Content uploaded by Philippe Krahnhof
Author content
All content in this area was uploaded by Philippe Krahnhof on Jan 31, 2024
Content may be subject to copyright.
Content uploaded by Philippe Krahnhof
Author content
All content in this area was uploaded by Philippe Krahnhof on Nov 17, 2023
Content may be subject to copyright.
Einfluss der Sustainable Financial Literacy auf die Aktienmarktpartizipation – eine
empirische Analyse in Deutschland
Florian Weidlich, Philippe Krahnhof, Alexander Zureck
Abstract
Ausgehend von immer komplexeren Finanzprodukten sowie der Dynamik an den Kapi-
talmärkten sind unerfahrene Privatkunden vor große Herausforderungen gestellt. Um et-
waige individuelle Risiken zu minimieren, bedarf es einem finanziellen Bildungsniveau,
welches in der englischsprachigen Literatur mit dem Begriff der Financial Literacy (FL)
beschrieben wird. In Folge von fehlender Finanzbildung besteht u.a. die Gefahr der Al-
tersarmut, so dass FL nicht nur für Privathaushalte, sondern auch einen Einfluss auf die
gesamte Wirtschaft hat. Da die Lebenserwartung der Menschen zunimmt, werden Sozial-
und Rentensysteme immer stärker belastet,
1
wodurch sich das Verhältnis zwischen Ren-
tenempfänger und Beitragszahler anhaltend negativ entwickelt und die finanzielle Stabi-
lität des Rentensystems gefährdet wird.
2
In den letzten Jahren rückte das Thema Nachhaltigkeit immer mehr in den Vordergrund
und etablierte sich zunehmend als fester Bestandteil der Politik und Finanzbranche,
3
wodurch die nachhaltige Geldanlage an Bedeutung gewann. Anders, als vielfach ange-
nommen, bezieht sich Nachhaltigkeit nicht nur auf den Bereich Umwelt, sondern auch
auf die Bereiche Soziales und Wirtschaft. Diese drei Säulen wurden in der UN-Agenda
für nachhaltige Entwicklung 2030 verankert und bestehen im Kern aus 17 sogenannten
Sustainable Development Goals.
4
Eine hohe Nachhaltigkeitskompetenz, in der engli-
schen Literatur als Sustainability Literacy (SL) geläufig, ist eine wesentliche Vorausset-
zung, um die Nachhaltigkeits-Komponente bei nachhaltigen Finanzprodukten verstehen
und einordnen zu können.
5
Diese Arbeit beschäftigt sich mit der Frage, ob die Sustainability Financial Literacy einen
signifikant positiven Einfluss auf die Aktienmarktpartizipation ausübt. Zudem wurde
überprüft welche weiteren Variablen sich positiv auf den Besitz von Aktien auswirken.
Folglich bietet diese Arbeit sowohl empirischen als auch praxisrelevanten Mehrwert.
1
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
2
Vgl. Bönke, T. et al., Rentensystem, 2018, S. 125–133.
3
Vgl. Tober, C. et al., Nachhaltige Geldanlagen, 2020, S. 8.
4
Vgl. United Nations, SDG, 2017, o. S.; Elmqvist, T. et al., Sustainable Transformation, 2019, S. 267–273;
Grunow, H.-W., Zender, C., Green Finance, 2020, S. 6 f.
5
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
III
Inhaltsverzeichnis
Abbildungsverzeichnis ..................................................................................................... V
Tabellenverzeichnis....................................................................................................... VII
Abkürzungsverzeichnis ................................................................................................ VIII
Formelverzeichnis ........................................................................................................... IX
Symbolverzeichnis ........................................................................................................... X
1 Einführung in das Forschungsthema ...................................................................... 1
1.1 Problemstellung und Zielsetzung.................................................................... 1
1.2 Gang der Untersuchung .................................................................................. 4
2 Theoretische Fundierung der Sustainable Financial Literacy ................................ 5
2.1 Bestrebungen der nachhaltigen Geldanlage .................................................... 5
2.2 Quantifizierung von Wissensarten .................................................................. 7
2.2.1 Bestimmung der finanziellen Bildung ..................................................... 8
2.2.2 Evaluierung der Sustainability Literacy .................................................. 8
2.2.3 Herleitung der Sustainable Financial Literacy ........................................ 9
2.3 Stock Market Partizipation Puzzle und Prospect Theory ............................. 12
3 Aktienmarktpartizipation im Kontext der Financial Literacy .............................. 16
3.1 Deutsche Kapital- und Aktienmärkte im internationalen Vergleich ............ 16
3.2 Akteure des Kapitalmarktes .......................................................................... 22
3.3 Financial Literacy als Determinante der Aktienmarktpartizipation ............. 24
4 Empirie Analyse der Daten zur Aktienmarktpartizipation................................... 26
4.1 Stand der empirischen Forschung und Einordnung in die Literatur ............. 26
4.2 Datenherkunft und methodische Vorgehensweise ........................................ 29
4.3 Grundlagen der deskriptiven Statistik........................................................... 32
4.4 Definition und Anwendungsvoraussetzung der Poisson-Regression ........... 34
4.5 Modellierung der binären Abhängigkeit: Logistische Regression ............... 35
IV
4.6 Operationalisierung der Modellvariablen ..................................................... 39
4.6.1 Abhängige Variable ............................................................................... 39
4.6.2 Erklärende Variablen ............................................................................. 40
4.6.3 Kontrollvariablen ................................................................................... 41
4.7 Regressionsdiagnostik der logistischen Regression ..................................... 43
4.7.1 Annahme A1: Ausreichender Stichprobenumfang ................................ 43
4.7.2 Annahme A2: Einflussreiche Beobachtungen ....................................... 44
4.7.3 Annahme A3: Linearität ........................................................................ 46
4.7.4 Annahme A4: Freiheit von Multikollinearität ....................................... 46
4.8 Bestimmung der Modellgüte ........................................................................ 47
4.9 Hypothesenableitung .................................................................................... 49
4.10 Empirische Ergebnisse .............................................................................. 50
4.10.1 Deskriptive Analyse der Daten .......................................................... 50
4.10.2 Regressionsgleichung der Poisson Regression .................................. 57
4.10.3 Regressionsdiagnostik und Ergebnisse der Poisson Regressionen .... 57
4.10.4 Logistische Regressionsgleichung in R ............................................. 61
4.10.5 Logistischen Regression: Überprüfung der Annahmen ..................... 62
4.10.6 Ergebnisse und Modellgüte der logistischen Regression .................. 68
4.11 Forschungslimitationen ............................................................................. 76
5 Fazit und Ausblick ............................................................................................... 78
Anhang ............................................................................................................................ 81
Literaturverzeichnis......................................................................................................... 92
V
Abbildungsverzeichnis
Abbildung 1: Globale ESG Assets under Management .................................................... 6
Abbildung 2: Wertfunktion der Prospect Theory............................................................ 13
Abbildung 3: Aufbau des Kapitalmarktes ....................................................................... 17
Abbildung 4: Aktionärsquote in Deutschland zwischen 2012 und 2022 ........................ 21
Abbildung 5: Anzahl Umfragebeantwortungen .............................................................. 30
Abbildung 6: Dichotome Ausprägungen der Dummy-Variablen ................................... 51
Abbildung 7: Lageparameter und Streuungsmaße .......................................................... 51
Abbildung 8: Deskriptive Statistik der FL ...................................................................... 53
Abbildung 9: FL-Scores .................................................................................................. 53
Abbildung 10: Analyse der SL - Deskriptive Statistik ................................................... 54
Abbildung 11: SL-Scores ................................................................................................ 55
Abbildung 12: Deskriptive Statistik zur nachhaltigen Finanzkompetenz ....................... 55
Abbildung 13: SFL-Scores .............................................................................................. 56
Abbildung 14: Poisson-Regressionsgleichung der FL .................................................... 57
Abbildung 15: Poisson-Regressionsgleichung der SL .................................................... 57
Abbildung 16: Poisson-Regressionsgleichung der SFL .................................................. 57
Abbildung 17: Dispersionstest FL .................................................................................. 58
Abbildung 18: Dispersionstest SL .................................................................................. 58
Abbildung 19: Dispersionstest SFL ................................................................................ 59
Abbildung 20: Poisson-Regressionsergebnisse .............................................................. 60
Abbildung 21: Logistische Regressionsgleichung in R .................................................. 61
Abbildung 22: Ausreichender Stichprobenumfang ......................................................... 62
Abbildung 23: Cook-Distanzen....................................................................................... 63
Abbildung 24: Einflussreiche Beobachtungen ................................................................ 64
Abbildung 25: Standardisierte Residuen der Beobachtungen ......................................... 64
Abbildung 26: Box-Tidwell-Transformation .................................................................. 65
Abbildung 27: Paarweise Streudiagramme der Prädiktoren gegen das Logit η ............. 66
Abbildung 28: Variance Inflation Factor ........................................................................ 67
Abbildung 29: Logistische Regression mit nur erklärenden Variablen: Ergebnisse ...... 68
Abbildung 30: Odds-Ratios der logistischen Regression nur mit FL, SL und SFL ........ 69
Abbildung 31: Ergebnisse der logistischen Regression .................................................. 71
VI
Abbildung 32: Pseudo-R-Quadrat-Statistiken ................................................................ 76
Abbildung 33: Poisson-Regression der Finanzkompetenz ............................................. 88
Abbildung 34: Poisson-Regression der Nachhaltigkeitskompetenz ............................... 89
Abbildung 35: Poisson-Regression der nachhaltigen Finanzkompetenz ........................ 90
Abbildung 36: Odds-Ratios der logistischen Regression ............................................... 91
VII
Tabellenverzeichnis
Tabelle 1: Literaturüberblick - Financial Literacy .......................................................... 27
Tabelle 2: Literaturüberblick - Sustainability Literacy ................................................... 28
Tabelle 3: Lageparameter ................................................................................................ 33
Tabelle 4: Streuungsparameter ........................................................................................ 33
Tabelle 5: Kontrollvariablen ........................................................................................... 41
Tabelle 6: Überblick Regressionsdiagnostik ................................................................... 67
Tabelle 7: Modellgüte der logistischen Regression ........................................................ 70
Tabelle 8: Überprüfung der aufgestellten Hypothesen ................................................... 75
Tabelle 9: Fragebogen Part I: Demografische Merkmale ............................................... 81
Tabelle 10: Fragebogen Part II: Literacy-Scores ............................................................ 82
Tabelle 11: Fragebogen Part III: Umweltverhalten und psychografische Merkmale ..... 85
VIII
Abkürzungsverzeichnis
c. p. ceteris paribus (unter sonst gleichen Bedingungen)
DAI Deutsches Aktieninstitut
EPP Equity Premium Puzzle
ESG Environmental Social Governance
ETF Exchange Traded Fund
FL Financial Literacy
GLZM Generalized Linear Model
IQR Interquartilsabstand
KGV Kurs-Gewinn-Verhältnis
MLM Maximum-Likelihood-Methode
PRI Principles for Responsible Investment
PT Prospect Theory
SFL Sustainable Financial Literacy
SL Sustainability Literacy
SMPP Stock Market Partizipation Puzzle
SRI Socially Responsible Investment
TCJA Tax Cuts and Jobs Act
UN Vereinte Nationen
USD United States Dollar
VIF Variance Inflation Factor
IX
Formelverzeichnis
Formel 1: Poisson-Modellgleichung ............................................................................... 35
Formel 2: Modellgleichung der logistischen Regression ................................................ 36
Formel 3: Linkfunktion ................................................................................................... 36
Formel 4: Maximum-Likelihood-Methode ..................................................................... 37
Formel 5: Likelihood-Funktion ....................................................................................... 37
Formel 6: Log-Likelihood-Funktion ............................................................................... 38
Formel 7: Berechnung von Odds .................................................................................... 38
Formel 8: Transformation von Odds ............................................................................... 39
Formel 9: Odds-Ratios .................................................................................................... 39
Formel 10: Devianz-Residuen......................................................................................... 44
Formel 11: Pearson-Residuen ......................................................................................... 45
Formel 12: Cook’s Distance ........................................................................................... 45
Formel 13: Berechnung des Variance Inflation Factors ................................................. 47
Formel 14: Pseudo-R² Cox & Snell ................................................................................ 48
Formel 15: Pseudo-R² Nagelkerke .................................................................................. 48
Formel 16: Pseudo-R² McFadden ................................................................................... 49
Formel 17: Pseudo-R² Tjur ............................................................................................. 49
X
Symbolverzeichnis
Eulersche Zahl
= gleich
> größer gleich
< kleiner gleich
Π Produkt
∑ Summe
√ Wurzel
1
1 Einführung in das Forschungsthema
1.1 Problemstellung und Zielsetzung
Ein großes Problem der heutigen Generation besteht in der unzureichenden finanziellen
Allgemeinbildung, welche in der englischsprachigen Literatur mit dem Begriff der Finan-
cial Literacy (FL) beschrieben wird.
6
Die Folgen des Mangels an FL zeigten sich im 21.
Jahrhundert spätestens in der Finanzkrise von 2007/2008, welche zum Teil durch hohe
Verluste von Einzelpersonen gekennzeichnet war.
7
Neben der unzureichenden Bildung in finanziellen Themen trugen immer komplexere
Finanzprodukte, welche zu Verwirrung führten, zu hohen Ausfallraten der Subprime-Hy-
potheken bei.
8
Hieraus lässt sich die hohe Bedeutung der FL ableiten, welche nicht nur
für private Haushalte, sondern auch für die ganze Weltwirtschaft immer wichtiger wird.
9
Besonders die junge Generation, welche die Wirtschaftsteilnehmer von Morgen stellt,
sieht sich einer sich ständig verändernden Welt
10
mit zunehmend komplexeren Produkten
gegenüber.
11
Zudem müssen sie persönliche finanzielle Entscheidungen immer früher
treffen.
12
Ein gutes Beispiel hierfür stellt die Altersvorsorge dar.
Da die Lebenserwartung der Menschen zunimmt, werden Sozial- und Rentensysteme im-
mer stärker belastet,
13
wodurch sich das Verhältnis zwischen Rentenempfänger und Bei-
tragszahler anhaltend negativ entwickelt und die finanzielle Stabilität des Rentensystems
gefährdet wird.
14
Die Notwendigkeit, privat fürs Alter vorzusorgen, ist daher für Sparer
und Anleger noch nie so wichtig gewesen wie heute.
15
Hierbei stellt die FL eine wichtige
Voraussetzung bei der Ruhestandsplanung und dem Vermögensaufbau im Alter dar,
16
6
Vgl. Lusardi, A., Mitchell, O. S., Financial Literacy, 2011, S. 497–508; Lusardi, A., Financial Education,
2019, S. 1–8.
7
Vgl. Klapper, L. et al., Consequences, 2013, S. 3904–3923.
8
Vgl. Barrell, R., Davis, E. P., Financial Crisis, 2008, S. 5–14.
9
Vgl. Krechovská, M., FL & Sustainability, 2015, S. 3–12; Klapper, L., Lusardi, A., Financial Resilience,
2019, S. 589–614.
10
Vgl. Krechovská, M., FL & Sustainability, 2015, S. 3–12.
11
Vgl. Bassa Scheresberg, C. de, Financial Behavior, 2013, S. 1–21.
12
Vgl. Happ, R. et al., Financial Knowledge, 2017, S. 1–17.
13
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
14
Vgl. Bönke, T. et al., Rentensystem, 2018, S. 125–133.
15
Vgl. Rooij, M. van et al., FL, 2011, S. 449–472.
16
Vgl. Lusardi, A., Mitchell, O. S., Financial Literacy, 2011, S. 497–508; Behrman, J. R. et al., Effects of
FL, 2012, S. 300–304.
2
denn in Zeiten des geldpolitischen Kurswechsels der Notenbanken und hohen Inflations-
raten sind Aktieninvestments nach wie vor die erste Wahl zum langfristigen Vermö-
gensaufbau.
17
Um Fehler bei der Aktienanlage zu vermeiden, gilt eine gute finanzielle
Bildung als unabdingbar, da sich finanzielle Fehler in negative Konsequenzen auf die
langfristige Rendite sowie Vermögensbildung und damit auch auf den Lebensstandard im
Alter übersetzen lassen.
18
Zudem können unterlassene Aktieninvestments ebenfalls zu
substanziellen Wohlfahrtsverlusten führen.
19
In den letzten Jahren rückte das Thema Nachhaltigkeit immer mehr in den Vordergrund
und etablierte sich zunehmend als fester Bestandteil der Politik und Finanzbranche,
20
wodurch die nachhaltige Geldanlage an Bedeutung gewann. Anders, als vielfach ange-
nommen, bezieht sich Nachhaltigkeit nicht nur auf den Bereich Umwelt, sondern auch
auf die Bereiche Soziales und Wirtschaft. Diese drei Säulen wurden in der UN-Agenda
für nachhaltige Entwicklung 2030 verankert und bestehen im Kern aus 17 sogenannten
Sustainable Development Goals.
21
Eine hohe Nachhaltigkeitskompetenz, in der engli-
schen Literatur als Sustainability Literacy (SL) geläufig, ist eine wesentliche Vorausset-
zung, um die Nachhaltigkeits-Komponente bei nachhaltigen Finanzprodukten verstehen
und einordnen zu können.
22
Trotz der zahlreichen privatwirtschaftlichen und regulatorischen Initiativen, wie bei-
spielsweise dem Pariser Klimaabkommen von 2015,
23
hat sich an den weltweiten Kapi-
talmärkten noch keine eindeutige Definition von nachhaltigen Finanzprodukten heraus-
gebildet.
24
Fondsgesellschaften haben das gestiegene Interesse von Anlegern wahrge-
nommen und bedienen den Markt mit einer Vielzahl nachhaltiger Finanzprodukte, wie z.
B. Investmentfonds und Exchange Traded Funds (ETF). Diese können u. a. an dem Na-
menszusatz ESG (Environmental, Social, Governance) oder SRI (Socially Responsible
17
Vgl. Conradi, M. et al., Geldpolitik, 2022, o. S.
18
Vgl. Cocco, J. F. et al., Portfolio Choice, 2005, S. 491–533; Lusardi, A., Mitchell, O. S., Importance of
FL, 2014, S. 5–44; Sivaramakrishnan, S. et al., Stock Market Participation, 2017, S. 818–841.
19
Vgl. Calvet, L. E. et al., Welfare Costs, 2007, S. 707–747; Lusardi, A., Mitchell, O. S., Importance of FL,
2014, S. 5–44; Almenberg, J., Dreber, A., Financial Literacy, 2015, S. 140–142; Sivaramakrishnan, S. et
al., Stock Market Participation, 2017, S. 818–841.
20
Vgl. Tober, C. et al., Nachhaltige Geldanlagen, 2020, S. 8.
21
Vgl. United Nations, SDG, 2017, o. S.; Elmqvist, T. et al., Sustainable Transformation, 2019, S. 267–
273; Grunow, H.-W., Zender, C., Green Finance, 2020, S. 6 f.
22
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
23
Vgl. Kemfert, C., Schmalz, S., Regulatorik, 2019, S. 67–79.
24
Vgl. Weber, A., Nachhaltigkeit, 2015, S. 935–948.
3
Investment) erkannt werden. Nicht selten werden diese mit individuellen ESG-Ratings
der Investmentgesellschaften oder Nachhaltigkeitsratingagenturen kombiniert.
25
Die Individualität der Ratings bedeutet in diesem Zuge allerdings auch, dass Fondsgesell-
schaften bzw. Fondsmanager einen gewissen Spielraum bei der Ausgestaltung ihrer
Fonds nutzen können, wodurch die Ratings von Haus zu Haus variieren können.
26
Beson-
ders private Anleger sehen sich infolgedessen bei der Auswahl von nachhaltigen Unter-
nehmen und Finanzprodukten einer Reihe komplexer und verwirrender Kriterien gegen-
über.
27
Des Weiteren sind Richtlinien wie die EU-Taxonomie nicht starr und gewährleisten da-
hingehend keinen verbindlichen Standard, der ein Finanzprodukt einheitlich als nachhal-
tig definiert.
28
Infolge der mangelnden Transparenz, ist das Wissen der einzelnen Person
über nachhaltige Finanz- und Anlageprodukte ein entscheidender Faktor, um fundierte
Anlageentscheidungen zu treffen. Die nachhaltige Finanzkompetenz ist in der Literatur
unter dem Begriff der Sustainable Financial Literacy (SFL) bekannt.
29
Aufgrund der hohen Relevanz der FL, der SL sowie der SFL stellt sich die Frage nach
Einflussfaktoren auf die Aktienmarktpartizipation.
Das Ziel der Forschung ist es zunächst herauszufinden, inwiefern die Aktienmarktparti-
zipation durch die FL, die SL und die SFL erklärt werden kann, wobei ein besonderer
Fokus auf die SFL gelegt wird. Bisherige Studien untersuchten vorrangig den Einfluss
der FL auf den Besitz von Aktien.
30
Mit dem Aufkommen eines verstärkten Nachhaltig-
keitsbewusstseins in der Bevölkerung gingen Wirtschaftswissenschaftler zusätzlich der
Frage nach, ob die SL ebenfalls einen Einfluss auf die Aktienmarktpartizipation ausübt.
31
Eine jüngere Studie von Filippini et al. (2022) beschäftigte sich zudem mit dem Einfluss
der SFL auf den Erwerb von (nachhaltigen) Aktien sowie ESG-Fonds unter Anlegern in
der Schweiz.
32
25
Vgl. Grunow, H.-W., Zender, C., Green Finance, 2020; Pavlova, I., Boyrie, M. E. de, ESG, 2022, S. 1–
6.
26
Vgl. Döpfner, C., Nachhaltigkeitsrating, 2016, S. 55.
27
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
28
Ebd.
29
Ebd.
30
Ebd.
31
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584.
32
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
4
Die Forschung leistet dabei einen wichtigen Beitrag zur bisherigen Forschung im Bereich
der FL und ergänzt diese um die SL sowie die SFL unter deutschen Aktionären. Denn
bezogen auf die SL, welche neben dem Umweltwissen auch die soziale und wirtschaftli-
che Dimension berücksichtigt, sowie bezogen auf die SFL liegen der Forschung in Bezug
auf die Aktienmarktpartizipation bisher nur Erkenntnisse zu Schweizer Anlegern vor.
33
Daten zu Investoren und Anlegern anderer Länder bzw. Regionen sind dadurch deutlich
unterrepräsentiert. Ein weiteres Ziel der Forschung ist es daher, die Daten im nationalen
und internationalen Kontext zu verordnen, damit künftige Forschungen auf den gewon-
nen Erkenntnissen aufbauen können.
Bei der Beantwortung der Frage, welche Faktoren einen Erklärungsbeitrag zum Erwerb
von Aktien beitragen, liegt der Fokus auf den drei unterschiedlichen Wissenstypen FL,
SL und SFL. Darüber hinaus ist es interessant herauszufinden, welche weiteren Aspekte
sowohl einen positiven als auch einen negativen Einfluss auf die Aktienmarktpartizipa-
tion ausüben. Hierzu werden dem Leser in Kapitel 4.6.3 Kontrollvariablen vorgestellt und
erläutert.
1.2 Gang der Untersuchung
Im ersten Kapitel dieser wissenschaftlichen Arbeit wird der Leser in die Aktualität und
den Praxisbezug des Themas eingeführt. Zudem erhält er Einblicke in die Zielsetzung
sowie in den Mehrwert, die diese Forschung der bisherigen Forschung bietet. In Kapitel
2 werden die theoretischen Grundlagen, die im Zusammenhang zur vorliegenden Arbeit
stehen, erläutert. Hierzu werden dem Leser Kenntnisse zu den Bestrebungen der nachhal-
tigen Geldanlage, der Quantifizierung von verschiedenen Kompetenzarten wie beispiels-
weise der Finanzbildung, des Stock Market Partizipation Puzzles sowie der Prospect
Theory vermittelt. Während sich das dritte Kapitel vorrangig mit der Aktienmarktpartizi-
pation beschäftigt und somit einen Bezug zu Kapitel 2 herstellt, wird im vierten und um-
fangreichsten Kapitel dieser Studie auf die Datengrundlage, die verwendeten Methoden
und dessen empirische Ergebnisse eingegangen. Methodisch wird sich hierbei der Pois-
son sowie der logistischen Regression bedient. Zudem werden die Limitationen der Stu-
33
Ebd.
5
die dargestellt, wodurch diese kritisch gewürdigt wird. Ein Fazit, in welchem die empiri-
schen Ergebnisse kurz zusammengefasst und in einen Bezug zur Literaturrecherche sowie
der Theorie gesetzt werden, rundet diese Forschung ab.
2 Theoretische Fundierung der Sustainable Financial Literacy
Die vorliegende Forschung stützt sich auf den Erkenntnissen zu den Bestrebungen der
nachhaltigen Geldanlage, der Sustainable Financial Literacy und zwei weiteren Wissens-
arten, des Stock Market Participation Puzzles sowie der Prospect Theory, welche dem
Leser dieser wissenschaftlichen Arbeit in den folgenden Unterkapiteln erläutert werden.
2.1 Bestrebungen der nachhaltigen Geldanlage
Die Erde erlebt aktuell eine Zunahme von Umweltkatastrophen wie Stürme, Über-
schwemmungen oder Hitzewellen, ein Trend der sich u. a. durch das Abschmelzen der
Polkappen in den kommenden Jahren fortsetzen dürfte. Es gibt viele Berichte darüber,
welche weiteren katastrophalen klimabedingten Auswirkungen der Menschheit drohen
könnten, sofern keine nachhaltige Veränderung stattfindet.
34
Diese Berichte stellten fest,
dass der Finanzsektor eine wesentliche Rolle dabei spielt, den Übergang zu einer kohlen-
stofffreien Energieversorgung voranzutreiben.
35
Um die ambitionierten Klimaziele der
Agenda 2030 der Vereinten Nationen für nachhaltige Entwicklung sowie der des Pariser
Klimaabkommens zu erreichen, werden schätzungsweise jährlich 100 Mrd. US-Dollar
(USD) benötigt.
36
Um Finanzflüsse zielgerichtet in nachhaltige Unternehmen und Pro-
jekte zu steuern, stellte die europäische Kommission im Dezember 2019 den European
Green Deal vor, dessen Umsetzung die EU bis 2050 klimaneutral gestalten soll.
37
Eine wichtige Basis des Green Deals ist der EU-Aktionsplan zur Finanzierung nachhalti-
gen Wachstums sowie die EU-Taxonomie, dessen Ziel es ist nachhaltige Aktivitäten zu
klassifizieren, da es für private und institutionelle Investoren zunehmend schwieriger
wird, nachhaltige Produkte identifizieren zu können. Die EU-Taxonomie soll durch stan-
dardisierte Kriterien nachhaltige Investitionen transparenter und vergleichbarer machen,
34
Vgl. Schumacher, K. et al., Sustainable Finance, 2020, S. 213–246.
35
Ebd.
36
Ebd.
37
Vgl. Schütze, F. et al., EU taxonomy, 2020, S. 485–492.
6
da Investoren zunehmend über die sozialen und ökologischen Auswirkungen ihrer Invest-
ments informiert werden wollen.
38
Folglich ergibt sich die transparente Berichterstattung
als eine wichtige Bestrebung von nachhaltigen Investitionen.
Generell zielen die Bestrebungen der nachhaltigen Geldanlage darauf ab attraktive Ren-
diten zu erzielen, während zugleich soziale, ökonomische und ökologische Aspekte be-
rücksichtigt werden.
39
Nachhaltige Geldanlagen werden zudem immer gefragter,
40
wie
die nachfolgende Grafik visualisiert.
Abbildung 1: Globale ESG Assets under Management
Quelle: Alexander, O., ESG Assets, 2022, S. 4
Basierend auf dem Jahr 2021 schätzt die Wirtschaftsprüfungsgesellschaft PWC in ihrem
Basisszenario, dass sich das globale Asset under Management Volumen in nachhaltige
Geldanlagen bis 2026 nahezu, von 18,4 Billionen US-Dollar auf 33,9 Billionen US-Dol-
38
Ebd.
39
Vgl. Halbritter, G., Dorfleitner, G., ESG Investing, 2015, S. 25–35; Barber, B. M. et al., Impact
Investments, 2021, S. 162–185.
40
Vgl. Halbritter, G., Dorfleitner, G., ESG Investing, 2015, S. 25–35.
7
lar, verdoppeln könnte. Ein wesentlicher Grund für diesen Trend spiegelt sich in der Über-
zeugung wider, dass nachhaltige Investments, neben sozialen und ökologischen Aspek-
ten, vor allem zu einer höheren Rendite beitragen.
41
Allerdings sind nicht alle Investoren
ausschließlich renditegetrieben und fokussieren sich bei ihrer Geldanlage nebenbei auch
auf die positiven ökologischen und sozialen Auswirkungen ihrer Investments, wodurch
Unternehmen immer mehr unter Zugzwang stehen, den Bedürfnissen ihrer Investoren ge-
recht zu werden.
42
Daraus schlussfolgernd werden Unternehmen mehr in ihre eigene
nachhaltige Entwicklung investieren müssen, wenn sie weiterhin in der Gunst ihrer In-
vestoren stehen wollen und um am Markt bestehen zu können. Durch die Einhaltung ge-
wisser Nachhaltigkeitsstandards sollen Unternehmen gemäß den Zielen der EU-Taxono-
mie mit einem Nachhaltigkeitslabel versehen werden, wodurch privaten und institutio-
nellen Investoren mehr Transparenz und Vergleichbarkeit ermöglicht wird.
