabhängigen Variablen zurückgeführt werden.91 Aus diesem Grund werden Experimente zur Untersuchung des Zusammenhangs zwischen Clawback-Klauseln und Investitionsverhalten gewählt. Die erforderlichen Eigenschaften des Experiments hängen vom verfolgten Ziel ab. Nachfolgend wird die erforderliche Validität der Ergebnisse als Entscheidungskriterium genutzt. Eine hohe interne Validität bedeutet, dass die Untersuchung einen eindeutigen Zusammenhang misst, welcher durch wenige alternative Erklärungsansätze erklärt werden kann. Im Gegensatz dazu bedeutet eine hohe externe Validität, dass die Ergebnisse der Untersuchung verallgemeinerbar und in der Unternehmenspraxis beobachtbar sind. Die beiden Arten von Validität schließen sich in der Regel aus. So steigt z.B. die externe Validität, wenn die Untersuchung realitätsnäher ist. Allerdings ist die Untersuchung dann durch mehr Variablen und Störfaktoren gekennzeichnet. Dies führt dazu, dass oft mehrere Erklärungsansätze für einen untersuchten Zusammenhang existieren. Folglich ist die interne Validität gering.92 Im Folgenden wird eine hohe interne Validität als wichtiger angesehen als eine hohe externe Validität. Diese Annahme hat einen wesentlichen Grund. Da das Modell noch nie praktisch getestet wurde, ist es erforderlich, zuerst den Zusammenhang zwischen Clawback-Klauseln und Investitionsverhalten an sich nachzuweisen. Deshalb muss sichergestellt werden, dass auch tatsächlich der Einfluss von ClawbackKlauseln auf das Investitionsverhalten im Experiment gemessen wird. Nur so kann die Gültigkeit des hergeleiteten Modells überhaupt überprüft werden. Ist der Nachweis des Zusammenhangs erbracht, können zukünftige Arbeiten das Model aufgreifen und die Realitätsnähe des Modells untersuchen. Eine hohe interne Validität wird erreicht, wenn das Experiment in einer kontrollierten Umgebung, in z.B. einem Labor durchgeführt wird. Dies hat den Vorteil, dass untersuchungsbedingte Störvariablen weitestgehend eliminiert werden können. Des Weiteren muss ein klassisches experimentelles Design und kein quasiexperimentelles Design gewählt werden. Folglich müssen die Probanden den einzelnen Experimentalgruppen zufällig zugeteilt werden. Diese Eigenschaft wird als Randomisierung bezeichnet. Die zufällige Zuteilung hilft bei der Elimination von personenbezogenen Störvariablen. In diesem Fall kann bei einer ausreichend großen Gruppengröße davon ausgegangen werden, dass die Verteilung der Störvariablen in allen Gruppen annähernd gleich ist. Als Konsequenz können Untersuchungsergebnisse nicht mehr über personenbezogene Störvariablen erklärt 91Vgl. Schulz (1999), S. 31. 92Vgl. Bortz und Döring (2006), S. 53. C. Ertel /Junior Management Science 6(4) (2021) 757-789 773 werden.93 In den nachfolgenden Unterkapiteln wird die Umsetzung des Experiments näher beschrieben. 5.2. Die Datenerhebung über Amazon MTurk Das Experiment wird über die Plattform Amazon Mechanical Turk (Amazon MTurk) durchgeführt. Amazon MTurk ist ein Online-Marktplatz, über welchen virtuelle Arbeit, z.B. die Teilnahme an einer Untersuchung, gegen Bezahlung angeboten werden kann.94 Die Online-Plattform wird bereits seit einigen Jahren für wissenschaftliche Forschung, wie z.B. für die Durchführung von Befragungen und Experimenten, genutzt.95 Es werden sowohl Vorals auch Nachteile im Vergleich zu klassischen Laborexperimenten mit Studenten oder Experten beobachtet. Auf diese Vorund Nachteile wird nachfolgend näher eingegangen. So kann die Randomisierung der Experimentalgruppen in einem solchen Online-Experiment leicht durchgeführt werden. Plattformen, wie z.B. UNIPARK, ermöglichen es, Online-Studien zu erstellen, bei welchen der Online-Link direkt auf Amazon MTurk hochgeladen werden kann. In UNIPARK wird sichergestellt, dass die Zuteilung der Probanden in die einzelnen Experimentalgruppen komplett zufällig und vollständig automatisiert erfolgt.96 Des Weiteren kann über Amazon MTurk mit nur wenig Aufwand eine große Anzahl an Probanden erreicht werden. Es wird kein Marketing, wie Flyer oder Nachrichten in Social Media, zur Anwerbung von Probanden benötigt. Außerdem kann der große Pool an Probanden jederzeit genutzt werden. Es muss z.B. nicht auf Semesterferien Rücksicht genommen werden. In dieser Zeit sind viele Studenten nicht an der Universität, was die Anwerbung von Probanden für Laborexperimente erschwert.97 Des Weiteren zeigt sich, dass Experimente, welche über Amazon MTurk durchgeführt werden, kosteneffizienter als Laborexperimente sind. Kees, Berry, Burton und Sheehan (2017) und Goodman, Cryder und Cheema (2013) zeigen, dass Studien, welche sowohl im Labor als auch über Amazon MTurk durchgeführt werden, ähnliche und vergleichbare Ergebnisse liefern können.98 Allerdings sind online durchgeführten Experimente meistens deutlich günstiger als entsprechende Laborexperimente. Da Probanden über Amazon MTurk direkt bezahlt werden können, entfallen zusätzliche Gebühren an Dritte, wie z.B. Gebühren an PayPal.99 Die tatsächliche Qualität der Ergebnisse von OnlineStudien über Amazon MTurk ist jedoch umstritten. Goodman/Cryder/Cheema (2013) beobachten, dass Probanden in Amazon MTurk Studien im Vergleich zu Probanden in Laborexperimenten weniger aufmerksam sind. So wird z.B. das 93Vgl. Bortz und Döring (2006), S. 54–57. 94Vgl. Amazon MTurk (2020), S. 1. 95Für nähere Informationen zu UNIPARK, vgl. Unipark (2020), S. 1. 96Für nähere Informationen zu UNIPARK, vgl. Unipark (2020), S. 1. 97Vgl. Mason und Suri (2012), S. 2f. 98Vgl. Goodman et al. (2013), S. 222; Kees et al. (2017), S. 151f. 99Vgl. Mason und Suri (2012), S. 3. Informationsmaterial der Studie häufig nur oberflächlich gelesen.100 Außerdem zeigen einige Studien generell große Abweichungen bei den Ergebnissen von Amazon MTurk Experimenten im Vergleich zu herkömmlichen Laborexperimenten.101 Dies könnte mit der Intelligenz oder dem Fachwissen der Probanden zusammenhängen. Buchheit et al. (2019) beobachten, dass Experimente über Amazon MTurk ähnliche Ergebnisse wie Experimente mit Bachelor-Studenten liefern. Experimente mit Master-Studenten liefern jedoch andere Ergebnisse.102 5.3. Das experimentelle Design der Untersuchung 5.3.1. Die Beschreibung des gewählten Ansatzes Es stellt sich die Frage, wie die vermuteten Effekte von Clawback-Klauseln auf das Investitionsverhalten in einem Experiment gemessen werden können. Hierbei muss das bereits eingeführte experimentelle Prinzip genauer charakterisiert werden. In der Verhaltensforschung sind verschiedene Umsetzungen des klassischen experimentellen Prinzips denkbar. Eine solche Umsetzung wird als experimentelles Design bezeichnet. Nachfolgend werden die verschiedenen experimentellen Designs näher erläutert.103 Experimentelle Designs sind durch zwei Unterscheidungsmerkmale gekennzeichnet. So muss die experimentelle Manipulation an sich näher charakterisiert werden. Bei within-subjects Designs wird das Verhalten von Probanden vor und nach der experimentellen