Advertisement

Empirischer Teil

  • Dirk Morschett
Chapter

Zusammenfassung

Die bisherigen Ausführungen haben gezeigt, dass der Wert einer Händlermarke durch eine Vielzahl von Faktoren beeinflusst wird, die teilweise ihrerseits durch die Zusammensetzung aus unterschiedlichen (hypothetischen) Konstrukten gebildet werden. Auch Wirkung und Messung der Marke bzw. des Markenwerts basieren auf unterschiedlichen Theorien und Konzepten. Vor diesem Hintergrund werden — quasi zusammenfassend zu den theoretischen Ausführungen und Überlegungen der vorangehenden Kapitel — in diesem Abschnitt Thesen und Hypothesen abgeleitet. Im Rahmen einer empirischen Studie werden diese überprüft.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1496a.
    Siehe hierzu Abschnitt B.II. des Dritten Kapitels; vgl. auch Conant, Jeffrey; Smart, Denise; Solano-Mendez, Roberto: Generic retailing types, discinctive marketing competencies, and competitive advantage, in: JoR, 69. Jg., 1993, Nr. 3, S. 254–279,Google Scholar
  2. 1496b.
    Conant, Jeffrey; Smart, Denise; Solano-Mendez, Roberto: Generic retailing types, discinctive marketing competencies, and competitive advantage, in: JoR, 69. Jg., 1993, Nr. 3, S. 256f.Google Scholar
  3. 1497a.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 67,Google Scholar
  4. 1497b.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 70 (Hypothese H12 und H13). Heinemann basiert dabei seine Untersuchung auf einer Stichprobe von 55 textilen Fachgeschäften aus dem ehemaligen Bundesgebiet.Google Scholar
  5. 1498.
    Vgl. hierzu z.B. Liebmann, Hans-Peter; Zentes, Joachim: Handelsmanagement, (Vahlen) München 2001, S. 167f.Google Scholar
  6. 1499a.
    Vgl. z.B. Esch, Franz-Rudolf: Markenpositionierung als Grundlage der Markenführung, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 235–265,Google Scholar
  7. 1499b.
    Vgl. z.B. Esch, Franz-Rudolf: Markenpositionierung als Grundlage der Markenführung, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 238.Google Scholar
  8. 1501.
    Vgl. Porter, Michael: Wettbewerbsstrategie, 10. Aufl., (Campus) Frankfurt a.M. 1999, S. 78–82.Google Scholar
  9. 1502a.
    Siehe dazu z.B. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S.218,Google Scholar
  10. 1502b.
    Siehe dazu z.B. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997 S. 302;Google Scholar
  11. 1502c.
    Patt, Paul-Josef: Strategische Erfolgsfaktoren im Einzelhandel, 2. Aufl., (Lang) Frankfurt a.M 1990, S. 148–152,Google Scholar
  12. 1502d.
    Patt, Paul-Josef: Strategische Erfolgsfaktoren im Einzelhandel, 2. Aufl., (Lang) Frankfurt a.M 1990, S. 59f;Google Scholar
  13. 1502e.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 95.Google Scholar
  14. 1502f.
    Andererseits wurde die Erfolgshypothese von Porter nicht in allen empirischen Studien bestätigt; vgl. Fleck, Andree: Hybride Wettbewerbsstrategien, (DUV) Wiesbaden 1995, S. 30–39.Google Scholar
  15. 1503a.
    Vgl. Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, 17. Jg., 1988, S. 91–100,Google Scholar
  16. 1503b.
    Vgl. Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, 17. Jg., 1988, S. 95–99;Google Scholar
  17. 1503c.
    Mazursky, David; Jacoby, Jack: Exploring the development of store images, in: JoR, 62. Jg., 1986, Nr. 2, S. 145–165.Google Scholar
  18. 1504.
    Vgl. Rudolph, Thomas: Positionierungs- und Profilierungsstrategien im Europäischen Einzelhandel, (Verlag Thexis) St. Gallen 1993, S. 204–210.Google Scholar
  19. 1505.
    Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 275.Google Scholar
  20. 1506a.
    Vgl. z.B. Perry, Michael; Norton, Nancy: Dimensions of store image, in: Southern Journal of Business, 5. Jg., 1970, Nr. 2, S. 1–7;Google Scholar
  21. 1506b.
    Hansen, Robert; Deutscher, Terry: An empirical investigation of attribute importance in retail store selection, in: JoR, 53. Jg., 1977/78, Nr. 4, S. 59–72;Google Scholar
  22. 1506c.
    Gentry, James; Burns, Alvin: How important are evaluative criteria in shopping center patronage?, in: JoR, 53. Jg., 1977, Nr. 3, S. 73–86;Google Scholar
  23. 1506d.
    Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 133–148,Google Scholar
  24. 1506e.
    Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 140.Google Scholar
  25. 1507.
    So weisen z.B. Kroeber-Riel/Weinberg darauf hin, dass auf gesättigten Märkten die sachliche Produktqualität zu einer Selbstverständlichkeit geworden ist; vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 125.Google Scholar
  26. 1508.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989 1989, S. 67.Google Scholar
  27. 1509a.
    Vgl. Festinger, Leon: Theorie der kognitiven Dissonanz, (Huber) Bern u.a. 1978, S. 16;Google Scholar
  28. 1509b.
    Raffée, Hans; Sauter, Bernhard, Silberer, Günter: Theorie der kognitiven Dissonanz und Konsumgüter-Marketing, (Gabler) Wiesbaden 1973, S. 14.Google Scholar
  29. 1510.
    Vgl. z.B. Meyers-Levy, Joan; Tybout, Alice: Schema Congruity as a Basis for Product Evaluation, in: JCR, 16. Jg., 1989, Nr. 6, S. 39–54.Google Scholar
  30. 1512.
    Siehe zu dieser Überlegung z.B. Woodside, Arch; Thelen, Eva: Accessing memory and customer choice: benefit-to-store (brand) retrieval models that predict purchase, in: MR, 24. Jg., 1996, Nr. 11, S. 260–267.Google Scholar
  31. 1513.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 74. Gröppel-Klein vergleicht „consequent“ eingesetzte Wettbewerbsstrategien mit solchen „zwischen den Stühlen“ im Porter’schen Sinne.Google Scholar
  32. 1514a.
    Vgl. z.B. Zajonc, Robert: Attitudinal effects of mere exposure, in: Journal of Personality and Social Psychology, 9. Jg., 1968, Monograph Supplement, S. 1–27;Google Scholar
  33. 1514b.
    Hoyer, Wayne; Brown, Steven: Effects of Brand Awareness for a Common, Repeat-Purchase Product, in: JCR, 17. Jg., 1990, Nr. 9, S. 141–148.Google Scholar
  34. 1515a.
    Siehe auch Aaker, David: Management des Markenwerts, (Campus) Frankfurt-New York 1992, S. 87;Google Scholar
  35. 1515b.
    Kroeber-Riel, Werner; Esch, Franz-Rudolf: Strategie und Technik der Werbung, 5. Aufl., (Kohlhammer) Stuttgart u.a. 2000, S. 152.Google Scholar
  36. 1517a.
    Vgl. Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 133–148,Google Scholar
  37. 1517b.
    Vgl. Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 142.Google Scholar
  38. 1518a.
    Vgl. z.B. Mason, Barry; Durand, Richard; Taylor, James: Retail patronage: a causal analysis of antecedent factors, in: Darden, William; Lusch, Robert (Hrsg.): Patronage Behavior and Retail Management, (North-Holland) New York 1983, S. 339–351;Google Scholar
  39. 1518b.
    Lumpkin, James: Shopping orientation segmentation of the elderly consumer, in: JAMS, 13. Jg., 1985, Spring, S. 271–289;Google Scholar
  40. 1519a.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 113–115.Google Scholar
  41. 1519b.
    Vgl. Rudolph, Thomas: Positionierungs- und Profílierungsstrategien im Europäischen Einzelhandel, (Verlag Thexis AG) St. Gallen 1993, S. 203.Google Scholar
  42. 1521a.
    Vgl. z.B. Esch, Franz-Rudolf; Levermann, Thomas: Handelsunternehmen als Marken, in: Trommsdorff, Volker (Hrsg.): Handelsforschung 1993/94, (Gabler) Wiesbaden 1993, S. 79–102,Google Scholar
  43. 1521b.
    Vgl. z.B. Esch, Franz-Rudolf; Levermann, Thomas: Handelsunternehmen als Marken, in: Trommsdorff, Volker (Hrsg.): Handelsforschung 1993/94, (Gabler) Wiesbaden 1993, S. 88;Google Scholar
  44. 1521c.
    Morschett, Dirk: Store Branding as a Goal of Strategic Retail Marketing, in: Cliquet, Gérard; Zentes, Joachim (Hrsg.): Retailing and Distribution in Europe, Proceedings, The third AFM French-German Conference, St. Malo 2000, O.S.Google Scholar
  45. 1522.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 113–115.Google Scholar
  46. 1523a.
    Vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 133,Google Scholar
  47. 1523b.
    Vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 153–155.Google Scholar
  48. 1525a.