43
2.2 Quantifizierung von Wissensarten
Obwohl fundiertes Finanzwissen eine wesentliche Grundlage für Investitionen bildet,
verlangen nachhaltige Investitionen oft nach einem speziellen Verständnis, das sich vor
allem auf das Konzept der Nachhaltigkeit konzentriert.
44
Anderson und Robinson beschäftigten sich in ihrer 2022 erschienenen Studie mit der
Messung des Wissens über Nachhaltigkeit und analysierten dessen Zusammenhang mit
dem Besitz von nachhaltigen Finanzprodukten.
45
Ihre Resultate deuteten darauf hin, dass
ein höheres Umweltwissen nicht im Zusammenhang mit dem Besitz nachhaltiger Finanz-
produkte steht und folglich keinen Einfluss auf die finanzielle Entscheidungsfindung
hat.
46
Aufgrund der Komplexität und der fehlenden Einheitlichkeit bzw. der nicht klar
geregelten Definition, wann sich eine Anlage als nachhaltig bezeichnen darf, stellen nach-
haltige Finanzprodukte selbst finanziell versierte Personen vor große Herausforderun-
gen.
47
Daher ist das kombinierte Wissen über Finanz- und Umweltthemen eine wesentli-
che Grundlage, um fundierte Entscheidungen über ESG-Produkte zu treffen. Das Konzept
41
Vgl. Alexander, O., ESG Assets, 2022, S. 4 ff.
42
Vgl. Barber, B. M. et al., Impact Investments, 2021, S. 162–185.
43
Vgl. Schütze, F. et al., EU taxonomy, 2020, S. 485–492.
44
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
45
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584; Filippini, M. et al., SFL,
2022, S. 1–46.
46
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584.
47
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
8
der nachhaltigen Finanzkompetenz verbindet beide Wissensarten und ergänzt diese. Die
SFL beschäftigt sich im Kern mit dem Wissen über Vorschriften, Normen sowie Stan-
dards für Finanzprodukte, welche Nachhaltigkeitsmerkmale aufweisen.
48
In den folgenden drei Unterkapiteln wird jeweils ein Kompetenzkonzept vorgestellt, mit
dessen Hilfe der Besitz von Aktien erklärt werden soll. Diese bestehen in der FL, der SL
sowie der SFL. Gemessen werden sie über einen Fragebogen, welcher in Anlehnung an
die Schweizer Studie von Filippini et al. (2022) erstellt wurde.
49
Dieser findet sich im
Anhang 1 wieder.
2.2.1 Bestimmung der finanziellen Bildung
Die Messung der FL ist in der Literatur gut dokumentiert und stützt sich auf die drei
Kernfragen von Lusardi und Mitchell.
50
Die erste Frage bezieht sich hierbei auf das Ver-
ständnis des Zinseszinseffekts, die zweite auf die Kenntnis der Auswirkungen der Infla-
tion auf eine Geldanlage und die letzte Frage auf die Bedeutung der Portfoliodiversifizie-
rung bzw. Risikostreuung.
51
Jeder der drei Fragen kann richtig oder falsch beantwortet
werden. Für jede richtige Antwort erhält der Studienteilnehmer einen Punkt, sodass sich
ein Gesamt-Score der FL zwischen 0 und 3 variieren kann, wobei 0 die niedrigste Punkt-
zahl ist und drei die Höchste.
52
Daraus lässt sich die Erkenntnis ableiten, dass je höher
der FL-Score ist, desto finanziell gebildeter wird der Befragte eingestuft. Die Liste der
Fragen kann Anhang 1 Tabelle 10 entnommen werden.
2.2.2 Evaluierung der Sustainability Literacy
Ein in der Literatur relativ unerforschtes Thema ist die Messung der SL bzw. der Nach-
haltigkeitskompetenz. Zwickle et al. (2014) nahmen einen der spärlichen Versuche vor,
die SL zu messen, indem sie den Studienteilnehmern eine Reihe von Multiple-Choice
Fragen zu Umweltthemen stellten, wobei sie sich an der Nachhaltigkeitsdefinition der
Vereinten Nationen (UN) hielten. Daher enthielt der Fragebogen neben Umweltthemen
48
Ebd.
49
Ebd.
50
Vgl. Lusardi, A., Mitchell, O. S., Big Three, 2008, S. 413–417; Filippini, M. et al., SFL, 2022, S. 1–46.
51
Vgl. Lusardi, A., Mitchell, O. S., Big Three, 2008, S. 413–417; Lusardi, A., Mitchell, O. S., Financial
Literacy, 2011, S. 497–508.
52
Vgl. Lusardi, A., Mitchell, O. S., Big Three, 2008, S. 413–417; Filippini, M. et al., SFL, 2022, S. 1–46.
9
auch soziale und wirtschaftliche Aspekte der Nachhaltigkeit, ganz im Gegensatz zur Stu-
die von Anderson und Robinson aus dem Jahr 2022, welcher sich rein auf Umweltthemen
fokussierte.
53
Die Fragen zur Messung der SL finden sich im Anhang 1 Tabelle 10 (Fra-
gen 14-19) wieder und orientieren sich an der Studie von Filippini et al. (2022), welche
den Fragebogen von Zwickle auf sechs Fragen modifizierten.
54
Die erste Frage zur Messung der SL zielt auf die UN-Definition von Nachhaltigkeit ab.
Hierzu mussten die Studienteilnehmer angeben, ob sie wissen, dass Nachhaltigkeit nicht
nur Umweltschutz, sondern auch soziale und wirtschaftliche Aspekte beinhaltet.
55
In der
zweiten Frage wurden den Befragten verschiedene Definitionen der nachhaltigen Ent-
wicklung vorgegeben, um zu testen, ob sie die Brundtland-Definition der UN kennen.
56
Die nächsten beiden Fragen beschäftigten sich mit dem ökologischen Aspekt der Nach-
haltigkeit, wobei nach der Hauptursache für die Verschmutzung von Bächen und Flüssen
weltweit sowie nach dem Hauptgrund für den Rückgang der Fischbestände im Ozean
gefragt wurde.
57
Die fünfte Frage deckte den sozialen Aspekt der Nachhaltigkeit ab, indem gefragt wurde,
ob die Studienteilnehmer wussten, wie viele Menschen in Deutschland unterhalb der Ar-
mutsgrenze leben. Gegenstand der letzten Frage zur Messung der SL ist der wirtschaftli-
che Teil der Nachhaltigkeit. Hierzu wurden die Befragten gebeten eine Schätzung zur
durchschnittlichen, jährlichen BIP-Wachstumsrate abzugeben.
58
Für jede richtige Ant-
wort gab es einen Punkt, sodass die Studienteilnehmer einen SL-Score zwischen 0 und 6
erreichen konnten, wobei 6 der höchste zu erreichende Wert war.
2.2.3 Herleitung der Sustainable Financial Literacy
Nachhaltige Investitionen und Investitionsprodukte gewinnen, angetrieben durch private
und institutionellen Investoren, an den weltweiten Kapitalmärkten zunehmend an Bedeu-
tung. Diese können u. a. ESG-Kriterien, also Finanzprodukte die Umwelt-, Sozial- und
53
Vgl. Zwickle, A. et al., SL, 2014, S. 375–389; Anderson, A., Robinson, D. T., Green Investments, 2022,
S. 1551–1584; Filippini, M. et al., SFL, 2022, S. 1–46.
54
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
55
Ebd.
56
Vgl. UN, Brundtland Commission, o. J., o. S.
57
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
58
Ebd.
10
Corporate-Governance-Aspekte berücksichtigen,
59
oder andere Ansätze wie SRI verfol-
gen.
60
Die Vereinten Nationen unterstützen nachhaltige Investitionen, indem sie einen
Leitfaden mit sechs Prinzipien für verantwortungsvolle Investitionen veröffentlichten,
welche in der Finanzwelt unter dem Akronym PRI (Principles for Responsible Invest-
ment) bekannt sind.
61
Finanzinstitute stehen zudem immer stärker unter dem Druck ihrer
privaten und institutionellen Kunden und Investoren sowie von Aufsichtsbehörden, nach-
haltige Finanzprodukte anzubieten. Eine große Anzahl an Marktteilnehmern fragt nach-
haltige Finanzprodukte nach, allerdings ist unklar, inwiefern diese in der Lage sind, das
komplexe und umfangreiche Konzept von nachhaltigen Geldanlagen verstehen und adä-
quat bewerten zu können.
62
Allerdings ist anzumerken, dass sich auf den globalen Finanz-
märkten noch keine einheitliche Definition eines nachhaltigen Finanzproduktes etabliert
hat, was es Investoren ungemein erschwert, fundierte Anlageentscheidungen treffen zu
können.
63
Denn neben der FL ist eine zusätzliche Wissensebene erforderlich, die weit
über die klassische Definition der Finanzkompetenz hinausgeht,
64
da die SFL auf den
Aspekten der FL aufbaut und eng mit dieser verwandt ist.
65
An diesem Punkt setzt die
SFL ein. Diese misst das Wissen von Anlegern in Bezug auf nachhaltige Finanzpro-
dukte.
66
Um die SFL zu ermitteln, wurden den Umfrageteilnehmern insgesamt acht Fragen über
nachhaltige Finanzprodukte gestellt, welche auf dem allgemeinen Finanz- und der Nach-
haltigkeitswissen, also FL und SL, aufbauen. Thematisch beschäftigen sich die Fragen
mit der Definition des ESG-Konzepts, dem Unterschied zwischen Nachhaltigkeitseigen-
schaften und Ökologie sowie dem Unterschied zwischen Impact Investing und nachhal-
tigen Investitionen als auch mit den Regeln und Zertifizierungen von ESG-Produkten.
67
59
Vgl. Varmaz, A. et al., Sustainable Investments, 2021, S. 43–69.
60
Vgl. Gillan, S. L. et al., Social Responsibility, 2021, S. 1–16.
61
Vgl. United Nations, PRI, o. J., o. S.; Varmaz, A. et al., Sustainable Investments, 2021, S. 43–69.
62
Vgl. Varmaz, A. et al., Sustainable Investments, 2021, S. 43–69.
63
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
64
Ebd.
65
Vgl. Varmaz, A. et al., Sustainable Investments, 2021, S. 43–69; Filippini, M. et al., SFL, 2022, S. 1–46.
66
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
67
Ebd.
11
Für jede richtig beantwortete Frage wurde dem Teilnehmer der Umfrage ein Punkt zuge-
schrieben, sodass sich in Summe ein SFL-Score zwischen null und acht Punkten ergab.
Je höher die Punktzahl, desto höher ist das Wissen über die SFL.
68
In der ersten Frage wurden die Umfrageteilnehmer nach dem, für nachhaltige Investitio-
nen wichtigen, ESG-Konzept gefragt. Dabei mussten sie die richtige Bedeutung des Ak-
ronyms aus insgesamt vier Optionen auswählen. Die nächste Fragen zielt auf das Wissen
der Teilnehmer über nachhaltige Finanzprodukte ab. Hierzu wurden die Teilnehmer ge-
beten eine Aussage darüber zu treffen, ob nachhaltige Finanzprodukte einheitliche und
von staatlichen Aufsichtsbehörden vorgegebenen Kriterien in Deutschland erfüllen müs-
sen, um als nachhaltig zu gelten. Darüber hinaus wurden die Befragten gebeten, eine Aus-
sage darüber zu treffen, ob sie ein von staatlichen oder nichtstaatlichen Organisationen
ausgegebenes Zertifikat kennen, dass ein Finanzprodukt als nachhaltig zertifiziert.
69
Die folgenden beiden Fragen stellten das Wissen der Befragten über nachhaltige Finanz-
produkte auf die Probe. Hierbei mussten Sie angeben, ob nachhaltige Investitionspro-
dukte Merkmale aus allen drei ESG-Bereichen erfüllen müssen, um als nachhaltig einge-
stuft zu werden. Zudem wurde ihr Wissen darüber getestet, ob ein Unternehmen als Nach-
haltig gilt, wenn es zwar einen geringen ökologischen Fußabdruck vorweisen kann, dafür
aber eine schlechte Mitarbeiter- und Sozialpolitik betreibt.
70
Die letzten drei Fragen bezogen sich auf die Auswirkungen nachhaltiger Anlageprodukte
auf die Realwirtschaft. Zunächst mussten sie angeben, ob eine Investition in einen Nach-
haltigkeitsfonds, der Unternehmen mit einem geringen CO2-Fußabdruck umfasst, direkt
die globalen CO2 Emissionen reduziert. Das ist ein wichtiger Aspekt, da nachhaltige Fi-
nanzprodukte vor allem auf dem Sekundärmarkt gehandelt werden und daher keine un-
mittelbaren Auswirkungen auf die Realwirtschaft haben kann.
71
Folgend wurde den Teil-
nehmern eine Frage darüber gestellt, ob Finanzinstitute, die nachhaltige Produkte anbie-
ten, z. B. über Teilnahmen und Stimmrechtsübung auf Hauptversammlungen, immer ei-
nen proaktiven Einfluss auf die investierten Unternehmen ausüben und somit ihrer nach-
haltigen Verantwortung gerecht werden. Dies ist leider nicht immer der Fall.
72
Zuletzt
68
Ebd.
69
Ebd.
70
Ebd.
71
Ebd.
72
Ebd.
12
wurden die Befragten gebeten, eine Aussage darüber zu treffen, ob es einen Unterschied
zwischen nachhaltigem Investieren und Impact Investing gibt.
73
Letztere Kategorie ist
dadurch gekennzeichnet, dass Investitionen mit der Absicht getätigt werden, neben einer
finanziellen Rendite auch positive und vor allem messbare soziale und ökologische Aus-
wirkungen in der Realwirtschaft zu erzielen.
74
Die genaue Formulierung der Fragen wird
im Anhang 1 Part II (Fragen 20-27) dargestellt.
2.3 Stock Market Partizipation Puzzle und Prospect Theory
Für die Vermögensbildung durch die direkte oder indirekte Partizipation am Aktienmarkt
gibt es besonders für Langfrist-Investoren viele gute Gründe.
75
Zunächst wäre die Tatsa-
che zu nennen, dass Aktien im Gegensatz zu Rentenpapieren in der Regel positive Real-
renditen erwirtschaften,
76
was direkt zu den Erkenntnissen des sogenannten Equity Pre-
mium Puzzles (EPP) führt. Das EPP beschreibt im Kern den Renditeaufschlag (Prämie)
des Aktienmarktes gegenüber dem Anleihemarkt bzw. den risikofreien Anlagen.
77
Aller-
dings lässt sich die Prämie nur bis zu einem bestimmten Grad durch das höhere Risiko
auf dem Aktienmarkt erklären,
78
weshalb man sich in der Literatur oft an verhaltenswis-
senschaftlichen Erklärungsansätzen bedient, die sich in der Prospect Theory (PT) von
Kahneman und Tversky in der Wert- und der Wahrscheinlichkeitsgewichtungsfunktion
zusammenfassen lassen.
79
Die PT, in Deutsch Erwartenstheorie genannt, wurde als alternative Methode zur Erklä-
rung von Entscheidungen formuliert, welche unter Risikobedingungen von Individuen
getroffen werden. Kahnemann und Tversky erkannten, dass das Modell der Erwartungs-
nutzentheorie die Art und Weise, wie Individuen in Risikosituationen Entscheidungen
treffen, nicht vollständig darlegen und dass es aufgrund dessen Fälle gibt, in denen die
Wahl des Entscheidungsträgers nicht rational vorhergesagt werden kann.
80
Zum Beispiel
73
Ebd.
74
Vgl. Global Impact Investing Network, Impact Investing, o. J., o. S.; Barber, B. M. et al., Impact
Investments, 2021, S. 162–185.
75
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
76
Vgl. Siegel, J. J., Real Returns, 2014, S. 81 f.
77
Vgl. Łukowski, M. et al., EPP, 2020, S. 1–8.
78
Vgl. Mehra, R., Prescott, E. C., Equity Premium, 1985, S. 145–161; Beck, H., Behavioral Economics,
2014, S. 364; Łukowski, M. et al., EPP, 2020, S. 1–8.
79
Vgl. Kahnemann, D., Tversky, A., Prospect Theory, 1979, S. 263–292; Łukowski, M. et al., EPP, 2020,
S. 1–8.
80
Vgl. Edwards, K. D., PT, 1996, S. 19–38; Łukowski, M. et al., EPP, 2020, S. 1–8.
13
wiesen sie auf die Umstände hin, dass die Erwartungsnutzentheorie nicht erklärt, wie Fra-
ming die Entscheidungsfindung eines Individuums verändern kann und auch nicht warum
sich Individuen in gewissen Situationen risikofreudig und in anderen risikoscheu verhal-
ten.
81
Hier setzt die PT an. Die nach dem Modell der PT getroffenen Entscheidungen,
basieren u.a. auf Werten, die Gewinnen und Verlusten in Bezug auf einen Referenzpunkt
und Entscheidungsgewichten zugeordnet werden. Mit dieser Wertfunktion lassen sich so-
mit Entscheidungen erklären, welche im Widerspruch zur Erwartungsnutzentheorie und
der rationalen Bewertung von Wahrscheinlichkeiten stehen.
82
Aus den Implikationen der
PT abgeleitet, lässt sich der Wert eines Prospects als Ergebnis einer riskanten Entschei-
dung (subjektive Wertfunktion) inklusive der entsprechenden Eintrittswahrscheinlichkeit
(Gewichtungsfunktion) definieren.
83
Die vorhin erwähnte Wertfunktion lässt sich in Ab-
bildung 2 visualisieren:
Abbildung 2: Wertfunktion der Prospect Theory
Quelle: In Anlehnung an Kahnemann, D., Tversky, A., Prospect Theory, 1979, S. 263–
292
Gemäß Kahnemann und Tversky ist die S-förmige Wertfunktion im Gewinnbereich kon-
kav und im Verlustbereich konvex. Anleger zeigen im Gewinnbereich ein risikoscheues
81
Vgl. Łukowski, M. et al., EPP, 2020, S. 1–8.
82
Vgl. Kahnemann, D., Tversky, A., Prospect Theory, 1979, S. 263–292; Edwards, K. D., PT, 1996, S. 19–
38.
83
Vgl. Łukowski, M. et al., EPP, 2020, S. 1–8.
14
Verhalten bei Verlusten ein risikofreudiges Verhalten.
84
Zu treffende Entscheidungen
sind demnach davon abhängig, ob sich beispielsweise ein Wertpapier im Verlust- oder
Gewinnbereich befindet. Zudem ist die Wertfunktion im Bereich der Verluste steiler als
bei Gewinnen. Nach Kahnemann und Tversky scheint die Verärgerung über den Verlust
einer Geldsumme größer zu sein als die Freude, die mit dem Gewinn desselben Betrags
verknüpft ist.
85
Das EPP aufgreifend, lassen sich die oben genannten Erklärungsansätze (Aktien erwirt-
schaften ggü. Anleihen positive Realrenditen und erzielen Renditeaufschläge) im Grunde
auf die aus der PT abgeleiteten Verlustaversion beziehen.
86
Sofern Anleger in kurzen
Zeitabständen ihr Portfolio inspizieren, ist die Wahrscheinlichkeit hoch, dass sie, wegen
der hohen Volatilität von Aktienanlagen, häufig Verluste beobachten.
87
Gemäß der PT
reagieren Menschen deutlich nervöser auf Verluste als auf Gewinne in betragsmäßig glei-
cher Höhe, weshalb sie auf Aktieninvestments deutlich höhere Risikoprämien fordern.
Vor diesem Hintergrund lässt sich festhalten, dass besonders Anleger mit einem langen
Anlagehorizont von Aktieninvestments bzw. dem EPP profitieren.
88
Ein weiterer Grund zum Erwerb und Halten von Aktien lässt sich aus den Implikationen
der modernen Portfoliotheorie nach Markowitz ableiten. Demnach lohnt es sich das Ver-
mögen breit und vor allem über mehrere Assetklassen, wie Anleihen und Aktien zu
streuen.
89
Eine Assetklasse wird hierbei durch eine Gruppe von Wertpapieren definiert,
wessen Kurse durch ähnliche Risikofaktoren bestimmt wird. Daher fällt die Korrelation
zwischen Wertpapieren innerhalb einer Assetklasse hoch aus. Gegenüber anderen Asset-
klasse fällt sie dagegen niedrig aus. Durch die Streuung des Vermögens auf unterschied-
liche Wertpapiere unterschiedlicher Assetklassen lassen sich Portfolios realisieren, die
sich durch optimale Rendite-Risiko-Profile auszeichnen, da das Risiko des Portfolios
ohne eine Reduktion der erwarteten Rendite minimiert werden soll.
90
84
Vgl. Kahnemann, D., Tversky, A., Prospect Theory, 1979, S. 263–292.
85
Ebd.
86
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
87
Vgl. Lee, B., Veld-Merkoulova, Y., Stockholding, 2016, S. 235–246; Matthies, A. M., Rojahn, J., Financial
Literacy, 2022, S. 353.
88
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
89
Ebd.
90
Vgl. Markowitz, H. M., Portfolio Selection, 1952, S. 77–91; Markowitz, H. M., Portfolio Theory, 1991,
S. 469–477; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
15
Entgegen der genannten Gründe pro Aktienmarktpartizipation fällt diese relativ gering
aus, was in der Wissenschaft unter dem Namen des Stock Market Partizipation Puzzles
(SMPP) bezeichnet wird.
91
Auf Ebene der Privatanleger hat die Forschung diverse Ein-
flussgrößen ausfindig gemacht, die die Wahrscheinlichkeit des Aktienbesitzes erklären.
Hierzu zählen neben Renditeerwartungen, die Risikoaversion, soziodemographische Un-
terschiede zwischen den Investoren, kognitive Fähigkeiten sowie die wirtschaftliche Si-
tuation einzelner Investoren.
92
Lee und Veld-Merkoulova fanden heraus, dass die Partizipation am Aktienmarkt mit stei-
gender Renditeerwartung zunimmt, dagegen jedoch mit erhöhter Risikoaversion eines In-
vestors abnimmt,
93
welche u.a. von Faktoren wie dem Gesundheitszustand eine Individu-
ums oder der Sicherheit des Arbeitsplatzes abhängen.
94
Zudem wurden soziodemografi-
sche Einflussgrößen auf die Aktienmarktpartizipation empirisch belegt. Ein Merkmal ist
das Alter. Während der Aktienbesitz bei jungen Menschen am niedrigsten ist, steigt diese
stark bis zu einem mittleren Alter an und bleibt relativ konstant bis zum Ruhestand, wo
sie beginnt abzunehmen.
95
Ferner wurde festgestellt, dass die Aktienmarktpartizipation
bei Männern höher ausfällt als bei Frauen.
96
Des Weiteren nimmt mit steigender Anzahl
an Kindern die Aktienmarktpartizipation ab, was u.a. auch durch die bereits angespro-
chene Risikoaversion erklärt werden kann.
97
Ein eher uneinheitliches Bild zeigt dagegen
der Familienstand „verheiratet“, da verschiedene Studien einen positiven als auch einen
negativen Einfluss auf die Aktienmarktpartizipation belegen.
98
Kognitive Fähigkeiten,
welche häufig durch höhere Bildungsabschlüsse wie Bachelor und Master beschrieben
werden, tragen zum Erwerb und Halten von Aktien bei.
99
Ein weiterer aber wesentlicher
Einflussfaktor auf die Aktienmarktpartizipation besteht in der wirtschaftlichen Situation
91
Vgl. Haliassos, M., Bertaut, C. C., SMPP, 1995, S. 1110–1129; Haliassos, M., Stockholding, 2003, S.
30–51; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
92
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
93
Vgl. Lee, B., Veld-Merkoulova, Y., Stockholding, 2016, S. 235–246.
94
Vgl. Haliassos, M., Stockholding, 2003, S. 32 f.
95
Vgl. Fagereng, A. et al., Life-Cycle, 2017, S. 705–750.
96
Vgl. Rooij, M. van et al., FL, 2011, S. 449–472; Almenberg, J., Dreber, A., Financial Literacy, 2015, S.
140–142; Thomas, A., Spataro, L., European FL, 2018, S. 532–550.
97
Vgl. Campbell, J. Y., Household Finance, 2006, S. 1553–1604; Thomas, A., Spataro, L., European FL,
2018, S. 532–550; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 354.
98
Vgl. Rooij, M. van et al., FL, 2011, S. 449–472; Christiansen, C. et al., Marriage, 2015, S. 431–447;
Thomas, A., Spataro, L., European FL, 2018, S. 532–550.
99
Vgl. Rooij, M. van et al., FL, 2011, S. 449–472.
16
eines Individuums. Je höher das Einkommen oder das Vermögen, desto höher ist die Par-
tizipation am Aktienmarkt. Daraus abgeleitet, sinkt diese mit abnehmenden Vermögen
sowie Einkommen.
100
Bezogen auf die dargestellten Erkenntnisse liegen genügend Gründe vor, warum Anleger
in Aktien investieren sollten. In Wirklichkeit fällt die Partizipation am Aktienmarkt aller-
dings, entgegen der gewonnenen Erkenntnisse, spärlich aus. In der Literatur wird dies mit
dem Begriff SMPP umschrieben.
101
Trotz vieler möglicher Einflussgrößen wurde das
SMPP jedoch nicht vollständig gelöst, weshalb in der jüngeren Literatur vermehrt der
Einfluss der FL beachtet worden ist.
102
Aufgrund der Aktualität rund um das Thema
Nachhaltigkeit stellt sich die Frage, ob die SFL einen Beitrag zur zufriedenstellenden
Auflösung des SMPP beitragen kann.
3 Aktienmarktpartizipation im Kontext der Financial Literacy
In diesem Kapitel werden dem Leser der vorliegenden wissenschaftlichen Arbeit Kennt-
nisse rund um die Aktienmarktpartizipation vermittelt. Hierzu werden sich der deutscher
Aktien- und Kapitalmarkt sowie deren Unterschiede zu ihren internationalen Pendants
betrachtet, ebenso wie die Akteure des Kapitalmarktes. Abgeschlossen wird das dritte
Kapitel mit Erläuterungen über den Zusammenhang zwischen der Financial Literacy und
dem Besitz von Aktien, wodurch eine Verknüpfung zu den in Kapitel 2 vorgestellten
Konzepten der SFL und des SMPP ermöglicht werden kann.
3.1 Deutsche Kapital- und Aktienmärkte im internationalen Vergleich
Unter dem Begriff der Aktienmarktpartizipation versteht man den Erwerb bzw. vor allem
das Halten von Aktien. Mit dem Kauf einer Aktie erwirbt ein Investor einen realen Un-
ternehmensanteil des entsprechenden Unternehmens.
103
Besonders in Zeiten hoher Infla-
tion kommt der Aktie eine wichtige Bedeutung zu. Durch die Wertentwicklung soll die
Inflation zumindest ausgeglichen werden, um keinen Realverlust des investierten Kapi-
tals zu erleiden, man spricht im Fachjargon von einer Entwertung des Geldes. Im Idealfall
100
Vgl. Kaustia, M., Torstila, S., Participation, 2011, S. 98–112; Rooij, M. van et al., FL, 2011, S. 449–
472.
101
Vgl. Haliassos, M., Bertaut, C. C., SMPP, 1995, S. 1110–1129.
102
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 354.
103
Vgl. Morrien, R., Engst, J., Aktie, 2012, S. 57.
17
steht am Ende sogar ein realer Gewinn, nach Ausgleich der Inflation. Anleger die dagegen
vorrangig auf andere Anlageformen wie Fest- oder Tagesgeld setzen, tappen dabei in die
Realzinsfalle. Das bedeutet, dass sich ihr Geld entwertet, sofern der Zins der Anlage nied-
riger als die Inflationsrate ausfällt.
104
Kapitalmärkte sind neben dem Geld- und Kreditmarkt ein Teil des Finanzmarktes. An
allen drei Teilmärkten werden Finanzprodukte angeboten oder nachgefragt. Der in die-
sem Unterkapitel betrachtete Kapitalmarkt unterteilt sich in den nicht organisierten und
den organisierten Kapitalmarkt, dessen Aufgabe es ist Unternehmen als auch Privatper-
sonen mit Kapital zu versorgen. Ein wesentlicher Unterschied der beiden Segmenten ist
die Regulierung. Im organisierten Kapitalmarkt findet eine strenge Regulierung durch
staatliche und behördliche Institutionen statt, was diesen als deutlich sicherer klassifiziert
als den nicht organisierten Kapitalmarkt und wird wiederum in den Renten- und den Ak-
tienmarkt untergliedert. Letzterer wird unterteilt in den Primär- und den Sekundär-
markt.
105
Abbildung 3: Aufbau des Kapitalmarktes
Quelle: In Anlehnung an Compeon, Kapitalmarkt, o. J., o.S.
104
Vgl. Sparkasse, Inflation, o. J., o. S.
105
Vgl. Compeon, Kapitalmarkt, o. J., o. S.