Manipulation gemessen. Durch einen Vergleich des Verhaltens der Probanden nach der Manipulation mit dem Verhalten der Probanden vor der Manipulation, zeigen sich die Effekte der Manipulation. Im Gegensatz dazu stehen between-subjects Designs. Hierbei wird das Verhalten von Probanden nach der Manipulation in mehreren Experimentalgruppen gemessen. Die verschiedenen Gruppen unterscheiden sich in der Stärke der experimentellen Manipulation. In diesem Fall zeigen sich durch einen Vergleich des Verhaltens der Probanden in den einzelnen Experimentalgruppen, die Effekte der Manipulation.104 Für das vorliegende Experiment wird ein betweensubjects Design gewählt. Dieses Design hat gegenüber dem within-subjects Design den Vorteil, dass die Probanden seltener die Zielsetzung des Experiments erkennen. Ist diese Eigenschaft nicht erfüllt, können die Probanden in ihrem Verhalten beeinflusst werden. So wird z.B. beobachtet, dass Probanden, welche die Zielsetzung eines Experiments kennen, sich eher übereinstimmend zu den Forschungshypothesen verhalten, als Probanden, die die Zielsetzung eines Experiments nicht kennen.105 100Vgl. Goodman et al. (2013), S. 221. 101Vgl. Teschner und Gimpel (2018), S. 211, Buchheit, Dalton, Pollard und Stinson (2019), S. 101f. 102Vgl. Buchheit et al. (2019), S. 101f. 103Vgl. Smith (2005), S. 104f. 104Vgl. Charness, Gneezy und Kuhn (2012), S. 1. 105Vgl. Charness et al. (2012), S. 2. C. Ertel /Junior Management Science 6(4) (2021) 757-789774 Des Weiteren wird das experimentelle Design durch die Anzahl der manipulierten Variablen charakterisiert. Wird bei einem Experiment während der experimentellen Manipulation nur eine Variable verändert, dann ist das experimentelle Design einfaktoriell. Allerdings werden in vielen Experimenten zwei oder mehr Variablen variiert. Ein solches Design ist oft dadurch gekennzeichnet, dass sowohl die einzelnen Einflüsse der unabhängigen Variablen auf die abhängigen Variablen als auch mögliche Interaktionseffekte zwischen den Variablen gemessen werden. Die Anzahl der benötigten Experimentalgruppen hängt von den getesteten Ausprägungen der unabhängigen Variablen ab. Zum Beispiel müssen bei einem vollständigen Experiment mit zwei unabhängigen Variablen mit je zwei getesteten Ausprägungen vier Experimentalgruppen gebildet werden.106 Beim faktoriellen Design des vorliegenden Experiments sind verschiedene Ansätze denkbar. So ist es naheliegend, die Clawback-Wahrscheinlichkeit als eine unabhängige Variable mit drei Ausprägungen zu interpretieren. In der ersten Ausprägung würde keine Clawback-Klausel existieren, bzw. die Clawback-Wahrscheinlichkeit würde null Prozent betragen. Die zweite Ausprägung würde der ersten Forschungshypothese entsprechen. Des Weiteren würde die dritte Ausprägung der zweiten Forschungshypothese entsprechen. Diese Interpretation der Clawback-Klausel ist für den Test der zweiten Forschungshypothese problematisch. Wird bei der dritten Ausprägung eine Veränderung des Investitionsverhaltens beobachtet, dann kann diese Veränderung unterschiedlich interpretiert werden. Es wäre nicht eindeutig bestimmbar, ob die beobachtete Veränderung durch die tatsächlich bekannte Eintrittswahrscheinlichkeit der Bonuszahlung, oder nur durch die eingeführte Clawback-Wahrscheinlichkeit ausgelöst wird. Im Folgenden wird deshalb ein anderer Ansatz gewählt. Statt einem Experiment mit unabhängigen Variablen mit drei Ausprägungen, werden zwei Experimente mit jeweils einer unabhängigen Variablen mit zwei Ausprägungen durchgeführt. Im ersten Experiment wird die erste Forschungshypothese überprüft. Es wird eine Experimentalgruppe ohne Clawback-Klausel, bzw. mit einer ClawbackWahrscheinlichkeit von null Prozent und ein Experimentalgruppe, welche der ersten Forschungshypothese entspricht, unterschieden. Im zweiten Experiment wird die zweite Forschungshypothese getestet. Hierbei werden erneut zwei Experimentalgruppen gebildet. Beide Experimentalgruppen sind durch eine ausreichend große und von der Investitionsentscheidung unabhängige Clawback-Wahrscheinlichkeit gekennzeichnet. Allerdings wird nur in der zweiten Experimentalgruppe die tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung erklärt. In Tabelle 1ist das experimentelle Design der beiden Experimente nochmals zusammengefasst. 106Vgl. Collins, Dziak und Li (2009), S. 202. 5.3.2. Die Operationalisierung des theoretischen Modells Um die beschriebenen Experimente durchführen zu können, ist es notwendig das hergeleitete Modell in eine konkrete Entscheidungssituation zu überführen. Diese Entscheidungssituation muss so gewählt werden, dass in beiden Experimenten eine Veränderung des Investitionsverhaltens erwartet wird. Für die erste Experimentalgruppe des ersten Experiments bedeutet dies, dass eine Entscheidungssituation mit mehreren Investitionsalternativen, einer dominanten Investitionsalternative und einer Clawback-Wahrscheinlichkeit aufgebaut werden muss. Dies kann auf Basis der hergeleiteten Gleichungen geschehen. Bei diesem Vorgehen muss jedoch bedacht werden, dass die Gewichtungsfunktion πkeinen eindeutigen Funktionsverlauf hat. Wenn keine Annahmen zum Funktionsverlauf erfolgen, ist bei einer Entscheidungssituation mit mehreren Investitionsalternativen nicht bestimmbar, welche Investitionsalternative die anderen dominiert und ausgewählt wird. Im Folgenden wird deshalb das bereits in Kapitel 4.2 erläuterte Problem drei von Kahneman und Tversky (1979) als Ausgangsbasis genutzt. Die Entscheidungssituation besteht folglich aus zwei Investitionsalternativen. Die sichere Investitionsalternative erwirtschaftet immer einen Bonus von 3.000$. Die riskante Investitionsalternative erwirtschaftet mit einer Wahrscheinlichkeit von 80% einen Bonus von 4.000$ und mit einer Wahrscheinlichkeit von 20% einen Bonus von 0$. Hierbei wird aufgrund der Ergebnisse von Kahneman und Tversky (1979) erwartet, dass sich die Probanden signifikant öfter für die sichere Investitionsalternative entscheiden. In der zweiten Experimentalgruppe des ersten Experiments wird zusätzlich eine Clawback-Klausel in die bereits beschriebene Entscheidungssituation aufgenommen. Per Definition werden sich die Probanden bei einer ausreichend großen Clawback-Wahrscheinlichkeit bei der sicheren Investitionsalternative für die riskante Investitionsalternative entscheiden. Eine ausreichend große ClawbackWahrscheinlichkeit ist über Gleichung (4.2) bestimmbar. Aus formaler Sicht gilt: J X j=1 πwj·uBτ,j≥ J X j=1 πwj·1−pj,1·uBT,j. (25) Im nächsten Schritt muss die Entscheidungssituation in den Zusammenhang eingesetzt werden: π(80%)·u(4.000)≥π100% ·1−pj,1·u(3.000). (26) Es zeigt sich, dass Gleichung (5.2) z.B. für eine ClawbackWahrscheinlichkeit pj,1 von zwanzig Prozent sicher erfüllt ist. Es gilt dann: π(80%)·(u(4.000)−u(3.000)) ≥0. (27) Hierbei muss beachtet werden, dass die Wertfunktion streng monoton wachsend ist und folglich die Differenz u(4.000)−u(3.000)immer größer als null ist. Außerdem