    Vgl. u.a. Dacin, Peter; Smith, Daniel: Einfluss des Produktportfolios auf die Markenstärke, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 779–797,Google Scholar
  49. 1525b.
    Vgl. u.a. Dacin, Peter; Smith, Daniel: Einfluss des Produktportfolios auf die Markenstärke, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 786f.Google Scholar
  50. 1526a.
    Vgl. Wiswede, Günter: Die Psychologie des Markenartikels, in: Dichtl, Erwin; Eggers, Walter (Hrsg.): Marke und Markenartikel, (dtv) München 1992, S. 71–95,Google Scholar
  51. 1526b.
    Vgl. Wiswede, Günter: Die Psychologie des Markenartikels, in: Dichtl, Erwin; Eggers, Walter (Hrsg.): Marke und Markenartikel, (dtv) München 1992, S. 76.Google Scholar
  52. 1528.
    Vgl. die Ausführungen von Aaker, David: Management des Markenwerts, (Campus) Frankfurt-New York 1992, S. 87.Google Scholar
  53. 1529.
    Vgl. Kroeber-Riel, Werner; Esch, Franz-Rudolf: Strategie und Technik der Werbung, 5. Aufl., (Kohlhammer) Stuttgart u.a. 2000, S. 152.Google Scholar
  54. 1532a.
    Vgl. u.a. Peters, Gerd: Die Profilierungsfunktion von Handelsmarken im Lebensmitteleinzelhandel, (Shaker) Aachen 1998;Google Scholar
  55. 1532b.
    Siemer, Silke: Einkaufsstättenprofilierung durch Handelsmarkenware des Lebensmitteleinzelhandels, (Shaker) Aachen 1999;Google Scholar
  56. 1532c.
    Steenkamp, Jan-Benedict; Dekimpe, Marnik: The Increasing Power of Store Brands, in: LRP, 30. Jg., 1997, Nr. 6, S. 917–930.Google Scholar
  57. 1534a.
    Vgl. z.B. Diller, Hermann: Preisehrlichkeit — Eine neue Zielgröße im Preismanagement des Einzelhandels, in: Thexis, 14. Jg., 1997, Nr. 2, S. 16–21;Google Scholar
  58. 1534b.
    Bruhn, Manfred; Stefanovszky, Andreas: Niedrig-Preis-Strategien des Handels im Wettbewerb, in: HM, 8. Jg., 1986, Nr. 1, S. 57–63,Google Scholar
  59. 1534c.
    Bruhn, Manfred; Stefanovszky, Andreas: Niedrig-Preis-Strategien des Handels im Wettbewerb, in: HM, 8. Jg., 1986, Nr. 1, S. 62.Google Scholar
  60. 1535a.
    Vgl. Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 499–513,Google Scholar
  61. 1535b.
    Vgl. Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 503.Google Scholar
  62. 1536a.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 122–132,Google Scholar
  63. 1536b.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 116,Google Scholar
  64. 1536c.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 103.Google Scholar
  65. 1537a.
    Vgl. Hallsworth, Alan: Who shops where? And why?, in: IJRDM, 19. Jg., 1991, Nr. 3, S. 19–26,Google Scholar
  66. 1537b.
    Vgl. Hallsworth, Alan: Who shops where? And why?, in: IJRDM, 19. Jg., 1991, Nr. 3, S. 22–25.Google Scholar
  67. 1539a.
    Vgl. Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 99–113,Google Scholar
  68. 1539b.
    Vgl. Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 102.Google Scholar
  69. 1541a.
    Vgl. Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 99–113,Google Scholar
  70. 1541b.
    Vgl. Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 102.Google Scholar
  71. 1542a.
    Anderson, John: A spreading activation theory of memory, in: Journal of Verbal Learning and Verbal Behavior, 22. Jg., 1983, S. 261–295;Google Scholar
  72. 1542b.
    Keller, Kevin: Conceptualizing, measuring, and managing customer-based brand equity, in: JM, 57. Jg., 1993, Nr. 1, S. 1–22,Google Scholar
  73. 1542c.
    Keller, Kevin: Conceptualizing, measuring, and managing customer-based brand equity, in: JM, 57. Jg., 1993, Nr. 1, S. 2.Google Scholar
  74. 1544.
    So ist davon auszugehen, dass schnell verfügbare Einstellungen stärker auf das Verhalten durchschlagen als langsamer verfügbare; vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 177.Google Scholar
  75. 1546.
    Diese Operationalisierung erfolgte teilweise in Anlehnung an Liu, Hong; Davies, Gary: The retailer’s marketing mix and commercial performance, in: IRRDCR, 5. Jg., 1995, Nr. 2, S. 147–165.Google Scholar
  76. 1547a.
    Vgl. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S. 213f.;Google Scholar
  77. 1547b.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, insb. S. 81–89.Google Scholar
  78. 1548a.
    Vgl. Porter, Michael: Wettbewerbsvorteile, 5. Aufl., (Campus) Frankfurt a.M. 1999, S. 37f.;Google Scholar
  79. 1548b.
    Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S. 214.Google Scholar
  80. 1550.
    Diese Operationalisierung erfolgte teilweise in Anlehnung an Liu, Hong; Davies, Gary: The retailer’s marketing mix and commercial performance, in: IRRDCR, 5. Jg., 1995, Nr. 2, S. 147–165.Google Scholar
  81. 1551.
    Vgl. zu diesem Vorgehen z.B. Anderer, Michael: Internationalisierung im Einzelhandel, (dfV) Frankfurt a.M. 1997, S. 262f.Google Scholar
  82. 1552a.
    Vgl. Anderer, Michael: Internationalisierung im Einzelhandel, (dfV) Frankfurt a.M. 1997, Anhang, o.S.;Google Scholar
  83. 1552b.
    Hurth, Joachim: Erfolgsfaktoren im mittelständischen Einzelhandel, (dfv) Frankfurt a.M. 1998, S. 125f.Google Scholar
  84. 1553.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 17f.Google Scholar
  85. 1554a.
    Vgl. Hallsworth, Alan: Who shops where? And why?, in: IJRDM, 19. Jg., 1991, Nr. 3, S. 19–26,Google Scholar
  86. 1554b.
    Vgl. Hallsworth, Alan: Who shops where? And why?, in: IJRDM, 19. Jg., 1991, Nr. 3, S. 21;Google Scholar
  87. 1554c.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 107,Google Scholar
  88. 1554d.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 115–118.Google Scholar
  89. 1557.
    Vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S.276Google Scholar
  90. 1558.
    Vgl. z.B. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 147. Dabei sollen jedoch nicht langfristig verfestigte Pauschalurteile, sondern kurzfristige Einzelurteile erfasst werden.Google Scholar
  91. 1559a.
    Vgl. zum Begriff der „produktbezogenen“ Attribute Keller, Kevin: Strategic Brand Management, (Prentice Hall) Upper Saddle River/NJ 1998, S. 93–95.Google Scholar
  92. 1559b.
    Die Anwendung dieser Attribute basiert oftmals auf den Studien von Fisk, der deutlich macht, dass er sich lediglich auf die „kognitive Dimension des Image“ bezieht; vgl. Fisk, George: A Conceptual Model for Studying Customer Image, in: Gist, Ronald (Hrsg.): Management Perspectives in Retailing, (Wiley) New York u.a. 1967, S. 125–130,Google Scholar
  93. 1559c.
    Die Anwendung dieser Attribute basiert oftmals auf den Studien von Fisk, der deutlich macht, dass er sich lediglich auf die „kognitive Dimension des Image“ bezieht; vgl. Fisk, George: A Conceptual Model for Studying Customer Image, in: Gist, Ronald (Hrsg.): Management Perspectives in Retailing, (Wiley) New York u.a. 1967, S. 127.Google Scholar
  94. 1560a.
    Vgl. z.B. Trommsdorff, Volker; Zeilerhoff, Claudia: Produkt- und Markenpositionierung, in: Bruhn, Manfred (Hrsg.): Handbuch MA, Bd. 1, (Schäffer-Poeschel) Stuttgart 1994, S. 349–373,Google Scholar
  95. 1560b.
    Vgl. z.B. Trommsdorff, Volker; Zeilerhoff, Claudia: Produkt- und Markenpositionierung, in: Bruhn, Manfred (Hrsg.): Handbuch MA, Bd. 1, (Schäffer-Poeschel) Stuttgart 1994, S. 352f.Google Scholar
  96. 1561.
    Dieses „Außenkriterium“ wurde in Anlehnung an Gröppel-Klein formuliert; vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 103.Google Scholar
  97. 1562.
    So kann man die Interdependenzen im Marketingmix als sachliche und zeitliche Interdependenzen sehen; vgl. Meffert, Heribert: Marketing, 9. Aufl., (Gabler) Wiesbaden 2000, S. 973.Google Scholar
  98. 1563.
    Vgl. Trommsdorff, Volker: Konsumentenverhalten, 2. Aufl., (Kohlhammer) Stuttgart u.a. 1993, S. 85.Google Scholar
  99. 1564a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148,Google Scholar
  100. 1564b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 119–121.Google Scholar
  101. 1566.
