1582 research outputs found
Sort by
Digital transformation, economic success, and regional impact of the German Mittelstand
Get PDFThe German Mittelstand is closely linked to the success of the German economy. Mittelstand firms, thereof numerous Hidden Champions, significantly contribute to Germany’s economic performance, innovation, and export strength. However, the advancing digitalization poses complex challenges for Mittelstand firms. To benefit from the manifold opportunities offered by digital technologies and to defend or even expand existing market positions, Mittelstand firms must transform themselves and their business models. This dissertation uses quantitative methods and contributes to a deeper understanding of the distinct needs and influencing factors of the digital transformation of Mittelstand firms. The results of the empirical analyses of a unique database of 525 mid-sized German manufacturing firms, comprising both firm-related information and survey data, show that organizational capabilities and characteristics significantly influence the digital transformation of Mittelstand firms. The results support the assumption that dynamic capabilities promote the digital transformation of such firms and underline the important role of ownership structure, especially regarding family influence, for the digital transformation of the business model and the pursuit of growth goals with digitalization. In addition to the digital transformation of German Mittelstand firms, this dissertation examines the economic success and regional impact of Hidden Champions and hence, contributes to a better understanding of the Hidden Champion phenomenon. Using quantitative methods, it can be empirically proven that Hidden Champions outperform other mid-sized firms in financial terms and promote regional development. Consequently, the results of this dissertation provide valuable research contributions and offer various practical implications for firm managers and owners as well as policy makers.Der deutsche Mittelstand ist ein wichtiger Faktor für den Erfolg der deutschen Wirtschaft. Mittelständische Unternehmen, darunter zahlreiche Hidden Champions, tragen maßgeblich zur Wirtschaftsleistung, Innovationskraft und Exportstärke Deutschlands bei. Die voranschreitende Digitalisierung stellt mittelständische Unternehmen jedoch vor komplexe Herausforderungen. Um von den vielfältigen Möglichkeiten, die der Einsatz digitaler Technologien bietet, profitieren und bestehende Wettbewerbspositionen verteidigen oder gar ausbauen zu können, müssen mittelständische Unternehmen sich und ihre Geschäftsmodelle transformieren. Diese Dissertation verwendet quantitative Methoden und trägt zu einem tiefergehenden Verständnis der besonderen Anforderungen und Einflussfaktoren der digitalen Transformation mittelständischer Unternehmen bei. Die Ergebnisse der empirischen Auswertungen einer einzigartigen Datenbasis von 525 deutschen Unternehmen des produzierenden Mittelstandes, bestehend aus unternehmensbezogenen Informationen sowie Befragungsdaten, zeigen, dass organisationale Fähigkeiten und Merkmale die digitale Transformation mittelständischer Unternehmen maßgeblich beeinflussen. Die Ergebnisse unterstützen die Annahme, dass dynamische Fähigkeiten die digitale Transformation mittelständischer Unternehmen fördern und unterstreichen die wichtige Rolle der Eigentumsstruktur, insbesondere im Hinblick auf die Beteiligung der Familie, für die digitale Transformation des Geschäftsmodells und die Verfolgung von Wachstumszielen mit der Digitalisierung. Neben der Digitalisierung des deutschen Mittelstands untersucht diese Dissertation den wirtschaftlichen Erfolg und regionalen Einfluss von Hidden Champions sowohl auf Unternehmens- als auch Kreisebene und trägt somit zu einem besseren Verständnis des Hidden Champion Phänomens bei. Mithilfe quantitativer Methoden wird empirisch belegt, dass Hidden Champions andere mittelständische Unternehmen in finanzieller Hinsicht übertreffen und darüber hinaus die regionale Entwicklung fördern. Die Ergebnisse dieser Dissertation liefern infolgedessen wertvolle Forschungsbeiträge und bieten etwaige Praxisimplikationen für unternehmerische sowie auch politische Entscheidungsträgerinnen und Entscheidungsträger
Survival of the fittest in the pandemic age: Introducing disease-related social Darwinism
Get PDFCOVID-19 was a harsh reminder that diseases are an aspect of human existence and mortality. It was also a live experiment in the formation and alteration of disease-related attitudes. Not only are these attitudes relevant to an individual’s self-protective behavior, but they also seem to be associated with social and political attitudes more broadly. One of these attitudes is Social Darwinism, which holds that a pandemic benefits society by enabling nature “to weed out the weak”. In two countries (N = 300, N = 533), we introduce and provide evidence for the reliability, validity, and usefulness of the Disease-Related Social Darwinism (DRSD) Short Scale measuring this concept. Results indicate that DRSD is meaningful related to other central political attitudes like Social Dominance Orientation, Authoritarianism and neoliberalism. Importantly, the scale significantly predicted people’s protective behavior during the Pandemic over and above general social Darwinism. Moreover, it significantly predicted conservative attitudes, even after controlling for Social Dominance Orientation