18
Da in dieser Arbeit der Aktienmarkt (inkl. Fonds) im Vordergrund steht, werden der nicht
organisierte Kapitalmarkt sowie der Rentenmarkt nicht näher beleuchtet. Am Primär-
markt werden neue Wertpapiere erstmals ausgegeben (Emission). Der Verkaufserlös
fließt dabei dem Emittenten zu.
106
Nachdem die Wertpapiere auf dem Primärmarkt aus-
gegeben wurden, können diese auf Sekundärmarkt von Investoren in erster Linie über
Wertpapierbörsen gehandelt werden.
107
Die Meisten Wertpapierorders werden in
Deutschland über die elektronische Handelsplattform Xetra der Deutschen Börse AG in
Frankfurt ausgeführt und bearbeitet. Empfehlenswert ist dieser Handelsplatz für deutsche
Standardwerte aus dem Leitindex DAX und mittleren bis großen Unternehmen aus dem
MDAX und des TecDAX.
108
Der bekannteste deutsche Aktienindex ist der DAX. Dieser umfasst mittlerweile die 40
größten börsennotierten Unternehmen in Deutschland, dessen Zusammensetzung regel-
mäßig überprüft wird. Der bekannteste US-Aktienindex ist der S&P 500, welcher, die
nach Marktkapitalisierung gemessenen, 500 größten US-amerikanischen Börsengesell-
schaften umfasst. So gibt es für jedes Land einen eigenen Leitindex, der die wirtschaftli-
che Gesundheit und Performance der größten börsennotierten Unternehmen des jeweili-
gen Landes widerspiegelt.
109
Ein Unterschied zwischen dem deutschen und dem US-amerikanischen Leitindex ist das
Kurs-Gewinn-Verhältnis (KGV). Hierbei handelt es sich um eine betriebswirtschaftliche
Kennzahl, die das Verhältnis des aktuellen Aktienkurses zum gegenwärtigen Buchgewinn
ausdrückt. Das KGV kann neben Einzeltiteln auch für Indizes oder Branchen ermittelt
werden. Es gibt an, wie viele Jahre ein Unternehmen, auf Basis des aktuellen Kurses,
benötigt, um den eigenen Börsenwert zu verdienen. Dabei gelten Unternehmen mit nied-
rigeren KGVs als attraktiv und höhere als überwertet.
110
Der DAX bewegte sich in den
letzten Jahren um einen KGV-Wert von 14. Zum Vergleich sind die 50 größten europäi-
schen Unternehmen einschließlich Großbritanniens und der Schweiz mit dem 15-fachen
Nettogewinn bewertet. Der S&P 500 erreichte im Jahr 2021 einen Höchststand eines
106
Vgl. Börse Frankfurt, Primärmarkt, o. J., o. S.
107
Vgl. Compeon, Kapitalmarkt, o. J., o. S.
108
Vgl. Morrien, R., Engst, J., Aktie, 2012, S. 36 f.
109
Vgl. Kommer, G., Indizes, 2019, S. 17.
110
Vgl. Kommer, G., Investieren, 2018, S. 409; Buske, N., KGV, 2023, S. 1 f.
19
KGVs von durchschnittlich 30, aktuell beträgt es etwa 20.
111
Traditionell sind US-Aktien
aufgrund des rasanteren Wachstums in Nordamerika höher bewertet als beispielweise
Unternehmensanteile deutscher Firmen.
112
Hohe KGVs basieren u.a. auf extrem hohen
Gewinnerwartungen oder anderen verhaltensbedingten Verzerrungen.
113
Allerdings ist
das KGV als Kennzahl allein betrachtet nicht dazu geeignet, um die erwartete Leistung
eines Unternehmens zu berechnen, da das KGV einer Aktie ebenfalls durch äußere Ein-
flüsse beeinflusst wird. Hierzu zählen z.B. das Jahr der Messung, der Sektor in dem das
Unternehmen tätig ist oder die Größe des Unternehmens.
114
Hieraus abgeleitet lässt sich
feststellen, dass ein KGV-Vergleich unterschiedlicher Jahre bzw. zwischen Unternehmen
aus verschiedenen Branchen allein wenig aussagekräftig ist. Zudem gibt das KGV immer
nur einen Wert der Vergangenheit an.
Ein weiteres Unterscheidungsmerkmal für Aktienmärkte ist die Währung eines Landes
bzw. eines Wirtschaftsraumes. Ein Anstieg der Aktienkurse eines Landes erhöht dessen
öffentliches Vermögen, was wiederum die Nachfrage nach Geld erhöht. Hierdurch wer-
den internationale Investitionen angezogen, wodurch die inländische Währung aufwer-
tet.
115
Abwertende Währungen hingegen erhöhen die Kosten für Importe oder importierte
Rohstoffe, wodurch sich die Produktionskosten eines Unternehmens erhöhen. Der Logik
nach führen höhere Kosten zu niedrigeren Gewinnen und umgekehrt. Dieser Umstand
kann einen erheblichen Einfluss auf die Aktienkurse und somit auf ganze Aktienmärkte
ausüben.
116
Weitere wichtige Faktoren bei der Betrachtung unterschiedlicher Kapitalmärkte sind re-
gulatorische, rechtliche sowie steuerliche Rahmenbedingungen. Neue regulatorische
Maßnahmen können beispielsweise zu einer erhöhten Transparenz beitragen und somit
Informationsassymetrien abbauen oder die Marktliquidität steigern.
117
Steuerreformen
beeinflussen die internationalen Kapitalmärkte ebenfalls. Ein Beispiel ist der 2017 verab-
schiedete Tax Cuts and Jobs Act (TCJA) in den Vereinigten Staaten von Amerika. Dieser
111
Vgl. Buske, N., KGV, 2023, S. 2.
112
Vgl. Sommer, U., Börsenbewertung, 2022, S. 2 f.
113
Vgl. Rahman, M. L., Shamsuddin, A., Price-Earning-Ratio, 2019, S. 46–62.
114
Vgl. Anderson, K., Brooks, C., P/E Ratio, 2005, S. 456–469.
115
Vgl. Bahmani-Oskooee, M., Saha, S., Exchange Rates, 2015, S. 707–732.
116
Ebd.
117
Vgl. Christensen, H. B. et al., Securities Regulation, 2016, S. 2885–2924.
20
sah eine Senkung des Körperschaftssteuersatzes um 14 Prozentpunkte vor, wovon beson-
ders US-Firmen profitierten, da sich deren Wettbewerbsfähigkeit drastisch verbesserte.
118
Overesch und Pflitsch wiesen empirisch nach, dass Unternehmen, in denen der Wettbe-
werb mit US-Firmen besonders hoch ist, nach der Verabschiedung des TCJA niedrigere
Renditen aufwiesen.
119
Ein nicht zu vernachlässigendes Differenzierungsmerkmal für
Aktien- und Kapitalmärkte ist die Kultur. Kulturelle Unterschiede zwischen Nationen be-
einflussen die Kapitalmärkte ebenfalls, z. B. über die Religion, das Rechtssystem oder
bei der Verteilung von Ressourcen.
120
Des Weiteren spielt das Vertrauen bei der Investition in Wertpapiere eine große Rolle.
121
Laut einer Studie der Quirin Bank misstrauen 57% der Deutschen grundsätzlich Anlage-
beratern. In den USA sind es hingegen nur 23%. Die Angst der Deutschen liegt vor allem
in den Provisionsinteressen des Beraters begründet. Deutsche Sparer und Anleger gelten
im internationalen Kontext zwar als Sparweltmeister, haben allerdings eine niedrige Ak-
tienquote, da sie ihr Geld eher in Form von Einlagen wie beispielsweise Sparbücher, Ta-
ges- oder Festgeldkonten anlegen.
122
Dieser Umstand lässt sich zudem an den Daten des
Deutsche Aktieninstituts (DAI) ablesen. In Abbildung 3 ist der Anteil der deutschen Ak-
tionäre an der Gesamtbevölkerung des Landes abgebildet. Es wurden nur Aktionäre ge-
zählt, welche direkt in Aktien investierten und nicht über Investmentfonds.
123
118
Vgl. Overesch, M., Pflitsch, M., TCJA, 2021, S. 75–106.
119
Ebd.
120
Vgl. Stulz, R. M., Williamson, R., Trust, 2003, S. 313–349.
121
Vgl. Pevzner, M. et al., Trust, 2015, S. 190–223.
122
Vgl. Schneider, K., Geldanlage, 2016, S. 2.
123
Vgl. DAI, Aktionärszahlen, 2023, S. 29.
21
Abbildung 4: Aktionärsquote in Deutschland zwischen 2012 und 2022
Quelle: In Anlehnung an DAI, Aktionärszahlen, 2023, S.22
In den betrachteten Jahren lässt sich eine Stagnation um die Sieben-Prozent-Marke fest-
stellen. Im internationalen Vergleich ist diese relativ niedrig. In den USA halten etwa
25% der Bevölkerung direkt Aktien, während es in Japan sogar knapp 28% sind. Im Land
der aufgehenden Sonne legen die Menschen viel Wert auf traditionelle Werte wie Sicher-
heit und Stabilität.
124
Die große Differenz lässt sich zum einen mit dem angesprochen
Misstrauen als auch mit dem niedrigen finanziellen Bildungsgrad der Deutschen erklä-
ren.
125
Der wohl wichtigste Faktor liegt in den unterschiedlichen Rentensystemen begrün-
det. Die Bundesbürger verlassen sich auf das staatliche Rentensystem, bei denen Arbeit-
nehmer die Rente finanzieren, wohingegen in den USA die private Altersvorsorge domi-
niert.
126
Aus den oben genannten Erkenntnissen lässt sich ableiten, dass Aktienmärkte unter-
schiedliche Risiko-Rendite-Profile vorweisen. International diversifizierende Investoren
sollten sich der Unterschiede bewusst sein sowie eine tiefgehende Recherche durchfüh-
ren. Hierzu trägt eine gute finanzielle Bildung (Financial Literacy) bei.
124
Vgl. Dausel, T., Aktienbesitz, 2022, S. 5 f.
125
Vgl. Bucher-Koenen, T., Lusardi, A., German FL, 2011, S. 565–584.
126
Vgl. Bucher-Koenen, T., Lusardi, A., German FL, 2011, S. 565–584; Schneider, K., Geldanlage, 2016,
S. 2.
22
3.2 Akteure des Kapitalmarktes
Zu den Akteuren des Kapitalmarktes zählen verschiedene Gruppen von Personen, Insti-
tutionen und Unternehmen. Ihnen wird bei der Bereitstellung von Kapital und dessen
Nutzung eine besonders wichtige Rolle zuteil.
127
Im Folgenden werden die wesentlichen
Akteure vorgestellt.
Zuallererst sind die Emittenten zu nennen. Hierbei handelt es sich z. B. um Banken, Un-
ternehmen oder auch Regierungen, die eine breite Palette an Wertpapiere wie Aktien und
Anleihen sowie weitere Finanzinstrumente an die Marktteilnehmer ausgeben, um Kapital
zu beschaffen.
128
Die Kapitalbeschaffung erfolgt auf dem Primärmarkt über Börsen, an
welcher Angebot und Nachfrage aufeinandertreffen und somit eine Preisfindung ermög-
lichen. Ebenfalls werden die Transaktionen von Wertpapieren des Sekundärmarktes über
Börsen abgewickelt. Die Börse ermöglicht also den Wertpapierhandel.
129
Gehandelt wer-
den die Wertpapiere von privaten und Institutionellen Investoren sowie Fonds. Hinter
dem Erwerb von Aktien stehen u. a. die Erwartungen auf eine Kurssteigerung der Aktie,
um die Aktie zu einem späteren Zeitpunkt mit Gewinn verkaufen zu können, als auch auf
eine Gewinnbeteiligung in Form von Dividenden.
130
Institutionelle Investoren, welche
einen großen Anteil der Aktien eines Unternehmens besitzen, möchten mit ihrem Ak-
tienengagement, neben der Gewinnerzielungsabsicht, die Geschäftspolitik des entspre-
chenden Unternehmens mitgestalten. Dies kann beispielsweise über die Abstimmung von
Vorstandsentscheidungen, über die Entlastung des Vorstandes oder über die Wahl zur
Zusammensetzung des Aufsichtsrates erreicht werden.
131
Eine weitere Gruppe von Akteuren am Kapitalmarkt sind Finanzintermediäre. Sie haben
das Ziel zwischen Investor und Emittent zu vermitteln, um Nachfrage und Angebot nach
Kapital abzustimmen und zusammenzuführen. Zu den Finanzintermediären zählen u. a.
Kreditinstitute, Investmentbanken und Kapitalanlagegesellschaften. Mit ihrer Tätigkeit
tragen Finanzintermediäre maßgeblich zu Wachstum und Stabilität einer Volkswirtschaft
127
Vgl. Panait, M. et al., Actors, 2014, S. 522–528.
128
Vgl. Baule, R., Blonski, P., Issuer, 2015, S. 1195–1219.
129
Vgl. Alan, N. S., Schwartz, R. A., Stock Exchange, 2013, S. 124–132.
130
Vgl. Morrien, R., Engst, J., Aktie, 2012, S. 52.
131
Ebd.
23
bei.
132
Das System der Finanzintermediation sowie der komplette Banken- und Versiche-
rungssektor unterliegen strengen Regularien. Regulierungsbehörden als staatliche Insti-
tutionen wachen über die Einhaltung gesetzlicher Rahmenbedingungen, um die Siche-
rung der Funktionsfähigkeit des Banken- und Finanzsystems sowie den Gläubiger- bzw.
Investorenschutz sicherzustellen.
133
Medien und Finanzjournalisten als weitere Gruppie-
rung der Finanzintermediäre wird eine besonders hohe Rolle bei der Verteilung von In-
formationen des Kapitalmarktes zuteil. Durch die Bereitstellung von finanziellen Infor-
mation über Unternehmen, z. B. in der Darstellung und Interpretation von Bilanzzahlen
sowie von Schätzungen von Zukunftsaussichten und Handlungsempfehlung zum Kauf,
Halten oder Verkauf von Aktien, versuchen sie, das Meinungsbild von Investoren zu be-
einflussen und Informationsassymetrien abzubauen.
134
Mit den Finanz- und Anlageberatern gesellt sich ein weiterer Berufsstand zu den Finanz-
marktakteuren. Wie bereits in Kapitel 3.1 beschrieben spielt das Vertrauen in der Anla-
geberatung eine wesentliche Rolle. So belegten wissenschaftliche Untersuchungen, dass
Vertrauen ein wichtiger Indikator für die Aktienmarktpartizipation ist.
135
Investoren ver-
fügen nicht immer über das notwendige Fachwissen, um Anlageentscheidungen von Fi-
nanzinstrumenten zu bewerten und einzuschätzen. Finanz- und Anlageberater bieten ih-
ren Kunden an, durch Beratungstätigkeiten einen besseren Einblick in die verschiedenen
Anlagemöglichkeiten des Kapitalmarktes zu erhalten bzw. unterstützen sie bei der Ver-
waltung ihres Vermögens.
136
Letztlich sind Ratingagenturen als wichtiger Kapitalmarktakteur zu nennen. Sie sammeln
Information über Staaten und Unternehmen und liefern qualitative Aussagen über dessen
Kreditwürdigkeit sowie deren finanziellen Verpflichtungen. Bereitgestellt werden diese
durch die sogenannten Ratings. Besonders durch die Globalisierung und der zunehmen-
den Komplexität verschiedener Finanzprodukte verlassen sich andere Kapitalmarktak-
teure auf die Ratings von Ratingagenturen, wie beispielsweise Standard and Poor’s, Fitch
oder Moody’s, bzw. messen Kapitalmarkteure ihnen eine hohe Bedeutung zu.
137
132
Vgl. Bernet, B., Finanzintermediation, 2018, S. 2.
133
Vgl. Bernet, B., Finanzintermediation, 2018, S. 266.
134
Vgl. Healy, P. M., Palepu, K. G., Information Assymetry, 2001, S. 405–440.
135
Vgl. Guiso, L. et al., Trust, 2008, S. 2557–2600; El-Attar, M., Poschke, M., Trust, 2011, S. 727–756;
Burke, J., Hung, A. A., Trust, 2021, S. 9–26.
136
Vgl. Burke, J., Hung, A. A., Trust, 2021, S. 9–26.
137
Vgl. Bannier, C. E., Hirsch, C. W., Rating Agencies, 2010, S. 3037–3049.
24
Unter all diesen Kapitalmarktakteuren liegt der Fokus dieser wissenschaftlichen Arbeit
auf den privaten Investoren.
3.3 Financial Literacy als Determinante der Aktienmarktpartizipation
Wie bereits in der Einleitung der Forschung beschrieben wurde, untersuchten bisherige
Studien vorrangig den Einfluss der FL auf die Aktienmarktpartizipation. Daten zur SL
und SFL dagegen sind rar. Da das Konzept der SFL auf den Implikationen der FL auf-
baut,
138
ist es vorteilhaft, sich die bisherigen Erkenntnisse der vorhandenen Literatur ge-
nauer anzuschauen. Doch warum wurde in diversen Studien ein Zusammenhang zwi-
schen dem Aktienbesitz und der finanziellen Bildung untersucht? Um diese Frage zu be-
antworten, sollte zunächst die FL definiert werden. Diese wird in der Literatur als Maß
für das Verstehen, der Anwendung und des Wissens in Bezug auf Finanzinformationen
auf der Ebene von Individuen definiert.
139
Um die FL zu messen, werden Studienteilnehmern mithilfe von Multiple-Choice-Fragen
in der Regel drei Fragen gestellt, den sogenannten Big Three, welche als internationaler
Standard zur Messung der FL gelten.
140
Durch die Beantwortung des Fragebogens, erlau-
ben die drei Fragen, Rückschlüsse auf den finanziellen Bildungsstand der Umfrage-Teil-
nehmer zu ziehen.
141
Dabei misst die erste Frage die Rechenkompetenz bzw. die Fähig-
keit einfache Berechnungen im Zusammenhang mit der Aufzinsung von Zinssätzen
durchzuführen. Die zweite Frage misst das Verständnis der Inflation in Bezug auf eine
einfache finanzielle Entscheidung. Mithilfe der dritten und letzten Frage soll das Wissen
über Risikostreuung gemessen werden. Hierdurch ergibt sich ein Score zwischen Null
und drei Punkten. Je höher dieser Score ist, desto höher wird die FL eines Individuums
eingestuft.
142
Heutzutage sind Menschen im Laufe ihres Lebens mehr in der Verantwortung als jemals
zuvor. Aufgrund der steigenden Lebenserwartung wachsen Sozial- und Rentensysteme
stark an, wobei das Verhältnis zwischen Beitragszahler und Empfänger immer weiter in
Richtung der Empfänger zu kippen droht, wodurch vor allem das Rentensystem stark
138
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
139
Vgl. Huston, S. J., Measuring FL, 2010, S. 296–316.
140
Vgl. Lusardi, A., FL, 2015, S. 260–271.
141
Vgl. Lusardi, A., Mitchell, O. S., Financial Literacy, 2011, S. 497–508.
142
Ebd.
25
belastet wird.
143
Viele Babyboomer nähern sich dem Ruhestand mit einem besorgniser-
regend geringem finanziellen Vermögen. In vielen Fällen besteht außer einer selbstge-
nutzten Immobilie gar kein Vermögen, da die Immobilie als das Wichtigste Asset in der
Rentenphase angesehen wird.
144
Durch die starke Beanspruchung des Rentensystems in
vielen Ländern wird die Verantwortung für Altersvorsorgethemen und Investitionen vom
Arbeitgeber und Staat zunehmend auf Arbeitnehmer verlagert.
145
Hinzu kommt der Fakt,
dass Finanzprodukte immer vielfältiger und komplexer werden, wodurch ein Verständnis
für finanzielle Themen unerlässlich ist, um falsche Entscheidungen bei der Auswahl von
Finanzprodukten zu treffen. Denn Fehler bei der Geldanlage können einen substanziellen
Wertverlust des angesparten Vermögens bedeuten.
146
Besonders junge Menschen, welche ihr ganzes Leben noch vor sich haben, sehen sich an
einer Flut an Finanzinformationen ausgesetzt. Ohne die entsprechende finanzielle Kennt-
nis wird es heutigen jungen Menschen künftig schwer fallen, kluge finanzielle Entschei-
dungen zu treffen und im Hinblick auf die Rentensituation einen gewissen Grundstock an
Vermögen aufzubauen. Umso enttäuschender ist es, dass Untersuchungen auf der ganzen
Welt zeigten, dass die Finanzkompetenz in der jüngeren Bevölkerungsgruppen geringer
ist,
147
was ernsthafte Zweifel an der Wohlstandssicherung eines Individuums aufwirft.
148
Insgesamt betrachtet, lässt sich festhalten, dass sich die Finanzkompetenz auf alltägliche
sowie langfristige Finanzentscheidungen auswirkt. Dieser Umstand betrifft sowohl Indi-
viduen als auch die Gesellschaft als solches, da ineffektive Ausgaben- und Finanzplanung
eng im Zusammenhang zu teurer Kreditaufnahme und schlechter Schuldenverwaltung
stehen.
149
Wie bereits in Kapitel 3.1 beschrieben, können Aktien dazu beitragen die In-
flation auszugleichen und sogar, um einen Realgewinn zu erwirtschaften. Studien zeigten
143
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
144
Vgl. Lusardi, A., Mitchell, O. S., Babyboomer, 2007, S. 205–224; Lusardi, A., Mitchell, O. S., Big Three,
2008, S. 413–417.
145
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
146
Vgl. Lusardi, A., Tufano, P., Debt Literacy, 2015, S. 332–368; Garg, N., Singh, S., Youth FL, 2018, S.
173–186.
147
Vgl. Rooij, M. C. J. van et al., Retirement, 2011, S. 593–608.
148
Vgl. Garg, N., Singh, S., Youth, FL, 2018, S. 173–186.
149
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
26
zudem, dass finanziell gebildete Menschen eher dazu tendieren in den Aktienmarkt zu
investieren, um ein Vermögen langfristig aufzubauen.
150
Im Hinblick auf das in Kapitel 2.3 vorgestellte SMPP, ergibt sich aus den oben genannten
Gründen, warum die FL als Erklärungsversuch für die Aktienmarktpartizipation mehr-
fach herangezogen wurde. Zudem werden Geldanlagen zunehmend komplexer, wobei
eine Erweiterung um nachhaltige Aspekte und deren regulatorischer Einschränkungen zu
dieser Entwicklung beigetragen haben dürfte.
151
Aufgrund der nachhaltigen Entwicklun-
gen im Finanzbereich basiert die in Unterkapitel 2.2.3 erläuterte finanzielle Nachhaltig-
keitskompetenz (SFL) stark auf dem Konzept der FL, wodurch ein direkter Bezug zwi-
schen den beiden Kompetenzen gegeben ist.
152
Daher stellt sich die Frage inwieweit die
SFL dazu beitragen kann, den Besitz von Aktien zu erklären.
4 Empirie Analyse der Daten zur Aktienmarktpartizipation
Im vierten und umfangreichsten Kapitel dieser Forschung werden die empirischen Daten
ausgewertet. Zunächst wird dem Leser der Stand der empirischen Forschung näherge-
bracht und eine Einordnung des Themas in die Literatur vorgenommen. Darauf folgend
schließt eine Beschreibung der Daten und der angewandten Methodiken an sowie eine
deskriptive Analyse der Statistik. Im Anschluss werden Definitionen, Anwendungsvo-
raussetzungen sowie die Regressionsergebnisse der Poisson- und der logistischen Regres-
sion dargestellt, wobei der Kern der Thesis in der logistischen Regression besteht. Mit
ihrer Hilfe soll die Aktienmarktpartizipation durch drei Kompetenzarten erklärt werden,
wobei der Fokus auf der nachhaltigen Finanzkompetenz SFL liegt. Zum Abschluss des
Kapitels werden Forschungslimitationen aufgezeigt.
4.1 Stand der empirischen Forschung und Einordnung in die Literatur
Die SFL bedient drei verschiedene Bereiche der Literatur. Erstens ist die Nachhaltigkeits-
kompetenz (SL) zu nennen, welche die drei Dimensionen der Nachhaltigkeit (ökologisch,
sozial und wirtschaftlich) berücksichtigt. Zweitens die nachhaltige Finanzkompetenz
(SFL), welche auf dem erforderlichen Wissen für nachhaltige Investitionen beruht sowie
150
Vgl. Christelis, D. et al., Portfolio Choice, 2010, S. 18–38; Arrondel, L. et al., French FL, 2012, S. 285–
294; Almenberg, J., Dreber, A., Financial Literacy, 2015, S. 140–142.
151
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
152
Ebd.
27
drittens die finanzielle Allgemeinbildung bzw. die FL.
153
Letztere wurde in der jüngeren
Literatur besonders häufig untersucht.
154
Eine große Anzahl an Studien beschäftigte sich
hierbei mit dem Zusammenhang zwischen der FL und der Aktienmarktpartizipation. Eine
erste Literaturauswahl, sortiert nach dem Veröffentlichungsjahr, lässt sich aus Tabelle 1
entnehmen.
Tabelle 1: Literaturüberblick - Financial Literacy
Autoren (Jahr),
Journal
Markt (Analysezeit-
raum oder -punkt),
Methode
Wesentliche Resultate
Thomas und Spataro
(2018), Journal of Fam-
ily and Economic Is-
sues
Neun europäische
Länder (2010), Probit
Positive Beeinflussung der Aktienmarktpartizipa-
tion u. a. durch FL, Alter oder Dummies für politi-
sche Aktivität und für mittlere bis hohe Einkommen.
Negative Beeinflussung u. a. durch Dummy-Variab-
len für das weibliche Geschlecht sowie für den Fa-
milienstand „verheiratet“.
Almenberg und Dreber
(2015), Economic Let-
ters
Schweden (2010),
Probit
Das weibliche Geschlecht hat einen negativen Effekt
auf die Aktienmarktpartizipation. Die Basic FL ei-
nen positiven.
Arrondel et al. (2015),
Applied Economics
Letters
Frankreich (2011),
Probit
Die Basic FL, das Lesen von Finanzzeitschriften und
das finanzielle Umfeld der Familie hat einen positi-
ven Einfluss auf die Aktienmarktbeteiligung.
van Rooij et al. (2011),
Journal of Financial
Economics
Niederlande (2005),
OLS
FL und das männliche Geschlecht haben einen posi-
tiven Einfluss auf den Erwerb von Aktien, ebenso
wie höhere Bildungsabschlüsse und Berufsausbil-
dungen. Negativ ausgewirkt haben sich der Fami-
lienstand „verheiratet“ sowie Dummy-Variablen für
den seltenen und gelegentlichen Umgang mit Wirt-
schaftsthemen.
153
Ebd.
154
Vgl. Lusardi, A., Financial Education, 2019, S. 1–8.
28
Quelle: Rooij, M. van et al., FL, 2011, S. 449–472; Arrondel, L. et al., Stockholding,
2015, S. 1315-1319; Almenberg, J., Dreber, A., Financial Literacy, 2015, S. 140–142;
Thomas, A., Spataro, L., European FL, 2018, S. 532-550
Alle Studien haben gemeinsam, dass die FL einen positiven Einfluss auf die Aktien-
marktinvestition hat. Zudem fanden die Forscher heraus, dass der Familienstand „verhei-
ratet“ sowie das weibliche Geschlecht die Aktienmarktpartizipation stark negativ beein-
flusst. Die Mehrheit der Studien bediente sich methodisch der Probit-Regression.
Weniger zahlreich erscheinen hiergegen die Analysen zur Nachhaltigkeitskompetenz.
Eine Übersicht zur Literatur ist der Tabelle 2 zu entnehmen.
Tabelle 2: Literaturüberblick - Sustainability Literacy
Autoren (Jahr),
Journal
Markt (Analysezeit-
raum oder -punkt),
Methode
Wesentliche Resultate
Anderson und Robin-
son (2022),
Schweden (2018),
Probit
Die Forscher untersuchten neben der FL auch die
Umweltkompetenz als möglichen Erklärungsansatz
zum Kauf von (nachhaltigen) Aktien. Einen positi-
ven signifikanten Einfluss auf die Aktienmarktparti-
zipation hatten die Faktoren FL, hohes Einkommen,
Alter und Universitätsabschluss in Wirtschaftswis-
senschaften. Negativ wirkte sich hingegen das weib-
liche Geschlecht aus. Die Umweltkompetenz wirkte
sich leicht positiv aus, allerdings ohne statistische
Signifikanz.
Zwickle et al. (2014),
International Journal of
Sustainability in Higher
Education
USA, Studienanfän-
ger der Ohio State
University (2012),
IRT (ähnlich zur lo-
gistischen Regres-
sion)
Wissensabfrage nach ökologischen, sozialen und
wirtschaftlichen Aspekten. Der Einfluss auf die Par-
tizipation am Aktienmarkt war nicht Bestandteil der
Untersuchung. Studenten wiesen höhere Scores im
Bereich Umwelt und Wirtschaft auf, wohingegen der
Score bei Fragen zu „Soziales“ niedriger war.
Quelle: Zwickle, A. et al., SL, 2014, S. 375–389; Anderson, A., Robinson, D. T., Green
Investments, 2022, S. 1551–1584
29
Ein in der Literatur noch relativ unerforschtes Gebiet ist die nachhaltige Finanzkompe-
tenz. Zwar ist die Nachfrage nach nachhaltigen Finanzprodukten gut dokumentiert,
155
al-
lerdings enthalten diese Studien keine Methode, mit der das Wissen von Investoren und
Anlegern über Finanzprodukte mit Nachhaltigkeitsaspekten ermittelt werden kann.