    Eine Überprüfung der Eignung der Daten für eine Faktorenanalyse brachte einen KMO-Wert von 0,747 und ein hochsignifikantes Ergebnis (Sign. = 0,000) des Bartlett-Testwerts auf Sphärizität von 53,1, so dass die Daten insgesamt für eine Faktorenanalyse geeignet sind; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 469.Google Scholar
  102. 1568a.
    Vgl. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 237–264,Google Scholar
  103. 1568b.
    Vgl. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 251–253.Google Scholar
  104. 1569.
    Vgl. zu projektiven Befragungstechniken z.B. Hammann, Peter; Erichson, Bernd: Marktforschung, 4. Aufl., (Lucius&Lucius) Stuttgart 2000, S. 96–117.Google Scholar
  105. 1571a.
    Vgl. Keller, Kevin: Strategic Brand Management, (Prentice Hall) Upper Saddle River/NJ 1998, S. 981;Google Scholar
  106. 1571b.
    Lassar, Walfried; Mittal, Banwari; Sharma, Aran: Measuring customer-based brand equity, in: JCM, 12. Jg., 1995, Nr. 4, S. 11–19,Google Scholar
  107. 1571c.
    Lassar, Walfried; Mittal, Banwari; Sharma, Aran: Measuring customer-based brand equity, in: JCM, 12. Jg., 1995, Nr. 4, S. 16.Google Scholar
  108. 1572a.
    Vgl. Keller, Kevin: Strategic Brand Management, (Prentice Hall) Upper Saddle River/NJ 1998, S. 981;Google Scholar
  109. 1572b.
    Aaker, David: Management des Markenwerts, (Campus) Frankfurt-New York 1992, S. 64.Google Scholar
  110. 1573a.
    Vgl. Homburg, Christian; Fassnacht, Martin; Werner, Harald: Operationalisierung von Kundenzufriedenheit und Kundenbindung, in: Bruhn, Manfred; Homburg, Christian: Handbuch Kundenbindungsmanagement, 3. Aufl., (Gabler) Wiesbaden 2000, S. 505–527,Google Scholar
  111. 1573b.
    Vgl. Homburg, Christian; Fassnacht, Martin; Werner, Harald: Operationalisierung von Kundenzufriedenheit und Kundenbindung, in: Bruhn, Manfred; Homburg, Christian: Handbuch Kundenbindungsmanagement, 3. Aufl., (Gabler) Wiesbaden 2000, insb. S. 519.Google Scholar
  112. 1574a.
    Vgl. Eggert, Andreas: Konzeptualisierung und Operationalisierung der Kundenbindung aus Kundensicht, in: Marketing-ZFP, 22. Jg., 2000, Nr. 2, S. 119–130,Google Scholar
  113. 1574b.
    Vgl. Eggert, Andreas: Konzeptualisierung und Operationalisierung der Kundenbindung aus Kundensicht, in: Marketing-ZFP, 22. Jg., 2000, Nr. 2, S. 126f.Google Scholar
  114. 1574c.
    Vgl. Keller, Kevin: Strategie Brand Management, (Prentice Hall) Upper Saddle River/NJ 1998.Google Scholar
  115. 1575a.
    S. 981; Aaker, David: Management des Markenwerts, (Campus) Frankfurt a.M. 1992, S. 64f.;Google Scholar
  116. 1575b.
    Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 499–513,Google Scholar
  117. 1575c.
    Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 510.Google Scholar
  118. 1576a.
    Vgl. Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 499–513,Google Scholar
  119. 1576b.
    Vgl. Bloemer, Josée; de Ruyter, Ko: On the relationship between store image, store satisfaction and store loyalty, in: EJM, 32. Jg., 1998, Nr. 5/6, S. 510;Google Scholar
  120. 1576c.
    Lassar, Walfried; Mittal, Banwari; Sharma, Arun: Measuring customer-based brand equity, in: JCM, 12. Jg., 1995, Nr. 4, S. 11–19,Google Scholar
  121. 1576d.
    Lassar, Walfried; Mittal, Banwari; Sharma, Arun: Measuring customer-based brand equity, in: JCM, 12. Jg., 1995, Nr. 4, S. 13.Google Scholar
  122. 1577.
    Vgl. z.B. Krishnan, Shanker: Characteristics of memory associations: A consumer-based brand equity perspective, in: IJRM, 13. Jg., 1996, S. 389–405.Google Scholar
  123. 1579.
    Vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 353.Google Scholar
  124. 1580a.
    Vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 353;Google Scholar
  125. 1580b.
    DuPlessis, Eric: Recognition versus Recall, in: JAR, 34. Jg., 1994, Nr. 3, S. 75–92;Google Scholar
  126. 1580c.
    Dubow, Joel: Point of view: recall revisited: recall redux, in: JAR, 34. Jg., 1994, Nr. 3, S. 93–106.Google Scholar
  127. 1581.
    Vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 354.Google Scholar
  128. 1582.
    Vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 146. Konkret wurden für die Nennung an erster Stelle sieben Punkte vergeben, für die Nennung an zweiter Stelle sechs Punkte usw.Google Scholar
  129. 1583a.
    Konkret wurde für jede Nennung eines Handelsunternehmens ein Punkt vergeben und die Kennzahl stellt die Punktsumme über alle Attributstimuli dar. Obwohl hier argumentiert werden könnte, dass die Nennung eines Handelsunternehmens bei einem bestimmten Attribut bereits eine wertende Komponente enthält und nicht die „reine“ Bekanntheit mißt, kann man auf der Basis der Schema-Theorie davon ausgehen, dass dies trotzdem (auch) ein Bekanntheitskonstrukt darstellt, da neben der Bewertung des Attributs auch die „Nähe“ im semantischen Netzwerk über die Zugriffsfähigkeit entscheidet. Je leichter es ist, durch verschiedene Stimuli einen Knoten in einem semantischen Netzwerk zu aktivieren, desto höher liegt dessen Bekanntheit; vgl. z.B. Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 99–113,Google Scholar
  130. 1583b.
    Dick; Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 102.Google Scholar
  131. 1584.
    Vgl. Ruge, Hans-Dieter: Die Messung bildhafter Konsumerlebnisse, (Physica) Heidelberg 1988, S. 140.Google Scholar
  132. 1585.
    Vgl. Ruge, Hans-Dieter: Das Imagery-Differential, Arbeitspapier Nr. 2 der Forschungsgruppe Konsum und Verhalten, Saarbrücken 1988.Google Scholar
  133. 1586.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 146.Google Scholar
  134. 1587.
    Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 186f.Google Scholar
  135. 1588a.
    Vgl. Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 133–148,Google Scholar
  136. 1588b.
    Vgl. Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 137;Google Scholar
  137. 1588c.
    Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 17f.Google Scholar
  138. 1590.
    Vgl. zur Beschreibung des Vorgehens und der Defizite dieses Vorgehens auch George, Gert: Internationalisierung im Einzelhandel, (Duncker & Humblot) Berlin 1997, S. 37.Google Scholar
  139. 1592a.
    Vgl. Arons, Leon: Does television viewing influence store image and shopping frequency?, in: JoR, 37. Jg., 1961, Nr. 3, S. 1–13,Google Scholar
  140. 1592b.
    Vgl. Arons, Leon: Does television viewing influence store image and shopping frequency?, in: JoR, 37. Jg., 1961, Nr. 3, S. 5.Google Scholar
  141. 1594.
    Basis der demografischen Quotierung ist die Verteilung in der Grundgesamtheit; vgl. Axel Springer Verlag: MDS online — Verbraucheranalyse 2000, http://www.mediapilot.de/navigation/mediapilot.html?5, 15.10.2000. Dabei wurden die Käufer im Lebensmitteleinzelhandel zwischen 14 und 69 Jahren (die in den letzten drei Monaten in einem der wichtigsten SB-Warenhäuser, Supermärkte oder Discounter, die fast vollständig in der Verbraucheranalyse erfasst sind, eingekauft haben) als Grundgesamtheit betrachtet und davon die entsprechende demografische Verteilung berechnet.Google Scholar
  142. 1596a.
    Vgl. Doyle, Peter; Fenwick, Ian: How store image affects shopping habits in grocery chains, in: JoR, 50. Jg., 1974/75, Nr. 4, S. 39–52,Google Scholar
  143. 1596b.
    Vgl. Doyle, Peter; Fenwick, Ian: How store image affects shopping habits in grocery chains, in: JoR, 50. Jg., 1974/75, Nr. 4, S. 46f.Google Scholar
  144. 1597.
    Kroeber-Riel/Weinberg weisen darauf hin, dass es für eine Reihe von Fragestellungen im Konsumentenverhalten „angemessenere“ Verfahren als die Befragung gibt; vgl. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 32f.Google Scholar
  145. 1598.
    Das Bewusstseinsproblem beruht dabei darauf, dass nicht alle Informationen, die im Langzeitgedächtnis gespeichert sind, auch wieder ins Bewusstsein gebracht werden können; das Modalitätsproblem bezieht sich darauf, dass Informationen oft nicht verbal gespeichert sind und dass daher eine verbale Abfrage dieser Information beim Konsumenten die Umsetzung von z.B. bildlich gespeicherten Informationen in die verbale Modalität erfordert; vgl. z.B. Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 234f.Google Scholar
  146. 1601.