Potentials of Digital Behavioural Trace Data: An Application from Radicalisation Research
Get PDFBehavioural traces from interactions with digital technologies are diverse and abundant. Yet, their capacity for theory-driven research is still to be constituted. In the present cumulative dissertation project, I deliberate the caveats and potentials of digital behavioural trace data in behavioural and social science research. One use case is online radicalisation research. The three studies included, set out to discern the state-of-the-art of methods and constructs employed in radicalization research, at the intersection of traditional methods and digital behavioural trace data. Firstly, I display, based on a systematic literature review of empirical work, the prevalence of digital behavioural trace data across different research strands and discern determinants and outcomes of radicalisation constructs. Secondly, I extract, based on this literature review, hypotheses and constructs and integrate them to a framework from network theory. This graph of hypotheses, in turn, makes the relative importance of theoretical considerations explicit. One implication of visualising the assumptions in the field is to systematise bottlenecks for the analysis of digital behavioural trace data and to provide the grounds for the genesis of new hypotheses. Thirdly, I provide a proof-of-concept for incorporating a theoretical framework from conspiracy theory research (as a specific form of radicalisation) and digital behavioural traces. I argue for marrying theoretical assumptions derived from temporal signals of posting behaviour and semantic meaning from textual content that rests on a framework from evolutionary psychology. In the light of these findings, I conclude by discussing important potential biases at different stages in the research cycle and practical implications
Klimawandelanpassung in der Moselregion. Abschlussbroschüre des Projektes MoselAdapTiV
Get PDFDas Praxisprojekt „Mosel-AdapTiV“ verfolgt das Ziel, die Klimaanpassungskompetenz der Mosel-Kommune Traben-Trarbach zu erhöhen. Die Abschlussbroschüre fasst zentrale Ergebnisse und Berichte zusammen
An Integer Optimization Approach to k-Anonymity on Nominal Data
Get PDFThe publication of statistical databases is subject to legal regulations, e.g. national statistical offices are only allowed to publish data if the data cannot be attributed to individuals. Achieving this privacy standard requires anonymizing the data prior to publication. However, data anonymization inevitably leads to a loss of information, which should be kept minimal. In this thesis, we analyze the anonymization method SAFE used in the German census in 2011 and we propose a novel integer programming-based anonymization method for nominal data.
In the first part of this thesis, we prove that a fundamental variant of the underlying SAFE optimization problem is NP-hard. This justifies the use of heuristic approaches for large data sets. In the second part, we propose a new anonymization method belonging to microaggregation methods, specifically designed for nominal data. This microaggregation method replaces rows in a microdata set with representative values to achieve k-anonymity, ensuring each data row is identical to at least k − 1 other rows. In addition to the overall dissimilarities of the data rows, the method accounts for errors in resulting frequency tables, which are of high interest for nominal data in practice. The method employs a typical two-step structure: initially partitioning the data set into clusters and subsequently replacing all cluster elements with representative values to achieve k-anonymity. For the partitioning step, we propose a column generation scheme followed by a heuristic to obtain an integer solution, which is based on the dual information. For the aggregation step, we present a mixed-integer problem formulation to find cluster representatives. To this end, we take errors in a subset of frequency tables into account. Furthermore, we show a reformulation of the problem to a minimum edge-weighted maximal clique problem in a multipartite graph, which allows for a different perspective on the problem. Moreover, we formulate a mixed-integer program, which combines the partitioning and the aggregation step and aims to minimize the sum of chi-squared errors in frequency tables.