ist die Gewichtungsfunktion πper Definition immer größer C. Ertel /Junior Management Science 6(4) (2021) 757-789 775 Tabelle 1: Das experimentelle Design der Untersuchung Experiment Experimentalgruppe 1 Experimentalgruppe 2 1 Clawback-Wahrscheinlichkeit von null Prozent Ausreichend große und von der Investitionsentscheidung abhängige Clawback-Wahrscheinlichkeit 2 Ausreichend große und von der Investitionsentscheidung unabhängige Clawback-Wahrscheinlichkeit 2 Tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung nicht bekannt Tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung bekannt als null. Aufgrund des unsicheren Funktionsverlaufs der Gewichtungsfunktion πwird nachfolgend eine deutlich größere Clawback-Wahrscheinlichkeit als 20% angenommen. Es wird davon ausgegangen, dass die Clawback-Klausel bei Wahl der sicheren Investitionsalternative mit einer Wahrscheinlichkeit von 80% aktiviert wird. Somit wird im zweiten Fall des ersten Experiments erwartet, dass sich die Probanden signifikant öfter für die riskante Investitionsalternative entscheiden. Im zweiten Experiment werden die Probleme vier und zehn von Kahneman und Tversky (1979) als Ausgangsbasis für die konkrete Entscheidungssituation genutzt. Dies ist naheliegend, da die zweite Forschungshypothese aus diesen beiden Problemen entwickelt wurde.107 Die erste Experimentalgruppe des zweiten Experiments basiert auf Problem zehn. Hierbei müssen sich die Probanden erneut zwischen der sicheren und der riskanten Investitionsalternative entscheiden. Allerdings existiert eine von der Investitionsentscheidung unabhängige Clawback-Wahrscheinlichkeit, die ClawbackKlausel wird in 75% der Fälle aktiviert. Die resultierende tatsächliche Eintrittswahrscheinlichkeit der Bonuszahlung wird jedoch nicht angegeben. Hierbei wird erwartet, dass sich die Probanden signifikant öfter für die sichere Investitionsalternative entscheiden. Die zweite Experimentalgruppe des zweiten Experiments entspricht Problem vier von Kahneman und Tversky (1979) und ist formal gesehen identisch zur ersten Experimentalgruppe. Allerdings wird die angegebene Eintrittswahrscheinlichkeit der Ergebnisse mit der Clawback-Wahrscheinlichkeit multipliziert. Die erste Investitionsalternative wird den Probanden als Investition, welche mit einer Wahrscheinlichkeit von 25% einen Bonus von 3.000$ und mit einer Wahrscheinlichkeit von 75% einen Bonus von 0$ erwirtschaftet, beschrieben. Analog dazu wird die zweite Investitionsalternative als Investition, welche mit einer Wahrscheinlichkeit von 20% einen Bonus von 4.000$ und mit einer Wahrscheinlichkeit von 80% einen Bonus von 0$ erwirtschaftet, beschrieben. Hierbei wird erwartet, dass sich die Probanden signifikant öfter für die riskante Investitionsalternative entscheiden. Tabelle 1fasst das operationalisierte experimentelle Design der Untersuchung zusammen. 107Vgl. Kapitel 4.2. 5.4. Die Darstellung der Entscheidungssituation 5.4.1. Die Wahl einer kontextreichen Entscheidungssituation Es muss festgelegt werden, wie die Entscheidungssituation für die Probanden dargestellt wird. Die Entscheidungssituation kann in abstrakter Form, wie z.B. in Tabelle 2oder im konkreten Unternehmenskontext beschrieben werden.108 Im Folgenden wird für beide Experimente eine kontextreiche Form der Darstellung gewählt. Diese Form der Darstellung ist eine deutliche Abweichung von Kahneman und Tversky (1979) und wird aufgrund der dargelegten Nachteile der Datenerhebung über Amazon MTurk gewählt. Wird auf Basis vorheriger Überlegungen angenommen, dass von Amazon MTurk kommende Probanden weniger gebildet, weniger intelligent und weniger aufmerksam sind, dann ist es fraglich, ob die Probanden die aufgebaute Entscheidungssituation ohne Kontext verstehen können.109 Dieses Verständnis der Entscheidungssituation ist jedoch wichtig, da das Verhalten der Probanden sonst signifikant vom erwarteten Verhalten abweichen kann. So finden z.B. Kirchler/Huber/Stöckl (2012) Hinweise, dass die unerwartete Bildung von Finanzblasen im Finanzmarktexperiment von Smith/Suchanek/Williams (1988) durch verwirrte Teilnehmer, welche das Experiment nicht verstanden haben, ausgelöst wird. Wird den Probanden statt der originalen Darstellung des Experiments eine kontextreiche Darstellung präsentiert, dann wird die Blasenbildung deutlich unwahrscheinlicher.110 Es wird gezeigt, dass dieses Verständnis bei weniger gebildeten Probanden durch eine kontextreichere Darstellung der Entscheidungssituation verbessert werden kann. Chou et al. (2009) beobachten, dass Probanden von einem Community College eine Entscheidungssituation deutlich besser verstehen, wenn eine kontextreiche Darstellung anstatt einer abstrakten Darstellung gewählt wird. Eine wichtige Voraussetzung ist hierbei, dass die Entscheidungssituation in einem den Probanden bekannten Kontext präsentiert wird. Allerdings kann nicht ausgeschlossen werden, dass es trotz kontextreicher Darstellung zu falschen Entscheidungen auf Seiten der Probanden kommt.111 108Vgl. Alekseev, Charness und Gneezy (2017), S. 48f. 109Vgl. Kapitel 5.2. 110Vgl. Kirchler und Stöckl (2012), S. 878–880. 111Vgl. Chou, McConnell, Nagel und Plott (2009), S. 171–174. C. Ertel /Junior Management Science 6(4) (2021) 757-789776 Tabelle 2: Das operationalisierte experimentelle Design der Untersuchung Experiment Experimentalgruppe 1 Experimentalgruppe 2 1 3.000 $ (100%) oder 4.000 (80%) und 0$ (20%) 3.000 $ (100%), aber Clawback (80%) oder 4.000$ (80%) und 0$ (20%) 2 3.000 $ (100%) oder 4.000$ (80%) und 0$ (20%) unabhängig davon: Clawback (75%) 3.000 $ (25%) oder 4.000$ (20%) und 0$ (80%) 5.4.2. Die beschriebene Entscheidungssituation Der Kontext der Entscheidungssituation der beiden Experimente wird nachfolgend näher spezifiziert. Da im hergeleiteten Modell von einem Manager im Unternehmenskontext ausgegangen wird und Clawback-Klauseln im Unternehmenskontext auftreten, wird auch den Probanden die Entscheidungssituation im Unternehmenskontext beschrieben. Die Probanden sollen im Experiment die Rolle eines Managers in einer Bierbrauerei annehmen. Die Wahl der Bierbranche hat zwei Vorteile. So sollte das Produkt Bier jedem Probanden bekannt sein. Das Produkt Bier ist das meistverkaufte alkoholische Getränk weltweit und wird in den meisten Ländern der Welt konsumiert.112 Des Weiteren ist es unwahrscheinlich, dass Probanden bereits Erfahrungen bei Investitionsentscheidungen für die Bierherstellung sammeln konnten. Es arbeitet nur ein geringer Teil der Beschäftigten in der Brauwirtschaft. Im Jahr 2015 waren z.B. in Deutschland ca. 43 Millionen Personen erwerbstätig.113 Hiervon waren nur etwa 27.000 Personen in der Bierherstellung beschäftigt.114 Dies entspricht einem Anteil von etwa 0,06%. Es ist deshalb schwer vorstellbar, dass der Entscheidungsprozess der Probanden bei der Investitionsentscheidung durch etwaige Erfahrungswerte beeinflusst wird. Zu Beginn der Experimente wird den Probanden ihre Rolle als Manager der „Bavaria SE“, einer großen Brauerei in Deutschland beschrieben. Im nächsten Schritt werden die Probanden darauf hingewiesen, dass ihre jährliche Bonuszahlung vom Jahresgewinn der Brauerei abhängt. Dies wird damit begründet, dass der Aufsichtsrat sicherstellen will, dass die Manager der Brauerei stets im Sinne des Unternehmens 112Vgl. Statista (2020), S. 1. 