    Dabei wurden für die Faktorextraktion folgende Einstellungen gewählt: Hauptkomponentenanalyse, Oblimin-Rotation mit Kaiser-Normalisierung, Bestimmung der Faktorzahl nach dem Kaiser-Kriterium, Ersetzen fehlender Werte durch Mittelwerte. Bei der Interpretation werden nur solche Items betrachtet, deren Faktorladungen größer als 0,5 sind und die eindeutig auf einem Faktor laden. Da dieses Vorgehen (mit Ausnahme der obliquen Rotation) den „üblichen“ statistischen Gepflogenheiten entspricht, kann hier eine nähere Erläuterung der methodischen Aspekte entfallen; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 322.Google Scholar
  147. 1602.
    Damit kann von einer „mäßig guten“, aber akzeptablen Stichprobeneignung gesprochen werden; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 468f.Google Scholar
  148. 1603.
    Hier ist die Mustermatrix dargestellt, die die Regressionskoeffizienten, d.h. die direkten Wirkungen der Faktoren auf die Variable, die als Gewichte bei der Schätzung der Variablenwerte relevant sind, wiedergibt; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 462–465.Google Scholar
  149. 1607a.
    Wortzel zeigt auf, dass Convenience auf verschiedene Arten erreicht werden kann und das Erreichen vom Empfinden des Kunden abhängt. So kann Convenience für Kunden eine kurze Fahrzeit bedeuten, für andere die Möglichkeit eines One-stop-Shopping; vgl. Wortzel, Lawrence: Retailing Strategies for today’s mature marketplace, in: JBS, 8. Jg., 1987, Spring, S. 45–56,Google Scholar
  150. 1607b.
    Wortzel, Lawrence: Retailing Strategies for today’s mature marketplace, in: JBS, 8. Jg., 1987, Spring, S. 48. Dabei wird deutlich, dass diese Vorteile teilweise konfliktäre Ziele darstellen, denn die mit der One-Stop-Shopping-Möglichkeit verbundene notwendige Größe der Verkaufsstellen führt i.d.R. zu einer Betriebstypenpolitik mit weniger Outlets und zu einer Standortwahl, die längere Anfahrtszeiten impliziert.Google Scholar
  151. 1610a.
    Ein Kriterium zur Festlegung der endgültigen Clusterzahl liefert das Ellbow-Kriterium. Dabei handelt es sich um einen Sprung in der Fehlerquadratsumme; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 375.Google Scholar
  152. 1610b.
    Als Verfahren wurde im vorliegenden Fall eine hierarchische Cluster-Analyse mit dem Ward-Algorithmus als Clusterfahren angewendet, der von Backhaus u.a. für die meisten Anwendungen empfohlen wird; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 365f.Google Scholar
  153. 1611a.
    Dieses Vorgehen wird allgemein in der Literatur zur Güteprüfung einer Clusterlösung genutzt, vgl. z.B. Lubritz, Stefan: Internationale Strategische Allianzen mittelständischer Unternehmen, (Lang) Frankfurt a.M. 1998, S. 244f.;Google Scholar
  154. 1611b.
    Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 93f.Google Scholar
  155. 1613.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 431.Google Scholar
  156. 1614.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, 5. Aufl., (Springer) Berlin u.a. 1999, S. 523Google Scholar
  157. 1621a.
    Vgl. Conant, Jeffrey; Smart, Denise; Solano-Mendez, Roberto: Generic retailing types, discinctive marketing competencies, and competitive advantage, in: JoR, 69. Jg., 1993, Nr. 3, S. 254–279,Google Scholar
  158. 1621b.
    Vgl. Conant, Jeffrey; Smart, Denise; Solano-Mendez, Roberto: Generic retailing types, discinctive marketing competencies, and competitive advantage, in: JoR, 69. Jg., 1993, Nr. 3, S. 256.Google Scholar
  159. 1622.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 468f.Google Scholar
  160. 1625.
    Auf Grund der hohen Zahl an Variablen soll hier durch eine schrittweise Diskriminanzanalyse eine Auswahl derjenigen Variablen vorgenommen werden, die eine hohe Diskriminierungsfähigkeit aufweisen. Als Kriterium für die Aufnahme bzw. den Ausschluss einer Variablen wurde dabei -entsprechend der Voreinstellung in SPSS — ein partieller F-Test angewendet, der die Verringerung des Wilks’ Lambda durch die Aufnahme der Variable testet. Die voreingestellten Werte für F wurden übernommen. Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 436.Google Scholar
  161. 1626.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 431.Google Scholar
  162. 1627a.
    Die mittleren Diskriminanzkoeffizienten ergeben sich dabei aus den mit den Eigengewichten der jeweiligen Diskriminanzfunktionen gewichteten absoluten Werten der standardisierten kanonischen Diskriminanzkoeffizienten; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 178f.;Google Scholar
  163. 1627b.
    Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S. 86f.Google Scholar
  164. 1628.
    Vgl. Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989, S.99.Google Scholar
  165. 1629a.
    Damit wird die Konstruktvalidität anhand der Konvergenzvalidität geprüft, bei der die Konvergenz unterschiedlicher Messmethoden für das gleiche Konstrukt betrachtet wird; vgl. Hammann, Peter; Erichson, Bernd: Marktforschung, 4. Aufl., (Lucius&Lucius) Stuttgart 2000, S. 94–96.Google Scholar
  166. 1629b.
    Siehe zu diesem Vorgehen z.B. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 103.Google Scholar
  167. 1630.
    In der Literatur geht man einheitlich davon aus, dass die Reliablität eines Konstrukts ab einem Cronbach’s Alpha von 0,7 als akzeptabel anzusehen ist, in Anlehnung an einen Vorschlag von Nunally; vgl. Nunnally, Jum: Psychometric Theory, 2. Aufl., (McGraw-Hill) New York 1978, S. 245.Google Scholar
  168. 1632a.
    Vgl. zu diesem Vorgehen für die Entwicklung bzw. das Prüfen der Güte einer Skala z.B. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte -Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148,Google Scholar
  169. 1632b.
    Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte -Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 119f.Google Scholar
  170. 1633a.
    Obgleich eine Addition der Komponenten nicht unproblematisch ist (unterstellt wird damit eine kompensatorische Beziehung sowie eine Gleichgewichtung der einzelnen Komponenten), soll in dieser Untersuchung auf der Basis des hohen Cronbach’s Alpha-Werts diese Zusammenfassung erfolgen. So wird in der Literatur für den Fall einer hohen Reliabilität einer Skala akzeptiert, mit einem ungewichteten Durchschnitt zu arbeiten; vgl. z.B. Silvermann, Steven; Sprott, David; Pascal, Vincent: Relating consumer-based sources of brand equity to market outcomes, in: Arnould, Eric; Scott, Linda (Hrsg.): Advances in Consumer Research, 26. Jg., (ACR) Provo/UT 1999, S. 352–358,Google Scholar
  171. 1633b.
    Silvermann, Steven; Sprott, David; Pascal, Vincent: Relating consumer-based sources of brand equity to market outcomes, in: Arnould, Eric; Scott, Linda (Hrsg.): Advances in Consumer Research, 26. Jg., (ACR) Provo/UT 1999, S. 353;Google Scholar
  172. 1633c.
    Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 145.Google Scholar
  173. 1635.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 317; der Scheffé-Test gilt dabei als strenger als die anderen in SPSS zur Verfügung stehenden Testverfahren.Google Scholar
  174. 1636a.
    Dabei wurde folgendes Vorgehen gewählt: Bei einer „Gleichgewichtung“ aller Marketinginstrumente würden — bei acht Instrumenten — jedem Instrument 12,5 Punkte zugeordnet. Je stärker die Abweichung von diesem Wert bei den einzelnen Instrumenten ist, um so fokussierter ist die Strategie des Unternehmens ausgeprägt. Zur Errechnung eines „Fokussierungs-Index“ wurde daher die Summe der Abweichungsquadrate errechnet. Um eine Normierung auf den Bereich [0,1] zu erreichen, wurde durch die maximal mögliche Ausprägung dividiert. Diese beträgt in dem Fall, dass die 100 Punkte für ein einziges Instrument vergeben werden, 8750. Die Grundidee der Berechnung folgt den Überlegungen zur Lorenzkurve und zum Gini-Koeffizienten für den diskreten Fall; vgl. Woll, Arthur: Allgemeine Volkswirtschaftslehre, 13. Aufl., (Vahlen) München 2000, S. 479–483;Google Scholar
  175. 1636b.
    Müller-Hagedorn, Lothar: Der Handel, (Kohlhammer) Stuttgart u.a 1998, S. 89–92.Google Scholar
  176. 1640a.
    Vgl. z.B. Kroeber-Riel: Bildkommunikation, (Vahlen) München 1993;Google Scholar
  177. 1640b.