156
Die
erste Quelle in der Finanzliteratur besteht in der Studie von Filippini et al. aus dem Jahr
2022. Sie führten das Konzept der SFL ein, bei der u. a. das Wissen von Schweizer An-
legern über Vorschriften, Normen und Standards für nachhaltige Finanzprodukte gemes-
sen wurde. Dabei verwendeten sie traditionelle Multiple-Choice Fragen sowie einen neu-
artigen Ansatz mit offenen Fragen. Um die Partizipation an nachhaltigen Finanzproduk-
ten (Aktien und Fonds) erklären zu können, haben die Forscher drei Arten von Wissen
abgefragt, wobei sie sich methodisch der Probit Regression bedienten. Zu den Wissens-
typen zählen die traditionelle Finanzkompetenz, die Nachhaltigkeitskompetenz sowie die
nachhaltige Finanzkompetenz. Ein zentraler Befund ist, dass weder die FL sowie die
Nachhaltigkeitskompetenz noch die Höhe des monatlichen Einkommens einen positiven
signifikanten Einfluss auf den Erwerb von nachhaltigen Finanzprodukten haben. Dieser
konnte bei den Determinanten SFL, risikosuchendes Verhalten, Spenden an Umweltor-
ganisationen sowie der Wichtigkeit der Abschwächung des Klimawandels festgestellt
werden.
157
Die noch zu erstellende Forschung baut auf den Aspekten bzw. Konzepten der Schweizer
Studie auf. Da es aktuell nur diese eine Studie gibt und nur die Einflussfaktoren auf nach-
haltige Investitionen berücksichtigt wurden, liegt der Mehrwert der Forschung darin, das
Konzept der SFL auf Deutschland auszuweiten und den Einfluss der drei verschiedenen
Wissenstypen auf die normale Aktienmarktpartizipation zu messen.
4.2 Datenherkunft und methodische Vorgehensweise
In diesem Abschnitt wird die Erhebung der Daten vorgestellt, welche für die empirische
Analyse benötigt werden. Hierzu wurde eine Umfrage via SurveyMonkey zwischen Mitte
März und Mitte Mai 2023 durchgeführt. Der Fragebogen wurde in Anlehnung an den
155
Vgl. Døskeland, T., Pedersen, L. J. T., Responsible Investment, 2016, S. 1632–1644; Riedl, A., Smeets,
P., SR Funds, 2017, S. 2505–2550; Rossi, M. et al., SRI, 2019, S. 107–120; Gutsche, G. et al., ESG-
Investments, 2021, S. 1–21; Bauer, R. et al., Sustainable Investments, 2021, S. 3976–4043; Anderson, A.,
Robinson, D. T., Green Investments, 2022, S. 1551–1584.
156
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
157
Ebd.
30
Fragebogen aus der Studie von Filippini et al. (2022) erstellt
158
und kann Anhang 1 ent-
nommen werden.
Die Umfrage wurde auf verschiedenen Foren auf Facebook, im SurveyCircle und unter
den Mitarbeitern der Stadtsparkasse Düsseldorf verteilt. Zudem wurde eine Kooperation
mit einem Finanz-Influencer, kurz Finfluencer, angestrebt, um eine möglichst breite
Masse an Menschen zu erreichen. Diese wurde in Lisa Osada mit ihrem Instagram Kanal
Aktiengram gefunden, welche thematisch vom Fragebogen und dem Thema der Thesis
überzeugt wurde und den Link zur Umfrage teilte. Vor allem dank ihrer Unterstützung
nahmen insgesamt 664 Personen an der Umfrage teil, wobei 592 Fragebögen vollständig
ausgefüllt wurden. Dies entspricht einer Abschlussquote von 89,16%. Abbildung 5 gibt
einen grafischen Überblick auf die Anzahl der Umfragebeantwortungen.
Abbildung 5: Anzahl Umfragebeantwortungen
Quelle: Eigene Darstellung
Ein Entgelt erhielten die Befragten und Lisa Osada für ihre Teilnahme bzw. ihre Unter-
stützung zu keinem Zeitpunkt. Hierbei ist kritisch anzumerken, dass die Teilung über ei-
nen Finfluencer wie Lisa Osada zu einer Verzerrung der Daten führen könnte, da genau
die Zielgruppe angesprochen wird, welche sich möglicherweise mit der Thematik aus-
kennt und bereits das entsprechende Wissen mitbringt. Das bedeutet, dass die Umfrage
unter Umständen nicht repräsentativ für Deutschland ist. Dieser Umstand wird im späte-
ren Verlauf der Forschung in die Limitationen aufgenommen.
158
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
664
592
0
100
200
300
400
500
600
700
Beantwortungen insgesamt Abgeschlossene
Beantwortungen
31
Der Fragebogen wird in drei Teile gegliedert (s. Anhang 1). In Teil 1 werden demografi-
sche Daten zu den Studienteilnehmern erfragt, welche wichtig zur Generierung von Kon-
trollvariablen sind. Dazu zählen unter anderem das Alter, die Höhe des Nettoeinkommens
und des Vermögens sowie ein Hochschul- bzw. Universitätsabschluss der Befragten. Im
zweiten Teil werden die aus Kapitel 2.2 inkl. Unterkapiteln bekannten Kompetenzen er-
mittelt, um den Besitz von Aktien erklären zu können. Der dritte und letzte Teil enthält
Fragen zu Umweltverhalten und psychografischen Merkmalen, woraus sich u. a. weitere
Kontrollvariablen und vor allem auch die abhängige Variable STOCKS ableiten lassen.
Details und Ausprägungsmerkmale zu sämtlichen Modellvariablen werden im späteren
Kapitel 4.6. inklusive Unterkapiteln erläutert. Die Rohdaten wurden in einem Excel-Sheet
unter dem Dateinamen „Rohdaten_Sustainable Financial Literacy“ abgespeichert und
werden zusammen mit dieser Arbeit über den Online-Campus hochgeladen.
In den Rohdaten wurde zunächst die zweite Zeile des Datensatzes gelöscht, da sie nur
„Response“ sowie „Open-Ended Response“ enthielten und keine Relevanz zur Auswer-
tung der Daten hatte. Damit die Daten ein höchstmögliches Maß an Qualität aufweisen,
wurden diese im Anschluss bereinigt. Die folgenden Kriterien wurden hierbei berück-
sichtigt und auf die bereits vorbereiteten Daten angewandt:
159
• Befragte, die nicht alle Fragen beantwortet haben (unvollständige Fragebögen)
• Umfrageteilnehmer, die die Fragen zu schnell beantwortet haben (Raser)
• Befragte, die immer die gleiche Antwortoption wählen (Straightlining)
• Teilnehmer, die unrealistische Antworten gegeben haben
• Befragte, deren Antworten nicht zusammenpassen
Nachdem die Daten bearbeitet und nach den oben aufgeführten Kriterien gefiltert wurden,
blieben von den 664 Fragebögen exakt 592 Beantwortungen übrig. Außer des Kriteriums
der Vollständigkeit fiel kein Umfrageteilnehmer durch die weiteren Kriterien. Im An-
schluss wurden die Daten insofern aufbereitet, dass sie für die Weiterverwendung im Sta-
tistikprogramm R geeignet sind. Hierzu wurden die Antworten beispielsweise binär co-
diert, wie es in Kapitel 4.6 inkl. der drei Unterkapitel beschrieben wurde. Zum Beispiel
wurden weiblichen Teilnehmern unter der Variable FEMALE ein Wert von 1 zugeordnet
159
Vgl. Gitlin, J., Datenbereinigung, o. J., o. S.
32
und männlichen Teilnehmern eine Null. Bei offenen Antwortmöglichkeiten wie dem Al-
ter oder Skalenwerte wie bei RISK wurde der tatsächliche Wert übernommen. Des Wei-
teren wurden die Literacy-Scores wie bereits beschrieben ermittelt, indem die Anzahl der
richtigen Antworten aufsummiert wurde. Die Spalten, welche die späteren Variablen ent-
hielten wurden in Zeile 1 gelb, Hilfszeilen orange und nicht benötigte Spalten grau mar-
kiert. Die bearbeitete Datei wurde unter dem Namen „Auswertung Umfrage_Bearbeitet“
gespeichert und wird ebenfalls hochgeladen.
In einem letzten Schritt wurden alle nicht gelb markierten Spalten gelöscht, sodass nur
noch die für die spätere Auswertung notwendigen Daten enthalten waren. In Summe ent-
hält der Datensatz 21 Variablen. Im Anschluss wurde die Datei in eine R-taugliche .csv
Datei transformiert und unter dem Dateinamen „Daten“ abgelegt. Eine zusammenfas-
sende Statistik aller Befragten wird in Kapitel 4.10.1 „Deskriptive Analyse der Daten“
vorgenommen.
Methodisch bedient sich die vorliegende Arbeit der Poisson- als auch der logistischen
Regression. Mithilfe der Poisson-Regression werden die Determinanten der Finanz- (FL),
der Nachhaltigkeits- (SL) sowie der nachhaltigen Finanzkompetenz (SFL) analysiert. Im
Nachgang wird über die logistische Regression der Einfluss der drei Wissensarten auf die
Aktienmarktpartizipation aufgezeigt, wobei die Auswertung der logistischen Regression
den Kern dieser wissenschaftlichen Arbeit bildet. Definitionen, Modellgleichungen und
Anwendungsvoraussetzungen werden in den kommenden Unterkapiteln näher erläutert.
4.3 Grundlagen der deskriptiven Statistik
Im Rahmen der deskriptiven Statistik werden die umfangreichen sowie unüberschaubaren
Einzeldaten statistischer Erhebungen durch möglichst wenige und aussagekräftige Kenn-
zahlen charakterisiert. Hierzu werden Lage- und Streuungsmaße beschrieben und darge-
stellt.
160
Tabelle 3 gibt einen Überblick über die in der vorliegenden Arbeit vorgestellten
Lageparameter:
160
Vgl. Auer, B., Rottmann, H., Statistik und Ökonometrie, 2020, S. 3.
33
Tabelle 3: Lageparameter
Median
Zentralwert. Mindestens 50% der Merkmalswerte sind
kleiner oder gleich und mindestens 50% größer oder
gleich
Arithmetisches Mittel
Durchschnittswert aller Merkmalswerte
Q1 = ; unteres bzw.
erstes Quartil
25% der Beobachtungswerte liegen unter Q1, 75% lie-
gen oberhalb des ersten Quartils
Q3 = ; oberes bzw.
drittes Quartil
75% der Beobachtungswerte liegen unter Q3, nur 25%
darüber
Quelle: In Anlehnung an Auer, B., Rottmann, H., Statistik und Ökonometrie, 2020, S. 28
ff.
Die erwähnten Lageparameter dienten ausschließlich der Kennzeichnung des Zentrums
einer Verteilung. Die Abweichung vom Zentrum wird dabei allerdings nicht betrachtet.
Mithilfe der sogenannten Streuungsparameter können die Informationen der Abweichun-
gen, d. h. wie weit die Einzelwerte um das Zentrum streuen, gewonnen werden.
161
In
dieser wissenschaftlichen Arbeit werden folgende Streuungsparameter verwendet:
Tabelle 4: Streuungsparameter
Varianz
Definiert als arithmetisches Mittel der quadrierten Abwei-
chungen jeder einzelnen Beobachtung vom arithmetische
Mittel
Standardabweichung
Die Standardabweichung ist die positive Wurzel der Varianz
Spannweite
SP = xn – x1
Differenz zwischen dem größten und dem kleinsten Merk-
malswert
161
Vgl. Auer, B., Rottmann, H., Statistik und Ökonometrie, S. 45.
34
Interquartilsabstand
(IQR)
QA = Q3 – Q1
Differenz zwischen oberen und unteren bzw. ersten und drit-
ten Quartil. Spannweite der mittleren 50% der Beobach-
tungswerte
Quelle: In Anlehnung an Auer, B., Rottmann, H., Statistik und Ökonometrie, 2020, S. 45
ff.
Die Ergebnisse der Lage- und Streuungsparameter aus der wissenschaftlichen Studie wer-
den in Unterkapitel 4.10.1 beschrieben und dargestellt.
4.4 Definition und Anwendungsvoraussetzung der Poisson-Regression
Die Poisson-Regression gehört zu den verallgemeinerten linearen Modellformen, ins
Englische mit Generalized Linear Models (GLZM) übersetzt, und gilt als Benchmark-
Modell für Zähldaten,
162
da die Poisson-Verteilung ganzzahlige Werte der beobachteten
Variablen voraussetzt, welche größer oder gleich 0 sein müssen.
163
Eine grundlegende
Eigenschaft der Poisson-Verteilung besteht in der Deckungsgleichheit von Varianz und
Mittelwert, wodurch sie sich beispielsweise von der Normalverteilung differenziert.
164
Folglich ist die Übereinstimmung von Mittelwert und Varianz die Anwendungsvoraus-
setzung für eine logistische Regression.
Ein möglicherweise auftretendes Problem bei der Poisson-Verteilung für die Anzahl von
Ereignissen kann in der sogenannten Über- bzw. Unterdispersion bestehen. Diese tritt auf,
wenn aus den Daten eine größere oder kleinere Varianz geschätzt wird, als bei der
ursprünglichen Annahme der Poisson-Verteilung (Mittelwert = Varianz). Das
Vorhandensein einer Überdispersion kann zu verzerrten Teststatistiken führen, weshalb
eine Dispersionstest durchgeführt werden sollte.
165
Sofern die Annahme der Gleichheit
von Mittelwert und Varianz verletzt ist, also eine Über- bzw. Unterdispersion vorliegt,
sollte die negative Binomialverteilung als Verteilung der Kriteriumsvariablen
angenommen werden, bei der Varianz und Mittelwerte unterschiedliche Werte aufweisen
können.
166
162
Vgl. Winkelmann, R., Poisson Regression, 2008, S. 63.
163
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 18.
164
Ebd.
165
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 20.
166
Ebd.
35
Zur Auswertung von Daten mit einem dichotomen Prädiktor bietet sich die Poisson-
Regression bei Verwendung des natürlichen Logarithmus als Linkfunktion an. Bei
gegebenem Wert Xi = xi kann daher das nachfolgende Modell angenommen werden.
167
Formel 1: Poisson-Modellgleichung
für i = 1, …, n (1)
mit: unabhängige Beobachtungen einer poissonverteilten
Zufallsvariablen
Erwartungswert von bei gegebenem Wert
Wert des Prädiktors X bei der i-ten Versuchsperson
Koeffizienten der Poisson-Regression.
Quelle: In Anlehnung an Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S.
30
4.5 Modellierung der binären Abhängigkeit: Logistische Regression
Anders als in den in Kapitel 4.1 vorgestellten Studien wird in der Forschung nicht die
Probit-, sondern die logistische Regression angewendet. In der Literatur wird sie auch als
binäres Logit-Modell bezeichnet.
168
Sie modelliert die Eintrittswahrscheinlichkeit des
Zielereignisses mithilfe einer oder mehrerer unabhängigen Variablen. Dabei wird oftmals
angenommen, dass die abhängige Variable binär codiert bzw. dichotom ist. Das bedeutet,
dass sie nur zwei Werte annehmen kann.
169
Im diesem Fall kann die abhängige Variable
STOCKS nur die Werte 1 für „Aktienmarktpartizipation“ oder 0 für „Keine Aktienmarkt-
partizipation“ annehmen.
Für die abhängige Variable Y (STOCKS) gilt die Wahrscheinlichkeit π1 = P(Y = 1), dass
Y die Ausprägung 1 annimmt. Es ergibt sich die folgende Modellgleichung:
167
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 29.
168
Vgl. Rohrlack, C., Logit-Modell, 2009, S. 267.
169
Vgl. Boßow-Thies, S., Gansser, O., Logistische Regressionsanalyse, 2022, S. 22.
36
Formel 2: Modellgleichung der logistischen Regression
für i = 1, …, N (2)
mit: i Index der Beobachtungen (i = 1, …, N)
N Stichprobenumfang, Gesamtzahl der Beobachtungen
k Index der unabhängigen Variablen (Xk (k = 1, …, K)
K Anzahl der unabhängigen Variablen
πi1 Wahrscheinlichkeit, dass die abhängige Variable Yi den Wert 1
annimmt
Linkfunktion
Xki Messwerte für die unabhängige Variable Xk
β0 Konstante
βk Regressionskoeffizient für die unabhängige Variable k
εi Wert des Störterms.
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 138
Die Linkfunktion transformiert den linearen Prädiktor η = β0 +
auf das In-
tervall [0, 1]. Als Linkfunktion wird in der logistischen Regression die logistische Funk-
tion verwendet.
170
Formel 3: Linkfunktion
(3)
mit: Eulersche Zahl
170
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 139.
37
η Linearer Prädiktor.
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 139
Zur Schätzung der logistischen Regressionsfunktion wird anstelle der Methode der
kleinsten Quadrate die Maximum-Likelihood-Methode (MLM) angewendet. Hierbei
werden die Schätzer der Koeffizienten so bestimmt, dass die beobachteten Daten maxi-
male Plausibilität (Likelihood) erlangen.
171
Dies bedeutet im Detail, dass die bedingte
Wahrscheinlichkeit für bei gegebenen in einer Beobachtung möglichst groß
sein soll, wenn und umgekehrt möglichst klein ausfallen soll, falls . Hier-
durch ergibt sich der folgende Ausdruck, welcher möglichst groß werden sollte.
172
Formel 4: Maximum-Likelihood-Methode
. (4)
Quelle: Backhaus, K. et al., Analyse, 2021, S. 316; Gehrke, M., Empirische Methoden,
2022, S. 140
Es ergibt sich eine gemeinsame Wahrscheinlichkeit aller Beobachtungen als Produkt der
einzelnen Wahrscheinlichkeiten, unter der Bedingung, dass die Beobachtungen unabhän-
gig verteilt sind. Dies wird durch die Likelihood-Funktion ausgedrückt, bei der die Ko-
effizienten maximiert wird.
Formel 5: Likelihood-Funktion
. (5)
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 140
Für die Berechnung ist es von Vorteil, die Likelihood-Funktion zu logarithmieren, um
damit statt der Produkte eine Summe zu erhalten. Es ergibt sich die sogenannte Log-Li-
kelihood-Funktion .
173
171
Vgl. Backhaus, K. et al., Analyse, 2021, S. 316; Gehrke, M., Empirische Methoden, 2022, S. 140.
172
Vgl. Backhaus, K. et al., Analyse, 2021, S. 316; Gehrke, M., Empirische Methoden, 2022, S. 140.
173
Vgl. Backhaus, K. et al., Analyse, 2021, S. 316; Gehrke, M., Empirische Methoden, 2022, S. 140.
38
Formel 6: Log-Likelihood-Funktion
. (6)
Quelle: Backhaus, K. et al., Analyse, 2021, S. 316; Gehrke, M., Empirische Methoden,
2022, S. 140
Die Log-Likelihood-Funktion kann nur negative annehmen, da der Logarithmus eine
Wahrscheinlichkeit negativ ist.
174
Bevor die logistische Regression anwendbar ist, müssen einige Anwendungsvorausset-
zungen überprüft werden. Zu der Regressionsdiagnostik gehören im Wesentlichen:
175
• Ausreichender Stichprobenumfang
• Einflussreiche Beobachtungen
• Nichtlinearer Zusammenhang
• Freiheit von Multikollinearität
Während die Theorie der Regressionsdiagnostik dem Leser im Unterkapitel 4.7 ausführ-
lich erläutert wird, werden die Ergebnisse der Anwendungsvoraussetzungen in Kapitel
4.10.5 mit Outputs aus dem Statistikprogramm R dargestellt.
Um die Regressionskoeffizienten zu interpretieren, werden Odds-Ratios benutzt. Sie be-
schreiben das Chancenverhältnis (Wahrscheinlichkeit / Gegenwahrscheinlichkeit) des
Eintretens eines Events. Die Wahrscheinlichkeit p, dass ein bestimmtes Event eintritt
wird wie folgt errechnet.
176
Formel 7: Berechnung von Odds
mit . (7)
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 137
Um die Auswirkung einer Änderung von x auf die Chancen (Odds) zu veranschaulichen,
wird der Funktion in die Funktion eingefügt, wodurch sich die folgende Formel
ergibt.
177
174
Vgl. Backhaus, K. et al., Analyse, 2021, S. 317; Gehrke, M., Empirische Methoden, 2022, S. 141.
175
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 165 ff.
176
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 137.
177
Vgl. Backhaus, K. et al., Analyse, 2021, S. 322.
39
Formel 8: Transformation von Odds
. (8)
Quelle: Backhaus, K. et al., Analyse, 2021, S. 322
Dividiert man nun die Quotienten der linken Seite durch die der rechten Seite ergeben
sich die Odds-Ratios.
178
Formel 9: Odds-Ratios
(9)
mit: Effektkoeffizient.
Quelle: Backhaus, K. et al., Analyse, 2021, S. 322
Hieraus abgeleitet ergibt sich die einfache Regel, dass sich die Odds um den multiplika-
tiven Faktor erhöhen, wenn x (eine unabhängige Variable) um eine Einheit ceteris
paribus (c. p.) erhöht wird.
179
4.6 Operationalisierung der Modellvariablen
Bevor in Unterkapitel 4.7 auf die Regressionsdiagnostik eingegangen wird, werden im
Folgenden sowohl die abhängige, die erklärenden als auch die Kontrollvariablen vorge-
stellt, da diese essentiell für das Verständnis der Studie sind.
4.6.1 Abhängige Variable
Als abhängige Variable wird die Aktienmarktpartizipation (STOCKS) gewählt. Diese ist
binär kodiert und nimmt den Wert von eins an, wenn der Umfrageteilnehmer direkt oder
indirekt Aktien besitzt, ansonsten null. Die Messung der direkten und indirekten Aktien-
marktpartizipation ist eine in der Forschung etablierte Vorgehensweise.
180
In dem im An-
hang 1 beigefügten Fragebogen wird die direkte Investition von Aktien bestimmt, indem
der Befragte zum Zeitpunkt der Umfrage eine Aussage darüber trifft, ob er in Aktien
178
Ebd.
179
Ebd.
180
Vgl. Georgarakos, D., Pasini, G., Stock Market Participation, 2011, S. 693–725; Jappelli, T., Padula,
M., Financial Literacy, 2015, S. 369–411; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 358;
Peng, C. et al., Portfolio Diversity, 2022, S. 452–465.
40
investiert hat. Da es nur die beiden Antwortmöglichkeiten „Ja“ oder „Nein“ gibt, ist eine
direkte Aktienmarktpartizipation gegeben, sofern der Studienteilnehmer mit „Ja“ geant-
wortet hat. Eine indirekte Partizipation am Aktienmarkt ist gegeben, wenn der Befragte
zum Zeitpunkt der Befragung Geld in Investmentfonds bzw. ETFs angelegt und diese mit
„Ja“ beantwortet hat. Im Anschluss werden die Studienteilnehmer nach der Allokation
des Fonds gefragt. Sofern der Fonds bzw. ETF vorwiegend aus Aktien oder zu mindestens
50% aus Aktien besteht und sie diese Auswahlmöglichkeiten getroffen haben, wird eine
indirekte Aktienmarktpartizipation unterstellt. In allen weiteren Fällen liegt keine Parti-
zipation am Aktienmarkt vor.
4.6.2 Erklärende Variablen
Bei der Wahl der erklärenden Variablen wird auf die Studie von Filippini et al. (2022)
zurückgegriffen, welche das Konzept der SFL einführten.
181
Die SFL misst das Wissen
von Privatanlegern über nachhaltige Finanzprodukte. Um das Wissen der Befragten zu
messen, wurden diesen acht Fragen u. a. zu ESG-Konzepten, Zertifizierungen und Regeln
von ESG-Produkten gestellt. Für jede richtige Antwort gibt es einen Punkt, sodass sich
eine mögliche Punktzahl zwischen null und acht ergibt, wobei acht den höchsten und null
den niedrigsten Wert darstellt.
182
Als zweite erklärende Variable wird die SL verwendet. Zur Messung der SL wurden den
Studienteilnehmern sechs Fragen zu den drei Dimensionen der nachhaltigen Entwicklung
gestellt, wodurch sich ein möglicher SL-Score zwischen null und sechs ergeben kann.
Die Fragen orientieren sich ebenfalls an der Schweizer Studie, welche an den Fragebogen
von Zwickle et al. (2014) angelehnt sind.
183
Der dritte und letzte Alphabetisierungsgrad besteht in der FL, wobei die in der Literatur
etablierten „Big Three“ Kernfragen zur finanziellen Allgemeinbildung gestellt wurden.
184
Hieraus ergibt sich ein FL-Score zwischen null und drei.
181
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
182
Ebd.
183
Vgl. Zwickle, A. et al., SL, 2014, S. 375–389; Filippini, M. et al., SFL, 2022, S. 1–46.
184
Vgl. Lusardi, A., Mitchell, O. S., Big Three, 2008, S. 413–417.
41
4.6.3 Kontrollvariablen
Neben den drei erklärenden Variablen bleibt die Frage offen, welche anderen Faktoren
einen Einfluss auf die Aktienmarktpartizipation haben. Diese sogenannten Kontrollvari-
ablen ergeben sich aus der aus Unterkapitel 4.1 vorgestellten Literatur sowie aus den the-
oretischen Grundlagen aus Kapitel 2. Eine nähere Erläuterung zu den Kontrollvariablen
kann Tabelle 5 entnommen werden.
Tabelle 5: Kontrollvariablen
Variable
Beschreibung
Alter (AGE)
Alter in Jahren.
Geschlecht (FEMALE)
Dummy Variable. Teilnehmer die sich als weiblich identifizieren erhalten
den Wert 1, männlichen Teilnehmern wird 0 zugeordnet.
Universitätsabschluss (UNI-
VERSITY)
Dummy Variable, die den Wert von 1 annimmt, wenn der Studienteilneh-
mer einen Universitätsabschluss hat, andernfalls 0.
Ruhestand (RETIRED)
Dummy Variable. Befindet sich der Befragte im Ruhestand nimmt die Va-
riable den Wert von 1 an, sonst 0.
Verheiratet (MARRIED)
Dummy Variable, die den Wert von 1 einnimmt, wenn der Befragte ver-
heiratet ist, ansonsten 0.
Anzahl Personen im Haushalt
(hhSIZE)
Aktuelle Anzahl der Personen im Haushalt des Befragten.
Kinder (CHILD)
Haben die Studienteilnehmer Kinder, unabhängig von der Anzahl, werden
sie mit 1 kodiert, ansonsten mit 0.
Einkommen (INCOME)
Die Befragten werden hinsichtlich ihres Netto-Einkommens (Ge-
halt/Rente/Mieteinnahmen/sonstige Einkünfte) in sechs verschiedene Stu-
fen eingeteilt: „Weniger als 1.500 EUR“, „1.500-2.249EUR“, „2.250-
2.999 EUR“, „3.000-3.749 EUR“, „3.750-4.499 EUR“ und „Mehr als
4.500 EUR“. Im Anschluss werden die Intervalle in kontinuierliche Vari-
ablen umgewandelt, indem der Mittelwert für das Intervall errechnet wird
(sofern möglich). Die kontinuierlichen Variablen nehmen die folgenden
Werte an: „1.499 EUR“, „1.875 EUR“, „2.625 EUR“, „3.375 EUR“,
„4.125 EUR“ sowie „4.500 EUR“.
Vermögen (WEALTH)
Die Befragten werden hinsichtlich Ihres Nettogesamtvermögens ebenfalls
in sechs verschiedene Kategorien eingeteilt. Dieses Umfasst alle Vermö-
42
gensgegenstände (Bargeld, Bankeinlagen, Aktien und andere Wertpa-
piere, Autos, Immobilienbesitz etc.) abzüglich Verbindlichkeiten/Schul-
den. „Weniger als 50.000 EUR“, „50.000-99.999 EUR“, „100.000-
249.999 EUR“, 250.000-499.999 EUR“, „500.000-999.999 EUR“ und
„Mehr als 1.000.000 EUR“. Im Anschluss werden die Intervalle in konti-
nuierliche Variablen umgewandelt, indem der Mittelwert für das Intervall
errechnet wird (sofern möglich). Die kontinuierlichen Variablen nehmen
die folgenden Werte an: „49.999 EUR“, „75.000 EUR“, „175.000 EUR“,
„375.000 EUR“, „750.000 EUR“ sowie „1.000.000 EUR“.
Renditeerwartung
(RENDIT)
Beziehen Sie Stellung zur folgenden Aussage: „Die Renditeerwartung ist
ein wesentlicher Aspekt meiner Investmententscheidungen“. 0 bedeutet
"Ich stimme gar nicht zu" und 10 "Ich stimme voll und ganz zu".
Spende an Umweltorganisa-
tion (envDONATION)
Dummy Variable: Wurde in den letzten 12 Monaten Geld an eine Um-
weltorganisation (z. B. WWF, Greenpeace, etc.) gespendet?
1 = “Ja“ und 0 = “Nein“.
Spende an Sozialeinrichtun-
gen (socDONATION)
Dummy Variable: Wurde in den letzten 12 Monaten Geld an eine Sozial-
einrichtung (z. B. Ärzte ohne Grenzen, SOS-Kinderdörfer, amnesty inter-
national, Caritas etc.) gespendet?