113Vgl. Statistisches Bundesamt (2016), S. 1. 114Vgl. Stracke und Homann (2017), S. 90. handeln. Zur Berechnung der jährlichen Bonuszahlung wird ein einfacher Zusammenhang gewählt. Den Probanden wird erklärt, dass sie zehn Prozent des jährlichen Gewinns als persönlichen Gewinn ausbezahlt bekommen. In der zweiten Experimentalgruppe des ersten Experiments und in beiden Experimentalgruppen des zweiten Experiments wird zusätzlich eine Clawback-Klausel beschrieben, welche die Bonuszahlungen des Managers betrifft. Die Clawback-Klausel bei der zweiten Experimentalgruppe des ersten Experiments wird aktiviert, wenn sich im Nachhinein herausstellt, dass der Proband, bzw. die Probandin eine für die Brauerei nachteilige Entscheidung getroffen hat. Im Gegensatz dazu ist die Aktivierung der im zweiten Experiment beschriebenen Clawback-Klausel unabhängig von den Entscheidungen der Probanden. Die Aktivierung erfolgt in diesem Fall, wenn im Nachhinein ein Fehler im Jahresabschluss der Brauerei entdeckt wird und dieser korrigiert werden muss. In allen drei Experimentalgruppen wird den Probanden erklärt, dass bei Aktivierung der Clawback-Klausel die gesamte Bonuszahlung an die Brauerei zurückgezahlt werden muss. In der eigentlichen Entscheidungssituation haben die Probanden die Aufgabe eine neue Würzepfanne, nachfolgend vereinfachend Braukessel genannt, für die Brauerei auszuwählen.115 Dies wird damit begründet, dass der alte Braukessel starke Abnutzungsspuren zeigt und deshalb ersetzt werden muss. Hierbei wird den Probanden erklärt, dass die Kapazität des gewählten Braukessels die maximale Kapazität an Bier vorgibt, welche im nächsten Geschäftsjahr gebraut werden kann. Des Weiteren werden den Probanden zwei mögliche Szenarien für die während des nächsten Geschäftsjahres absetzbare Menge an Bier präsentiert. Mit einer Wahr115Für eine Erklärung des Brauprozesses, vgl. Deutscher Bundestag (2019), S. 1. C. Ertel /Junior Management Science 6(4) (2021) 757-789 777 scheinlichkeit von 80% kann im nächsten Geschäftsjahr Bier im Wert von 1.000.000$ verkauft werden, mit einer Wahrscheinlichkeit von 20% kann jedoch nur Bier im Wert von 600.000$ verkauft werden. Den Probanden werden zwei Braukessel, ein Braukessel mit großer Kapazität und ein Braukessel mit kleiner Kapazität, zur Wahl gestellt. Mit dem großen Braukessel kann maximal Bier im Wert von 1.000.000$ gebraut werden. Der Braukessel verursacht jährliche Kosten in Höhe von 600.000$. Mit dem kleinen Braukessel kann nur maximal Bier im Wert von 600.000$ gebraut werden. Allerdings verursacht dieser Braukessel auch nur jährliche Kosten in Höhe von 300.000$. Zur Vereinfachung der Entscheidungssituation wird hierbei nicht näher auf die Zahlungsströme der beiden Investitionsalternativen eingegangen. Allerdings wird darauf hingewiesen, dass aus der Investition folgende Abschreibungen bereits in den jährlichen Kosten berücksichtigt sind. Im letzten Schritt wird die gesamte Entscheidungssituation für die Probanden mithilfe einer Tabelle zusammengefasst. Hierbei wird der resultierende jährliche Gewinn jeder Investitionsalternative in Abhängigkeit vom eingetretenen Umweltzustand gezeigt und die Berechnung dieses Wertes erläutert. Des Weiteren wird die jeweils resultierende Bonuszahlung für die Probanden angegeben und die Berechnung des angegebenen Wertes gezeigt. In der zweiten Experimentalgruppe des ersten und zweiten Experiments wird zusätzlich die Auswirkung der Clawback-Klausel auf den langfristigen persönlichen Bonus dargestellt. Abbildung 5 zeigt bespielhaft die Tabelle, welche der zweiten Experimentalgruppe des ersten Experimentes präsentiert wird. Die ausformulierte Darstellung der Entscheidungssituation für alle vier Experimentalgruppen findet sich in Anhang c). 5.4.3. Der Einfluss der angepassten Bonuszahlungen Es muss beachtet werden, dass in der kontextreichen Entscheidungssituation zehnmal größere Bonuszahlungen beschrieben werden als in Kapitel 5.3.2. Diese Entscheidung wurde getroffen, um die Entscheidungssituation an den beschriebenen Kontext anzupassen. Es wird beobachtet, dass Bonuszahlungen an das Topmanagement durchschnittlich in dieser Größenordnung liegen. So verdienten z.B. Topmanager in Deutschland im Jahr 2018 im Schnitt mehrere 100.000€. Die durchschnittliche variable Vergütung betrug hierbei 20-30% vom Gesamtgehalt.116 Die veränderten Bonuszahlungen beeinflussen den erwarteten Nutzen der beiden Investitionsalternativen. Die verwendete Wertfunktion ist per Definition streng monoton wachsend. Als Folge wird den jeweiligen Bonuszahlungen ein höherer Nutzenwert zugeordnet, was wiederum den Gesamtnutzen der beiden Investitionsalternativen vergrößert. Des Weiteren wird der Funktionsverlauf der Wertfunktion als konkav angenommen. Dies führt dazu, dass den verzehnfachten Bonuszahlungen ein weniger als verzehnfachter Nutzenwert zugeordnet wird.117 Es stellt sich die Frage, ob 116Vgl. Von Hülsen (2019), S. 10f. 117Vgl. Kapitel 3.1. die beiden beschriebenen Effekte die erwarteten Investitionsentscheidungen der Probanden in den einzelnen Experimentalgruppen beeinflussen. Hierbei ist es sinnvoll das erwartete Verhalten der Probanden in den einzelnen Experimentalgruppen mithilfe einer Ungleichung auszudrücken. Für die erste Experimentalgruppe des ersten und des zweiten Experiments gilt folgender Zusammenhang: π(0,8)·u(4.000)<1·u(3.000), bzw. π(0,8)<u(3,000) u(4,000). (28) Analog gilt für die zweite Experimentalgruppe des ersten und zweiten Experiments: π(0,8) π(0,2)>u(3.000) u(4.000)0, bZW. π(0,2) π(0,3)>u(3.000) u(4.000). (29) Bei einer Verzehnfachung der Bonuszahlung muss der Quotient u(3.000)/u(4.000)in allen vier Experimentalgruppen durch den Quotienten u(30.000)/u(40.000)ersetzt werden. Es ist allerdings fraglich ob in diesem Fall die Ungleichungen noch erfüllt sind. Nur bei Kenntnis der genauen Funktionsvorschrift der Wertfunktion u ergibt sich eine eindeutige Aussage. Tversky und Kahneman (1992) entwickeln in ihrer Arbeit zur Kumulativen Prospect-Theorie eine entsprechende Funktionsvorschrift für die Wertfunktion. Für die Wertfunktion u(x,α,β,λ)gilt: u(x) = §xαwenn x≥0 −λ·(−x)βwenn x<0. (30) Hierbei wird über die Parameter αund βder konkave, bzw. konvexe Funktionsverlauf abgebildet. Der Parameter λ ist immer größer als eins und bildet die Verlustaversion ab.118 Da in allen vier Experimentalgruppen keine negativen Bonuszahlungen getestet werden, ist für die folgende Überlegung nur die obere der beiden Funktionsvorschriften relevant. Es zeigt sich, dass der Quotient u(30.000)/u(40.000)unter Annahme der beschriebenen Funktionsvorschrift