    Weinberg, Peter: Erlebnismarketing, (Vahlen) München 1992, S. 62–99;Google Scholar
  178. 1640c.
    Kroeber-Riel, Werner; Esch, Franz-Rudolf: Strategie und Technik der Werbung, 5. Aufl., (Kohlhammer) Stuttgart u.a. 2000.Google Scholar
  179. 1641.
    Vgl. Nunnally, Jum: Psychometric Theory, 2. Aufl., (McGraw-Hill) New York 1978, S. 245.Google Scholar
  180. 1642.
    Es ergibt sich ein KMO-Maß von 0,689 („mittelmäßige“ Eignung, ab 0,7 wird von „ziemlich gut“ gesprochen) und eine Prüfgröße des Bartlett-Tests von 58,2 (Sign. = 0,000); vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999,S.468f.Google Scholar
  181. 1643.
    Vgl. Nunnally, Jum: Psychometric Theory, 2. Aufl., (McGraw-Hill) New York 1978, S. 245.Google Scholar
  182. 1644.
    Es ergibt sich ein KMO-Maß von 0,640 („mittelmäßig“) und eine Prüfgröße des Bartlett-Tests von 84,4 (Sign. = 0,000); vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 468f.Google Scholar
  183. 1646.
    Ein Grund dafür ist auch hier das Zurechenbarkeitsproblem der Werbung auf den ökonomischen Unternehmenserfolg; vgl. u.a. Kroeber-Riel, Werner; Esch, Franz-Rudolf: Strategie und Technik der Werbung, 5. Aufl., (Kohlhammer) Stuttgart u.a. 2000, S. 31–34.Google Scholar
  184. 1647a.
    So haben v.a. Discounter und SB-Warenhäuser Umsatzgewinne erzielen können; vgl. z.B. BAG (Hrsg.): Vademecum des Einzelhandels 2000, Berlin 2000, S. 81,Google Scholar
  185. 1647b.
    BAG (Hrsg.): Vademecum des Einzelhandels 2000, Berlin 2000, S. 88f.Google Scholar
  186. 1648a.
    Wegen der postulierten eindeutigen Wirkungsrichtung kann man hier auch auf eine einseitige Prüfung der Signifikanz zurückgreifen und auch für die EDLP-Politik eine signifikante Beziehung bestätigen. Bei der Interpretation des Ergebnisses ist hinsichtlich des hohen Bestimmtheitsmaßes zu beachten, dass andere Einflussgrößen im Hintergrund auf beide Gruppen von Variablen, also Handelsmarketinginstrumente und die Erfolgsindikatoren, einwirken könnten. Vgl. zu dieser Thematik z.B. Hammann, Peter; Erichson, Bernd: Marktforschung, 4. Aufl., (Lucius&Lucius) Stuttgart 2000, S. 197-200;Google Scholar
  187. 1648b.
    Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 353f.Google Scholar
  188. 1650.
    Auf Grund der hohen Zahl an Variablen soll hier durch eine schrittweise Diskriminanzanalyse eine Auswahl derjenigen Variablen vorgenommen werden, die eine hohe Diskriminierungsfähigkeit aufweisen. Als Kriterium für die Aufnahme bzw. den Ausschluss einer Variablen wurde dabei ein partieller F-Test angewendet, der die Verringerung des Wilks’ Lambda durch die Aufnahme der Variable testet. Die voreingestellten Werte für F wurden übernommen. Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 436.Google Scholar
  189. 1652.
    So sind in einigen Feldern erwartete Häufigkeiten von unter 5 zu verzeichnen; vgl. Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S. 226.Google Scholar
  190. 1653a.
    Vgl. Hupp, Oliver; Schuster, Harald: Imagegestützte Positionierung von Einkaufsstätten als Ansatzpunkt zu einer Verbesserung der Wettbewerbsfähigkeit des Lebensmitteleinzelhandels in Deutschland, in: JAV, 46. Jg., 2000, Nr. 4, S. 351–370,Google Scholar
  191. 1653b.
    Vgl. Hupp, Oliver; Schuster, Harald: Imagegestützte Positionierung von Einkaufsstätten als Ansatzpunkt zu einer Verbesserung der Wettbewerbsfähigkeit des Lebensmitteleinzelhandels in Deutschland, in: JAV, 46. Jg., 2000, Nr. 4, S. 360f.Google Scholar
  192. 1654a.
    Vgl. Hupp, Oliver; Schuster, Harald: Imagegestützte Positionierung von Einkaufsstätten als Ansatzpunkt zu einer Verbesserung der Wettbewerbsfähigkeit des Lebensmitteleinzelhandels in Deutschland, in: JAV, 46. Jg., 2000, Nr. 4, S. 351–370,Google Scholar
  193. 1654b.
    Vgl. Hupp, Oliver; Schuster, Harald: Imagegestützte Positionierung von Einkaufsstätten als Ansatzpunkt zu einer Verbesserung der Wettbewerbsfähigkeit des Lebensmitteleinzelhandels in Deutschland, in: JAV, 46. Jg., 2000, Nr. 4, S. 360f.Google Scholar
  194. 1656.
    Vgl. Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S. 377.Google Scholar
  195. 1658.
    Da eine Reihe der Zellen leer sind, wird die Berechnungsart Typ IV gewählt, die speziell für Designs mit leeren Zellen entwickelt ist und dies bei der Korrektur der Quadratsumme Terme beachtet; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 336.Google Scholar
  196. 1659.
    Nach Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 81f., kann man das Vorhandensein von Interaktionen an einem Plot der Faktorstufenmittelwerte überprüfen. Tabelle 33 zeigt die entsprechenden Werte, die in der Abbildung zu nicht-parallelen Kurven fuhren würden — ein Zeichen für Interaktionseffekte. Die Abbildung ist hier nicht dargestellt, weil wegen der nicht-besetzten Zellen keine durchgängigen Kurven darzustellen sind.Google Scholar
  197. 1660.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 338.Google Scholar
  198. 1661.
    Vgl. Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S. 377f.Google Scholar
  199. 1664.
    Da eine Reihe der Zellen leer sind, wird auch hier die Berechnungsart Typ IV gewählt, die speziell für Designs mit leeren Zellen entwickelt ist und dies bei der Korrektur der Quadratsumme hinsichtlich der Wirkung anderer Terme beachtet; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 336.Google Scholar
  200. 1668.
    Dabei wurden für die Faktorextraktion folgende Einstellungen gewählt: Hauptkomponentenanalyse, Varimaxrotation, Bestimmung der Faktorzahl nach dem Kaiser-Kriterium, Ersetzen fehlender Werte durch Mittelwerte. Bei der Interpretation werden nur solche Items betrachtet, deren Faktorladungen größer als 0,5 sind und die eindeutig auf einem Faktor laden. Da dieses Vorgehen den „üblichen“ statistischen Gepflogenheiten entspricht, kann hier eine nähere Erläuterung der methodischen Aspekte entfallen; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 322.Google Scholar
  201. 1669.
    Damit kann von einer „mäßig guten“, aber für die Faktorenanalyse akzeptablen Stichprobeneignung gesprochen werden; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 468f.Google Scholar
  202. 1670.
    Ein Kriterium zur Festlegung der Clusterzahl liefert das Ellbow-Kriterium. Im vorliegenden Fall wurde eine hierarchische Cluster-Analyse an zufällig ausgewählten Teilstichproben durchgeführt, um die optimale Clusterzahl zu ermitteln, und anschließend, wegen der Stichprobengröße, mit einer Clusterzentrenanalyse die Clusterung bestimmt, d.h. die Clusterzugehörigkeit der einzelnen Fälle, um so die Clusterung trotz der großen Fallzahl zu verbessern. Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 413.Google Scholar
  203. 1671a.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 431f.,Google Scholar
  204. 1671b.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 439.Google Scholar
  205. 1672.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, 5. Aufl., (Springer) Berlin u.a. 1999, S. 523.Google Scholar
  206. 1674.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 317.Google Scholar
  207. 1676a.
    Wie vorne dargestellt, wurden ursprünglich 13 Items herangezogen. Von diesen wurden jedoch vier in einem ersten Schritt verdichtet, um deutliche inhaltliche Überschneidungen bereits vor den weiteren Betrachtungen zu reduzieren. Die Aspekte „Ordnung“ und „Hygiene“ messen verschiedene Aspekte der Wahrnehmung der Prozesse im Handelsunternehmen, und sie wurden daher zusammengefasst. Die Aspekte Qualität und Frische sind verschiedene Aspekte der Sortimentsqualität i.w.S. (vgl. Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, 17. Jg., 1988, S. 91–100), und sie wurden ebenfalls zusammengefasst. Auf Grund eines hohen bzw. ausreichenden Cronbach’s Alpha (0,79 für Prozesse, 0,64 für Sortimentsqualität) erschien hierfür eine einfache Durchschnittsbildung akzeptabel.Google Scholar
  208. 1676b.
    Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, 17. Jg., 1988, S. 91–100, S. 95Google Scholar
  209. 1677a.
