Welche Auswirkungen hatte die Höhe der Corona-Soforthilfe auf die wirtschaftliche Stabilität von kleinen und mittleren Unternehmen in den Bundesländern ?

Die Covid19-Pandemie hat im März sowohl den Industrie- als auch den Dienstleistungssektor unvermittelt und mit großer Härte getroffen. Begegnet wurde diesen Herausforderungen unter anderen mit Politikmaßnahmen in Form von Zuschüssen wie die Corona-Soforthilfe, welche sich an an Soloselbständige, kleine Unternehmen bis zu 10 Angestellten, Freiberufler und Landwirte richtete. Die Maßnahme hatte das Ziel, die wirtschaftliche Existenz kleiner Unternehmen zu  sichern, sowie Liquiditätsengpässe zu überbrücken. Mit einem Antragszeitraum vom 30. März bis 31. Juni stellt sie eine bereits abgelaufene Maßnahme dar. 

Doch obwohl bundesweit koordiniert, variiert die Höhe der Corona-Soforthilfe der Länder zum Teil stark. Hervorzuheben sind hier insbesondere Hessen und Hamburg, die zusätzlich zu den bundesweit vereinbarten Höhen, Zuschüsse für Soloselbständige und Unternehmen bis zu 10 Angestellten ausgezahlt haben. Auch wurde zum Teil früher mit einer eigenen Soforthilfe begonnen als in anderen Bundesländern. 


Corona-Soforthilfe im Bundesländervergleich

Eigene Grafik (Quellen: Zuständige Landesbehörden, Welt)

Diese Beobachtungen verstärken bei uns die Annahme, dass es womöglich Unterschiede in Bezug auf die wirtschaftliche Stabilität von Unternehmen in den Ländern gibt, die durch unterschiedliche Höhen in der Corona-Soforthilfe verursacht wurden. Wir argumentieren, dass die Höhe der Corona-Soforthilfe im Bundesländervergleich die wirtschaftliche Stabilität von Unternehmen im Positiven beeinflusst hat.

Dadurch, dass die Gelder weder an Bedingungen geknüpft waren, noch zurückgezahlt werden müssen, nehmen wir an, dass finanzielle Zuschüsse jeder Art Firmen entlastet haben.  

Darüber hinaus nehmen wir an, dassalle Unternehmen, die finanzielle Hilfe benötigten und diese im Rahmen der Corona-Soforthilfe anfragen konnten, die Hilfe auch in Anspruch genommen haben. Uns ist bewusst, dass dafür im Vorhinein ausgeschlossen werden muss, ob es in den jeweiligen Bundesländern zu Umsetzungsproblemen der Policy und zu Problemen bei der Auszahlung der Gelder gekommen ist. Wenn dies weitgehend ausgeschlossen werden kann, gilt jedoch die Annahme.

Als Indikatoren für die wirtschaftliche Stabilität bzw. Instabilität eines Unternehmens nehmen wir Unternehmensinsolvenzen, Entlassungen, Kapitalreduktionen sowie Einsparungen hinsichtlich geplanter Investitionen.



Hypothesen

H1: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto weniger Unternehmensinsolvenzen gibt es in dem Bundesland.

H2: : Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto geringer ist die Quote an Entlassungen in dem Bundesland.

H3: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto geringer sind die Einsparungen hinsichtlich geplanter Investitionen in dem Bundesland.

H4: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto geringer ist die Menge an abgestoßenem bzw. zum Verkauf gestellten Kapital (dazu zählen etwa: Gewerblich genutzte Räumlichkeiten, Kfz, Produktionsgüter) in dem Bundesland.

Die Hypothesen sind jeweils falsifiziert, wenn die Höhe der bewilligten Zahlungen entweder keinen Einfluss auf die jeweilige abhängige Variable hat oder höhere Zahlungen die Ausprägung der abhängigen Variable gar auf eine negative wirtschaftliche Art und Weise beeinflussen.

Die unabhängige Variable unseres Modells ist also der Maximalbetrag der Corona Soforthilfe in einem Bundesland geclustered nach Unternehmensgröße. Die Abhängigen Variablen sind:

Konzeptspezifikation

Abhängige Variable: H1: Unternehmensinsolvenzen/ Schließungen 

Abhängige Variable H2: Entlassungen 

Abhängige Variable H3: Geplante Investitionen

Abhängige Variable H4: Kapitalreduktion

Methodik

Aufgrund dieser Tatsache bietet sich zur Untersuchung der oben aufgeführten Hypothesen zwecks der Evaluation der Soforthilfemaßnahmen das „Matching“ als (quasi-experimentelles) Forschungsdesign an.