Finally, an experimental study comparing the methods covered or developed in this work shows particularly strong results for the proposed method with respect to relative criteria, while SAFE shows its strength with respect to the maximum absolute error in frequency tables. We conclude that the inclusion of integer programming in the context of data anonymization is a promising direction to reduce the inevitable information loss inherent in anonymization, particularly for nominal data.Die Veröffentlichung statistischer Daten unterliegt rechtlichen Regelungen. Zum Beispiel dürfen nationale statistische Ämter Daten nur dann veröffentlichen, wenn diese keinen Einzelpersonen zugeordnet werden können. Um diesen Datenschutzstandard zu erreichen, ist es erforderlich, die Daten vor der Veröffentlichung zu anonymisieren. Allerdings führt die Anonymisierung unweigerlich zu einem Informationsverlust, der so gering wie möglich gehalten werden sollte. In dieser Arbeit analysieren wir die Anonymisierungsmethode SAFE, die beim deutschen Zensus 2011 verwendet wurde, und schlagen eine neue, auf ganzzahliger Programmierung basierende Anonymisierungsmethode für nominale Daten vor.
Im ersten Teil dieser Arbeit beweisen wir, dass eine grundlegende Variante des SAFE zugrundeliegenden Optimierungsproblems NP-schwer ist. Dies rechtfertigt heuristische Ansätze für große Datensätze. Im zweiten Teil schlagen wir eine neue Anonymisierungsmethode vor, die zu Mikroaggregationsmethoden gehört und speziell für nominale Daten entwickelt wurde. Diese Methode ersetzt Zeilen in einem Mikrodatensatz durch repräsentative Werte, um k-Anonymität zu erreichen, das heißt sie stellt sicher, dass jede Datenzeile mit mindestens k − 1 anderen Zeilen identisch ist. Zusätzlich zu Unähnlichkeiten der Datenzeilen berücksichtigt die Methode Fehler in resultierenden Häufigkeitstabellen, die in der Praxis für nominale Daten von großem Interesse sind. Die Methode verwendet eine typische zweistufige Struktur: Zunächst wird der Datensatz in Cluster partitioniert und anschließend werden alle Clusterelemente durch repräsentative Werte ersetzt, um k-Anonymität zu erreichen. Für den Partitionierungsschritt schlagen wir einen Column Generation-Prozess vor, gefolgt von einer Heuristik, um eine ganzzahlige Lösung basierend auf den erhaltenen dualen Informationen zu erhalten. Für den Aggregationsschritt formulieren wir ein gemischt-ganzzahliges Optimierungsproblem, um Clusterrepräsentanten zu finden. Hier berücksichtigen wir Fehler in ausgewählten Häufigkeitstabellen. Wir zeigen zudem, wie dieses Problem umformuliert und als Problem aufgefasst werden kann, eine kostenminimale maximale Clique in einem multipartiten kantengewichteten Graphen zu finden, was eine andere Perspektive auf das Problem ermöglicht. Außerdem formulieren wir ein gemischt-ganzzahliges Programm, das den Partitionierungs- und den Aggregationsschritt kombiniert und darauf abzielt, die Summe der Chi-Quadrat-Fehler in Häufigkeitstabellen zu minimieren.
Schließlich zeigt eine experimentelle Studie, die die in dieser Arbeit behandelten oder entwickelten Methoden vergleicht, besonders starke Ergebnisse für die vorgeschlagene Methode im Hinblick auf relative Kriterien, während SAFE seine Stärke in Bezug auf den maximalen absoluten Fehler in Häufigkeitstabellen zeigt. Wir kommen zu dem Schluss, dass die Einbeziehung der ganzzahligen Optimierung im Kontext der Datenanonymisierung ein vielversprechender Weg ist, um den unausweichlichen Informationsverlust durch Anonymisierung zu reduzieren, insbesondere bei nominalen Daten
Model-Based Prediction and Estimation Using Incomplete Survey Data
Get PDFSurvey Daten können unter verschiedensten Blickwinkeln als unvollständig bzw. als partiell fehlend angesehen werden und es gibt verschiedene Möglichkeiten, mit diesen Daten in der Prädiktion und Schätzung interessierender volkswirtschaftlicher Größen umzugehen. In dieser Arbeit werden zwei ausgewählte Forschungskontexte vorgestellt, in denen die Prädiktion bzw. Schätzung unter unvollständigen Survey Daten untersucht wird. Diese Kontexte sind zum einen die Untersuchung zusammengesetzter Schätzer im deutschen Mikrozensus (Kapitel 3 und 4) und zum anderen Erweiterungen multivariater Fay-Herriot (MFH) Modelle (Kapitel 5 und 6), die bei Small Area Problemen Anwendung finden.