1 = “Ja“ und 0 = “Nein“.
Risikobereitschaft (RISK)
„Wie risikobereit oder risikoscheu sind Sie, wenn Sie Entscheidungen im
Leben treffen?“ 0 = „Völlig risikoscheu“ bis 10 = „Sehr risikobereit“.
Anlagehorizont (PLAN)
Dummy Variable zum Anlagehorizont in Jahren. Aufgrund des
Chance/Risiko-Profils von Aktien sind diese als langfristige Kapitalanlage
zu interpretieren. Alle Anlagehorizonte >= 5 Jahre werden mit 1 kodiert,
ansonsten 0.
Altruismus (ALTRUISM)
„Wie würden Sie Ihre Bereitschaft einschätzen, etwas mit anderen zu tei-
len, ohne dafür eine direkte und unmittelbare Gegenleistung zu erwarten?
1 = „Komplett unwillig“ bis 10 = „Sehr bereit“.
Vertrauen (TRUST)
„Solange ich nicht vom Gegenteil überzeugt bin, gehe ich immer davon
aus, dass andere Menschen nur das Beste im Sinn haben.“
0 = „Überhaupt keine Zustimmung“ bis 10 = „Sehr starke Zustimmung“.
Klimabewusstsein (CLIMA)
„Der Klimawandel ist ein ernstes Problem, welches dringend gelöst wer-
den muss“. 0 = „Überhaupt keine Zustimmung“ bis 10 = „Sehr starke Zu-
stimmung“.
43
Quelle: In Anlehnung an Filippini, M. et al., SFL, 2022, S. 1–46; Matthies, A. M., Rojahn,
J., Financial Literacy, 2022, S. 361 f.
4.7 Regressionsdiagnostik der logistischen Regression
Die logistische Regression unterliegt ebenso wie die Poisson Regression einigen Anwen-
dungsvoraussetzungen. Hierzu zählen neben einem ausreichenden Stichprobenumfang,
einflussreiche Beobachtungen, ein nichtlinearer Zusammenhang zwischen Variablen so-
wie die Freiheit von Multikollinearität. Um keine irreführenden Resultate zu erhalten,
muss die Erfüllung der Annahmen gewährleistet sein, welche mithilfe der Regressionsdi-
agnostik geprüft werden können.
185
Die Voraussetzungen und deren Überprüfung werden
in den folgenden vier Unterkapiteln ausgeführt.
4.7.1 Annahme A1: Ausreichender Stichprobenumfang
Die einzelnen Ausprägungen der abhängigen Variablen müssen in einem ausreichenden
Umfang in der Stichprobe enthalten sein.
186
Hosmer et al. ermittelten über verschiedene
Ansätze den notwendigen Umfang der Stichprobe. Als Ergebnis präsentierten sie die
Faustregel, dass je Regressionsparameter, also der Anzahl der unabhängigen Variablen,
mindestens zehn Beobachtungen je Kategorie der abhängigen Variable vorliegen sollten.
In der Forschung ist daher auch oft von der Eins-Zu-Zehn-Regel die Rede.
187
Ermittelt
wird dies, indem man im Statistikprogramm RStudio die tally() Funktion aus dem Paket
mosaic nutzt. Bestimmt wird hierdurch das Minimum der Häufigkeiten je Kategorie. Im
Anschluss wird diese Zahl durch zehn dividiert, wodurch sich die maximale Anzahl der
Parameter für das vorliegende logistische Regressionsmodell ergibt.
188
Eine weitere Möglichkeit, einen ausreichenden Stichprobenumfang zu ermitteln, besteht
darin, sich die Anzahl der Stichproben anzuschauen. Verschiedene Studien sehen diese
185
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 165.
186
Ebd.
187
Vgl. Hosmer, D. W. et al., Logistic Regression, 2013, S. 401 ff.; Gehrke, M., Empirische Methoden,
2022, S. 166.
188
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 166.
44
Annahme als erfüllt an, sofern die Stichprobe mindestens 50
189
oder 100
190
Beobachtun-
gen enthält, um die Maximum-Likelihood-Schätzung zuverlässig zu gestalten.
191
4.7.2 Annahme A2: Einflussreiche Beobachtungen
Mithilfe von Devianz- und Pearson-Residuen sowie Änderungen in der Devianz oder im
Pearson-X^2 können einflussreiche Beobachtungen identifiziert werden.
192
Devianz-Re-
siduen entsprechen der Wurzel aus den geschätzten Wahrscheinlichkeiten, der Korrekten
Gruppe zugeordnet zu sein, wobei die Summe der quadrierten Devianz-Residuen die Mo-
dell-Devianz ergibt.
193
Die Formel zur Berechnung der Devianz-Residuen wird wie folgt
definiert:
Formel 10: Devianz-Residuen
(10)
mit: Index der Beobachtungen
Vorzeichen entsprechend ()
Anzahl der Beobachtungen, deren Kombination der unab-
hängigen Variablen mit der i-ten Beobachtung übereinstimmt
geschätzte Wahrscheinlichkeit für die i-te Beobachtung.
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 166
Die standardisierten Abweichungen zwischen den geschätzten und beobachteten Wahr-
scheinlichkeiten werden Pearson-Residuen genannt
194
und werden wie folgt errechnet:
189
Vgl. Urban, D., Logit, 1993, S. 13; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 364.
190
Vgl. Aldrich, J. H., Nelson, F. D., Logit Model, 1983, S. 53; Matthies, A. M., Rojahn, J., Financial
Literacy, 2022, S. 364.
191
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 365.
192
Vgl. Hosmer, D. W. et al., Logistic Regression, 2013, S. 188 ff.; Gehrke, M., Empirische Methoden,
2022, S. 166.
193
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 166 f.
194
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 167.
45
Formel 11: Pearson-Residuen
. (11)
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 167
Mithilfe der Hat-Matrix Elemente können Änderungen in Pearson’s sowie in der De-
vianz errechnet werden, wenn die jeweilige Beobachtung entfernt würde. Dies entspricht
einem Einfluss der Beobachtung auf die Modellanpassung.
195
Auf eine Formel-Darstel-
lung wird an dieser Stelle verzichtet.
Eine vergleichbare Größe kann mit der Cook’s Distance berechnet werden. Dies ent-
spricht einer standardisierten Änderung der Koeffizienten, wenn Beobachtung entfernt
werden würde, wodurch letztendlich der Einfluss der Beobachtung auf die Koeffizienten
beschrieben wird.
196
Formel 12: Cook’s Distance
(12)
mit: Index der Beobachtungen
Pearson-Residuum
Diagonalelement der Hat-Matrix.
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 167
Cook-Distanzen dienen somit der Identifikation von einflussreichen Beobachtungen.
197
Cook-Distanzen die einen Wert kleiner als 1 annehmen gelten als nicht einflussreiche
Beobachtung. Werte oberhalb der Grenze von 1 gelten dagegen als einflussreiche Be-
obachtung.
198
Mit dieser Vorgehensweise können einflussreiche Variablen innerhalb der
Beobachtungen identifiziert werden.
199
Eine weitere Möglichkeit zur Identifizierung von
195
Ebd.
196
Ebd.
197
Vgl. Walther, B., Cook-Distanz, 2022, S. 4.
198
Vgl. Cook, R. D., Weisberg, S., Cook's Distance, 1982, S. 313–361; Walther, B., Cook-Distanz, 2022,
S. 4.
199
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 168.
46
einflussreichen Beobachtungen dient die which() Funktion in R. Diese müssten deutlich
abgelegen von den übrigen Beobachtungen liegen. Which () kann diese Punkte identifi-
zieren.
200
Unter Zuhilfenahme von augment (model, type.predict = „Response“) aus dem Paket
broom können wichtige diagnostische Größen berechnet und ausgegeben werden. Hierbei
werden Beobachtungen sowie die modellierten Wahrscheinlichkeiten, die Devianz-Resi-
duen, die Hat-Werte sowie die Cook’s Distance als sogenanntes tibble ausgegeben. Zu-
dem kann die augment () Funktion mehrere Beobachtungen auswählen, die mit der Funk-
tion which() identifizert wurden.
201
4.7.3 Annahme A3: Linearität
Da die logistische Regression ein generalisierte lineares Modell ist, wird von einem line-
aren Zusammenhang zwischen den unabhängigen Variablen und dem logit der abhängi-
gen Variabel ausgegangen.
202
Eine Möglichkeit einen nichtlinearen Zusammenhang fest-
zustellen bietet die Box-Tidwell-Transformation. Dazu wird dem ursprünglichen Modell
für die metrisch erklärende Variable ein Term in der Form hinzugefügt.
203
So-
fern die Nullhypothese, dass der Koeffizient für diesen Term gleich 0 ist, verworfen wer-
den kann, spricht dies stark für einen nichtlinearen Zusammenhang zwischen dem
und .
204
Eine weitere Möglichkeit einen nichtlinearen Zusammenhang zu identifizieren, liegt in
der visuellen Inspektion durch paarweise Streudiagramme der Prädiktoren gegen das Lo-
git η. Hierzu können ggf. Glättungslinien ergänzt werden.
205
4.7.4 Annahme A4: Freiheit von Multikollinearität
Das Problem bei der Multikollinearität besteht darin, dass mehrere unabhängige Variab-
len untereinander über Linearkombination darstellbar sind.
206
Das bedeutet, dass mehrere
200
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 169.
201
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 170 f.
202
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 172.
203
Ebd.
204
Ebd.
205
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 173.
206
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 174 f.
47
unabhängigen Variablen teilweise das Gleiche messen würden und somit stark korrelie-
ren. Hierdurch ist es möglich, dass nicht mehr genau bestimmt werden kann, welcher
Einfluss von welcher unabhängigen Variablen kommt. Die Daten wären in diesem Fall
verzerrt. Die geschätzten Regressionskoeffizienten können sich bei vorliegender Multi-
kollinearität stark verändern, sofern sich einzelne Daten auch nur geringfügig verän-
dern.
207
Das Vorhandensein von Multikollinearität kann unter Zuhilfenahme des Variance
Inflation Factor (VIF) überprüft werden.
208
VIF sind Faktoren, um welche sich die Vari-
anzen der Regressionskoeffizienten mit zunehmender Multikollinearität erhöhen.
209
Sofern sich eine unabhängige Variabel (Xk) über eine Linearkombination mit einer oder
mehreren unabhängigen Variablen erklären lässt, kann mittels einer multiplen Regression
eben diese Beziehung modelliert werden. Die Güte des Zusammenhangs wird dabei über
das Bestimmtheitsmaß Rk² der Hilfsregression dargestellt.
210
Über die folgende Formel
lässt sich der VIF errechnen.
Formel 13: Berechnung des Variance Inflation Factors
(13)
mit: Unabhängige Variable
Bestimmtheitsmaß der Hilfsregression.
Quelle: Gehrke, M., Empirische Methoden, 2022, S. 84
Werte von zehn oder größer werden in der Literatur als kritisch erachtet. Dies entspricht
einem Bestimmtheitsmaß von 0,9. Manche Quellen bezeichnen Werte von 5 oder höher
bereits als kritisch, was einem Bestimmtheitsmaß von 0,8 entspricht.
211
4.8 Bestimmung der Modellgüte
Im Rahmen der linearen Regression ist das Bestimmtheitsmaß R² ein Gütemaß, welches
angibt, welcher Anteil der Streuung der abhängigen Variable durch das Modell erklärt
207
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 83.
208
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 174 f.
209
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 84.
210
Ebd.
211
Ebd.
48
wird. Für die logistische Regression existiert dieses Gütemaß nicht, da die abhängige Va-
riable metrisch ist.
212
Aufgrund der einfachen Interpretierbarkeit von R² wurden ver-
gleichbare Gütemaße für die logistische Regression hergeleitet.
213
Das Ergebnis besteht
in den sogenannten Pseudo-R-Quadrat-Statistiken. Sie ähneln R² insofern, als dass sie nur
Werte zwischen 0 und 1 annahmen können, wobei ein höherer Wert eine bessere Anpas-
sung bedeutet.
214
Zunächst wäre das Maß Cox und Snell-R² zu nennen, ein Maß, das die Likelihood-Werte
des vollen und des Nullmodells gegenüberstellt, wobei das Resultat am Stichprobenum-
fang n relativiert wird. Der höchste zu erreichende Wert 1 kann jedoch selbst bei perfekter
Vorhersage nicht erreicht werden.
215
Formel 14: Pseudo-R² Cox & Snell
. (14)
Quelle: Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 229
Den Nachteil des Pseudo-R² von Cox und Snell vermeidet eine andere Pseudo-R-
Quadrat-Statistik, das Nagelkerke-R². Es basiert auf dem Pseudo-R² von Cox und Snell
und wurde so modifiziert, dass es tatsächlich alle Werte zwischen 0 und 1 inkl. des
Maximalwertes 1 annehmen kann.
216
Formel 15: Pseudo-R² Nagelkerke
. (15)
Quelle: Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 229
Neben den beiden vorgestellten Pseudo-R-Quadrat-Statistiken gibt es noch das Pseudo-
R² von McFadden. Hierbei wird der Quotient der logarithmierten Likelihood-Werte
errechnet.
217
212
Vgl. Backhaus, K. et al., Pseudo-R-Squared, 2018, S. 298.
213
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 155 f.
214
Vgl. Backhaus, K. et al., Analyse, 2021, S. 329.
215
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 229.
216
Vgl. Backhaus, K. et al., Analyse, 2021, S. 330; Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung,
2023, S. 229.
217
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 229.
49
Formel 16: Pseudo-R² McFadden
. (16)
Quelle: Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 229
Das letzte hier vorgestellte Bestimmtheitsmaß besteht in der Pseudo-R-Quadrat-Statistik
von Tjur. Es vergleicht die durchschnittliche angepasste Wahrscheinlichkeit der beiden
Antwortergebnisse der logistischen Regression. Es stellt die Differenz zwischen der
durchschnittlich angepassten Wahrscheinlichkeit für das mit 1 kodierte binäre Ergebnis
und der durchschnittlichen angepassten Wahrscheinlichkeit für das mit 0 kodierte binäre
Ergebnis dar.
218
Formel 17: Pseudo-R² Tjur
. (17)
Quelle: Tjur, T., Tjur R-Squared, 2009, S. 366–372; Statease, Tjur R-Squared, 2023, S. 1
4.9 Hypothesenableitung
Aus den in Tabelle 1 vorgestellten Erkenntnissen zur Literatur der FL lässt sich ein stark
positiver Zusammenhang zwischen Aktienmarktpartizipation und der FL sowie einem
Universitätsabschluss feststellen. Hieraus leiten sich die ersten beiden Hypothesen ab.
H1: Die FL übt einen statistisch signifikant positiven Einfluss auf die Aktienmarktparti-
zipation aus.
H2: Es gibt einen signifikant positiven Zusammenhang zwischen dem Besitz von Aktien
und einem universitären Abschluss.
Anderson und Robinson sowie Filippini et al. wiesen in ihren Studien einen negativen,
aber nicht signifikanten Zusammenhang zwischen der SL und nachhaltigen Aktieninvest-
ments auf, wohingegen die SFL einen stark positiven und signifikanten Einfluss auf die
(nachhaltige) Aktienmarktpartizipation ausübte,
219
was zu den folgenden Hypothesen
führt:
218
Vgl. Tjur, T., Tjur R-Squared, 2009, S. 366–372; Statease, Tjur R-Squared, 2023, S. 1.
219
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584; Filippini, M. et al., SFL,
2022, S. 1–46.
50
H3: Die SL wirkt sich negativ auf den Besitz von Aktien aus.
H4: Zwischen der SFL und der Partizipation am Aktienmarkt besteht ein statistisch sig-
nifikanter, positiver Zusammenhang.
Den Erkenntnissen der Prospect Theory aus Kapitel 2.3 folgend, reagieren Menschen
empfindlicher auf Verluste als auf betragsmäßig gleichhohe Gewinne. Aus diesem Grund
werden höhere Risikoprämien auf Aktienanlagen gefordert,
220
wodurch die Rendite ein
wesentliches Entscheidungsmerkmal für Aktieninvestments repräsentiert. Da Verluste
schwerer wiegen als deckungsgleiche Gewinne,
221
dürften risikoaverse Menschen gemäß
Prospect Theory deutlich seltener Aktien halten, woraus sich die folgenden beiden und
damit letzten Hypothesen ergeben:
H5: Die Rendite, als Entscheidungsmerkmal für Aktienanlagen, übt einen positiven, sta-
tistisch signifikanten Einfluss auf die Aktienanlage aus.
H6: Zwischen der Risikobereitschaft und der Aktienmarktpartizipation besteht ein signi-
fikanter, positiver Zusammenhang.
4.10 Empirische Ergebnisse
In den folgenden Unterkapiteln werden die empirischen Ergebnisse der Poisson- und lo-
gistischen Regression dargestellt. Bevor dies erfolgt, werden die Daten deskriptiv analy-
siert, die Regressionsgleichungen dargestellt und die Anwendungsvoraussetzungen der
Regressionen überprüft.
4.10.1 Deskriptive Analyse der Daten
In Kapitel 4.3 wurden diverse Lage- (Tabelle 3) und Streuungsparameter (Tabelle 4) er-
läutert. Für die metrisch skalierten Daten im Datensatz „Daten“ ergeben sich in Abbil-
dung 7 entsprechende Werte, wohingegen in Abbildung 6 die dichotomen Ausprägungen
der Dummy-Variablen dargestellt werden.
220
Vgl. Beck, H., Behavioral Economics, 2014, S. 364; Matthies, A. M., Rojahn, J., Financial Literacy,
2022, S. 353.
221
Vgl. Kahnemann, D., Tversky, A., Prospect Theory, 1979, S. 263–292.
51
Abbildung 6: Dichotome Ausprägungen der Dummy-Variablen
Quelle: Eigene Darstellung
Abbildung 7: Lageparameter und Streuungsmaße
Quelle: Eigene Darstellung
52
Vorab sei angemerkt, dass aufgrund des Umfangs nicht auf alle Lage- und Streuungspa-
rameter aller Variablen eingegangen wird. Dieser umfangreiche Schritt wird nur für die
drei erklärenden Variablen FL, SL und SFL vorgenommen.
Der durchschnittliche Studienteilnehmer war zum Zeitpunkt der Umfrage 31 Jahre alt und
gehörten zu 35,47% dem weiblichen Geschlecht an. Der jüngste Teilnehmer war 18 Jahre
und der älteste Teilnehmer 76 Jahre alt, wobei etwa 29,56% von ihnen waren verheiratet
war und nur 28,21% eines oder mehrere Kinder hatte. Im Durchschnitt befanden sich etwa
zwei Personen im Haushalt der Befragten, mit einem Medianeinkommen von 2.625 € und
einem -Vermögen von 75.000 €, wobei anzumerken ist, dass für diese zwei Variablen,
die ursprünglichen Intervalle in kontinuierliche Variablen umgewandelt wurden, um die
Auswertung zu vereinfachen. Daher dürften die tatsächlichen Werte von den Werten der
kontinuierlichen Variablen abweichen. Durchschnittlich betrachtet waren die Studienteil-
nehmer eher bereit Risiken einzugehen, wenn Sie Entscheidungen im Leben treffen. Die
Mehrheit der Befragten gab zudem an, dass die Rendite bei ihren Investmententscheidun-
gen ein wesentlicher Aspekt ist, was sich durch die erhöhte Risikoeinstellung und dem
hohen Anteil der Studienteilnehmern welche am Aktienmarkt partizipieren (85,14%), er-
klären lässt. Zudem scheinen sie bei ihrer Geldanlage langfristig zu planen, da 93,24%
der Probanden ihren Anlagehorizont auf größer oder gleich 5 Jahre einstuften. 62,50%
der Befragten haben einen Hochschul- bzw. Universitätsabschluss.
Des Weiteren ist der Großteil der Befragten der Meinung, dass der Klimawandel ein erns-
tes Problem sei, welches dringend gelöst werden muss. Etwas unentschlossen waren die
Studienteilnehmer in Bezug auf altruistisches Verhalten und Vertrauen. Auf der Skala
von 0 bis 10 liegt der Medianwert für ALTRUISM bei 6 und für TRUST bei 4. Das be-
deutet, dass sie eher dazu bereit sind etwas mit anderen zu teilen, ohne eine Gegenleistung
dafür erhalten zu wollen und dass sie eher davon ausgehen, dass andere Menschen nur
das Beste im Sinn haben. Diese Einstellung spiegelt sich auch darin wider, dass etwas
mehr als die Hälfte der Befragten in den letzten 12 Monaten Geld an eine Sozialeinrich-
tung gespendet hat. Nur etwa 24,16% spendeten etwas Geld an eine Umweltorganisation,
was ein wenig im Widerspruch dazu steht, dass sich der Großteil der Teilnehmer um das
Klima sorgt.
53
Im nächsten Schritt werden sich die drei erklärenden Variablen FL, SL sowie SFL unter
der Sicht der deskriptiven Statistik in Bezug auf die Aktienmarktpartizipation näher an-
geschaut.
Zunächst werden Werte der FL im Zusammenhang mit Aktienbesitz betrachtet.
Abbildung 8: Deskriptive Statistik der FL
Quelle: Eigene Darstellung
Personen, welche angaben, keine Aktien zu halten, haben durchschnittlich 2,5 von 3
Punkten bei den Fragen zur finanziellen Kompetenz erreicht. Das unterste Quantil liegt
bei 2,50 das höchste bei 3, wodurch sein in IQR von 1 ergibt. Personen mit Aktienbesitz
erzielten eine durchschnittliche Punktzahl von 2,90, wodurch sich ableiten lässt, dass der
Großteil der Aktienbesitzer finanziell gebildet scheint. Dieser Umstand wird in der fol-
genden Abbildung grafisch verdeutlicht.
Abbildung 9: FL-Scores
54
Quelle: Eigene Darstellung
Da gemäß Abbildung 8 sowohl Q1 als auch Q3 den Wert von 3 annimmt, ist es nicht
verwunderlich, dass der IQR 0 beträgt. Die Spannweite reicht bei beiden Ausprägungen
von Werten zwischen 0 und 3, weshalb die Spannweite 3 beträgt. Die durchschnittliche
quadratische Abweichung (Varianz) beläuft bei Aktienbesitzern auf 0,12% und die Stan-
dardabweichung 0,35%. Die Varianz bei Studienteilnehmern ohne Aktien beträgt 0,76%,
die Standardabweichung 0,87%. Als nächstes wird die SL näher betrachtet.
Abbildung 10: Analyse der SL - Deskriptive Statistik
Quelle: Eigene Darstellung
Studienteilnehmer mit Aktien erzielten durchschnittlich 1,75 von 6 Punkten, Aktienbesit-
zer 2,29 Punkte. In beiden Ausprägungen beträgt der IQR 1 wobei Q1 und Q3 bei Akti-
enbesitzern jeweils um eine Einheit höher sind. Die Varianz beträgt bei Befragten ohne
Aktien 1,41% und die Standardabweichung 1,19%. Bei Investoren lag die Varianz bei
1,29%, die Standardabweichung bei 1,13%.
55
Abbildung 11: SL-Scores
Quelle: Eigene Darstellung
Bei der Verteilung der Scores fällt auf, dass Aktienmarktpartizipanten die komplette
Range an Punkten bedient. Daher beträgt die Spannweite 6. Bei Nicht-Investoren beträgt
diese nur 5, da kein Studienteilnehmer dieser Ausprägung alle sechs Fragen richtig be-
antworten konnte. Dies liegt den Schluss nahe, dass Aktienbesitzer sich etwas besser mit
Nachhaltigkeitsaspekten auskennen als diejenigen, die keine Aktien direkt oder indirekt
halten.
Besonders interessant wird die Betrachtung der Daten zur nachhaltigen Finanzkompetenz
(SFL) da diese, wie in den ersten beiden Kapiteln dieser Arbeit beschrieben, in der aktu-
ellen Zeit immer bedeutender wird. Zudem liegt ein besonderer Fokus auf der SFL, wenn
es um die Erklärung des Aktienbesitzes geht.
Abbildung 12: Deskriptive Statistik zur nachhaltigen Finanzkompetenz
56
Quelle: Eigene Darstellung
Wie bei der FL und SL zeigt sich auch hier, dass Studienteilnehmer mit Aktien eine hö-
here durchschnittliche Punktzahl (4,30) als diejenigen ohne Aktien (3,16) erzielten. Ins-
gesamt konnten die Befragten acht Punkte erlangen. Der IQR liegt bei Investoren bei 3,
bei Nicht-Investoren bei 2. Die Varianz bei Studienteilnehmern mit Aktien liegt bei
3,36%, beim Rest 2,71%. Die Standardabweichung liegt bei 1,65% (Leute ohne Aktien)
und bei 1,83% bei Aktienbesitzern.
Abbildung 13: SFL-Scores
Quelle: Eigene Darstellung
Betrachtet man sich die Verteilung genau, lässt sich erkennen, dass der Großteil der
Scores bei Investoren Werte zwischen 4 und 6 annimmt, bei Befragten ohne Aktien liegt
die Mehrheit zwischen 2 und 4 Punkten. Es ist ebenfalls festzuhalten, dass die Spannweite
bei Aktienmarktpartizipanten 8 beträgt und in der anderen Gruppe nur 7. Ähnlich wie bei
der SL erreichte kein Teilnehmer der Gruppe „keine Aktien“ die volle Punktzahl bei der
SFL. Der deskriptiven Statistik zu den SFL-Scores schlussfolgernd, zeigt sich eine er-
höhte nachhaltige Finanzkompetenz bei Investoren. Ob diese Beobachtung durch statis-
tische Verfahren belegt werden kann, wird die Auswertung der logistischen Regression
des Kapitels 4.10.6 zeigen.
57
4.10.2 Regressionsgleichung der Poisson Regression
Für jede der drei Literacy-Scores wird jeweils eine Poisson-Regression durchgeführt, mit
dessen Hilfe die Determinanten der FL, SL sowie der SFL analysiert werden sollen. Zu-
dem soll sie dazu beitragen, zu prüfen, ob eine Hinzunahme von Kontrollvariablen für
die spätere logistische Regression nötig sind. Gemäß der Erkenntnisse aus Kapitel 4.4
ergeben sich die folgende Modellgleichungen für die drei Variablen SL, FL und SFL:
Abbildung 14: Poisson-Regressionsgleichung der FL
Quelle: Eigene Darstellung
Abbildung 15: Poisson-Regressionsgleichung der SL
Quelle: Eigene Darstellung
Abbildung 16: Poisson-Regressionsgleichung der SFL
Quelle: Eigene Darstellung
4.10.3 Regressionsdiagnostik und Ergebnisse der Poisson Regressionen
Die erste zu überprüfende Voraussetzung für die Anwendung einer Poisson-Regression
besteht in ganzzahligen Werten der beobachteten Variablen, die größer oder gleich 0 sein
58
müssen.
222
Mit einem Blick in den Datensatz lässt sich feststellen, dass alle Werte der
beobachteten Variablen ganzzahlig sowie größer oder gleich 0 sind, wodurch die erste
Voraussetzung für alle drei Poisson-Regressionen erfüllt ist.
Zuletzt muss überprüft werden, ob Mittelwert und Varianz der Verteilungen gleich sind.
Dies geschieht mithilfe eines Dispersionstest.
223
Die Nullhypothese lautet daher, dass die
Dispersion gleich 1 ist.
Abbildung 17: Dispersionstest FL
Quelle: Eigene Darstellung
Anhand des R-Outputs lässt sich eine Verletzung der Annahme feststellen, da die Disper-
sion nicht den Wert von 1 annimmt. Die Nullhypothese kann verworfen werden. Als
nächstes wird die Annahme, dass Varianz und Mittelwert übereinstimmen für die Pois-
son-Regressionen zur SL und SFL überprüft.
Abbildung 18: Dispersionstest SL
Quelle: Eigene Darstellung
Da die Dispersion gerundet 0,57 beträgt und damit ungleich 1 ist, kann die Nullhypothese
verworfen werden. Die Anwendungsvoraussetzung ist damit verletzt.
222
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 18.
223
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 19.
59
Abbildung 19: Dispersionstest SFL
Quelle: Eigene Darstellung
Auch wenn sich die Dispersion bei der Poisson-Regression zur nachhaltigen Finanzkom-
petenz, im Vergleich zu den beiden anderen Kompetenzen, gegen 1 annähert, muss die
Nullhypothese auch hier verworfen werden. Somit ist die Anwendungsvoraussetzung
Mittelwert gleich Varianz in allen drei Poisson-Regressionen verletzt.
Die Regressionsergebnisse aller Poisson-Regression werden für den Leser übersichtlich
in Abbildung 20 dargestellt. Die R-Outputs zu den drei einzelnen Poisson-Regression
finden sich im Anhang 2 wieder.