dem Quotienten u(3.000)/u(4.000)entspricht: u(30.000) u(40.000)=30.000α 40.000α=10α 10α·3.000α 4.000α=3.000α 4.000α=u(3.000) u(4.000). (31) Es ist klar ersichtlich, dass die Verzehnfachung der Bonuszahlung aus theoretischer Sicht keinen Einfluss auf die Investitionsentscheidung der Probanden hat. 5.5. Sonstige Fragen an die Probanden Es muss beachtet werden, dass es für die Untersuchung der Forschungshypothesen nicht ausreicht, wenn nur die Investitionsentscheidung der Probanden experimentell gemessen wird. Zwar sind die Experimente so gestaltet, dass der 118Vgl. Al-Nowaihi, Bradley und Dhami (2008), S. 338f. C. Ertel /Junior Management Science 6(4) (2021) 757-789778 Abbildung 5: Die Darstellung der Tabelle für die zweite Experimentalgruppe des ersten Experiments Einfluss möglicher Störvariablen aus theoretischer Sicht minimiert und der Erfolg der experimentellen Manipulation sichergestellt wird. Allerdings ist unklar, ob die getroffenen Maßnahmen auch tatsächlich wirken. So ist z.B. denkbar, dass einige Probanden die Entscheidungssituation trotz kontextreicher Darstellung nicht verstehen und sich zufällig für eine der beiden Investitionsalternativen, bzw. Braukessel entscheiden. Aus diesem Grund müssen die getroffenen Maßnahmen auf ihre Wirksamkeit überprüft werden. Hierbei kann auf etablierte Ansätze aus der experimentellen Forschung zurückgegriffen werden. Die Randomisierung des Experiments wird nachgewiesen, wenn die personenbezogenen Störvariablen in allen Experimentalgruppen gleich verteilt, bzw. normalverteilt sind.119 In diesem Fall wird durch einen Vergleich der Mittelwerte der potenziellen Störvariablen in den einzelnen Experimentalgruppen auf mögliche ungeplante Unterschiede zwischen den Experimentalgruppen geschlossen.120 Hierfür müssen die potenziellen Störvariablen im Experiment gemessen werden. Dies wird erreicht, indem die Probanden am Beginn des jeweiligen Experiments zu verschiedenen potenziellen Störvariablen befragt werden.121 In den dargestellten Experimenten sind die Probanden aufgefordert Angaben zu ihrem Geschlecht, ihrem Geburtsjahr, ihrer Nationalität, ihrer aktuellen Beschäftigungssituation und ihrem Einkommen zu machen. Des Weiteren wird der Ort, an welchem die Studie ausgefüllt wird und das Wissen der Probanden über Statistik abgefragt. In den beiden Experimenten werden, neben den bereits genannten eher demographischen Störvariablen, auch zwei thematisch relevante Störvariablen auf Randomisie119Vgl. Bortz und Döring (2006), S. 526f. 120Vgl. Sibbertsen und Lehne (2015), S. 397–399. 121Vgl. Bortz und Döring (2006), S. 526f. rung überprüft. Die erste dieser Variablen ist die generelle Risikoneigung der Probanden. Diese Frage ist notwendig, da ein Einfluss der Risikoneigung auf das Investitionsverhalten bestehen könnte. So zeigen z.B. Experimente wie Sitkin (1995), dass ein signifikanter Zusammenhang zwischen der generellen Risikoneigung und dem wahrgenommenen Risiko der Probanden und ein signifikanter Zusammenhang zwischen dem wahrgenommenen Risiko und dem Entscheidungsverhalten der Probanden besteht.122 Die Risikoneigung der Probanden wird mithilfe der Risk Propensity Scale von Meertens und Lion (2008) gemessen.123 Die zweite betrachtete inhaltliche Störvariable ist die Einstellung der Probanden zum Produkt Bier. Auch hierbei ist ein Effekt auf das Investitionsverhalten denkbar. So zeigen z.B. Bamberg, Kühnel und Schmidt (1999), dass die Entscheidung einer Person für ein Verkehrsmittel von der generellen Einstellung der Person zum Thema Verkehr beeinflusst wird.124 Analog ist denkbar, dass die Entscheidung einer Person für einen Braukessel von der generellen Einstellung der Person zum Thema Bier beeinflusst wird. Zur Messung der Variable wird eine eigene Skala genutzt. Hierbei werden verschiedene Aspekte zu Bier, z.B. die Präferenz für Bier im Vergleich zu anderen alkoholischen Getränken, abgefragt. Der Erfolg der experimentellen Manipulation wird mithilfe verschiedener Kontrollfragen getestet. Die Aufmerksamkeit der Probanden wird mithilfe von Instructional Manipulation Checks überprüft. Die Idee ist hierbei, dass Probanden häufig den Fragetext nicht lesen und deshalb zufällig antworten. Deshalb werden einfache Kontrollfragen gestellt, welche jedoch nur beantwortet werden können, wenn der Fra122Vgl. Sitkin (1995), S. 1586. 123Vgl. Meertens und Lion (2008), S. 1520. 124Vgl. Bamberg et al. (1999), S. 21f. C. Ertel /Junior Management Science 6(4) (2021) 757-789 779 getext gelesen wurde.125 Dieser Ansatz wird in zwei Kontrollfragen verwendet. So sollen die Probanden z.B. die richtige Lösung der Rechenoperation 2+3 aus drei Antwortmöglichkeiten auswählen. Des Weiteren wird das Verständnis der Probanden der Entscheidungssituation mithilfe einer Kontrollfrage getestet. In der ersten Kontrollfrage werden die Probanden dazu aufgefordert ihre Einschätzung zur zukünftigen verkauften Menge an Bier abzugeben. Es stehen die monetär bewerteten Biermengen aus den beiden Zukunftsszenarien, 1.000.000$ und 600.000$, zur Wahl. Unabhängig von der Experimentalgruppe gibt es zwei Kombinationen aus gewählter Investitionsalternative und erwarteter Verkaufsmenge an Bier, welche darauf hindeuten, dass die Probanden die Entscheidungssituation nicht verstanden haben. Diese Kombinationen sind die Wahl des großen Braukessels, wenn eine verkaufte Biermenge von 600.000$ erwartet wird und die Wahl des kleinen Braukessels, wenn eine verkaufte Biermenge von 1.000.000$ erwartet wird. In beiden Kombinationen würde bewusst auf einen Teil des maximal möglichen Unternehmensgewinns, bzw. persönliche Bonus verzichtet werden. Wird z.B. ein Umsatz in Höhe von 600.000$ erwartet, dann würde durch die Wahl des großen Braukessels ein Gewinn von 0$ und ein Bonus von $0 realisiert werden. Wird stattdessen der kleine Braukessel gewählt, würde ein Gewinn von 300.000$ und ein Bonus von 30.000$ realisiert werden. Der Erfolg der experimentellen Manipulation wird zusätzlich mit einer Kontrollfrage zur Risikowahrnehmung der Probanden getestet. Bei dieser Frage sollen die Probanden angeben, welcher der beiden Investitionsalternativen für sie persönlich als riskanter erscheint. Mithilfe der Frage wird überprüft, ob die Probanden die angegebenen Wahrscheinlichkeiten wie angenommen gewichten. Auf Basis der hergeleiteten Entscheidungssituation sind signifikante Unterschiede zwischen den Experimentalgruppen in beiden Experimenten zu erwarten. So wird z.B. erwartet, dass im ersten Experiment der große Braukessel in der ersten Experimentalgruppe und der kleine Braukessel in der zweiten Experimentalgruppe als riskanter wahrgenommen wird. Zusätzlich werden die Probanden in einer offenen Frage gebeten ihre Einschätzung über das Ziel des Experiments anzugeben. Die Frage ermöglicht es zu prüfen, ob die Probanden die Zielsetzung des Experiments erkennen. Das vollständige Experiment ist in Anhang c) dargestellt. 