Zusammengesetzte Schätzer sind Schätzmethoden, die die Stichprobenüberlappung in rotierenden Panel Surveys wie dem deutschen Mikrozensus zur Stabilisierung der Schätzung interessierender Größen (z.B. Erwerbsstatistiken) nutzen. Durch die partiellen Stichprobenüberlappungen in rotierenden Panel Surveys liegen immer nur für einen Teil der Befragten Informationen aus vorangegangenen Erhebungen vor. Die resultierenden Daten sind damit partiell fehlend.
MFH Modelle sind modellbasierte Schätzmethoden, die mit aggregierten Survey Daten arbeiten, um im Vergleich zu klassischen Schätzmethoden präzisere Schätzergebnisse für Small Area Probleme zu erhalten. In den Modellen werden mehrere interessierende Größen gleichzeitig modelliert. Die Survey-Schätzwerte dieser Größen, die in MFH Modelle als Input eingehen, sind häufig partiell fehlend. Wenn die interessierenden Domains nicht explizit im Stichprobendesign berücksichtigt wurden, kann es sein, dass die Größe der Stichprobe, die auf sie entfällt, so klein ist, dass entweder gar keine Schätzwerte berechnet werden können oder aber die Schätzwerte von statistischen Ämtern nicht veröffentlicht werden, da ihre Varianzen zu groß ist.
Nach einem Überblick zu theoretischen und methodischen Grundlagen der Survey Statistik in Kapitel 2 stellt Kapitel 3 die Generierung eines Längsschnittdatensatz vor, auf Basis dessen in Kapitel 4 designbasierte Simulationsstudien zum Einsatz von zusammengesetzten Schätzern im Mikrozensus durchgeführt werden. Für diese Studien wird ein Längsschnittdatensatz mit monatlichen Erwerbsinformationen benötigt, der die deutsche Wohnbevölkerung abbildet. Auf Grundlage des SIAB Datensatzes werden Prädiktionsmodelle für monatliche Erwerbsübergänge geschätzt, mit denen monatliche Erwerbsinformationen im RIFOSS Datensatz, einem halb-synthetischen Querschnittdatensatz der deutschen Wohnbevölkerung, generiert werden. Für die Prädiktionsmodelle werden mehrere generalisierte additive Modelle, die jeweils auf Substichproben der aufbereiteten SIAB Daten geschätzt werden (Subagging), zu optimal gewichteten Ensemble Modellen (Stacking) verbunden. In der Optimierung der Ensemble Gewichte wird eine in diesem Kapitel vorgestellte Erweiterung des Brier Scores verwendet.
In Kapitel 4 wird der Einsatz von zusammengesetzten Schätzern für Erwerbsstatistiken im deutschen Mikrozensus untersucht. Das Design des deutschen Mikrozensus wurde 2020 wesentlichen Änderungen unterzogen, welche neue Möglichkeiten für den Einsatz dieser Schätzmethoden schaffen. In dem Kapitel wird analysiert, welche Einsatzmöglichkeiten sich für zusammengesetzte Schätzer aus dem neuen Mikrozensus Design ergeben. Beispielsweise bieten sich verschiedene Stichprobenüberlappungen zu vorangegangenen Zeitpunkten für die Nutzung in den zusammengesetzten Schätzern an. Zusätzlich werden Anpassungen der Formeln der zusammengesetzten Schätzer für die sich aus dem Mikrozensus Design ergebenden regional heterogenen Stichprobenüberlappungen vorgestellt. In einer designbasierten Simulationsstudie, deren Basis der in Kapitel 3 erstellte Datensatz ist, wird die Performanz der angepassten Methoden unter verschiedenen Sets an Stichprobenüberlappungen für verschiedene Erwerbsstatistiken verglichen.