    Dabei wurde die Konstruktvalidität, also die Übereinstimmung der Messung eines Konstrukts mit den wahren Werten eines Konstrukts, geprüft, indem die Konvergenzvalidität verschiedener Messinstrumente geprüft wurde, also die Frage beantwortet wurde, inwiefern verschiedene Messinstrumente zum gleichen Ergebnis für das Konstrukt führen. Hier wird die Messung eines Außenkriteriums mit der interessierenden Skala verglichen; vgl. Hammann, Peter; Erichson, Bernd: Marktforschung, 4. Aufl., (Lucius&Lucius) Stuttgart 2000, S. 95f.Google Scholar
  210. 1677b.
    Die Konstruktvalidität ist hierbei nach Hamman/Erichson aus theoretischer Sicht am wichtigsten; einen Überblick über alle Konzepte der Validität und ihre Anwendung gibt Hildebrandt, Lutz: Kausalanalytische Validierung in der Marketingforschung, in: Marketing-ZFP, 6. Jg., 1984, Nr. 1, S. 41–51.Google Scholar
  211. 1677c.
    Siehe zu diesem Vorgehen auch Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 103.Google Scholar
  212. 1680a.
    Vgl. Pessemier, Edgar: Store image and positioning, in: JoR, 56. Jg., 1980, Nr. 1, S. 94–106,Google Scholar
  213. 1680b.
    Vgl. Pessemier, Edgar: Store image and positioning, in: JoR, 56. Jg., 1980, Nr. 1, S. 97–102.Google Scholar
  214. 1683a.
    Diese Marketinginstrumente werden auch von Globus selbst als die drei wichtigsten angesehen; vgl. Schmidt, Josef: Mitarbeiterzufriedenheit = Kundenzufriedenheit: eine Wechselbeziehung!, in: Zentes, Joachim (Hrsg.): Mitarbeiterzufriedenheit = Kundenzufriedenheit — Eine Wechselbeziehung?, Ergebnisse 6. CPC TrendForum, (SFV Verlag) Mainz 1997, S. 67–79,Google Scholar
  215. 1683b.
    Schmidt, Josef: Mitarbeiterzufriedenheit = Kundenzufriedenheit: eine Wechselbeziehung!, in: Zentes, Joachim (Hrsg.): Mitarbeiterzufriedenheit = Kundenzufriedenheit — Eine Wechselbeziehung?, Ergebnisse 6. CPC TrendForum, (SFV Verlag) Mainz 1997, S. 68f.Google Scholar
  216. 1684a.
    Keller geht davon aus, dass auch die Kongruenz der Assoziationen verschiedener Konsumenten im Sinne einer Übereinstimmung positiv für den Markenwert ist, weil es die Klarheit des Markenschemas zum Ausdruck bringt; vgl. Keller, Kevin: Conceptualizing, measuring, and managing customer-based brand equity, in: JM, 57. Jg., 1993, Nr. 1, S. 1–22,Google Scholar
  217. 1684b.
    Keller, Kevin: Conceptualizing, measuring, and managing customer-based brand equity, in: JM, 57. Jg., 1993, Nr. 1, S. 12f.Google Scholar
  218. 1685a.
    Die Grundidee der Berechnung folgt den Überlegungen zur Lorenzkurve bzw. dem Gini-Koeffizienten für den diskreten Fall; vgl. Woll, Arthur: Allgemeine Volkswirtschaftslehre, 13. Aufl., (Vahlen) München 2000, S. 479–483;Google Scholar
  219. 1685b.
    Müller-Hagedorn, Lothar: Der Handel, (Kohlhammer) Stuttgart u.a 1998, S. 89–92. Konkret wurden die Bewertungen der Wichtigkeit der einzelnen Marketinginstrumente in eine Konstantsumme überführt und daraus eine Form des Fokussierungs-Index errechnet, der auf 0 bis 100 normiert wurde; siehe Anhang.Google Scholar
  220. 1688a.
    Vgl. McDougall, G.H.; Fry, J.N.: Combining two methods of image measurement, in: JoR, 50. Jg., 1974/75, Nr. 4, S. 53–61,Google Scholar
  221. 1688b.
    Vgl. McDougall, G.H.; Fry, J.N.: Combining two methods of image measurement, in: JoR, 50. Jg., 1974/75, Nr. 4, S. 53f.Google Scholar
  222. 1694a.
    Vgl. Lintner, Alexander: Loyalität muss verdient werden, in: LZ, 53. Jg., 2001, Nr. 22, S. 33–34,Google Scholar
  223. 1694b.
    Vgl. Lintner, Alexander: Loyalität muss verdient werden, in: LZ, 53. Jg., 2001, Nr. 22, S.34.Google Scholar
  224. 1696.
    Ein Kriterium, das an Skalen, neben der Validität und Reliabilität, häufig gestellt wird, ist die Sensitivität, d.h. die Fähigkeit, bereits bei relativ kleinen Stichproben zwischen unterschiedlichen Messobjekten zu unterscheiden; vgl. Axelrod, Joel: Attitude measures that predict purchase, in: JAR, 8. Jg., 1968, Nr. 1, S. 3–17.Google Scholar
  225. 1697a.
    Bekmeier-Feuerhahn spricht von „Zugriffsfähigkeit“, misst aber mit der Marks-Skala, die Ruge als Skala für die Vividness bezeichnet; vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 189;Google Scholar
  226. 1697b.
    Ruge, Hans-Dieter: Das Imagery-Differential, Arbeitspapier Nr. 2 der Forschungsgruppe Konsum und Verhalten, Saarbrücken 1988, S. 15.Google Scholar
  227. 1698.
    So wirkt die bildliche Markenspeicherung mit Werten zwischen 0,35 und 0,43 (und damit deutlich schwächer als die verbale) auf die Markenstärke; die Vividness hat jeweils Faktorladungen (für den Faktor bildliche Markenspeicherung) zwischen 0,59 und 0,67 (und damit nie die höchste Faktorladung); vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 188f.Google Scholar
  228. 1699.
    Vgl. Ruge, Hans-Dieter: Die Messung bildhafter Konsumerlebnisse, (Physica) Heidelberg 1988, S. 140.Google Scholar
  229. 1700a.
    Wie bereits dargestellt, wurden die dreizehn direkt erfassten Variablen zunächst zu elf Variablen verdichtet. Die Variable „Werbung“ wird im folgenden nicht mehr in der Beurteilung weiterverwendet, da der Anteil der Missing Values zu hoch ist. Mit durchschnittlich 12,9 Prozent Missing Values bei dieser Variable ist die Nützlichkeit kritisch zu sehen; die Grenze für eine sinnvolle Verwendung einer Variablen wird allgemein bei höchstens 10 Prozent angesetzt; vgl. Kline, Rex: Principles and Practice of Structural Equation Modeling, (Guilford Press) New York 1998, S. 72f.Google Scholar
  230. 1700b.
    Zudem haben auch andere Ansätze, die befragungsorientiert vorgingen, empirisch nur einen geringen Einfluss der Werbung auf die Beurteilung eines Objekts oder seinen Markenwert feststellen können, so z.B. Andresen/Esch bei der Analyse der einzelnen Markenwertfaktoren; vgl. Andresen, Thomas; Esch, Franz-Rudolf: Messung der Markenstärke durch den Markeneisberg, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 989–1011,Google Scholar
  231. 1700c.
    Andresen, Thomas; Esch, Franz-Rudolf: Messung der Markenstärke durch den Markeneisberg, in: Esch, Franz-Rudolf (Hrsg.): Moderne Markenführung, 2. Aufl., (Gabler) Wiesbaden 2000, S. 1005. Zur Messung des Einflusses der Werbung müssten andere Erhebungsmethoden herangezogen werden.Google Scholar
  232. 1701.
    Die Stichprobeneignung ist somit „mittelprächtig“; vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 469.Google Scholar
  233. 1705a.
    Die Methode der konfirmatorischen Faktorenanalyse als ein Spezialfall der Kausalanalyse sowie die Anwendung der Kausalanalyse ist ausführlich dargestellt bei Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 390–498,Google Scholar
  234. 1705b.
    und im Sammelwerk Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998. Dabei werden die Messmodelle zugleich immer häufiger zur Prüfung verschiedener Konzepte der Rehabilität und Validität eingesetzt;Google Scholar
  235. 1705c.
    vgl. z.B. Hildebrandt, Lutz: Kausalanalytische Validierung in der Marketingforschung, in: Marketing-ZFP, 6. Jg., 1984, Nr. 1, S. 41–51.Google Scholar
  236. 1706a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148,Google Scholar
  237. 1706b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 120. Unter anderem wird darauf verwiesen, dass das Cronbach’s Alpha von einer einheitlichen Reliabilität aller Indikatoren ausgeht.Google Scholar
  238. 1707a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148,Google Scholar
  239. 1707b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 118–121.Google Scholar
  240. 1708a.
    Vgl. Jones, Michael; Suh, Jaebeom: Transaction-specific satisfaction and overall satisfaction: an empirical analysis, in: JSM, 14. Jg., 2000, Nr. 2, S. 147–159,Google Scholar
  241. 1708b.