Da wie bereits erwähnt nicht alle Bundesländer bei gleich hoher Beschäftigtenzahl auch die finanziellen Soforthilfen in gleicher Höhe auszahlen, ließen sich jene Unternehmen, die zwar über die gleiche Beschäftigtenzahl verfügen, aber je nach Standort bzw. Bundesland unterschiedlich hohe Zahlungen erhalten, miteinander „matchen“.

Allerdings können die von uns aufgeführten Hypothesen nur für diejenigen Unternehmen gelten, deren Antrag auf die finanzielle Soforthilfe auch tatsächlich genehmigt wurde. Angenommen alle anderen Unternehmen, für die dies nicht gelten würde, deren Antrag also folglich abgelehnt wurde, würden in die Untersuchung miteinbezogen werden, so könnte nicht ausgeschlossen werden, dass die finanziellen Schwierigkeiten, die durch die Soforthilfen ausgeglichen werden sollen, nicht etwa durch die Corona-Krise selbst bedingt sind, sondern möglicherweise auf Misswirtschaft schon vor der Krise zurückzuführen sind.

Zugleich müssen weitere Faktoren wie beispielsweise branchen- und saisonspezifische Merkmale berücksichtig werden, um Verzerrungen bei dem Vergleich der jeweils gematchten Unternehmen zu verhindern. Ebenjene könnten beispielsweise dann auftreten, wenn man ein Unternehmen aus dem Bereich der Gastronomie mit einem Unternehmen aus dem Bereich des Baugewerbes einander zum Vergleich zuordnet. Bezogen auf die Einsparungen hinsichtlich geplanter Investitionen kann man in diesem Fall zum Beispiel davon ausgehen, dass Unternehmen aus dem Baugewerbe hier vermutlich eher Kürzungen vornehmen als Unternehmen aus der Gastronomie, da erstere im Allgemeinen deutlich mehr bzw. höherstellige Geldsummen auf Maschinen, Fahrzeuge, Werkhallen o.Ä. aufwenden als letztere.

Insgesamt soll durch den Vergleich der einander zugeordneten Unternehmen herausgefunden werden, ob unter der Bedingung, dass diese in etwa gleiche Voraussetzungen hinsichtlich der Mitarbeiterzahl, aber auch hinsichtlich der Branche sowie der Saison haben, die Höhe der finanziellen Soforthilfen einen (positiven) Einfluss auf deren wirtschaftliche Situation hat.

Bei der Datenerhebung wird man zur Feststellung ebenjener Auswirkungen der Zahlungen auf die wirtschaftliche Situation der Unternehmen wohl nicht ohne deren direkte Auskunft mittels Fragebögen auskommen.


Kritische Würdigung

Unser Forschungsinteresse liegt in der Untersuchung, ob die Höhe der Corona-Soforthilfe einen Effekt auf die wirtschaftliche Stabilität von Unternehmen in den Bundesländern hat. Als Indikatoren für die wirtschaftliche Stabilität von Firmen werden hier Unternehmensinsolvenzen, Entlassungen, geplante Investitionen und Kapitalreduktion genommen. Klar ist, dass die Corona-Soforthilfe als Maßnahme durch die Indikatoren nicht vollständig hinsichtlich Ihrer Effizienz bewertet werden kann. Die Indikatoren können aber durchaus einen Hinweis auf das wirtschaftliche Befinden von kleinen Unternehmen in Deutschland geben. Fraglich ist, ob die Effekte zum jetzigen Zeitpunkt in vollem Umfang messbar sind, da die Überbrückungsgelder Insolvenzen und Entlassungen womöglich hinausgezögert haben. Insolvenzen und Entlassungen könnten sich verschleppen, wenn zusätzlich firmeneigene Puffer aufgebraucht werden. Erst nach Aufbrauchen dieser Puffer steigt das Risiko für die Firma, finanziell in ein Ungleichgewicht zu geraten. Es kann also Sin machen, die Untersuchung zu einem späteren Zeitpunkt durchzuführen, auch wenn Kreuzeffekte wie die auf die Corona-Soforthilfe gefolgte Überbrückungshilfe mit einberechnet werden müssten.

H1: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto weniger Unternehmensinsolvenzen gibt es in dem Bundesland.

Hier fällt auf, dass es wichtig ist, auf Unternehmensbranchen zu kontrollieren, da es womöglich branchenspezifische Trends gibt, die durch eine einfache Unterteilung in Unternehmensgrößen nicht erfasst werden.

