The impact of inequity aversion on relational incentive contracts

Diese Dissertation enthält drei Aufsätze zur Theorie der Anreizsetzung bei nicht-verifizierbaren Leistungsmaßen. Untersuchungsgegenstand sind die Auswirkungen individueller Fairnesspräferenzen auf die Ausgestaltung und Eignung verschiedener Anreizmechanismen, welche in realen wirtschaftlichen Situationen Anwendung finden. Alle Arbeiten analysieren Umgebungen moralischen Risikos, in denen eine Firma zwei ungerechtigkeitsaverse Mitarbeiter beschäftigt, deren individuelle Arbeitsleistung zwar beobachtbar, jedoch nicht kontrahierbar ist. Der erste Aufsatz untersucht die Effekte von Ungerechtigkeitsaversion auf relationale Anreizverträge. Als Leistungsmaß eines Agenten dient sein individueller Beitrag zum Firmenwert. Abweichend von der Literatur zeigt sich, dass Ungerechtigkeitsaversion vorteilhaft sein kann: Für bestimmte Zinssätze können relationale Verträge mit neidischen Agenten profitabler sein, wenn sie nicht sogar nur mit solchen implementierbar sind. Der zweite Aufsatz vergleicht relationale Individual- und Gruppenbonusverträge. Durch das Vermeiden ungleicher Löhne sind letztere profitabler, solange sich die Firma keinem Glaubwürdigkeitsproblem gegenübersieht. Dies kann sich jedoch umkehren, da Individualboni vergleichsweise kleiner sind und somit die Selbstdurchsetzung des Vertrags fördern. Ursachen dafür sind das Vermeiden des Trittbrettfahrerproblems und die Anreizwirkung von Neid. Im dritten Aufsatz wird relationalen Individualbonusverträgen ein relatives Leistungsturnier gegenübergestellt. Im Gegensatz zum Bonusvertrag unterliegt das Turnier keiner Glaubwürdigkeitsbeschränkung. Dennoch ist ersteres Anreizschema profitabler, solange das Glaubwürdigkeitsproblem der Firma nicht zu groß ist. Dies liegt an der zwingenden Auszahlung ungleicher Löhne im Turnier und den daraus resultierenden hohen Kosten für Ungleichheitsprämien. Weiter wird für ein Beispiel gezeigt, dass die Zinsspanne, für die der Bonusvertrag das Turnier dominiert, im Neid der Agenten steigt.