    Vgl. Jones, Michael; Suh, Jaebeom: Transaction-specific satisfaction and overall satisfaction: an empirical analysis, in: JSM, 14. Jg., 2000, Nr. 2, S. 152;Google Scholar
  242. 1708c.
    Homburg, Christian; Hildebrandt; Lutz: Die Kausalanalyse: Bestandsaufnahme, Entwicklungsrichtungen, Problemfelder, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 15–44,Google Scholar
  243. 1708a.
    Homburg, Christian; Hildebrandt; Lutz: Die Kausalanalyse: Bestandsaufnahme, Entwicklungsrichtungen, Problemfelder, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 25;Google Scholar
  244. 1708b.
    Anderson, James; Gerbing, David: Structural equation modeling in practice: a review and recommended two-step approach, in: Psychology Bulletin, 103. Jg., 1988, Nr. 3, S. 411–423.Google Scholar
  245. 1709.
    Vgl. Fritz, Wolfgang: Marketing-Management und Unternehmenserfolg, 2. Aufl., (Schäffer-Poeschel) Stuttgart 1995, S. 137.Google Scholar
  246. 1710a.
    Vgl. z.B. Bagozzi, Richard: Causal Models in Marketing, (Wiley) New York 1980, S. 114;Google Scholar
  247. 1710b.
    Hammann, Peter; Erichson, Bernd: Marktforschung, 4. Aufl., (Lucius&Lucius) Stuttgart 2000, S. 94f.Google Scholar
  248. 1712.
    Die Maximum-Likelihood-Methode ist das üblicherweise bei Kausalanalysen angewendete Verfahren zur Schätzung einer theoretischen Modellstruktur; vgl. Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 451.Google Scholar
  249. 1713.
    Vgl. zu den potenziellen Fehlspezifikationen und nicht-plausiblen Werten: Backhaus, Klaus u.a.: Multivariate Analysemethoden, 9. Aufl., (Springer) Berlin u.a. 2000, S. 461–465.Google Scholar
  250. 1714.
    Vgl. hierzu v.a. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148, sowie die weiteren Beiträge im entsprechenden Sammelwerk.Google Scholar
  251. 1715a.
    Vgl. hierzu ausführlich: Fritz, Wolfgang: Marketing-Management und Unternehmenserfolg, 2. Aufl., (Schäffer-Poeschel) Stuttgart 1995, S. 125–127Google Scholar
  252. 1715b.
    Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 343–369.Google Scholar
  253. 1715c.
    In einigen Fällen wird zusätzlich die Nutzung des Quotienten aus Chi2 und der Anzahl der Freiheitsgrade als Gütemaß vorgeschlagen. Hierbei werden jedoch sehr unterschiedliche Grenzwerte angesetzt. So nennt Hildebrandt einen akzeptablen Wert von 10, Riedel nutzt den Wert 5, andere argumentieren mit dem Schwellenwert 3, der zu unterschreiten wäre (vgl. Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, Vol. 17, 1988, S. 91–100Google Scholar
  254. 1715d.
    In einigen Fällen wird zusätzlich die Nutzung des Quotienten aus Chi2 und der Anzahl der Freiheitsgrade als Gütemaß vorgeschlagen. Hierbei werden jedoch sehr unterschiedliche Grenzwerte angesetzt. So nennt Hildebrandt einen akzeptablen Wert von 10, Riedel nutzt den Wert 5, andere argumentieren mit dem Schwellenwert 3, der zu unterschreiten wäre (vgl. Hildebrandt, Lutz: Store image and the prediction of performance in retailing, in: JBR, Vol. 17, 1988, S. 97Google Scholar
  255. 1715e.
    Riedel, Frank: Die Markenwertmessung als Grundlage strategischer Markenführung, (Physica) Heidelberg 1996, S. 103CrossRefGoogle Scholar
  256. 1715f.
    Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  257. 1715g.
    Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 130).Google Scholar
  258. 1715h.
    Gleichzeitig werden die theoretischen Annahmen dieser Kennzahl kritisiert. In der neueren Literatur zur Kausalanalyse wird daher meist argumentiert, dass die Nützlichkeit des Quotienten durch diese Restriktionen sehr stark eingeschränkt sei; vgl. z.B. Fritz, Wolfgang: Marketing-Management und Unternehmenserfolg, 2. Aufl., (Schäffer-Poeschel) Stuttgart 1995, S. 125f.Google Scholar
  259. 1716a.
    Für den RMR, der die durchschnittliche Größe der Residuen zwischen der empirischen und der vom Modell berechneten Kovarianzmatrix angibt, nennt die Literatur sehr unterschiedliche Schwellenwerte. So nennen Homburg/Rudolph sowie Fritz einen Wert von 0,1 als akzeptabel (vgl. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 237–264Google Scholar
  260. 1716b.
    Für den RMR, der die durchschnittliche Größe der Residuen zwischen der empirischen und der vom Modell berechneten Kovarianzmatrix angibt, nennt die Literatur sehr unterschiedliche Schwellenwerte. So nennen Homburg/Rudolph sowie Fritz einen Wert von 0,1 als akzeptabel (vgl. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 255Google Scholar
  261. 1716c.
    Fritz, Wolfgang: Marketing-Management und Unternehmenserfolg, 2. Aufl., (Schäffer-Poeschel) Stuttgart 1995, S. 126)Google Scholar
  262. 1716d.
    wobei Fritz einschränkend darauf hinweist, dass es sich lediglich um eine „Faustregel“ handelt; andere nennen als Schwellenwert 0,05 (vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 343–369Google Scholar
  263. 1716e.
    wobei Fritz einschränkend darauf hinweist, dass es sich lediglich um eine „Faustregel“ handelt; andere nennen als Schwellenwert 0,05 (vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 355).Google Scholar
  264. 1716f.
    Riedel verwendet für das RMR-Maß keinen Grenzwert, sondern erwähnt nur, das Maß sollte möglichst klein sein (vgl. Riedel, Frank: Die Markenwertmessung als Grundlage strategischer Markenführung, (Physica) Heidelberg 1996, S. 103f.); Bekmeier-Feuerhahn gibt an, dass dann von „guten Modellen“ gesprochen werden kann, wenn der Wert der Residuen 0,1 nicht wesentlich übersteigt (vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 158). Daher wird in der vorliegenden Untersuchung der RMR-Wert ausgewiesen, um einen Vergleich mit den genannten Werten zu haben, er wird jedoch nicht als Annahme- oder Ablehnungskriterium für die Modelle genutzt.CrossRefGoogle Scholar
  265. 1717a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  266. 1717b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 124f.Google Scholar
  267. 1718a.
    Vgl. Jones, Michael; Suh, Jaebeom: Transaction-specific satisfaction and overall satisfaction: an empirical analysis, in: JSM, 14. Jg., 2000, Nr. 2, S. 147–159Google Scholar
  268. 1718b.
    Vgl. Jones, Michael; Suh, Jaebeom: Transaction-specific satisfaction and overall satisfaction: an empirical analysis, in: JSM, 14. Jg., 2000, Nr. 2, S. 152.Google Scholar
  269. 1719a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  270. 1719b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 124f.Google Scholar
  271. 1720a.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  272. 1720b.
    Vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 130.Google Scholar
  273. 1721a.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 343–369Google Scholar
  274. 1721b.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 363.Google Scholar
  275. 1724a.
    Dabei wird hier ein t-Wert zum Signifikanztest der Pfadkoeffizienten eingesetzt. Er geht von der Nullhypothese aus, dass der wahre Parameter in der Population den Wert Null hat. Bei einem Signifikanzniveau von 5% ist ein Parameter dann signifikant von Null verschieden, wenn der t-Wert betragsmäßig mindestens 1,96 (zweiseitiger Test) beträgt; vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  276. 1724b.
    Dabei wird hier ein t-Wert zum Signifikanztest der Pfadkoeffizienten eingesetzt. Er geht von der Nullhypothese aus, dass der wahre Parameter in der Population den Wert Null hat. Bei einem Signifikanzniveau von 5% ist ein Parameter dann signifikant von Null verschieden, wenn der t-Wert betragsmäßig mindestens 1,96 (zweiseitiger Test) beträgt; vgl. Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 125. Die Werte für das vorliegende Modell liegen zwischen 3,68 und 9,12.Google Scholar
  277. 1726.
    Bei der Porter’schen Annahme müssten die Items alle auf einem einzigen Faktor laden, mit entgegengesetzten Vorzeichen, da es sich letztlich um eine einzige Dimension Leistungsvorteile bzw. den „Strategischen Vorteil“ handelt; vgl. Porter, Michael: Wertbewerbsstrategie, 10. Aufl., (Campus) Frankfurt a.M. 1999, S. 75.Google Scholar
  278. 1727.
    Vgl. Doyle, Peter; Fenwick, Ian: How store image affects shopping habits in grocery chains, in: JoR, 50. Jg., 1974/75, Nr. 4, S. 39–52.Google Scholar
  279. 1732.