60
Abbildung 20: Poisson-Regressionsergebnisse
Quelle: Eigene Darstellung
Die Poisson-Regression soll in der vorliegenden Arbeit zum einen die Determinanten der
einzelnen Kompetenzen auf statistische Signifikanz testen und zum anderen vor allem
dazu beitragen, abzuschätzen, ob eine Hinzunahme von Kontrollvariablen für die spätere
logistische Regression nötig sind, welche der Kern dieser wissenschaftlichen Arbeit bil-
det. Bei signifikanten Zusammenhängen zwischen Kontroll- und erklärenden Variablen
hätten die Kontrollvariablen das Potenzial den Zusammenhang zwischen erklärenden und
der abhängigen Variable (STOCKS) zu verzerren. Anhand der Abbildung 20 lässt sich
ein signifikanter Zusammenhang zwischen einigen Kontrollvariablen und den erklären-
den Variablen erkennen.
61
Im Beispiel der SFL schnitten Frauen durchschnittlich signifikant schlechter ab als Män-
ner. Zudem wurde ein positiver Zusammenhang der Kontrollvariablen RISK, PLAN so-
wie CLIMA zur SFL entdeckt. Entsprechend sollten mindestens diese Variablen als Kon-
trollvariablen für die logistische Regression aufgenommen werden. Zur besseren Ver-
gleichbarkeit mit den Daten aus der Studie von Filippini et al. (2022) wird sich dafür
entschieden, sämtliche in Tabelle 5 aufgeführten Kontrollvariablen, mit in die logistische
Regression aufzunehmen. Während sich bei der SL nur die Variable PLAN eine positive
statistische Signifikanz aufweist, befinden sich in der FL keine Determinanten wieder,
welche eine statistische Signifikanz feststellen. Ein Grund hierfür könnte in der Verzerrt-
heit der Daten liegen, da die Studienteilnehmer sich größtenteils mit Finanzthemen aus-
kennen. Aufgrund der Unterdispersion sind die genauen Koeffizienten der Poisson Re-
gression zudem mit Vorsicht zu genießen. Auf die Anwendung einer negativen Binomial-
Regression wird aus den o. g. Gründen verzichtet.
4.10.4 Logistische Regressionsgleichung in R
Aus den Erkenntnissen der Kapitel 4.1 sowie des Kapitels 4.6 ergibt sich die folgende
Modellgleichung für die logistische Regression in R:
Abbildung 21: Logistische Regressionsgleichung in R
Quelle: Eigene Darstellung
Mithilfe der logistischen Regression soll der Besitz von Aktien erklärt werden, wobei das
Hauptaugenmerk auf der erklärenden Variabel SFL liegt. Die beiden anderen erklärenden
Variablen werden zwar auch zur Erklärung der Aktienmarktpartizipation herangezogen,
dienen in erster Linie allerdings zum Vergleich mit der SFL und zum Abgleich mit bis-
herigen Studien, welche bereits in Kapitel 4.1 vorgestellt wurden.
62
4.10.5 Logistischen Regression: Überprüfung der Annahmen
Um die logistische Regression durchführen zu können, muss auf Basis der in Kapitel 4.7
erläuterten Sachverhalte eine Regressionsdiagnostik durchgeführt werden. Am Ende die-
ses Unterkapitels werden die nachfolgenden Ergebnisse in einer Tabelle zusammenge-
fasst, um dem Leser eine besser Übersicht zu bieten.
Erstens wird die Annahme des ausreichenden Stichprobenumfangs ermittelt. Hierzu wird
die tally() Funktion in R genutzt.
Abbildung 22: Ausreichender Stichprobenumfang
Quelle: Eigene Darstellung
Gemäß der Eins-Zu-Zehn-Faustregel dürfen gerundet maximal neun Parameter in das lo-
gistische Regressionsmodell aufgenommen werden. Die Zahl ergibt sich als Quotient aus
der Mindestanzahl jeder einzelnen Kategorie und der Zahl zehn.
224
Das untersuchte Mo-
dell umfasst allerdings insgesamt 21 Variablen, wodurch die Annahme des ausreichenden
Stichprobenumfangs nicht erfüllt ist. Eine Studie von Vittinghoff und McCulloch zeigte
jedoch, dass die Eins-Zu-Zehn-Regel als allgemeine Empfehlung zu konservativ sei.
225
Van Smeden et al. gelang es zudem mit ihrer Studie nachzuweisen, dass das Verhältnis
von Ereignissen pro Vorhersagevariable keine zuverlässige Statistik ist, um die Min-
destanzahl von Ereignissen für ein logistisches Regressionsmodell zu schätzen.
226
Die
Annahme B1 wird auf diesem Wege zwar nicht direkt erfüllt, basierend auf den Erkennt-
nissen der zuvor erwähnten Studien, kann die Verletzung der Annahme B1 allerdings
vernachlässigt werden, zumal bereits auf eine mögliche Verzerrung der Daten aus der
vorliegenden Studie aufgrund der Nicht-Repräsentativität hingewiesen wurde. Dies wird
in Kapitel 4.11 umfassend ausgeführt.
Gemäß Urban (1993) sowie Aldrich und Nelson (1984) erfordert die logistische Regres-
sion einen Stichprobenumfang von mindestens 50 oder 100 Beobachtungen.
227
Da die
224
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 166.
225
Vgl. Vittinghoff, E., McCulloch, C. E., Rule of Ten, 2007, S. 710–718.
226
Vgl. Smeden, M. Van et al., Events per Variable, 2016, S. 1–12.
227
Vgl. Aldrich, J. H., Nelson, F. D., Logit Model, 1983, S. 53; Urban, D., Logit, 1993; S. 13.
63
Umfrage 592 auswertbare Fragebögen (Stichproben) aufweist, kann die Annahme A1 als
erfüllt angesehen werden.
Zweitens wird die Annahme A2 Einflussreiche Beobachtungen überprüft. Hierzu werden
sich zunächst die Werte zur Cook’s Distance angeschaut. Zur Erinnerung: Cook-Distan-
zen kleiner als 1 gelten als nicht einflussreiche Beobachtung.
228
Abbildung 23: Cook-Distanzen
Quelle: Eigene Darstellung
Bereits hier zeigt sich, dass keine Beobachtung einflussreich ist, auch wenn vor allem die
Beobachtungen 497 und 543 besonders herausstechen. Für die Beobachtungen 497 wurde
eine Cook Distanz von gerundet 0.05 errechnet. Zudem zeigen die Werte in R durchgän-
gig TRUE an, wenn man die Cook-Bedingung kleiner als 1 vorgibt. Die Annahme A2
kann daher als erfüllt betrachtet werden.
Eine weitere Möglichkeit, um einflussreiche Beobachtungen zu identifizieren liegt in der
Betrachtung von standardisierten Residuen der logistischen Regression. Beobachtungen
gelten als Ausreißer, sofern der Wert ihrer standardisierten Residuen einen betragsmäßig
228
Vgl. Cook, R. D., Weisberg, S., Cook's Distance, 1982, S. 313–361; Walther, B., Cook-Distanz, 2022,
S. 4.
64
größeren Wert als 3 annimmt.
229
Mithilfe der aus Unterkapitel 4.7.2 vorgestellten aug-
ment () Funktion können die Werte gefiltert werden, deren standardisierte Residuen be-
tragsmäßig größer als 3 sind.
Abbildung 24: Einflussreiche Beobachtungen
Quelle: Eigene Darstellung
Unter den 592 Beobachtungen gibt es genau eine Beobachtung deren standardisierte Re-
siduen betragsmäßig größer als drei sind. Unter Zuhilfenahme der view-Funktion können
u. a. die standardisierten Residuen, die Hat-Werte oder auch die Cook-Distanz ausgege-
ben werden. Zudem erfährt man die Nummer der Beobachtung. In diesem Fall handelt es
sich um die Beobachtung 533, welche eine Cook-Distanz von gerundet 0,02 sowie stan-
dardisierte Residuen von etwa -3,07 aufweist. Gemäß der oben beschriebenen Erkennt-
nisse zu Cook zählt diese Beobachtung nicht als einflussreiche Beobachtung. Die stan-
dardisierten Residuen der Beobachtungen werden in der folgenden Abbildung dargestellt.
Abbildung 25: Standardisierte Residuen der Beobachtungen
Quelle: Eigene Darstellung
229
Vgl. Field, A., Statistics, 2009, S. 292 f.; Schlittgen, R., Regressionsanalyse, 2013, S. 67; Matthies, A.
M., Rojahn, J., Financial Literacy, 2022, S. 366.
65
Allerdings ist hier kritisch anzumerken, dass ein Wert von 3 zu vage bzw. pauschalisiert
ist. Man sollte einen Wert nehmen der verallgemeinert abgeleitet ist. Dazu bieten sich
hohe Quantile der Standardnormalverteilung an. Bei einem Signifikanzniveau von alpha
= 0,1% leitet sich hier bei einem zweiseitigen Test das 99,5% Quantil der Standardnor-
malverteilung ab. Es ergibt sich ein kritischer Wert von etwa 3,29. Damit wäre auch die
zuvor identifizierte Beobachtung nicht mehr einflussreich. Zusammen mit der Erkenntnis
der Cooks-Distanzen ist die Annahme A2 erfüllt.
Drittens wird überprüft, ob zwischen den unabhängigen Variablen und dem der
abhängigen Variabel ein linearer Zusammenhang besteht. Dies kann zum einen mit der
Box-Tidwell-Transformation und zum anderen mit einer optischen Inspektion erreicht
werden.
230
Abbildung 26: Box-Tidwell-Transformation
Quelle: Eigene Darstellung
Bei der Betrachtung der Box-Tidwell-Transformation (Abbildung 26) zeigt sich, dass alle
p-Werte zu den Termen größer sind als das Signifikanzniveau α = 5%. Eine Ausnahme
230
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 172 ff.
66
davon bildet die Variable RISK. Hier kann ein nichtlinearer Zusammenhang vermutet
werden. Daher können die jeweiligen Nullhypothesen (linearer Zusammenhang), mit
Ausnahme von RISK, beibehalten und die Erfüllung der Annahme 3 bestätigt werden. Es
folgt eine visuelle Inspektion der paarweisen Streudiagramme der Prädiktoren gegen das
Logit η.
Abbildung 27: Paarweise Streudiagramme der Prädiktoren gegen das Logit η
Quelle: Eigene Darstellung
Neben der Box-Tidwell-Transformation liefert die visuelle Inspektion keine Hinweise auf
nichtlineare Zusammenhänge. Einzig die Variable AGE fällt hierbei aus dem Raster. An-
hang der Box-Tidwell-Transformation lässt sich allerdings ein linearer Zusammenhang
nachweisen. Bei den restlichen metrischen Variablen sieht man anhand der paarweisen
Streudiagramme, dass sich die polynomiale Glättung (blau markiert) nicht stark von dem
linearen Trend (rot markiert) unterscheidet und bei Unterscheidungen meist nur an den
67
Rändern. Es wird also davon ausgegangen, dass die Annahme des linearen Zusammen-
hangs der unabhängigen numerischen Variablen zur geschätzten Wahrscheinlichkeit, er-
füllt ist. Während bei der Box-Tidwell-Transformation ein nichtlinearer Zusammenhang
zur Variable RISK vermutet wurde, kann dies eindeutig durch die optische Begutachtung
widerlegt werden. Somit kann Annahme A3 als vollständig erfüllt betrachtet werden.
Viertens und letztens wird die lineare Regression auf Multikollinearität überprüft. Hierzu
wird in R die Funktion vif (model) aus dem Paket car genutzt.
231
Abbildung 28: Variance Inflation Factor
Quelle: Eigene Darstellung
Da sich die VIF-Werte aller unabhängigen Variablen unter dem kritischen Wert von 10
und sogar unter dem noch restriktiveren Wert von 5 befinden, kann die Annahme A4
Freiheit von Multikollinearität als erfüllt betrachtet werden.
Die nachfolgende Tabelle fasst die Ergebnisse aus der Regressionsdiagnostik der logisti-
schen Regression auf einen Blick zusammen.
Tabelle 6: Überblick Regressionsdiagnostik
Annahme:
Überprüfung durch:
Annahme erfüllt?
A1 Ausreichender Stich-
probenumfang
- Eins-zu-Zehn-Faustregel
- Anzahl der Stichproben
Ja
A2 Einflussreiche Be-
obachtungen
- Cook’s Distance
- Betrachtung der standar-
disierten Residuen
Ja
A3 Linearität
- Box-Tidwell-Transfor-
mation
Ja
231
Vgl. Gehrke, M., Empirische Methoden, 2022, S. 174.
68
- Visuelle Inspektion der
paarweisen Streudia-
gramme
A4 Freiheit von Multikol-
linearität
- Variance Inflation Factor
Ja
Quelle: Eigene Darstellung
Es wurden alle Voraussetzungen zur Anwendung der logistischen Regression erfüllt,
weshalb diese nun angewendet werden kann. Die Auswertung der logistischen Regres-
sion wird im folgenden Unterkapitel vorgenommen.
4.10.6 Ergebnisse und Modellgüte der logistischen Regression
Dieses Unterkapitel bildet den Kern der vorliegenden Arbeit. Hierbei werden die Daten
zur logistischen Regression ausgewertet, um den Besitz von Aktien erklären zu können.
Zunächst wird eine logistische Regression nur mit den drei erklärenden Variablen, ohne
weitere Aufnahme von Kontrollvariablen, durchgeführt. Somit konzentriert sich das Mo-
dell ausschließlich auf die Betrachtung der drei Kompetenzen auf die Aktienmarktparti-
zipation. Abbildungen 29 und 30 zeigen den R Output der logistischen Regression mit
nur den drei erklärenden Variablen.
Abbildung 29: Logistische Regression mit nur erklärenden Variablen: Ergebnisse
Quelle: Eigene Darstellung
69
Bei der Betrachtung von Abbildung 29 fällt direkt auf, dass sämtliche Kompetenzen einen
positiven sowie statistisch signifikanten Einfluss auf die Aktienmarktpartizipation haben.
Das Signifikanzniveau wurde für die logistische Regression einheitlich auf α = 0,05 = 5%
festgelegt. Da der p-Wert aller erklärenden Variablen kleiner ist als das Signifikanzniveau
von α = 5%, können die jeweiligen Nullhypothesen, dass FL, SL bzw. SFL in keinem
positiven Zusammenhang zu STOCKS stehen, verworfen werden. Für FL und SFL gilt
dies sogar für ein Signifikanzniveau von 0,1%, was einen höchstsignifikanten Zusam-
menhang zwischen den beiden Variablen und der Aktienmarktpartizipation entspricht.
Die nachfolgende Abbildung illustriert den gleichen Sachverhalt wie die obere Abbil-
dung, ergänzt um die Odds-Ratios, um die oben dargestellten Koeffizienten griffiger zu
interpretieren.
Abbildung 30: Odds-Ratios der logistischen Regression nur mit FL, SL und SFL
Quelle: Eigene Darstellung
Wie bereits in Kapitel 4.5 erläutert, beschreiben Odds-Ratios das Chancenverhältnis
(Wahrscheinlichkeit / Gegenwahrscheinlichkeit) des Eintretens eines Events. Die Koef-
fizienten beschreiben dann die geschätzte multiplikative Veränderung eines Chancenver-
hältnisses am Aktienmarkt teilzunehmen bei Erhöhung einer unabhängigen Variable um
eine Einheit c. p.
232
Die Erhöhung einer Einheit bedeutet, dass ein Studienteilnehmer eine
Antwort mehr bei FL, SL und SFL richtig beantwortet hätte, wodurch sich sein Score der
entsprechenden Kompetenz erhöhen würde.
232
Vgl. Backhaus, K. et al., Analyse, 2021, S. 320 ff.; Gehrke, M., Empirische Methoden, 2022, S. 137.
70
Abbildung 30 folgend, nehmen die Odds-Ratios Werte > 1 an, was zu erwarten war, da
die Koeffizienten von FL, SL sowie SFL einen positiven Zusammenhang mit der Aktien-
marktpartizipation zeigen. Demnach erhöht sich bei der SL und der SFL das geschätzte
Chancenverhältnis am Aktienmarkt zu partizipieren um den Faktor 1,32, was einer Erhö-
hung um 32% entspricht, wenn Studienteilnehmer c. p. einen um einen Punkt höheren
Score erzielen. Ein noch höheres Chancenverhältnis am Aktienmarkt zu partizipieren,
ergibt sich bei der Erhöhung des FL Scores um eine Einheit c. p. Hier beträgt die ge-
schätzte multiplikative Veränderung 2,54 c. p. Allerdings ist anzumerken, dass das Be-
stimmtheitsmaß R² Tjur mit einem Wert von 0,139 eher als gering einzustufen ist. Das
bedeutet, dass die Aktienmarktpartizipation nur zu 13,90% durch die drei Kompetenzar-
ten erklärt werden kann. Auf dieser Erkenntnis aufbauend, wäre eine Hinzunahme weite-
rer Modellvariablen empfehlenswert, was bereits durch die Ergebnisse der Poisson-Re-
gressionen aus dem Unterkapitel 4.10.3 geschätzt wurde. Zu diesem Schluss weisen eben-
falls die folgenden Pseudo-R-Quadrat-Statistiken hin.
Tabelle 7: Modellgüte der logistischen Regression
Pseudo-R²
Werte
McFadden
0,12458168
Nagelkerke
0,17488507
Cox und Snell
0,09943936
Quelle: Eigene Darstellung
Abbildungen 31 und 36 zeigen den R Output für die logistische Regression mit den drei
bekannten erklärenden Variablen sowie weiteren Kontrollvariablen, um eine Teilhabe am
Aktienmarkt zu erklären. Die um die Odds-Ratios ergänzten Ergebnisse der logistischen
Regression (Abbildung 36) finden sich im Anhang 3 wieder, da die Abbildung zu lang
für eine Darstellung im Textteil ist.
71
Abbildung 31: Ergebnisse der logistischen Regression
Quelle: Eigene Darstellung
In diesem logistischen Regressionsmodell stehen einige Variablen in einem statistisch
signifikanten Zusammenhang. Zuerst werden die drei erklärenden Variablen betrachtet.
Anhand des p-Wertes zur SFL, auf welcher der Fokus dieser Arbeit liegt, erkennt man
einen signifikant positiven Zusammenhang zwischen der SFL und der Aktienmarktparti-
zipation. Die Nullhypothese, dass die SFL keinen positiven Einfluss auf die Aktienmarkt-
partizipation ausübt, kann zum Fehlertoleranzniveau von α = 5% verworfen werden. Die
Interpretation der Regressionskoeffizienten wird mit Hilfe der Odds-Ratios vorgenom-
men. Das Chancenverhältnis, dass ein Studienteilnehmer am Aktienmarkt teilnimmt,
nimmt c. p. um den Faktor 1,19 zu, wenn der Studienteilnehmer einen um einen Punkt
höheren SFL-Score erreicht. Dies entspricht einer Steigerung um 19%. Leider gibt es au-
ßer der Studie von Filippini et al. (2022) keine weitere Studie, welche den Einfluss der
SFL auf die Aktienmarktpartizipation untersucht. Allerdings decken sich die Ergebnisse
72
dieser Studie zum Einfluss der SFL auf die Aktienmarktpartizipation mit denen der
Schweizer Studie. Zudem muss erwähnt werden, dass Filippini et al. (2022) den nachhal-
tigen Aktienbesitz untersuchten.
233
Die in Kapitel 4.9 aufgestellte Hypothese H4, dass
zwischen der SFL und der Partizipation am Aktienmarkt ein statistisch signifikant posi-
tiver Zusammenhang besteht, kann bestätigt werden.
Es folgt die Untersuchung der Variablen SL. Gemäß Regressionsoutput ist die Variable
zu einem Signifikanzniveau von α = 10% statistisch signifikant, wodurch die Nullhypo-
these, dass die Nachhaltigkeitskompetenz in keinem negativen Zusammenhang mit der
Partizipation am Aktienmarkt steht, beim festgesetzten Fehlertoleranzniveau von α = 5%
beibehalten werden müssen. Das Chancenverhältnis in den Aktienmarkt zu investieren
nimmt c. p. um den Faktor 1,28 zu, wenn die Nachhaltigkeitskompetenz um einen Punkt
ansteigt. Im Gegensatz zu den Ergebnisse der vorliegenden Studie wiesen die Ergebnisse
von Anderson und Robinson (2022) sowie von Filippini et. al. (2023) in ihren Studien auf
einen negativen, aber nicht statistisch signifikanten, Zusammenhang zwischen der SL und
nachhaltigen Investments hin.
234
Hypothese H3 besagt, dass sich die SL negativ auf den
Erwerb von Aktien auswirkt. Durch die gewonnenen Erkenntnisse wird diese Hypothese
abgelehnt.
Ferner wurde mit der FL die dritte und letzte erklärende Variable, auf den Zusammenhang
mit der Aktienmarktpartizipation hin, untersucht. Die Nullhypothese, dass die FL keinen
positiven Einfluss auf die Teilhabe am Aktienmarkt ausübt, muss zum Signifikanzniveau
von α = 5% beibehalten werden. Allerdings zeigen die Regressionsergebnisse eine statis-
tische Signifikanz zum Fehlertoleranzniveaus von α = 10, wodurch die Hypothese H1
bestätigt werden kann. Die Chance sich dazu zu entscheiden am Aktienmarkt teilzuneh-
men, steigt c. p. um den Faktor 1,69 an, sofern die Finanzkompetenz um einen Punkt
zunimmt. Die Ergebnisse decken sich mit den Erkenntnissen der Literatur. Allerdings
wiesen die Meisten Studien im Gegensatz zu dieser Studie einen höchstsignifikanten Zu-
sammenhang zwischen der Finanzkompetenz und dem Aktienbesitz nach.
235
Das mag u.
233
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
234
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584; Filippini, M. et al., SFL,
2022, S. 1–46.
235
Vgl. Rooij, M. van et al., FL, 2011, S. 449–472; Arrondel, L. et al., Stockholding, 2015, S. 1315–1319;
Almenberg, J., Dreber, A., Financial Literacy, 2015, S. 140–142; Thomas, A., Spataro, L., European FL,
2018, S. 532–550.
73
a. daran liegen, dass die vorliegenden Daten nicht repräsentativ für Deutschland sind und
durch die Befragung einer bestimmten Zielgruppe verzerrt sein könnten.
Die Kontrollvariable INCOME weist auf einen statistisch signifikant positiven Zusam-
menhang zwischen höheren Gehältern und der Aktienmarktpartizipation hin, welcher
ebenfalls in der Studie von Anderson und Robinson (2022) beschrieben wurde.
236
Das
bedeutet, dass Studienteilnehmer mit einem höheren Einkommen eher dazu tendieren am
Aktienmarkt teilzunehmen als Befragte mit geringeren Geldzuflüssen. Eine weitere Ähn-
lichkeit mit der Studie von Anderson und Robinson (2022) besteht darin, dass ein hoch-
signifikant negativer Einfluss, zwischen dem weiblichen Geschlecht (FEMALE) und der
Entscheidung am Aktienmarkt teilzunehmen, identifiziert wurde.
237
Zu dieser Schlussfol-
gerung kamen außerdem die Studien von Thomas und Spataro (2018), von Matthies und
Rojahn (2022) sowie von Almenberg und Dreber (2015).
238
Das Model schätzt demnach
eine c. p. statistisch signifikant geringere Wahrscheinlichkeit der Teilnahme am Aktien-
markt für Frauen im Vergleich zu Männern. So wird geschätzt, dass das Chancenverhält-
nis unter ansonsten gleichen Bedingungen für Frauen multiplikativ um den Faktor 0,44
verschieden im Vergleich zu Männern ist.
Unterschiede in der vorliegenden Studie und der in 2022 erschienenen von Anderson und
Robinson liegen in den Variablen für Alter und Universitätsabschluss. Während diese auf
einen signifikanten Zusammenhang zur Entscheidung pro Aktienbesitz hindeuteten,
239
konnte dieser Zusammenhang in der vorliegenden Studie nicht identifizert werden. Da
die Variable UNIVERSITY keinen signifikant positiven Zusammenhang zwischen einem
Universitätsabschluss und dem Besitz von Aktien erklärt, kann die Hypothese H2 aus
Kapitel 4.9 nicht bestätigt werden.
Eine weitere interessante Erkenntnis ist das zwischen dem Anlagehorizont (PLAN) und
der Aktienmarktpartizipation ein hochsignifikant positiver Zusammenhang besteht. Dem-
nach scheinen Studienteilnehmer mit einem langen Zeithorizont, welcher in dieser Studie
mit einem Anlagezeitraum > 5 Jahre definiert ist, eher am Aktienmarkt teilzunehmen als
Individuen mit einem kürzeren Zeithorizont. Die Studienteilnehmer scheinen verstanden
236
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584.
237
Ebd.
238
Vgl. Almenberg, J., Dreber, A., Financial Literacy, 2015, S. 140–142; Thomas, A., Spataro, L., European
FL, 2018, S. 532–550; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 366.
239
Vgl. Anderson, A., Robinson, D. T., Green Investments, 2022, S. 1551–1584.
74
zu haben, dass Aktien langfristig im Vergleich zu Rentenpapieren in der Regel positive
Realrenditen erwirtschaften,
240
welche daher besonders vom EPP profitieren. Die Erklä-
rungsansätze des EPP lassen sich im Grunde auf die aus der PT abgeleiteten Verlustaver-
sion beziehen.
241
Gemäß der in Kapitel 2.3 erläuterten Implikationen der PT reagieren
Menschen, aufgrund von Verlustaversion, deutlich nervöser auf Verluste als auf betrags-
mäßig gleichhohe Gewinne, weshalb sie auf Aktieninvestments höhere Risikoprämien
bzw. Renditen fordern.
242
Die Ergebnisse der logistischen Regression aus Abbildung 31 zeigen einen signifikant
negativen Einfluss zwischen der Variablen CLIMA und der Teilhabe am Aktienmarkt.
Folglich sinkt die Aktienmarktpartizipation bei einer hohen Zustimmung zu der Aussage,
dass der Klimawandel ein ernstes Problem sei, welches dringend gelöst werden muss.
Eindeutiger wird der Zusammenhang durch Betrachtung der Odds-Ratios aus Abbildung
36. Demnach sinkt das geschätzte Chancenverhältnis am Aktienmarkt zu partizipieren c.
p. um den Faktor 0,83, also -17%, wenn Studienteilnehmer einen um einen Punkt höheren
Wert bei CLIMA angeben.
Im logistischen Regressionsmodell wurden die beiden höchsten Signifikanzen bei den
Variablen RISK und RENDIT identifizert. So steigt die Aktienmarktpartizipation statis-
tisch signifikant mit einer höheren Risikobereitschaft sowie einer steigenden Renditeer-
wartung. Unter Zuhilfenahme der Odds-Ratios aus Anhang 3 ergibt sich, dass das Chan-
cenverhältnis am Aktienmarkt zu partizipieren um den Faktor 1,28 (RISK) bzw. 1,46
(RENDIT) c. p. steigt, wenn die Studienteilnehmer einen um einen Punkt höheren Wert
bei der entsprechenden Variable angeben. Dies entspricht einer Steigerung von 28% bzw.
46%. Die höhere Renditeforderung lässt sich, wie bereits beschrieben, aus den Implikati-
onen der PT ableiten.
243
Da die beiden Variablen zusätzlich zur Signifikanz einen positi-
ven Einfluss auf die abhängige Variable ausüben, können die Annahmen H5 und H6 mit-
hilfe der Regressionsergebnisse gestützt werden. Zur besseren Übersichtlichkeit stellt Ta-
belle 8 die Überprüfung aller sechs zu untersuchenden Hypothesen aus Kapitel 4.9 dar.
240
Vgl. Siegel, J. J., Real Returns, 2014, S. 81 f.
241
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
242
Ebd.
243
Ebd.
75
Tabelle 8: Überprüfung der aufgestellten Hypothesen
Hypothese
Kann die Hypothese
bestätigt werden?
H1: Die FL übt einen statistisch signifikant positiven Einfluss
auf die Aktienmarktpartizipation aus.
Zu α = 10% ja, zum
Niveau α = 5% nein
H2: Es gibt einen signifikant positiven Zusammenhang zwi-
schen dem Besitz von Aktien und einem universitären Ab-
schluss.
Nein, da keine statis-
tische Signifikanz
vorliegt
H3: Die SL wirkt sich negativ auf den Besitz von Aktien aus.
Nein
H4: Zwischen der SFL und der Partizipation am Aktienmarkt
besteht ein statistisch signifikanter, positiver Zusammenhang.
Ja
H5: Die Rendite, als Entscheidungsmerkmal für Aktienanla-
gen, übt einen positiven, statistisch signifikanten Einfluss auf
die Aktienanlage aus.
Ja
H6: Zwischen der Risikobereitschaft und der Aktienmarktpar-
tizipation besteht ein signifikanter, positiver Zusammenhang.
Ja
Quelle: Eigene Darstellung
Da die Hypothesen aus den Erkenntnissen vorhandener Studien abgeleitet und bis auf H2
und H3 alle bestätigt wurden, lässt dies den Schluss zu, dass die Erkenntnisse dieser Stu-
die im Einklang mit denen der Literatur stehen.
Abschließend erfolgt eine Beurteilung über die Modellgüte mittels der bekannten Pseudo-
R-Quadrat-Teststatistiken. Die Variablen FEMALE, RISK, CLIMA und PLAN deuten
sowohl in der Poisson Regression als auch in der logistischen Regression auf signifikante
Zusammenhänge hin, daher ist es vorteilhaft gewesen, dass diese Variablen ins logisti-
sche Modell aufgenommen wurden, da diese Verzerrungspotential haben können. Nichts-
destotrotz sind die Zusammenhänge zwischen den erklärenden und der abhängigen Vari-
ablen statistisch signifikant. Die genannten Variablen erklären damit nicht den komplet-
ten Zusammenhang zwischen beispielsweise SFL und der Aktienmarktpartizipation.