Im Fokus von Kapitel 5 und 6 stehen unvollständige aggregierte Survey-Schätzwerte, die zur Small Area Schätzung in MFH Modellen verwendet werden. Mit den Beiträgen der beiden Kapitel ist es möglich, die unter den jeweiligen Modellen sogenannten besten Prädiktoren multivariater Domain-Indikatoren zu berechnen, auch wenn die in die Modelle eingehenden Survey-Schätzwerte partiell fehlen.
Kapitel 5 beschäftigt sich mit den besten Prädiktoren von (potenziell nicht-linearen) Indikatoren unter MFH Modellen. Ein nicht-linearer Indikator kann beispielsweise die Erwerbslosenrate sein. Für diese und andere Indikatoren werden häufig Plug-in Schätzer genutzt. Als Alternative werden in Kapitel 5 die MSE-optimalen Prädiktoren von Domain-Indikatoren unter MFH Modellen untersucht. Diese sind als mehrdimensionale Integrale gegeben, die sich im generellen Fall nicht analytisch berechnen lassen. Es werden deswegen verschiedene Methoden zur Approximation dieser Integrale verglichen. Zur MSE Schätzung werden parametrische Bootstrap Prozeduren vorgestellt. In modellbasierten Simulationsstudien werden die verschiedenen Approximationen evaluiert und ihre Performanz mit der Performanz der entsprechenden Plug-in Prädiktoren verglichen. Des Weiteren werden die MSE Schätzer evaluiert. Die vorgestellte Methode wird anhand der Schätzung der Erwerbslosenrate in Kreuzkombinationen spanischer Provinzen mit Alters- und Geschlechtsklassen illustriert. Dazu werden öffentlich zugängliche Mikrodaten der spanischen Arbeitskräfteerhebung verwendet.
MFH Modelle können nur auf Grundlage der Domain-Informationen geschätzt werden, für die Survey-Schätzwerte für alle abhängigen Variablen vorliegen, was ihre Anwendbarkeit in der Praxis wesentlich beschränkt. In Kapitel 6 wird eine Generalisierung von MFH Modellen für partiell fehlende Werte, genannt MMFH Modelle, vorgestellt. Für die MMFH Modelle werden Algorithmen zur ML und REML Parameterschätzung gegeben und die Formeln für die besten Prädiktoren unter dem Modell sowie deren MSE Schätzer hergeleitet. In einer modellbasierten Simulationsstudie werden die vorgestellten MMFH Algorithmen und Formeln validiert. Des Weiteren wird ihre Performanz mit der Performanz der entsprechenden univariaten und multivariaten Fay-Herriot Modelle verglichen. Eine illustrative Anwendung basierend auf öffentlich zugänglichen Daten des U.S. Zensus Büros zeigt die praktische Notwendigkeit der vorgestellten Methode sowie ihre Anwendbarkeit.
Kapitel 7 fasst die Beiträge und Ergebnisse der Arbeit abschließend zusammen.Survey data can be viewed as incomplete or partially missing from a variety of perspectives and there are different ways of dealing with this kind of data in the prediction and the estimation of economic quantities. In this thesis, we present two selected research contexts in which the prediction or estimation of economic quantities is examined under incomplete survey data.
These contexts are first the investigation of composite estimators in the German Microcensus (Chapters 3 and 4) and second extensions of multivariate Fay-Herriot (MFH) models (Chapters 5 and 6), which are applied to small area problems.
Composite estimators are estimation methods that take into account the sample overlap in rotating panel surveys such as the German Microcensus in order to stabilise the estimation of the statistics of interest (e.g. employment statistics). Due to the partial sample overlaps, information from previous samples is only available for some of the respondents, so the data are partially missing.