H2: : Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einemBundesland, desto geringer ist die Quote an Entlassungen in dem Bundesland.

Gleiches gilt für die zweite Hypothese. Wichtig hier anzumerken ist, dass Schwarzarbeit nicht in den Modellen inkludiert ist. Entlassungen in diesem Bereich sind fast unmöglich zu erfassen, könnten aber die Entlassungszahlen positiv verzerren.

H3: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto geringer sind die Einsparungen hinsichtlich geplanter Investitionen in dem Bundesland.

Das Maß für die Einsparungen hinsichtlich geplanter Investitionen ist mit Vorsicht zu betrachten. Es ist nicht zwingend ein Indikator für einen schlechten Stand einer Firma, Firmen reagieren hier erst einmal auf die gesunkene Nachfrage und approximieren zukünftige Nachfrageentwicklungen. Gerade hier könnten branchenspezifische Unterschiede deutlich werden. Einsparungen hinsichtlicher geplanter Investitionen sind zudem sehr schwer messbar. Hier müsste mit Befragungen gearbeitet werden, die jedoch eine Reihe von weiteren Verzerrungen mit sich tragen, auch die kontrolliert werden müsste.

H4: Je höher der Maximalbetrag der Corona Soforthilfe je Unternehmenskategorie in einem Bundesland, desto geringer ist die Menge an abgestoßenem bzw. zum Verkauf gestellten Kapital (dazu zählen etwa: Gewerblich genutzte Räumlichkeiten, Kfz, Produktionsgüter) in dem Bundesland.

Hier ist es wichtig, auf Corona-unabhängige Trends zu kontrollieren, da die Abschreibungsrate des Kapitals durchaus Schwankungen unterliegen kann. Eine Kontrolle auf Branchen bietet sich an. Ebenso wie bei den Einparungen hinsichtlich geplanter Investitionen, besteht hier ein Messbarkeitsproblem. Daten zur Kapitalreduktion müssten über Befragungen gewonnen werden.

Methode

Für die Untersuchung wurde das Matching-Verfahren ausgewählt, wobei Unternehmen mit gleicher Beschäftigtenzahl aber in unterschiedlichen Bundesländern „gematcht“ werden. Das Verfahren imitiert damit randomisierte Experimente. Dabei ist es wichtig zu beachten, dass die Ergebnisse der Untersuchung je nach der Wahl des Bundeslandes bzw. des Standorts unterschiedlich sein können, da es nämlich um eine quasi-experimentelle Methode geht und keine vollständige Randomisierung vorhanden ist. Die Verteilung unbeobachtbarer Determinanten ist nicht unbedingt ausgewogen. Die Matching Methode kann unfähig sein, Unbeobachtbares auszugleichen und so zu verzerrten Schätzungen führen.

Ein Selektionbias kann vorliegen, auch wenn es niedrige Hürden und einfachen Antragsmöglichkeiten für die Corona-Soforthilfe gab. Die Unternehmen könnten sich hinsichtlich unbeobachtbarer Faktoren in den Bundesländern unterscheiden. Darüber hinaus, ist bei der Auszahlung der Corona-Soforthilfe nicht alles reibungslos gelaufen. Im April wurden Daten für betrügerische Anwendungen über gefälschte Websites abgerufen. Die Regierung von NRW beschloss daraufhin, die Zahlungen einzufrieren, von denen Tausende von Antragstellern einige Tage lang betroffen waren. Dies könnten relevante Tage für Unternehmen gewesen sein. Betrugsfälle wurden in vielen Bundesländern verzeichnet. Der finanzielle Schaden wird in Berlin auf 3,5 und 4 Millionen Euro geschätzt, in Bayern sind es knapp 900.000 Euro, 220.000- 300.000 Euro in Niedersachsen und Nordrhein-Westfalen. Die Betrugsfälle schwanken in Ihrem Ausmaß zum Teil stark zwischen den Bundesländern, sodass evaluiert werden müsste, ob dies Berechnungen verzerren könnte.

Generell kann auch nicht vollständig davon ausgegangen werden, dass alle antragsberechtigten Unternehmen auch Hilfe beantragt haben. Es hat sich in der Vergangenheit gezeigt, dass viele Unternehmer verunsichert waren und strafrechtliche Konsequenzen fürchteten, wenn sie den Einsatz der Soforthilfe im Nachhinein nicht rechtfertigen hätten können.

Auch die uneinheitliche Datengewinnung stellt ein größeres Problem dar.

Categories:

Tags:

No responses yet

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.