Durch die Aufnahme weiterer Variablen hat sich das Bestimmtheitsmaß Pseudo-R² Tjur
von 0,139 auf 0,382 erhöht, wodurch die Modellgüte verbessert wurde.
76
Abbildung 32: Pseudo-R-Quadrat-Statistiken
Quelle: Eigene Darstellung
Gemäß Backhaus et al. (2018) deuten bereits Werte von 0,2 bis 0,4 auf eine gute Model-
lanpassung hin.
244
Die dargestellten Pseudo-R²-Werte von Cox und Snell sowie von
McFadden liegen genau in diesem Korridor, während Nagelkerke über dem Niveau liegt.
Somit deuten die Werte auf eine gute Modellgüte hin, im Fall von Nagelkerke sogar auf
eine hohe Modellgüte. Durch die Hinzunahme weiterer Variablen in die logistische Re-
gression verbesserte sich, im Vergleich zu der anderen logistischen Regression und den
drei Poisson-Regressionen, die Modellgüte deutlich.
4.11 Forschungslimitationen
Unter Zuhilfenahme der logistischen Regression wurde der Einfluss der Finanz-, der
Nachhaltigkeits- sowie der nachhaltigen Finanzkompetenz auf die Aktienmarktpartizipa-
tion untersucht. Die zu diesem Zweck verwendeten Daten wurden über eine Umfrage
ermittelt, welche auf diversen Foren auf Facebook, im SurveyCircle sowie unter den Mit-
arbeitern der Stadtsparkasse Düsseldorf verteilt wurde. Zudem teilte die Finfluencerin
Lisa Osada die Umfrage auf ihrem Instagram-Kanal Aktiengram. Wie bereits eingangs
erwähnt wurde, deutet der Empfängerkreis auf potentielle Limitationen der Stichprobe
hin, da es ihr an Repräsentativität für Deutschland mangelt. Besonders durch die Teilung
über Aktiengram und unterhalb den Mitarbeitern der Stadtsparkasse Düsseldorf wurde
genau die Zielgruppe angesprochen, welche wahrscheinlich am Aktienmarkt partizipiert
und möglicherweise über das notwendige Finanz- und Nachhaltigkeitswissen verfügt, um
die richtigen Antworten im Fragebogen auszuwählen, ein Umstand der sich in Abbildung
25 zu den standardisierten Residuen der Beobachtungen ableiten lässt. Zwischen den Be-
obachtungen 100 und 400 fällt auf, dass beinahe alle Studienteilnehmer angaben, direkt
oder indirekt Aktien zu besitzen, was zu einer Überrepräsentativität von Investoren in-
244
Vgl. Backhaus, K. et al., Pseudo-R-Squared, 2018, S. 299.
77
nerhalb der Stichprobe führt (504 von 592 Personen). Die niedrigen Werte des Nagel-
kerke R² in den drei Poisson-Regressionen stützen die Vermutung, dass die Daten verzerrt
sein könnten.
Zur Ermittlung der Determinanten der FL, SL und SFL und um abzuschätzen, ob eine
Hinzunahme von Kontrollvariablen für die logistische Regression nötig ist, wurde je eine
Poisson-Regression durchgeführt. Eine wichtige Voraussetzung zur Anwendung der
Poisson-Regression ist die Übereinstimmung von Mittelwert und Varianz, welche mit-
hilfe eines Dispersionstest überprüft werden kann. In allen drei Fällen wurde diese An-
nahme verletzt. Die Literatur empfiehlt in diesen Situationen die Anwendung einer nega-
tiven Binomialverteilung, in welcher Mittelwert und Varianz, durch die Einbeziehung
eines zusätzlichen Parameters, voneinander abweichen können.
245
In dieser Studie wurde
die negative Binomialverteilung bewusst nicht angewandt, da die Poisson-Verteilung nur
interessehalber die Determinanten der einzelnen Kompetenzen abschätzen sollte. Zudem
kann die Forschungsfrage nach dem Einfluss von FL, SL und besonders SFL auf die Ak-
tienmarktpartizipation nicht mit Hilfe der Poisson-Regression beantwortet werden. Auf-
grund der Unterdispersion sind die genauen Koeffizienten der Poisson Regression daher
mit Vorsicht zu genießen.
Eine weitere Limitation dieser Studie besteht in der Festlegung, wann ein Studienteilneh-
mer indirekt am Aktienmarkt teilnimmt und wann nicht. Hierzu wurde sich der in der
Literatur etablierten Vorgehensweise bedient.
246
Falls Studienteilnehmer angaben, dass
sie in den letzten 12 Monaten über Investmentfonds/ETFs in Aktien investiert waren,
wurden sie in einer weiteren Frage gebeten, Auskunft über den Aktienanteil ihrer Anlage
zu geben. Eine indirekte Aktienmarktpartizipation wurde unterstellt, sofern die Befragten
die Auswahlmöglichkeit „Vorwiegend aus Aktien“ oder „Zu mindestens 50% aus Ak-
tien“ auswählten. Streng genommen würde ein Studienteilnehmer indirekt am Aktien-
markt teilnehmen, selbst wenn der Aktienanteil im Fonds beispielsweise nur 4% betragen
würde. Allerdings würde hier nicht die Teilhabe am Aktienmarkt im Vordergrund der
Investitionsentscheidung stehen.
245
Vgl. Rudolf, M., Vogel-Blaschka, D., Poisson-Verteilung, 2023, S. 18.
246
Vgl. Georgarakos, D., Pasini, G., Stock Market Participation, 2011, S. 693–725; Jappelli, T., Padula,
M., Financial Literacy, 2015, S. 369–411; Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 358.
78
Die letzte identifizierte Limitation umkreist ein Problem, welches vermutlich in vielen
per Umfrage ermittelten Daten auftaucht: Die ehrliche und den Tatsachen entsprechende
Beantwortung der Fragen durch die Studienteilnehmer. Möglicherweise haben sie bei
sensiblen Fragen wie z. B. zu ihrem Vermögen oder Einkommen gelogen, um nicht einem
bestimmten Stereotypen zu entsprechen. Eventuell sind sie auch nicht in der Lage die
korrekte Höhe ihres Vermögens abzuschätzen, da sie beispielsweise den Wert von Mobi-
lien wie Autos nicht berücksichtigen oder den Marktpreis ihrer Immobilie falsch einschät-
zen.
5 Fazit und Ausblick
Diese Arbeit beschäftigt sich mit der Frage, ob die SFL, die SL sowie die FL einen sig-
nifikant positiven Einfluss auf die Aktienmarktpartizipation ausübt, wobei die SFL im
Zentrum der Untersuchung steht. Zudem wurde überprüft welche weiteren Variablen sich
positiv auf den Besitz von Aktien auswirken. Für die Untersuchung wurden zunächst drei
Poisson-Regressionen durchgeführt, um die Determinanten der einzelnen Kompetenzar-
ten zu ermitteln und um so Rückschlüsse zu ziehen, welche Variablen außer FL, SL und
SFL mit in die später durchgeführte logistische Regression aufgeführt werden sollten. Im
Anschluss wurde eine logistische Regression nur mit den drei erklärenden Variablen
durchgeführt. Anhand der schlechten Modellgüte, welche über die gängigen Pseudo-R-
Quadrat-Statistiken ermittelt wurde, ließ sich die Empfehlung ableiten, weitere Variablen
in das logistische Regressionsmodell aufzunehmen. Dies entspricht den Ergebnissen bzw.
Erkenntnissen der Poisson-Regressionen. Es ist allerdings anzumerken, dass die vorlie-
genden Daten unter Umständen nicht repräsentativ für Deutschland sein könnten, da
durch die Teilung der Umfrage unter den Mitarbeitern der Stadtsparkasse Düsseldorf so-
wie durch Aktiengram möglicherweise exakt die Zielgruppe angesprochen wurde, welche
sich bereits mit der Thematik auskennt.
Die im Anschluss angewandte logistische Regression enthielt zusätzliche Variablen,
wodurch sich die Modellgüte wesentlich erhöhte. Bezugnehmend auf die im Vorfeld auf-
gestellten Hypothesen, welche sich aus den Eindrücken der vorhandenen Literatur ablei-
teten, lässt sich festhalten, dass bis auf H2 und H3 alle Hypothesen durch die vorliegende
Studie bestätigt wurden, wodurch sich die Relevanz dieser Arbeit herausstellte. Zudem
leistet diese Forschung einen wichtigen Beitrag zur bisherigen Forschung im Kontext der
79
FL und ergänzt diese um die Nachhaltigkeitskompetenz sowie der nachhaltigen Finanz-
kompetenz im Hinblick auf die Entscheidung, ob Individuen am Aktienmarkt teilnehmen
oder nicht. Denn bisher lagen der Forschung zur SL bzw. zur SFL nur Eindrücke zu
Schweizer Anlegern vor, wodurch der Mehrwert dieser Studie deutlich wird, da Daten zu
Aktionären und deren unterschiedliche Kompetenzen in anderen Ländern wie Deutsch-
land deutlich unterrepräsentiert sind. Die gewonnenen Daten und Ergebnisse werden hier-
durch im internationalen Kontext verordnet und können als Grundlage künftiger For-
schungen dienen.
Die Forschungsfrage nach der Erklärung der Aktienmarktpartizipation durch die unter-
schiedlichen Kompetenzarten lässt sich insofern beantworten, als dass sowohl die FL, die
SL und besonders die SFL einen positiven Zusammenhang untermauern. Das bedeutet,
dass es wahrscheinlicher ist am Aktienmarkt teilzunehmen je gebildeter der Mensch in
finanziellen und nachhaltigen Themen ist. Besonders in der aktuellen Zeit, in der Finanz-
produkte immer komplexer werden und Anleger zwangsweise mit nachhaltigen Anlage-
möglichkeiten konfrontiert werden, gilt es fundierte Entscheidungen zu treffen, um effi-
ziente Ergebnisse zu erzielen. Dies kann sowohl direkte als auch indirekte Aktienanlagen
betreffen. Ist dieses Wissen unzureichend, werden (Klein-) Anleger anfällig für Manipu-
lation durch Finanzanbieter und deren irreführendes Marketing.
247
Es ist daher an der
Zeit, dass Aufsichtsbehörden und Behörden über verbindliche und einheitliche Standards
mehr Transparenz schaffen, um den Informationsnachteil von Investoren auszuglei-
chen.
248
Trotz des Bewusstseins, dass sich durch Aktieninvestments gut diversifizierte Portfolien
zusammenstellen lassen, hohe Risikoprämien sowie langfristig positive Realrenditen er-
zielt werden können, ist die Aktienmarktpartizipation von Verbrauchern in Europa ge-
ring,
249
besonders in Deutschland. Durch die gewonnenen Ergebnisse lässt sich das SMPP
leider nicht durch die Untersuchung der SFL auflösen, da die in das logistische Regressi-
onsmodell aufgenommenen Variablen den Besitz von Aktien nicht perfekt erklären kön-
247
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
248
Ebd.
249
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 372.
80
nen. Allerdings lässt sich die Erkenntnis der Prospect-Theory, dass Anleger aufgrund ih-
rer Risikoaversion höhere Risikoprämien fordern,
250
in dieser Studie nachweisen, indem
ein statistisch höchstsignifikanter sowie positiver Einfluss der Rendite (RENDIT) als Ent-
scheidungsgrundlage pro Aktienmarktpartizipation festgestellt wurde.
Ein weiteres Ergebnis dieser Arbeit besteht darin, dass das weibliche Geschlecht negativ
mit der Entscheidung am Aktienmarkt teilzunehmen korreliert, ein Umstand der ebenfalls
in diversen vorherigen Studien dokumentiert wurde. Hieraus lässt sich ein Auftrag an die
Politik des deutschen Staates adressieren, mehr Aufklärungsarbeit zu leisten, besonders
im Hinblick auf die derzeitige Rentensituation in Deutschland. Ebenso gilt diese Emp-
fehlung für die in Kapitel 2.1 dargestellten nachhaltigen Bestrebungen, welche durch Ak-
tieninvestments erreicht werden können. Selbst Kleinanleger haben großes Potenzial zu
einer nachhaltigen Entwicklung und Transformation der Wirtschaft beizutragen.
251
Dass Investments in Aktien zu positiven Realrenditen führen können, wurde in dieser
wissenschaftlichen Arbeit mehrfach durch die Literatur belegt. Dennoch ist die Aktien-
marktpartizipation von Bundesbürgern relativ gering. Im Hinblick auf die derzeitige Ren-
tensituation lässt sich die Empfehlung ableiten, dass Haushalte ihr Engagement im Akti-
enmarkt weit vor dem Ruhestand beginnen sollten, um den Rückgang ihres Humankapi-
tals, also ihrer Arbeitskraft, mit zunehmenden Alter auszugleichen.
252
Bisher liegen der Forschung kaum Daten zur Nachhaltigkeitskompetenz sowie zur nach-
haltigen Finanzkompetenz und deren Einfluss auf die Teilhabe am Aktienmarkt vor. Eine
Ausnahme bildet die vorliegende Arbeit und die Schweizer Studie von Filippini et al.
(2022). Künftige Studien könnten daher auf dieser Datenbasis aufbauen und den Einfluss
der SL und SFL auf die Aktienmarktpartizipation in weiteren Ländern untersuchen, um
regionale Unterschiede und weitere Ursachen für den Besitz von (nachhaltigen) Aktien
zu erforschen.
250
Vgl. Matthies, A. M., Rojahn, J., Financial Literacy, 2022, S. 353.
251
Vgl. Filippini, M. et al., SFL, 2022, S. 1–46.
252
Vgl. Fagereng, A. et al., Life-Cycle, 2017, S. 705–750.
81
Anhang
Anhang 1: Fragebogen
Tabelle 9: Fragebogen Part I: Demografische Merkmale
Nr.
Frage
Antwortmöglichkeiten
1
Welchem Geschlecht fühlen Sie sich zugehörig?
• Männlich
• Weiblich
• Divers
2
Wie alt sind Sie? Bitte geben Sie Ihr Altern in vollen Jah-
ren an (z. B. 31, 24, ...)
Freitext
3
Welcher Nationalität gehören Sie an?
Freitext
4
Sind Sie verheiratet?
• Ja
• Nein
5
Wie viele Kinder haben Sie? Haben Sie keine Kinder ge-
ben Sie bitte 0 an.
Befragte konnten via Dropdown-
Menü eine natürliche Zahl zwischen
0 und 7 auswählen oder die Mög-
lichkeit „mehr als 7“
6
Wie viele Personen, Sie eingeschlossen, leben aktuell in
Ihrem Haushalt?
Befragte konnten via Dropdown-
Menü eine natürliche Zahl zwischen
1 und 7 auswählen oder die Mög-
lichkeit „mehr als 7“
7
Befinden Sie sich im Ruhestand?
• Ja
• Nein
8
Haben Sie einen Hochschul- bzw. Universitätsabschluss?
Zum Beispiel Bachelor oder Master?
• Ja
• Nein
9
Wie hoch ist Ihr monatlich zur Verfügung stehendes Net-
toeinkommen? Dazu zählen Gehalt, Rente, Mieteinnah-
men sowie sonstige Einkünfte.
• Weniger als 1.500 EUR
• 1.500-2.249 EUR
• 2.250-2.999 EUR
• 3.000-3.749 EUR
• 3.750-4.499 EUR
• Mehr als 4.500 EUR
10
Wie hoch ist Ihr derzeitiges Nettogesamtvermögen?
Hierzu zählen alle Vermögensgegenstände (Bargeld,
• Weniger als 50.000 EUR
• 50.000-99.999 EUR
82
Bankeinlagen, Autos, Immobilienbesitz, Aktien und an-
dere Wertpapiere) abzüglich Verbindlichkeiten/Schulden.
• 100.000-249.999 EUR
• 250.000-499.999 EUR
• 500.000-999.999 EUR
• Mehr als 1.000.000 EUR
Quelle: In Anlehnung an Filippini, M. et al., SFL, 2022, S. 1–46; Matthies, A. M., Rojahn,
J., Financial Literacy, 2022, S. 361 f.
In Tabelle 10 werden Fragen zur Messung der jeweiligen Wissenstypen samt Antwort-
möglichkeiten dargestellt. Die korrekte Antwortmöglichkeit ist unterstrichen.
Tabelle 10: Fragebogen Part II: Literacy-Scores
Nr.
Frage
Antwortmöglichkeiten
Financial Literacy (Fragen 11-13)
11
Angenommen Sie haben derzeit 100 EUR Gut-
haben auf Ihrem Sparkonto und erhalten hierfür
jährlich 2% Zinsen. Auf dieses Konto werden
keine weiteren Einzahlungen oder Abhebungen
getätigt. Was schätzen Sie wie hoch der Konto-
stand nach 5 Jahren ist?
• Mehr als 102 EUR
• Genau 102 EUR
• Weniger als 102 EUR
• Weiß ich nicht.
12
Nehmen Sie nun an, dass Sie stattdessen jähr-
lich 1% Zinsen erhalten und dass die Inflations-
rate im gleichen Zeitraum 2% beträgt. Wie viel
könnten Sie sich nach einem Jahr leisten?
• Mehr als heute
• Genau so viel wie heute
• Weniger als heute
• Weiß ich nicht.
13
Bitte schätzen Sie die folgende Aussage ein:
„Der Kauf von Aktien eines einzigen Unterneh-
mens bietet in der Regel eine sicherere Rendite
als der Kauf von Aktien mehrerer Unterneh-
men?“ Die Aussage ist:
• Korrekt
• Falsch
• Weiß ich nicht.
Sustainability Literacy (Fragen 14-19)
14
Welche der folgenden Themen sind in den Zie-
len für nachhaltige Entwicklung der Vereinten
Nationen (UN) enthalten?
• Wirtschaftswachstum
• Soziale Teilhabe
• Umweltschutz
• Alle Antwortmöglichkei-
ten treffen zu.
15
Welche der folgenden Definitionen beschreibt
Ihrer Meinung nach die nachhaltige Entwick-
lung am besten?
• Gewährleistung des all-
gemeinen Zugangs zu
Bildung, Gesundheit und
sozialen Diensten
83
• Befriedigung der heuti-
gen Bedürfnisse bei
gleichzeitiger Minimie-
rung der Auswirkungen
auf die Umwelt.
• Befriedigung der heuti-
gen Bedürfnisse ohne
künftige Generationen
einzuschränken.
• Weiß ich nicht
16
Was ist die häufigste Ursache für die Ver-
schmutzung von Bächen und Flüssen weltweit?
• Abfallentsorgung durch
Städte
• Industrieabfälle und
Mülldeponien
• Ableitung von Oberflä-
chenwasser, das von
Straßen, gepflasterten
Flächen und Feldern ab-
fließt
• Abfälle in der unmittel-
baren Umgebung von Bä-
chen und Flüssen.
• Weiß ich nicht
17
Welche der folgenden Optionen ist der Haupt-
grund für den Rückgang der Fischbestände im
Atlantischen Ozean?
• Die Fischerei ist bestrebt,
ihre Fänge zu maximie-
ren
• Der globale Klimawan-
del
• Geringere Fruchtbarkeit
der Fische
• Meeresverschmutzung
• Weiß ich nicht
18
Im Jahr 2021 lag der Schwellenwert der Ar-
mutsgefährdungsgrenze in der Bundesrepublik
Deutschland bei 1.251 EUR netto im Monat, für
zwei Erwachsene mit Kindern unter 14 Jahren
• Unter 10%
• 10-15%
• Mehr als 15%
• Weiß ich nicht
84
bei 2.627 EUR. Was schätzen Sie, wie viel Pro-
zent der deutschen Bevölkerung 2021 unter der
Armutsgefährdungsgrenze lag?
19
Wie hoch war die durchschnittliche jährliche
BIP-Wachstumsrate in Deutschland zwischen
2018 und 2022?
• Unter 1%
• 1-2%
• Mehr als 2%
• Weiß ich nicht
Sustainable Financial Literacy (Fragen 20-27)
20
Im Zusammenhang mit nachhaltigen Finanzan-
lagen wird häufig das (englische) Akronym
„ESG“ verwendet. Was denken Sie wofür die
Abkürzung „ESG“ steht?
• Environmental & Social
Goals
• Environmental &
Sustainable Goals
• Environmental, Social &
Governance
• Environmental,
Sustainable & Gover-
nance
• Weiß ich nicht
21
Muss ein Produkt, das aktuell in Deutschland
als „nachhaltiges Finanzprodukt“ beworben
wird, einheitliche Kriterien erfüllen, die von
staatlichen Aufsichtsbehörden festgelegt wer-
den?
• Ja
• Nein
• Weiß ich nicht
22
Kennen Sie von staatlichen oder nichtstaatli-
chen Organisationen ein Label, Zertifikat oder
Nachweis, dass ein nachhaltiges Finanzprodukt
zertifiziert?
• Ja
• Nein
23
Nehmen wir an ein Unternehmen hat einen ge-
ringen ökologischen Fußabdruck, aber eine
schlechte Sozial- und Mitarbeiterpolitik. Wäre
es möglich, die Aktien des Unternehmens auf
den Finanzmärkten als „nachhaltiges“ Finanz-
produkt zu bezeichnen?
• Ja
• Nein
• Weiß ich nicht
24
In wie vielen der drei ESG-Komponenten (En-
vironmental, Social & Governance) muss ein
Unternehmen als nachhaltig gelten, um an den
• Nur in einem Element
• Mindestens zwei Ele-
mente
• Alle drei Elemente
85
Finanzmärkten als nachhaltiges Unternehmen
eingestuft zu werden?
• Weiß ich nicht
25
Eine Investition in einen Nachhaltigkeitsfonds,
der Unternehmen mit einem geringen CO2-
Fußabdruck umfasst, reduziert direkt die globa-
len CO2-Emissionen.
• Stimmt
• Stimmt nicht
• Weiß ich nicht
26
Nehmen Finanzinstitute, die nachhaltige Pro-
dukte anbieten, immer proaktiv Einfluss auf das
Nachhaltigkeitsverhalten der investierten Un-
ternehmen (z. B. durch Teilnahme und Stimm-
rechtsausübung auf der jährlichen Hauptver-
sammlung)?
• Ja
• Nein
• Weiß ich nicht
27
Gibt es für Sie einen Unterschied zwischen
„nachhaltigem Investieren“ und „Impact Inves-
ting“?
• Ja
• Nein
• Weiß ich nicht
Quelle: In Anlehnung an Filippini, M. et al., SFL, 2022, S. 1–46
Tabelle 11: Fragebogen Part III: Umweltverhalten und psychografische Merkmale
Nr.
Frage
Antwortmöglichkeiten
28
Sind Sie aktuell oder waren Sie in den letzten 12 Monaten
„direkt“ in Aktien investiert? „Direkt“ bedeutet, dass Sie
einzelne Aktien von Unternehmen erwarben und nicht
über Investmentfonds und Exchange Traded Funds (ETF).
• Ja
• Nein
29
Sind Sie aktuell oder waren Sie in den letzten 12 Monaten
über Investmentfonds und/oder ETFs in Aktien investiert?
• Ja
• Nein
30
Falls Sie Frage 29 mit "Ja" beantwortet haben:
Bitte treffen Sie eine Aussage über den Aktienanteil der
von Ihnen erworbenen Investmentfonds und/oder ETFs.
Falls Sie Frage 29 mit "Nein" beantwortet haben:
Wählen Sie bitte "Ich habe in den letzten 12 Monaten
keine Investmentfonds und/oder ETFs erworben".
• Vorwiegend aus Aktien
• Zu mindestens 50 % aus
Aktien
• Zu weniger oder gleich
49,99% aus Aktien
• Ich habe in den letzten 12
Monaten keine Invest-
mentfonds und / oder
ETFs erworben
86
Mindestens ein Investmentfonds und/oder ETF in den ich
investiert bin besteht…:
31
Achten Sie bei der Auswahl Ihrer Aktien und/oder Invest-
mentfonds bzw. ETFs auf nachhaltige Kriterien, wie bei-
spielsweise ESG oder SRI?
• Ja
• Nein
• Ich habe innerhalb der
letzten 12 Monate weder
in Aktien noch in Invest-
mentfonds/ETFs inves-
tiert
32
Wie risikobereit oder risikoscheu sind Sie, wenn Sie Ent-
scheidungen im Leben treffen? 0 bedeutet "Völlig Risiko-
scheu" und 10 "Sehr risikobereit".
Skala von 0-10
0 = Völlig risikoscheu
10 = Sehr risikobereit
33
Beziehen Sie Stellung zur folgenden Aussage: „Die Ren-
diteerwartung ist ein wesentlicher Aspekt meiner Invest-
mententscheidungen“. 0 bedeutet "Ich stimme gar nicht
zu" und 10 "Ich stimme voll und ganz zu".
Skala von 0-10
0 = Stimme gar nicht zu
10 = Stimme voll und ganz zu
34
Aufgrund ihres Chance/Risiko-Profils von Aktien sind
diese als langfristige Kapitalanlage zu interpretieren. Bitte
geben Sie Ihren Anlagehorizont in Jahren an.
Befragte konnten via Dropdown-
Menü eine natürliche Zahl zwi-
schen 1 und 10 auswählen oder die
Möglichkeit „Mehr als 10“
35
Wie würden Sie Ihre Bereitschaft einschätzen, etwas mit
anderen zu teilen, ohne dafür eine direkte und unmittel-
bare Gegenleistung zu erwarten? 0 bedeutet "Komplett
unwillig" und 10 "Sehr bereit".
Skala von 0-10
0 = Komplett unwillig
10 = Sehr bereit
36
Haben Sie in den letzten 12 Monaten Geld an eine Um-
weltorganisation (z. B. WWF, Greenpeace, etc.) gespen-
det?
• Ja
• Nein
37
Haben Sie in den letzten 12 Monaten Geld an eine Sozial-
einrichtung (z. B. Ärzte ohne Grenzen, SOS-Kinderdör-
fer, Caritas, amnesty international, etc.) gespendet?
• Ja
• Nein
38
Inwieweit stimmen Sie der folgenden Aussage zu: „Der
Klimawandel ist ein ernstes Problem, welches dringend
gelöst werden muss.“ 0 steht für "Überhaupt keine Zu-
stimmung" und 10 für "Sehr starke Zustimmung".
Skala von 0-10
0 = Überhaupt keine Zustimmung
10 = Sehr starke Zustimmung
87
39
Inwieweit stimmen Sie der folgenden Aussage zu: „So-
lange ich nicht vom Gegenteil überzeugt bin, gehe ich im-
mer davon aus, dass andere Menschen nur das Beste im
Sinn haben.“ 0 steht für "Überhaupt keine Zustimmung"
und 10 für "Sehr starke Zustimmung".
Skala von 0-10
0 = Überhaupt keine Zustimmung
10 = Sehr starke Zustimmung
Quelle: In Anlehnung an Filippini, M. et al., SFL, 2022, S. 1–46; Matthies, A. M., Rojahn,
J., Financial Literacy, 2022, S. 361 f.
88
Anhang 2: Regressionsoutputs der Poisson-Regressionen
Abbildung 33: Poisson-Regression der Finanzkompetenz
Quelle: Eigene Darstellung
89
Abbildung 34: Poisson-Regression der Nachhaltigkeitskompetenz
Quelle: Eigene Darstellung
90
Abbildung 35: Poisson-Regression der nachhaltigen Finanzkompetenz
Quelle: Eigene Darstellung
91
Anhang 3: Odds-Ratios der logistischen Regression
Abbildung 36: Odds-Ratios der logistischen Regression
Quelle: Eigene Darstellung
92
Literaturverzeichnis
Alan, Nazli Sila, Schwartz, Robert A. (Stock Exchange, 2013): Price discovery: The
economic function of a stock exchange, in: The Journal of Portfolio Management,
40 (2013), Nr. 1, S. 124–132
Albers, Sönke, Klapper, Daniel, Kondradt, Udo, Walter, Achim, Wolf, Joachim (Hrsg.)
(Empirische Forschung, 2009): Methodik der empirischen Forschung, 3. Aufl.,
Wiesbaden: Gabler, 2009
Aldrich, John H., Nelson, Forrest D. (Logit Model, 1983): Linear Probability, Logit, and
Probit Models, Newbury Park: SAGE Publications, 1983
Almenberg, Johan, Dreber, Anna (Financial Literacy, 2015): Gender, stock market
participation and financial literacy, in: Economics Letters, 137 (2015), S. 140–142
Anderson, Anders, Robinson, David T (Green Investments, 2022): Financial Literacy in
the Age of Green Investment, in: Review of Finance, 26 (2022), Nr. 6, S. 1551–1584
Anderson, Keith, Brooks, Chris (P/E Ratio, 2005): Decomposing the price-earnings ratio,
in: Journal of Asset Management, 6 (2005), S. 456–469
Arrondel, Luc, Debbich, Majdi, Savignac, Frédérique (French FL, 2012): Stockholding
and Financial Literacy in the French Population, in: International Journal of Social
Sciences and Humanity Studies, 4 (2012), Nr. 2, S. 285–294
Arrondel, Luc, Debbich, Majdi, Savignac, Frédérique (Stockholding, 2015):
Stockholding in France : the role of financial literacy and information, in: Applied
Economics Letters, 22 (2015), Nr. 16, S. 1315–1319
Auer, Benjamin, Rottmann, Horst (Statistik und Ökonometrie, 2020): Statistik und
Ökonometrie für Wirtschaftswissenschaftler - Eine anwendungsorientierte
Einführung, 4. Aufl., Wiesbaden: Springer Gabler, 2020
Backhaus, Klaus, Erichson, Bernd, Gensler, Sonja, Weiber, Rolf, Weiber, Thomas
(Analyse, 2021): Multivariate Analysemethoden - Eine anwendungsorientierte
Einführung, 16. Aufl., Wiesbaden: Springer Gabler, 2021
Backhaus, Klaus, Erichson, Bernd, Plinke, Wulff, Weiber, Rolf (Pseudo-R-Squared,
2018): Multivariate Analysemethoden - Eine anwendungsorientierte Einführung, 15.