MFH models are model-based estimation methods that work with aggregated survey data in order to obtain more precise estimation results for small area problems compared to classical estimation methods. In these models, several variables of interest are modelled simultaneously. The survey estimates of these variables, which are used as input in the MFH models, are often partially missing. If the domains of interest are not explicitly accounted for in a sampling design, the sizes of the samples allocated to them can, by chance, be small. As a result, it can happen that either no estimates can be calculated at all or that the estimated values are not published by statistical offices because their variances are too large
Maßnahmenkatalog: Nachhaltige Klimaanpassung im Weinbau der Mittelmosel
Get PDFDieser Maßnahmenkatalog stellt Anpassungsoptionen für den Weinbau an der Mittelmosel vor. Die gemeinsam mit lokalen Akteur*innen erarbeiteten Maßnahmen zielen erstens darauf ab, konkrete Handlungsoptionen zur Anpassung des Weinbaus an den Klimawandel aufzuzeigen. Zweitens sollen durch strukturelle Maßnahmen bestehende regionalspezifische Herausforderungen adressiert und die generellen Anpassungskapazitäten der Akteur*innen an der Mittelmosel gestärkt werden
Foundation and Family Office-owned Firms: Heterogeneity, Firm Growth, M&A Behavior, and Capital Structure
Get PDFSome of the largest firms in the DACH region (Germany, Austria, Switzerland) are (partially) owned by a foundation and/or a family office, such as Aldi, Bosch, or Rolex. Despite their growing importance, prior research neglected to analyze the impact of these intermediaries on the firms they own. This dissertation closes this research gap by contributing to a deeper understanding of two increasingly used family firm succession vehicles, through four empirical quantitative studies. The first study focuses on the heterogeneity in foundation-owned firms (FOFs) by applying a descriptive analysis to a sample of 169 German FOFs. The results indicate that the family as a central stakeholder in a family foundation fosters governance that promotes performance and growth. The second study examines the firm growth of 204 FOFs compared to matched non-FOFs from the DACH region. The findings suggest that FOFs grow significantly less in terms of sales but not with regard to employees. In addition, it seems that this negative effect is stronger for the upper than for the middle or lower quantiles of the growth distribution. Study three adopts an agency perspective and investigates the acquisition behavior within the group of 164 FOFs. The results reveal that firms with charitable foundations as owners are more likely to undertake acquisitions and acquire targets that are geographically and culturally more distant than firms with a family foundation as owner. At the same time, they favor target companies from the same or related industries. Finally, the fourth study scrutinizes the capital structure of firms owned by single family-offices (SFOs). Drawing on a hand-collected sample of 173 SFO-owned firms in the DACH region, the results show that SFO-owned firms display a higher long-term debt ratio than family-owned firms, indicating that SFO-owned firms follow trade-off theory, similar to private equity-owned firms. Additional analyses show that this effect is stronger for SFOs that sold their original family firm. In conclusion, the outcomes of this dissertation furnish valuable research contributions and offer practical insights for families navigating such intermediaries or succession vehicles in the long term.Einige der größten Unternehmen in der DACH-Region (Deutschland, Österreich, Schweiz) befinden sich (teilweise) im Besitz einer Stiftung und/oder eines Family Offices, wie beispielsweise Aldi, Bosch oder Rolex. Trotz ihrer wachsenden Bedeutung wurden die Auswirkungen dieser Intermediäre auf die von ihnen beteiligten Unternehmen kaum in der Wissenschaft untersucht. Die vorliegende Dissertation schließt diese Forschungslücke, indem sie anhand von vier empirischen quantitativen Studien zu einem tieferen Verständnis von zwei zunehmend genutzten Nachfolgeinstrumenten für Familienunternehmen beiträgt. Die erste Studie konzentriert sich auf die Heterogenität innerhalb der Stiftungsunternehmen. Hierzu wurden insgesamt 169 Stiftungsunternehmen aus Deutschland mit Hilfe einer deskriptiven Analyse durchleuchtet. Die Ergebnisse zeigen, dass die Familie als zentraler Stakeholder in einer Familienstiftung eine Governance fördert, welche Profitabilität und Wachstum begünstigt. Die zweite Studie untersucht den Einfluss von