6. Ergebnisse der Untersuchung Im folgenden Kapitel werden die Ergebnisse der beiden durgeführten Experimente dargestellt. Zu Beginn werden die erhobenen Daten genauer beschrieben (6.1). Danach wird der Chi-Quadrat-Unabhängigkeitstest als statistischen Testverfahren vorgestellt, welches zur Untersuchung der Stichprobe benötigt wird (6.2). Anschließend werden die Ergeb125Vgl. Oppenheimer, Meyvis und Davidenko (2009), S. 867f. nisse der Tests der Randomisierung der Störvariablen dargestellt. (6.3). Des Weiteren werden die abgeleiteten Forschungshypothesen näher untersucht und getestet (6.4). 6.1. Die Beschreibung der Stichprobe Die Daten beider Experimente wurden vom 27.03.2020 bis zum 29.03.2020 erhoben. Den MTurk Workern wurde jeweils ein Dollar für die Teilnahme angeboten. Insgesamt wurden 205 Probanden rekrutiert, welche zufällig und gleichmäßig auf die Experimentalgruppen verteilt wurden. Diese große Zahl an Probanden hat den Vorteil, dass aufgrund des zentralen Grenzwertsatzes der Statistik von einer Normalverteilung der geprüften Störvariablen in den einzelnen Experimentalgruppen ausgegangen werden kann.126 Im Folgenden wird auf die überprüften demographischen Variablen näher eingegangen. Das mittlere Geburtsjahr der Probanden ist 1982. Das älteste angegebene Geburtsjahr ist 1947 und das jüngste angegebene Geburtsjahr ist 1999. Abbildung 6zeigt sie Verteilung der angegebenen Geburtsjahre. Bei der Frage zur Nationalität wurden zwei Länder häufig genannt. 156 Probanden haben die USA als Nationalität angegeben und 36 Probanden haben Indien als Nationalität angegeben. Aus Geschlechtersicht ist die Studie klar durch Männer dominiert. 131 Probanden haben ihr Geschlecht als männlich angegeben, 72 Probanden haben ihr Geschlecht als weiblich angegeben und zwei Probanden haben kein Geschlecht angegeben. Bei der Frage zur Beschäftigungssituation der Probanden werden zwei Antworten häufig genannt. 153 Probanden haben angeben, dass Sie angestellt sind und 32 Probanden haben angegeben, dass Sie selbstständig sind. Beim monatlichen Einkommen der Probanden werden drei Einkommensgruppen von den Probanden häufig genannt. 44 Probanden geben an zwischen 1.000$ und 2.000$ pro Monat zu verdienen, 37 Probanden geben an zwischen 2.000$ und 3.000$ monatlich zu verdienen und 35 Probanden geben an zwischen 5.000$ und 6.000$ monatlich zu verdienen. Abbildung 7zeigt die gesamte Einkommensverteilung. Bei der Frage zum Ort, an welchem das Experiment bearbeitet wird, ist eine Antwortmöglichkeit sehr dominant. 155 Probanden haben das Experiment zuhause bearbeitet. Die Probanden schätzen ihr statistisches Wissen im Mittel mit der Note 3,65 und folglich als befriedigend bis ausreichend ein. Hierbei muss beachtet werden, dass die der Frage zugrundeliegende Scala das aus sechs Noten bestehende deutsche Notensystem ist. Insgesamt haben 10 Probanden die Fragen zum Test der Aufmerksamkeit falsch beantwortet. Da bei diesen Probanden unklar ist, ob die Probanden die restlichen Fragen überhaupt gelesen haben, werden diese Probanden für die weiteren Analysen aussortiert. 6.2. Das verwendete statistische Testverfahren Es stellt sich die Frage, wie die Forschungshypothesen und wie die Randomisierung der Störvariablen geprüft 126Vgl. Sibbertsen und Lehne (2015), S. 399. C. Ertel /Junior Management Science 6(4) (2021) 757-789780 Abbildung 6: Die beobachtete Verteilung der angegebenen Geburtsjahre Abbildung 7: Die beobachtete Einkommensverteilung werden können. Hierbei muss beachtet werden, dass das Investitionsverhalten der Probanden mithilfe einer nichtmetrischen Skala erhoben wird. Deshalb ist bei fast allen durchgeführten Tests der erhobenen Daten ein Chi-QuadratUnabhängigkeitstest erforderlich. Mithilfe des Tests wird untersucht, ob die Ausprägungen der überprüften Variable mit der Experimentalgruppe zusammenhängen. Hierbei müssen die Experimentalgruppen als eigene Variable E mit jeweils zwei Ausprägungen je Experiment definiert werden. Bei einer getesteten Variable A ergeben sich zwei statistische Hypothesen: H0:Aund Esind unabhängig, bzw. H1:Aund Esind abhängig.127 (32) Die Teststatistik des Chi-Quadrat-Unabhängigkeitstest erfordert einige Umformungen in den erhobenen Daten. So muss im ersten Schritt eine Kreuztabelle gebildet werden. In dieser Tabelle wird gezählt, wie oft eine Ausprägung der überprüften Variable in den betrachteten Experimentalgruppen genannt wird. Im nächsten Schritt muss der mittlere Häufigkeitswert aller Ausprägungen der Variable in allen Experimentalgruppen bestimmt werden.128 Die Idee des Chi-Quadrat-Unabhängigkeitstest ist zu testen, ob die in den Experimenten beobachteten Häufigkeiten bei den einzelnen Ausprägungen der überprüften Variable signifikant von den mittleren Häufigkeiten verschieden sind.129 Aus dieser Idee ergibt sich die Chi-Quadrat127Vgl. Sibbertsen und Lehne (2015), S. 434. 128Vgl. Backhaus, Erichson, Plinke und Weiber (2018), S. 342. 129Vgl. Backhaus et al. (2018), S. 347f. Teststatistik χ2: χ2= K X k=1 L X l=1 nk,l−¯ nk,i2 ¯ nknl . (33) Hierbei beschreibt der Parameter Ldie Anzahl an Ausprägungen der überprüften Variable und der Parameter Kdie Anzahl an Experimentalgruppen. Des Weiteren steht der Parameter nk,lfür die beobachtete Häufigkeit der Ausprägungen einer Variable in einer Experimentalgruppe und der Parameter ¯ nk,lfür jede mittlere Häufigkeit der Ausprägungen einer Variable in einer Experimentalgruppe.130 Die Nullhypothese kann abgelehnt werden, wenn der Zusammenhang: χ2< χ2 d f,1−α(34) gilt. Der Parameter χ2 d f,1−aist der Wert der Chi-QuadratVerteilung, welcher erwartet wird, wenn die Variablen unabhängig sind und folglich die Nullhypothese nicht verworfen werden kann. Der Parameter αbeschreibt die maximal akzeptierte Irrtumswahrscheinlichkeit und der Parameter d f beschreibt die notwendigen Freiheitsgrade der Verteilung. Die Freiheitsgrade df ergeben sich aus dem Produkt der bereits eingeführten Parameter Lund K. Es gilt: d f = (L−1)·(K−1).131 (35) 6.3. Die Überprüfung der Randomisierung Insgesamt wurden die Variablen Geschlecht, Geburtsjahr, Nationalität, Beschäftigung, Einkommen, Ort der Probanden, Statistikwissen, Risikoneigung und Einstellung zu Bier 130Vgl. Sibbertsen und Lehne (2015), S. 434. 