93
Aufl., Berlin, Heidelberg: Springer Gabler, 2018
Bahmani-Oskooee, Mohsen, Saha, Sujata (Exchange Rates, 2015): On the relation
between stock prices and exchange rates: a review article, in: Journal of Economic
Studies, 42 (2015), Nr. 4, S. 707–732
Bannier, Christina E., Hirsch, Christian W. (Rating Agencies, 2010): The economic
function of credit rating agencies - What does the watchlist tell us?, in: Journal of
Banking and Finance, 34 (2010), Nr. 12, S. 3037–3049
Barber, Brad M., Morse, Adair, Yasuda, Ayako (Impact Investments, 2021): Impact
investing, in: Journal of Financial Economics, 139 (2021), Nr. 1, S. 162–185
Barrell, Ray, Davis, E. Philip (Financial Crisis, 2008): The evolution of the financial
crisis of 2007-8, in: National Institute Economic Review, 206 (2008), Nr. 1, S. 5–14
Bassa Scheresberg, Carlo de (Financial Behavior, 2013): Financial Literacy and
Financial Behavior among Young Adults : Evidence and Implications, in:
Numeracy, 6 (2013), Nr. 2, S. 1–21
Bauer, Rob, Ruof, Tobias, Smeets, Paul (Sustainable Investments, 2021): Get Real!
Individuals Prefer More Sustainable Investments, in: Review of Financial Studies,
34 (2021), Nr. 8, S. 3976–4043
Baule, Rainer, Blonski, Philip (Issuer, 2015): The Demand for Warrants and Issuer
Pricing Strategies, in: Journal of Futures Markets, 35 (2015), Nr. 12, S. 1195–1219
Beck, Hanno (Behavioral Economics, 2014): Behavioral Economics, Wiesbaden:
Springer Gabler, 2014
Behrman, Jere R., Mitchell, Olivia S., Soo, Cindy K., Bravo, David (Effects of FL, 2012):
How financial literacy affects household wealth accumulation, in: American
Economic Review, 102 (2012), Nr. 3, S. 300–304
Bernet, Beat (Finanzintermediation, 2018): Institutionelle Grundlgen der
Finanzintermediation, München: Oldenbourg Wissenschaftsverlag, 2018
Bönke, Timm, Kemptner, Daniel, Lüthen, Holger (Rentensystem, 2018): Wege zur
Stabilisierung des Rentensystems: Abschläge auf die Frührente sind besser als
Nullrunden, in: DIW Wochenbericht, 85 (2018), Nr. 8, S. 125–133
94
Boßow-Thies, Silvia, Krol, Bianca (Hrsg.) (Quantitative Forschung, 2022): Quantitative
Forschung in Masterarbeiten: Best-Practice-Beispiele wirtschaftswissenschaftlicher
Studienrichtungen, Wiesbaden: Springer Gabler, 2022
Boßow-Thies, Silvia, Gansser, Oliver (Logistische Regressionsanalyse, 2022):
Grundlagen empirischer Forschung in quantitativen Masterarbeiten, in, Boßow-
Thies, Silvia, Krol, Bianca (Hrsg.), Quantitative Forschung in Masterarbeiten: Best-
Practice-Beispiele wirtschaftswissenschaftlicher Studienrichtungen, Wiesbaden:
Springer Gabler, 2022, S. 1–32
Bucher-Koenen, Tabea, Lusardi, Annamaria (German FL, 2011): Financial literacy and
retirement planning in Germany, in: Journal of Pension Economics and Finance, 10
(2011), Nr. 4, S. 565–584
Burke, Jeremy, Hung, Angela A. (Trust, 2021): Trust and financial advice, in: Journal of
Pension Economics and Finance, 20 (2021), Nr. 1, S. 9–26
Calvet, Laurent E., Campbell, John Y., Sodini, Paolo (Welfare Costs, 2007): Down or
Out : Assessing the Welfare Costs of Household Investment Mistakes, in: Journal of
Political Economy, 115 (2007), Nr. 5, S. 707–747
Campbell, John Y. (Household Finance, 2006): Household finance, in: The Journal of
Finance, 61 (2006), Nr. 4, S. 1553–1604
Christelis, Dimitris, Jappelli, Tullio, Padula, Mario (Portfolio Choice, 2010): Cognitive
abilities and portfolio choice, in: European Economic Review, 54 (2010), Nr. 1, S.
18–38
Christensen, Hans B., Hail, Luzi, Leuz, Christian (Securities Regulation, 2016): Capital-
Market Effects of Securities Regulation: Prior Conditions, Implementation, and
Enforcement, in: The Review of Financial Studies, 29 (2016), Nr. 11, S. 2885–2924
Christiansen, Charlotte, Joensen, Juanna Schröter, Rangvid, Jesper (Marriage, 2015):
Understanding the effects of marriage and divorce on financial investments: The role
of background risk sharing, in: Economic Inquiry, 53 (2015), Nr. 1, S. 431–447
Cocco, João F., Gomes, Francisco J., Maenhout, Pascal J. (Portfolio Choice, 2005):
Consumption and portfolio choice over the life cycle, in: Review of Financial
Studies, 18 (2005), Nr. 2, S. 491–533
95
Cook, R. Dennis, Weisberg, Sanford (Cook's Distance, 1982): Criticism and Influence
Analysis in Regression, in: Sociological Methodology, 13 (1982), S. 313–361
Döpfner, Claudia (Nachhaltigkeitsrating, 2016): Wie nützlich sind Nachhaltigkeitratings
für eine nachhaltige Entwicklung von Unternehmen?, in, Kopp, Heidrun E. (Hrsg.),
CSR und Finanzratings - Nachhaltige Finanzwirtschaft: Rating statt Raten!, Berlin,
Heidelberg: Springer Gabler, 2016, S. 55–64
Døskeland, Trond, Pedersen, Lars Jacob Tynes (Responsible Investment, 2016):
Investing with brain or heart? A field experiment on responsible investment, in:
Management Science, 62 (2016), Nr. 6, S. 1632–1644
Edwards, Kimberley D. (PT, 1996): Prospect theory: A literature review, in: International
Review of Financial Analysis, 5 (1996), Nr. 1, S. 19–38
El-Attar, Mayssun, Poschke, Markus (Trust, 2011): Trust and the choice between housing
and financial assets: Evidence from Spanish households, in: Review of Finance, 15
(2011), Nr. 4, S. 727–756
Elmqvist, Thomas, Andersson, Erik, Frantzeskaki, Niki, McPhearson, Timon, Olsson,
Per, Gaffney, Owen, Takeuchi, Kazuhiko, Folke, Carl (Sustainable Transformation,
2019): Sustainability and resilience for transformation in the urban century, in:
Nature Sustainability, 2 (2019), Nr. 4, S. 267–273
Fagereng, Andreas, Gottlieb, Charles, Guiso, Luigi (Life-Cycle, 2017): Asset Market
Participation and Portfolio Choice over the Life-Cycle, in: The Journal of Finance,
72 (2017), Nr. 2, S. 705–750
Field, Andy (Statistics, 2009): Discovering Statistics Using SPSS, 3. Aufl., Thousand
Oaks: SAGE Publications, 2009
Filippini, Massimo, Leippold, Markus, Wekhof, Tobias (SFL, 2022): Sustainable Finance
Literacy and the Determinants of Sustainable Investing, in: Swiss Finance Institute
Research Paper Series, 2 (2022), Nr. 1, S. 1–46
Garg, Neha, Singh, Shveta (Youth FL, 2018): Financial literacy among youth, in:
International Journal of Social Economics, 45 (2018), Nr. 1, S. 173–186
Gehrke, Matthias (Empirische Methoden, 2022): Angewandte Empirische Methoden in
96
Finance & Accounting: Umsetzung mit R, 2. Aufl., Berlin, Boston: De Gruyter
Oldenbourg, 2022
Georgarakos, Dimitris, Pasini, Giacomo (Stock Market Participation, 2011): Trust,
sociability, and stock market participation, in: Review of Finance, 15 (2011), Nr. 4,
S. 693–725
Gillan, Stuart L., Koch, Andrew, Starks, Laura T. (Social Responsibility, 2021): Firms
and social responsibility: A review of ESG and CSR research in corporate finance,
in: Journal of Corporate Finance, 66 (2021), S. 1–16
Grunow, Hans-Werner, Zender, Christoph (Green Finance, 2020): Green Finance -
Erfolgreiche Schritte zur grünen Unternehmensfinanzierung, Wiesbaden: Springer
Gabler, 2020
Guiso, Luigi, Haliassos, Michael, Jappelli, Tullio (Hrsg.) (Stockholding, 2003):
Stockholding in Europe, London: PALGRAVE MACMILLAN, 2003
Guiso, Luigi, Sapienza, Paola, Zingales, Luigi (Trust, 2008): Trusting the stock market,
in: The Journal of Finance, 63 (2008), Nr. 6, S. 2557–2600
Gutsche, Gunnar, Nakai, Miwa, Arimura, Toshi H. (ESG-Investments, 2021): Revisiting
the determinants of individual sustainable investment—The case of Japan, in:
Journal of Behavioral and Experimental Finance, 30 (2021), Nr. 1, S. 1–21
Halbritter, Gerhard, Dorfleitner, Gregor (ESG Investing, 2015): The wages of social
responsibility - where are they? A critical review of ESG investing, in: Review of
Financial Economics, 26 (2015), S. 25–35
Haliassos, Michael (Stockholding, 2003): Stockholding: Recent Lessons from Theory
and Computations, in, Luigi Guiso, Michael Haliassos, Tullio Jappelli (Hrsg.),
Stockholding in Europe, London: PALGRAVE MACMILLAN, 2003, S. 30–51
Haliassos, Michael, Bertaut, Carol C. (SMPP, 1995): Why do so Few Hold Stocks?, in:
The Economic Journal, 105 (1995), Nr. 432, S. 1110–1129
Happ, Roland, Förster, Manuel, Rüspeler, Ann-Katrin, Rothweiler, Jasmin (Financial
Knowledge, 2017): Young adults’ knowledge and understanding of personal finance
in Germany: Interviews with experts and test-takers, in: Citizenship, Social and
97
Economics Education, 17 (2017), Nr. 1, S. 1–17
Healy, Paul M., Palepu, Krishna G. (Information Assymetry, 2001): Information
asymmetry, corporate disclosure, and the capital markets: A review of the empirical
disclosure literature, in: Journal of Accounting and Economics, 31 (2001), Nr. 1–3,
S. 405–440
Hosmer, David W., Lemeshow, Stanley, Sturdivant, Rodney X. (Logistic Regression,
2013): Applied Logistic Regression, 3. Aufl., Hoboken: Wiley, 2013
Huston, Sandra J. (Measuring FL, 2010): Measuring Financial Literacy, in: Journal of
Consumer Affairs, 44 (2010), Nr. 2, S. 296–316
Jappelli, Tullio, Padula, Mario (Financial Literacy, 2015): Investment in financial
literacy, social security, and portfolio choice, in: Journal of Pension Economics and
Finance, 14 (2015), Nr. 4, S. 369–411
Kahnemann, Daniel, Tversky, Amos (Prospect Theory, 1979): Prospect Theory: An
Analysis of Decision under Risk, in: Econometrica, 47 (1979), Nr. 2, S. 263–292
Kaustia, Markku, Torstila, Sami (Participation, 2011): Stock market aversion? Political
preferences and stock market participation, in: Journal of Financial Economics, 100
(2011), Nr. 1, S. 98–112
Kemfert, Claudia, Schmalz, Sophie (Regulatorik, 2019): Politische Einflussmöglichkeiten
auf die Entwicklung nachhaltiger Geldanlagen: Herausforderungen der
Implementierung, in: Vierteljahrshefte zur Wirtschaftsforschung, 88 (2019), Nr. 3,
S. 67–79
Klapper, Leora, Lusardi, Annamaria (Financial Resilience, 2019): Financial literacy and
financial resilience: Evidence from around the world, in: Financial Management, 49
(2019), Nr. 3, S. 589–614
Klapper, Leora, Lusardi, Annamaria, Panos, Georgios A. (Consequences, 2013):
Financial literacy and its consequences: Evidence from Russia during the financial
crisis, in: Journal of Banking and Finance, 37 (2013), Nr. 10, S. 3904–3923
Kommer, Gerd (Indizes, 2018): Souverän Investieren mit Indexfonds & ETFs - Wie
Privatanleger das Spiel gegen die Finanzbranche gewinnen, 5. Aufl., Frankfurt am
98
Main: Campus, 2018
Kommer, Gerd (Investieren, 2019): Souverän Investieren für Einsteiger - Wie Sie mit
ETFs ein Vermögen bilden, Frankfurt am Main: Campus Verlag, 2019
Kopp, Heidrun E. (Hrsg.) (CSR, 2016): CSR und Finanzratings - Nachhaltige
Finanzwirtschaft: Rating statt Raten!, Berlin, Heidelberg: Springer Gabler, 2016
Krechovská, Michaela (FL & Sustainability, 2015): Financial Literacy as a path to
Sustainability, in: Trendy v podnikání - Business Trends, 5 (2015), Nr. 2, S. 3–12
Lee, Boram, Veld-Merkoulova, Yulia (Stockholding, 2016): Myopic loss aversion and
stock investments: An empirical study of private investors, in: Journal of Banking
and Finance, 70 (2016), S. 235–246
Łukowski, Michał, Gemra, Kamil, Maruszewski, Janusz, Śliwiński, Paweł, Zygmanowski,
Piotr (EPP, 2020): Equity premium puzzle - Evidence from Poland, in: Journal of
Behavioral and Experimental Finance, 28 (2020), S. 1–8
Lusardi, Annamaria (FL, 2015): Financial literacy: Do people know the ABCs of
finance?, in: Public Understanding of Science, 24 (2015), Nr. 3, S. 260–271
Lusardi, Annamaria (Financial Education, 2019): Financial literacy and the need for
financial education: evidence and implications, in: Swiss Journal of Economics and
Statistics, 155 (2019), Nr. 1, S. 1–8
Lusardi, Annamaria, Mitchell, Olivia S. (Babyboomer, 2007): Baby Boomer retirement
security: The roles of planning, financial literacy, and housing wealth, in: Journal of
Monetary Economics, 54 (2007), Nr. 1, S. 205–224
Lusardi, Annamaria, Mitchell, Olivia S. (Big Three, 2008): Planning and financial
literacy: How do women fare?, in: American Economic Review, 98 (2008), Nr. 2, S.
413–417
Lusardi, Annamaria, Mitchell, Olivia S. (Financial Literacy, 2011): Financial literacy
around the world: An overview, in: Journal of Pension Economics and Finance, 10
(2011), Nr. 4, S. 497–508
Lusardi, Annamaria, Mitchell, Olivia S. (Importance of FL, 2014): The Economic
Importance of Financial Literacy: Theory and Evidence, in: Journal of Economic
Literature, 52 (2014), Nr. 1, S. 5–44
99
Lusardi, Annamaria, Tufano, Peter (Debt Literacy, 2015): Debt literacy, financial
experiences, and overindebtedness, in: Journal of Pension Economics and Finance,
14 (2015), Nr. 4, S. 332–368
Markowitz, Harry Max (Portfolio Selection, 1952): Portfolio Selection, in: Journal of
Finance, 7 (1952), Nr. 1, S. 77–91
Markowitz, Harry Max (Portfolio Theory, 1991): Foundations of Portfolio Theory, in:
Journal of Finance, 46 (1991), Nr. 2, S. 469–477
Matthies, Anna Maria, Rojahn, Joachim (Financial Literacy, 2022): Logistische
Regression und Random Forests: Der Einfluss der Financial Literacy auf die
Aktienmarktpartizipation in Europa, in, Boßow-Thies, Silvia, Krol, Bianca (Hrsg.),
Quantitative Forschung in Masterarbeiten: Best-Practice-Beispiele
wirtschaftswissenschaftlicher Studienrichtungen, Wiesbaden: Springer Gabler,
2022, S. 349–378
Mehra, Rajnish, Prescott, Edward C. (Equity Premium, 1985): The equity premium: A
puzzle, in: Journal of Monetary Economics, 15 (1985), Nr. 2, S. 145–161
Morrien, Rolf, Engst, Judith (Aktie, 2012): Börse leicht verständlich - Von der Depot-
Eröffnung zum optimalem Depot, 3. Aufl., München: FinanzBuch Verlag, 2012
Overesch, Michael, Pflitsch, Max (TCJA, 2021): Cross-border effects of a major tax
reform - Evidence from the European Stock Market, in: National Tax Journal, 74
(2021), Nr. 1, S. 75–106
Panait, Mirela, Voica, Marian Catalin, Radulescu, Irina (Actors, 2014): The Activity of
Capital Market’ Actors: Under the Sign of Social Responsibility, in: Procedia
Economics and Finance, 8 (2014), Nr. 14, S. 522–528
Pavlova, Ivelina, Boyrie, Maria E. de (ESG, 2022): ESG ETFs and the COVID-19 stock
market crash of 2020: Did clean funds fare better?, in: Finance Research Letters, 44
(2022), S. 1–6
Peng, Congmin, She, Po Wen, Lin, Ming Kun (Portfolio Diversity, 2022): Financial
Literacy and Portfolio Diversity in China, in: Journal of Family and Economic
Issues, 43 (2022), Nr. 3, S. 452–465
100
Pevzner, Mikhail, Xie, Fei, Xin, Xiangang (Trust, 2015): When firms talk, do investors
listen? The role of trust in stock market reactions to corporate earnings
announcements, in: Journal of Financial Economics, 117 (2015), Nr. 1, S. 190–223
Rahman, Md Lutfur, Shamsuddin, Abul (Price-Earnings-Ratio, 2019): Investor sentiment
and the price-earnings ratio in the G7 stock markets, in: Pacific Basin Finance
Journal, 55 (2019), Nr. 3, S. 46–62
Riedl, Arno, Smeets, Paul (SR Funds, 2017): Why Do Investors Hold Socially
Responsible Mutual Funds?, in: Journal of Finance, 72 (2017), Nr. 6, S. 2505–2550
Rohrlack, Christian (Logit-Modell, 2009): Logistische und Ordinale Regression, in,
Albers, Sönke, Klapper, Daniel, Kondradt, Udo, Walter, Achim, Wolf, Joachim
(Hrsg.), Methodik der empirischen Forschung, 3. Aufl., Wiesbaden: Gabler, 2009,
S. 267–282
Rooij, Maarten C.J. van, Lusardi, Annamaria, Alessie, Rob J.M. (Retirement, 2011):
Financial literacy and retirement planning in the Netherlands, in: Journal of
Economic Psychology, 32 (2011), Nr. 4, S. 593–608
Rooij, Maarten van, Lusardi, Annamaria, Alessie, Rob (FL, 2011): Financial literacy and
stock market participation, in: Journal of Financial Economics, 101 (2011), Nr. 2, S.
449–472
Rossi, Mariacristina, Sansone, Dario, Soest, Arthur van, Torricelli, Costanza (SRI,
2019): Household preferences for socially responsible investments, in: Journal of
Banking and Finance, 105 (2019), Nr. 1, S. 107–120
Rudolf, Matthias, Vogel-Blaschka, Diana (Poisson-Verteilung, 2023): Komplexe
regressionsanalytische Verfahren: Eine praxisorientierte Einführung mit
Anwendungsbeispielen in R und SPSS, Göttingen: Hogrefe, 2023
Schlittgen, Rainer (Regressionsanalyse, 2013): Regressionsanalysen mit R, München:
Oldenbourg, 2013
Schneider, Andreas, Schmidpeter, René (Hrsg.) (CSR, 2015): Corporate Social
Responsibility - Verantortungsvolle Unternehmensführung in Theorie und Praxis, 2.
Aufl., Berlin, Heidelberg: Springer Gabler, 2015
Schumacher, Kim, Chenet, Hugues, Volz, Ulrich (Sustainable Finance, 2020): Sustainable
101
finance in Japan, in: Journal of Sustainable Finance and Investment, 10 (2020), Nr.
2, S. 213–246
Schütze, Franziska, Stede, Jan, Blauert, Marc, Erdmann, Katharina (EU taxonomy,
2020): EU taxonomy increasing transparency of sustainable investments, in: DIW
Weekly Report, 10 (2020), Nr. 51, S. 485–492
Siegel, Jeremy J. (Real Returns, 2014): Stocks for the long run: The definitive guide to
financial market returns and long-term investment strategies, 5. Aufl., New York:
McGraw-Hill Education, 2014
Sivaramakrishnan, Sreeram, Srivastava, Mala, Rastogi, Anupam (Stock Market
Participation, 2017): Attitudinal factors, financial literacy, and stock market
participation, in: International Journal of Bank Marketing, 35 (2017), Nr. 5, S. 818–
841
Smeden, Maarten van, Groot, Joris A.H. De, Moons, Karel G.M., Collins, Gary S.,
Altman, Douglas G., Eijkemans, Marinus J.C., Reitsma, Johannes B. (Events per
Variable, 2016): No rationale for 1 variable per 10 events criterion for binary logistic
regression analysis, in: BMC Medical Research Methodology, 16 (2016), Nr. 1, S.
1–12
Stulz, René M., Williamson, Rohan (Trust, 2003): Culture, openness, and finance, in:
Journal of Financial Economics, 70 (2003), Nr. 3, S. 313–349
Thomas, Ashok, Spataro, Luca (European FL, 2018): Financial Literacy, Human Capital
and Stock Market Participation in Europe, in: Journal of Family and Economic
Issues, 39 (2018), Nr. 4, S. 532–550
Tjur, Tue (Tjur R-Squared, 2009): Coefficients of determination in logistic regression
models - A new proposal: The coefficient of discrimination, in: American
Statistician, 63 (2009), Nr. 4, S. 366–372
Urban, Dieter (Logit, 1993): Logit-Analyse: Statistische Verfahren zur Analyse von
Modellen mit qualitativen Response-Variablen, Stuttgart: Gustav Fischer, 1993
Varmaz, Armin, Riebe, Katharina, Hegner, Sabrina (Sustainable Investments, 2021):
Sustainable Financial Literacy and Preferences for Sustainable Investments among
Young Adults, in: Vierteljahrshefte zur Wirtschaftsforschung, 90 (2021), Nr. 4, S.
102
43–69
Vittinghoff, Eric, McCulloch, Charles E. (Rule of Ten, 2007): Relaxing the rule of ten
events per variable in logistic and cox regression, in: American Journal of
Epidemiology, 165 (2007), Nr. 6, S. 710–718
Weber, Andrea (Nachhaltigkeit, 2015): Nachhaltigkeit und CSR in der Bankenwirtschaft,
in, Schneider, Andreas, Schmidpeter, René (Hrsg.), Corporate Social Responsibility
- Verantortungsvolle Unternehmensführung in Theorie und Praxis, 2. Aufl., Berlin,
Heidelberg: Springer Gabler, 2015, S. 935–948
Winkelmann, Rainer (Poisson Regression, 2008): Econometric Analysis of Count Data,
5. Aufl., Berlin, Heidelberg: Springer, 2008
Zwickle, Adam, Koontz, Tomas M., Slagle, Kristina M., Bruskotter, Jeremy T. (SL, 2014):
Assessing sustainability knowledge of a student population: Developing a tool to
measure knowledge in the environmental, Economic and social domains, in:
International Journal of Sustainability in Higher Education, 15 (2014), Nr. 4, S. 375–
389
Internetquellen:
Alexander, Olwyn (ESG Assets, 2022): Exponential expactations for ESG,
<https://www.pwc.com/gx/en/financial-services/assets/pdf/pwc-awm-revolution-
2022.pdf> (2022-01-01) [Zugriff am 2023-09-15]
Börse Frankfurt (Primärmarkt, o. J.): Primärmarkt, <https://www.boerse-
frankfurt.de/wissen/lexikon/primaermarkt> [Zugriff am 2023-08-09]
Buske, Nils (KGV, 2023): Was Anleger über das Kurs-Gewinn-Verhältnis wissen
müssen, <https://www.handelsblatt.com/finanzen/anlagestrategie/trends/kgv-von-
aktien-was-anleger-ueber-das-kurs-gewinn-verhaeltnis-wissen-muessen-
/27548028.html> (2023-01-03) [Zugriff am 2023-08-10]
Compeon (Kapitalmarkt, o. J.): Kapitalmarkt,
<https://www.compeon.de/glossar/kapitalmarkt/> [Zugriff am 2023-08-09]
Conradi, Malte, Diesteldorf, Jan, Gojdka, Victor (Geldpolitik, 2022): Aktienmärkte -
Darauf müssen Anleger nun achten,
103
<https://www.sueddeutsche.de/wirtschaft/aktien-geldanlage-inflation-investment-
1.5630919?print=true> (2022-08-01) [Zugriff am 2023-01-15]
DAI (Aktionärszahlen, 2023): Aktionärszahlen,
<https://www.dai.de/fileadmin/user_upload/230117_Deutsches_Aktieninstitut_Akt
ionaerszahlen_2022.pdf> (2023-01-01) [Zugriff am 2023-08-10]
Dausel, Tobias (Aktienbesitz, 2022): Deutschland nur Platz 9: Die Länder mit den
meisten Aktionären, <https://modern-wealth.de/deutschland-nur-platz-9-die-lander-
mit-den-meisten-aktionaren-16594/> (2022-08-16) [Zugriff am 2023-08-10]
Gitlin, Jon (Datenbereinigung, o. J.): Bereinigung von Umfragedaten: 7 Punkte, die Sie
vor Beginn Ihrer Analyse prüfen sollten,
<https://www.surveymonkey.de/curiosity/bereinigung-von-umfragedaten-7-
punkte-die-sie-vor-beginn-ihrer-analyse-pruefen-sollten/> [Zugriff am 2023-01-20]
Global Impact Investing Network (Impact Investing, o. J.): What You Need to Know
about Impact Investing, <https://thegiin.org/impact-investing/need-to-know/#what-
is-impact-investing> [Zugriff am 2023-08-13]
Schneider, Katharina (Geldanlage, 2016): Vergleich mit den USA: Deutsche Anleger
sind gehemmt,
<https://www.handelsblatt.com/finanzen/anlagestrategie/trends/vergleich-mit-den-
usa-deutsche-anleger-sind-gehemmt/14712432.html> (2016-10-20) [Zugriff am
2023-08-09]
Sommer, Ulf (Börsenbewertung, 2022): US-Aktien sind teurer als europäische
Industriewerte – aber auch aussichtsreicher,
<https://www.handelsblatt.com/unternehmen/management/boersenbewertung-us-
aktien-sind-teurer-als-europaeische-industriewerte-aber-auch-
aussichtsreicher/28674392.html?tm=login> (2022-09-12) [Zugriff am 2023-08-10]
Sparkasse (Inflation, o. J.): Geldentwertung, Kaufkraft und Geldanlage - 5 wichtige
Fakten zur Inflation,
<https://www.sparkasse.de/pk/ratgeber/finanzplanung/investieren/inflation.html>
[Zugriff am 2023-08-09]
Statease (Tjur R-Squared, 2023): Tjur R-Squared,
104
<https://www.statease.com/docs/v12/contents/advanced-topics/glm/tjur-pseudo-r-
squared/> (2023-01-01) [Zugriff am 2023-09-15]
Tober, Claudia, Dittrich, Simon, Gloger, Anne-Marie (Nachhaltige Geldanlagen, 2020):
Marktbericht Nachhaltige Geldanlagen, <https://fng-
marktbericht.org/fileadmin/Marktbericht/archiv/FNG-Marktbericht-2020.pdf>
(2020-01-01) [Zugriff am 2022-12-26]
UN (Brundtland Commission, o. J.): Sustainability, <https://www.un.org/en/academic-
impact/sustainability> [Zugriff am 2023-09-09]
United Nations (SDG, 2017): The 17 Goals, <https://sdgs.un.org/goals> [Zugriff am
2022-12-26]
United Nations (PRI, o. J.): What are the Principles for Responsible Investment?,
<https://www.unpri.org/about-us/what-are-the-principles-for-responsible-
investment> [Zugriff am 2023-08-13]
Walther, Björn (Cook-Distanz, 2022): Cook Distanz in R ermitteln und interpretieren –
Ausreißer erkennen, <https://bjoernwalther.com/cook-distanz-in-r-ermitteln-und-
interpretieren-ausreisser-erkennen/#21_Zugang_1_und_2_-
_feste_und_halbfeste_Grenzen> (2022-10-13) [Zugriff am 2023-09-11]