Stiftungseigentum auf Unternehmenswachstum. Anhand eines Datensatzes von 204 Stiftungsunternehmen aus der DACH-Region wird gezeigt, dass Stiftungsunternehmen in Bezug auf den Umsatz signifikant weniger wachsen als Nicht-Stiftungsunternehmen. In Bezug auf das Mitarbeiter-Wachstum konnte jedoch kein signifikanter Effekt beobachtet werden. Weitergehende Analysen zeigen, dass dieser negative Effekt stärker für die oberen als für die mittleren oder unteren Quantile der Wachstumsverteilung ist. Studie drei nimmt eine Agency-Perspektive ein und untersucht das Akquisitionsverhalten innerhalb von 164 Stiftungsunternehmen. Die Ergebnisse zeigen, dass Unternehmen, die eine gemeinnützige Stiftung als Gesellschafter haben, mit einer höheren Wahrscheinlichkeit Übernahmen tätigen als Unternehmen mit einer Familienstiftung als Eigentümer. Hierbei übernehmen sie vornehmlich Zielgesellschaften, die geografisch und kulturell weiter voneinander entfernt sind. Gleichzeitig bevorzugen sie Zielunternehmen aus denselben oder verwandten Branchen. Die vierte Studie schließlich untersucht die Kapitalstruktur von Unternehmen, die im Besitz von Single Family Offices (SFOs) sind. Auf Basis einer umfassenden händischen Datenerhebung von 173 Unternehmen aus der DACH-Region, zeigen die Ergebnisse, dass von SFO gehaltene Unternehmen einen höheren langfristigen Verschuldungsgrad in Relation zu Familienunternehmen aufweisen und ähnlich wie Private-Equity-Unternehmen der Trade-Off-Theorie folgen. Weitergehende Analysen zeigen, dass dieser Effekt bei den SFOs stärker ist, die ihr ursprüngliches Familienunternehmen verkauft haben. Zusammenfassend liefern die Ergebnisse dieser Dissertation wertvolle Forschungsbeiträge und gewähren praktische Einblicke für Familien, die sich langfristig mit solchen Intermediären oder Unternehmensnachfolgevehikeln befassen wollen
Students’ intelligence test results after six and sixteen months of irregular schooling due to the COVID-19 pandemic
Get PDFThe COVID-19 pandemic has affected schooling worldwide. In many places, schools closed for weeks or months, only part of the student body could be educated at any one time, or students were taught online. Previous research discloses the relevance of schooling for the development of cognitive abilities. We therefore compared the intelligence test performance of 424 German secondary school students in Grades 7 to 9 (42% female) tested after the first six months of the COVID-19 pandemic (i.e., 2020 sample) to the results of two highly comparable student samples tested in 2002 (n = 1506) and 2012 (n = 197). The results revealed substantially and significantly lower intelligence test scores in the 2020 sample than in both the 2002 and 2012 samples. We retested the 2020 sample after another full school year of COVID-19-affected schooling in 2021. We found mean-level changes of typical magnitude, with no signs of catching up to previous cohorts or further declines in cognitive performance. Perceived stress during the pandemic did not affect changes in intelligence test results between the two measurements
Fluorimetric microplate assay for the determination of extracellular alkaline phosphatase kinetics and inhibition kinetics in activated sludge
Get PDFThe microbial enzyme alkaline phosphatase contributes to the removal of organic phosphorus compounds from wastewaters. To cope with regulatory threshold values for permitted maximum phosphor concentrations in treated wastewaters, a high activity of this enzyme in the biological treatment stage, e.g., the activated sludge process, is required. To investigate the reaction dynamics of this enzyme, to analyze substrate selectivities, and to identify potential inhibitors, the determination of enzyme kinetics is necessary. A method based on the application of the synthetic fluorogenic substrate 4-methylumbelliferyl phosphate is proven for soils, but not for activated sludges. Here, we adapt this procedure to the latter. The adapted method offers the additional benefit to determine inhibition kinetics. In contrast to conventional photometric assays, no particle removal, e.g., of sludge pellets, is required enabling the analysis of the whole sludge suspension as well as of specific sludge fractions. The high sensitivity of fluorescence detection allows the selection of a wide substrate concentration range for sound modeling of kinetic functions.
- Fluorescence array technique for fast and sensitive analysis of high sample numbers
- No need for particle separation – analysis of the whole (diluted) sludge suspension
- Simultaneous determination of standard and inhibition kinetic