131Vgl. Sibbertsen und Lehne (2015), S. 435. C. Ertel /Junior Management Science 6(4) (2021) 757-789 787 große Clawback-Wahrscheinlichkeit bei einer vormals dominanten Investitionsalternative auftritt. Des Weiteren wird von einem Isolation-Effekt bei von der Entscheidungssituation unabhängigen Clawback-Wahrscheinlichkeiten ausgegangen. Es ergeben sich zwei Forschungshypothesen, welche mithilfe zweier Experimente überprüft werden. Hierfür wird eine Datenerhebung über Amazon MTurk durchgeführt. Die Experimente weisen zwei Charakteristika auf. So wird, um die Entscheidungssituation verständlicher zu machen, ein kontextreiches Setting im Rahmen einer Bierbrauerei gewählt. Des Weiteren werden viele zusätzliche Fragen in die Experimente aufgenommen. Diese Fragen dienen zur Kontrolle der Randomisierung potenzieller Störvariablen und zur Kontrolle der Aufmerksamkeit und des inhaltlichen Verständnisses der Probanden. Die Untersuchung der erhobenen Daten liefert unterschiedliche Ergebnisse. So kann ein signifikanter Effekt von entscheidungsabhängigen Clawback-Klauseln auf das Investitionsverhalten nachgewiesen werden. Dies gelingt allerdings erst, wenn der erhobene Datensatz nach verschiedenen Kriterien eingeschränkt wird. Der vermutete Effekt von entscheidungsunabhängigen Clawback-Klauseln wird nicht beobachtet. Außerdem wird ein schwacher Effekt des Alters der Probanden auf den untersuchten Zusammenhang beobachtet. Des Weiteren weichen die Ergebnisse zum Teil deutlich von den Ergebnissen von Kahneman und Tversky (1979) ab. Die Arbeit weist einige Limitationen auf. So wird zum Beweis des Modells nur das Investitionsverhalten der Probanden gemessen. Diese Messung allein reicht jedoch nicht aus, um die Gültigkeit und Aussagekraft des Modells zu untersuchen. Es bleibt z.B. unklar, ob die Probanden ihre Investitionsentscheidung tatsächlich nur auf Basis der persönlichen Bonuszahlung treffen. Hierfür sind weitere Untersuchungen nötig, welche die einzelnen Bestandteile des Modells genauer untersuchen. Außerdem ist denkbar, dass die Verwendung einer kontextreichen Entscheidungssituation zum Auftreten von einem oder mehreren Framing-Effekten geführt hat. Diese ungeplanten Effekte könnten die erhobenen Daten und insbesondere das beobachtete Investitionsverhalten systematisch verzerren. Zukünftige Untersuchungen könnten an diesem Punkt ansetzten und die beiden beschriebenen Experimente ohne Kontext und in starker Anlehnung an Kahneman und Tversky (1979) durchführen. Der Vergleich zu den bereits erhobenen Daten verspricht interessante Erkenntnisse. Des Weiteren wird eine leichte Abhängigkeit des Investitionsverhaltens vom Alter der Probanden beobachtet. Dieser Effekt kann mithilfe des hergeleiteten Modells nicht erklärt werden. Hierbei ist denkbar, dass das Alter der Probanden die Stärke des Zusammenhangs zwischen einer Clawback-Klausel und dem beobachteten Investitionsverhalten moderiert. Zukünftige Untersuchungen könnten diese Beobachtung aufgreifen und den Zusammenhang zwischen Clawback-Klauseln und Investitionsverhalten unter Berücksichtigung des Alters untersuchen. Die vorliegende Arbeit erweitert das betriebswirtschaftliche Verständnis von Clawback-Klauseln. Es wird ein einfaches Modell zum Zusammenhang zwischen ClawbackKlauseln und Investitionsverhalten hergeleitet, welches alle bekannten Formen von Clawback-Klauseln beinhaltet. Aus diesem Modell ergeben sich klare Effekte von ClawbackKlauseln auf das Investitionsverhalten. Diese Effekte können in Teilen im Experiment belegt werden. Aus Sicht der Praxis ist interessant, dass Clawback-Klauseln das Investitionsverhalten tatsächlich verändern können und somit als Instrument zur Steuerung des Investitionsverhaltens eingesetzt werden können. C. Ertel /Junior Management Science 6(4) (2021) 757-789788 Literatur Addy, N., Chu, X. & Yoder, T. (2014). Voluntary adoption of clawback provisions, corporate governance, and interlock effects. Journal of Accounting and Public Policy,33 (2), 167–189. Alekseev, A., Charness, G. & Gneezy, U. (2017). Experimental methods: When and why contextual instructions are important. Journal of Economic Behavior & Organization,134, 48–59. Allen, L. & Li, G. (2011). Clawbacks and cronyism: Evidence from China. Financial Management,40 (3), 733–756. Al-Nowaihi, A., Bradley, I. & Dhami, S. (2008). A note on the utility function under pros-pect theory. Economics Letters,99 (2), 337–339. Amazon MTurk. (2020). Amazon Mechanical Turk Access a global, on-demand 24x7 workforce. Zugriff am 2020-06-16 auf https://www.mturk .com/ Amerikanischer Kongress. (2002). Sarbanes-Oxley Act. Public Law, 107– 204. Babenko, I., Bennett, B., Bizjak, J. M. & Coles, J. L. (2012). Clawback provisions. SSRN Journal. Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2018). Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. Berlin. BaFin. (2018). Auslegungshilfe zur Institutsvergütungsverordnung. Zugriff am 2020-03-10 auf https://www.bafin.de/ SharedDocs/Downloads/DE/Auslegungsentscheidung/ dl_180216_ae_institutsv.html Bakke, T.-E., Mahmudi, H. & Virani, A. (2017). The value implications of mandatory clawback provisions. SSRN Journal. Bamberg, S., Kühnel, S. M. & Schmidt, P. (1999). The impact of general attitude on decisions. Rationality and Society,11 (1), 5–25. Bergermann, M. & Zdrzalek, L. (2020, Juni). Wirecard-Aktie: EY könnte Dax-Konzern Prüfsiegel von 2018 entziehen. Wirtschaftswoche. Zugriff am 2020-07-12 auf https://www.wiwo.de/unternehmen/ dienstleister/wirtschaftspruefer-ey-koennte-wirecard -2018er-testat-entziehen/25949336.html Bortz, J. & Döring, N. (2006). Forschungsmethoden und Evaluation, Für Humanund Sozialwissenschaftler, mit 87 Tabellen. Heidelberg. Breisig, T. (2003). Entgelt nach Leistung und Erfolg, Grundlagen moderner Entlohnungssysteme. Frankfurt am Main. Brink, A. G. & Rankin, F. W. (2013). The effects of risk preference and loss aversion on individual behavior under bonus, pen-alty, and combined contract frames. Behavioral Research in Accounting,25 (2), 145–170. Brown, A. B., Davis-Friday, P. Y., Guler, L. & Marquardt, C. (2015). M&A decisions and US firms’ voluntary adoption of clawback provisions in executive com-pensation contracts. Journal of Business Finance & Accounting,42 (1-2), 237–271. Bryman, A. & Bell, E. (2011). Business research methods. Oxford. Buchheit, S., Dalton, D. W., Pollard, T. J. & Stinson, S. R. (2019). Crowdsourcing intelligent research participants: A student versus MTurk comparison. Behavioral Research in Accounting,31 (2), 93–106. Chan, L. H., Chen, K. C. W. & Chen, T.-Y. (2012). The effects of firm-initiated clawback provisions on earnings quality and auditor behavior. Journal of Accounting and Economics,54 (2-3), 180–196. Chan, L. H., Chen, K. C. W. & Chen, T.-Y. (2013). The effects of firm-initiated clawback provisions on bank loan contracting. Journal of Financial Economics,110 (3), 659–679. Chan, L. H., Chen, K. C. W., Chen, T. Y. & Yu, Y. (2015). Substitution between real and accruals-based earnings management after voluntary adoption of compensation clawback provisions. The Accounting Review, 90 (1), 147–174. Charness, G., Gneezy, U. & Kuhn, M. A. (2012). Experimental methods: Between-subject and within-subject design. Journal of Economic Behavior & Organization,81 (1), 1–8. Chen, Y. & Vann, C. E. (2017). Clawback provision adoption, corporate governance, and investment decisions. Journal of Business Finance & Accounting,22, 1370–1397. Chou, E., McConnell, M., Nagel, R. & Plott, C. R. (2009). The control of game form recognition in experiments: understanding dominant strategy failures in a simple two person “guessing” game. Experimental Economics,12 (2), 159–179. Collins, L. M., Dziak, J. J. & Li, R. (2009). Design of experiments with multiple independent variables: a resource management per-spective on complete and reduced factorial designs. Psychological Methods,14 (3), 202–224. Dehaan, E., Hodge, F. & Shevlin, T. (2013). Does voluntary adoption of a clawback provision improve financial reporting quality? Contemporary Accounting Research,30 (3), 1027–1062. Denis, D. K. (2012). Mandatory clawback provisions, information disclosure, and the regulation of securities markets. Journal of Accounting and Economics,54 (2-3), 197–200. Deutscher Bundestag. (2019). Gesetz zur Umsetzung der zweiten Aktionärsrechterichtlinie. Erkens, M. H. R., Gan, Y. & Yurtoglu, B. B. (2018). Not all clawbacks are the same: Consequences of strong versus weak clawback provi-sions. Journal of Accounting and Economics,66 (1), 291–317. Goodman, J. K., Cryder, C. E. & Cheema, A. (2013). Data collection in a flat world: The strengths and weaknesses of Mechanical Turk samples. Journal of Behavioral Decision Making,26 (3), 213–224. Hirsch, B., Reichert, B. E. & Sohn, M. (2017). The impact of clawback provisions on information processing and investment behaviour. Management Accounting Research,37, 1–11. Hodge, F. D. & Winn, A. (2012). Do compensation clawback and holdback provisions change executive reporting choices? SSRN Journal. Huang, S., Lim, C. Y. & Ng, J. (2019). Not clawing the hand that feeds you: The case of co-opted boards and clawbacks. European Accounting Review,28 (1), 101–127. Iskandar-Datta, M. & Jia, Y. (2013). Valuation consequences of clawback provisions. The Accounting Review,88 (1), 171–198. Jensen, M. C. (1986). Agency costs of free cash flow, corporate finance, and takeovers. The American Economic Review,76 (2), 323–329. Johan, S. A. & Najar, D. (2010). The role of corruption, culture, and law in investment fund manager fees. Journal of Business Ethics,95 (S2), 157–172. Kahneman, D. & Tversky, A. (1979). Prospect Theory: An analysis of decision under risk. Econometrica,47 (4), 263–292. Kees, J., Berry, C., Burton, S. & Sheehan, K. (2017). An analysis of data quality: professional panels, student subject pools, and Amazon’s Mechanical Turk. Journal of Advertising,46 (1), 141–155. Kirchler, J., Michael ánd Huber & Stöckl, T. (2012). Thar she bursts: Reducing confusion reduces bubbles. The American Economic Review,102 (2), 865–883. Küpper, H.-U., Friedl, G., Hofmann, C., Hofmann, Y. & Pedell, B.-h. (2013). Controlling, Konzeption, Aufgaben, Instrumente. Stuttgart. Kroos, P., Schabus, M. & Verbeeten, F. (2018). Voluntary clawback adoption and the use of financial measures in CFO bonus plans. The Accounting Review,93 (3), 213–235. Kruschwitz, L. & Lorenz, D. (2019). Investitionsrechnung. Berlin. Kyung, H., Lee, H. & Marquardt, C. (2019). The effect of voluntary clawback adoption on non-GAAP. Journal of Accounting and Economics,67 (1), 175–201. Laux, H., Gillenkirch, R. M. & Schenk-Mathes, H. Y. (2014). Entscheidungstheorie. Berlin. Lin, Y.-C. (2017). Do voluntary clawback adoptions curb overinvestment? Corporate Governance: An International Review,25 (4), 255–270. Mason, W. & Suri, S. (2012). Conducting behavioral research on Amazon’s Mechanical Turk. Behavior research methods,44 (1), 1–23. Meertens, R. M. & Lion, R. (2008). Measuring an individual’s tendency to take risks: The risk propensity scale. Journal of Applied Social Psychology,38 (6), 1506–1520. Menzies, C. (2004). Sarbanes-Oxley Act, Professionelles Management interner Kontrollen. Stuttgart. Müller, F., Rieber, D. & Tank, A. K. (2019). Legal bases and implementation of clawback clauses in DAX 30 companies. Oppenheimer, D. M., Meyvis, T. & Davidenko, N. (2009). Instructional manipulation checks: Detecting satisficing to increase statistical power. Journal of Experimental Social Psychology,45 (4), 867–872. Pyzoha, J. S. (2015). Why do restatements decrease in a clawback environment? An investigation into financial reporting executives’ Decisionmaking during the restatement process. The Accounting Review,90 (6), 2515–2536. Schäfer, H. (2005). Unternehmensinvestitionen. Heidelberg. Schulz, A. K. D. (1999). Experimental research method in a management accounting context. Accounting & Finance,39 (1), 29–51. C. Ertel /Junior Management Science 6(4) (2021) 757-789 789 SEC. (2015). Listing standards for recovery of erroneously awarded compensation. Zugriff am 2020-03-10 auf https://www.sec.gov/rules/ proposed/2015/33-9861.pdf (1–198) Sibbertsen, P. & Lehne, H. (2015). Statistik. Berlin. Sitkin, L. R., Sim B.and Weingart. (1995). Determinants of risky decisionmaking behavior: A test of the mediating role of risk per-ceptions and propensity. Academy of Management Journal,38 (6), 1573–1592. Smith, M. (2005). Research methods in accounting. London. Statista. (2020). Alcoholic Drinks worldwide. Zugriff am 2020-0618 auf https://www.statista.com/outlook/10000000/100/ alcoholic-drinks/worldwide#market-pricePerUnit Statistisches Bundesamt. (2016). Pressemitteilung vom 4. Januar 2016. Zugriff am 2020-06-18 auf https://www.destatis.de/DE/ Presse/Pressemitteilungen/2016/01/PD16_001_13321pdf .pdf?__blob=publicationFile Stock-Homburg, R. (2013). Handbuch Strategisches Personalmanagement. Wiesbaden. Stracke, S. & Homann, B. (2017). Branchenanalyse Getränkeindustrie, Marktentwicklung und Beschäftigung in der Brauwirt-schaft, Erfrischungsgetränkeund Mineralbrunnenindustrie. Düsseldorf. Tank, A. K. (2017). Einflussfaktoren und Wirkungen neuronaler Prozesse der Informationsgewichtung, Infor-mationsaufnahme und Informationsverarbeitung in ökonomischen Entscheidungssituatio-nen, Eine Untersuchung mittels funktioneller Magnetresonanztomographie (fMRT). Baden-Baden. Tenbrunsel, A. E. & Messick, D. M. (1999). Sanctioning systems, decision frames, and cooperation. Administrative Science Quarterly,44 (4), 684–706. Teschner, F. & Gimpel, H. (2018). Crowd labor markets as platform for group de-cision and negotiation research: A comparison to laboratory experiments. Group Decision and Negotiation,27 (2), 197–214. Tversky, A. & Kahneman, D. (1992). Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty,5 (4), 297–323. Unipark. (2020). Über UNIPARK. Zugriff am 2020-06-23 auf https:// www.unipark.com/ VHB. (2019). VHB-JOURQUAL. Zugriff am 2020-01-16 auf https:// vhbonline.org/vhb4you/vhb-jourqual Von Hülsen, H.-C. (2019). Variable Vergütung auf dem Rückzug? Controlling & Management Review,63 (3), 8–17. Weigelt, U. (2014, August). Arbeitsrecht: Darf der Chef den Bonus zurückfordern? Die Zeit. Zugriff am 2020-07-12 auf https://www.zeit.de/karriere/beruf/2014-08/ arbeitsrecht-bonus-rueckzahlung Wirecard AG. (2018). Geschäftsbericht 2018. Aschheim. Wischmeyer, N. (2018, September). Nur ein Zwischenschritt. Süddeutsche Zeitung. Zugriff am 2020-07-12 auf https:// www.sueddeutsche.de/wirtschaft/wirecard-nur-ein -zwischenschritt-1.4119261 Woeckener, B. (2020). Mikroökonomik, Eine Einführung. Berlin.