    Vgl. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 279; eine leichte Verzerrung ergibt sich hier, da die Faktoren untereinander korreliert sind, so dass eine Schwäche multiattributiver Modelle auftritt, die sich durch die Addition korrelierter Werte ergibt. Vorne wurde jedoch aufgezeigt, dass die Korrelationen nicht sehr hoch sind, so dass die Verzerrung durch dieses Vorgehen akzeptiert wird.Google Scholar
  280. 1733.
    Vgl. Theis, Hans-Joachim: Einkaufsstätten-Positionierung, (DUV) Wiesbaden 1992, S. 348f.Google Scholar
  281. 1734a.
    Vgl. Theis, Hans-Joachim: Einkaufsstätten-Positionierung, (DUV) Wiesbaden 1992, S. 351Google Scholar
  282. 1734b.
    der die Aussage von Diller, Hermann; Bauer, Hans: Image-Analyse mit Hilfe der multiplen Diskriminanzanalyse, in: Die Unternehmung, 28. Jg., 1974, Nr. 3, S. 187–198Google Scholar
  283. 1734c.
    der die Aussage von Diller, Hermann; Bauer, Hans: Image-Analyse mit Hilfe der multiplen Diskriminanzanalyse, in: Die Unternehmung, 28. Jg., 1974, Nr. 3, S. 198, kritisiert.Google Scholar
  284. 1735.
    Vgl. dazu auch Heinemann, Gerrit: Betriebstypenprofilierung und Erlebnishandel, (Gabler) Wiesbaden 1989.Google Scholar
  285. 1736.
    Kroeber-Riel, Werner; Weinberg, Peter: Konsumentenverhalten, 7. Aufl., (Vahlen) München 1999, S. 220.Google Scholar
  286. 1738.
    Vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 431.Google Scholar
  287. 1740.
    Wie bereits aufgezeigt wurde, wurden die Fit-Einzelitems aus erhebungstechnischen Gründen auf unterschiedlichen Skalen vorgenommen, eine Reihe von Items wurde bewusst negativ formuliert. Als Voraussetzung für die Reliabilitätsanalyse müssen jedoch alle Items gleich „gepolt“ sein; vgl. z.B. Swoboda, Bernhard: Interaktive Medien am Point of Sale, (DUV) Wiesbaden 1996, S. 276. Um die entsprechenden Reliabilitätstest durchführen zu können, wurden alle Werte so umgeformt, dass kleinere Werte einen höheren Fit bedeuten.Google Scholar
  288. 1741a.
    In der Literatur geht man recht einheitlich davon aus, dass die Rehabilität eines Konstrukts ab einem Cronbach’s Alpha von 0,7 als akzeptabel anzusehen ist, in Anlehnung an einen Vorschlag von Nunally; vgl. Nunnally, Jum: Psychometric Theory, 2. Aufl., (McGraw-Hill) New York 1978, S. 245Google Scholar
  289. 1741b.
    Für eine erste Konstruktion von Skalen für ein neues Konstrukt werden bereits Cronbach’s Alpha-Werte zwischen 0,5 und 0,7 als ausreichend angesehen; vgl. Korgaonkar, Pradeep; Lund, Daulat; Price, Barbara: A structural equations approach toward examination of store attitude and store patronage behaviour, in: JoR, 61. Jg., 1985, Nr. 2, S. 39–60Google Scholar
  290. 1741c.
    Für eine erste Konstruktion von Skalen für ein neues Konstrukt werden bereits Cronbach’s Alpha-Werte zwischen 0,5 und 0,7 als ausreichend angesehen; vgl. Korgaonkar, Pradeep; Lund, Daulat; Price, Barbara: A structural equations approach toward examination of store attitude and store patronage behaviour, in: JoR, 61. Jg., 1985, Nr. 2, S. 47.Google Scholar
  291. 1742.
    Auch hier wurde die Stichprobeneignung für eine Faktorenanalyse überprüft und ein KMO-Wert von 0,872 und ein Chi2-Wert des Bartlett-Tests auf Sphärizität von 1030,5 (Sign. = 0,000) erzielt, so dass von einer „recht guten“ Stichprobeneignung gesprochen werden kann (Werte ab 0,9 gelten sogar als „fabelhaft“ ); vgl. Janssen, Jürgen; Laatz, Wilfried: Statistische Datenanalyse mit SPSS für Windows, 3. Aufl., (Springer) Berlin u.a. 1999, S. 468f.Google Scholar
  292. 1743.
    Vgl. dazu Abschnitt B.II.2.a)i. dieses Kapitels.Google Scholar
  293. 1747a.
    Vgl. Jöreskög, Karl; Sörbom, Dag: Recent developments in structural equations modeling, in: JMR, 19. Jg., 1982, Nr. 4, S. 404–416Google Scholar
  294. 1747b.
    Vgl. Jöreskög, Karl; Sörbom, Dag: Recent developments in structural equations modeling, in: JMR, 19. Jg., 1982, Nr. 4, S. 408Google Scholar
  295. 1747c.
    Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 111–148Google Scholar
  296. 1747d.
    Homburg, Christian; Giering, Annette: Konzeptualisierung und Operationalisierung komplexer Konstrukte — Ein Leitfaden für die Marketingforschung, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 126.Google Scholar
  297. 1753.
    Vgl. z.B. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S.218.Google Scholar
  298. 1758a.
    Vgl. Dick, Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 99–113Google Scholar
  299. 1758b.
    Vgl. Dick, Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 102; siehe auch Abschnitt A.IL3.d) dieses Kapitels.Google Scholar
  300. 1759.
    Vgl. z.B. Bekmeier-Feuerhahn, Sigrid: Marktorientierte Markenbewertung, (DUV) Wiesbaden 1998, S. 146. Durch dieses Vorgehen wird eine Wiederholung der Faktorenanalyse aller Markenwertindikatoren, ohne den Indikator „Benefit-to-Store-Assoziationen“, notwendig. Wird diese durchgeführt, ergibt sich bei strenger Anwendung des Kaiserkriteriums nur ein einziger Faktor. Der Eigenwert des zweiten Faktors liegt jedoch mit 0,998 nur minimal unter dem Grenzwert von 1, so dass weiterhin auf Grund sachlogischer Überlegungen eine Extraktion von zwei Faktoren vorgenommen wird. Auch eine Reliabilitätsanalyse der Items — unter der Annahme, dass nur ein einziger Faktor extrahiert wird — bestätigt durch einen dann sehr niedrigen Trennschärfekoeffizienten des Indikators Recall die Annahme, dass die Items nicht nur ein Konstrukt messen, sondern zwei Konstrukte. Im Folgenden werden als Werte für die Markenwertschätzung und die Markenbekanntheit die Ergebnisse dieser zweiten Faktorenanalyse verwendet.Google Scholar
  301. 1760.
    Vgl. Nunnally, Jum: Psychometric Theory, 2. Aufl., (McGraw-Hill) New York 1978, S. 245.Google Scholar
  302. 1761.
    Dabei wird davon ausgegangen, dass die Bekanntheit positiv auf die Wertschätzung wirkt; vgl. Aaker, David: Management des Markenwerts, (Campus) Frankfurt-New York 1992, S. 87Google Scholar
  303. 1763a.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 343–369Google Scholar
  304. 1763b.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 363.Google Scholar
  305. 1764.
    Vgl. zur Konstruktvalidität Hildebrandt, Lutz: Kausalanalytische Validierung in der Marketingforschung, in: Marketing-ZFP, 6. Jg., 1984, Nr. 1, S. 41–51.Google Scholar
  306. 1770.
    Vgl. Axelrod, Joel: Attitude measures that predict purchase, in: JAR, 8. Jg., 1968, Nr. 1, S. 3–17.Google Scholar
  307. 1773.
    Vgl. Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S.319.Google Scholar
  308. 1775a.
    Vgl. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S. 218Google Scholar
  309. 1775b.
    Vgl. Anderer, Michael: Internationalisierung im Einzelhandel, (dfv) Frankfurt a.M. 1997, S. 302.Google Scholar
  310. 1776.
    Vgl. Gröppel-Klein, Andrea: Wettbewerbsstrategien im Einzelhandel, (DUV) Wiesbaden 1998, S. 103–105. Modifikationen der Konzeption und die Einbeziehung der Einkaufsmotive der Konsumenten fuhren bei ihr jedoch schließlich insgesamt zu einer Bestätigung der Hypothese.Google Scholar
  311. 1780.
    Das Verfahren, das angewendet wird, ist die „Full Information Maximum Likelihood Estimation“, die nach Angaben von Arbuckle/Wothke konsistentere und effizientere Schätzer ergibt als die sonst üblichen Verfahren der paarweisen Eliminierung oder des Ersetzens durch Mittelwerte; vgl. Arbuckle, James; Wothke, Werner: Arnos 4.0 User’s Guide, (Small Waters Corporation) Chicago 1999, S. 331–333.Google Scholar
  312. 1781a.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 343–369Google Scholar
  313. 1781b.
    Vgl. Homburg, Christian; Baumgartner, Helmut: Beurteilung von Kausalmodellen, in: Homburg, Christian; Hildebrandt, Lutz (Hrsg.): Die Kausalanalyse, (Schäffer-Poeschel) Stuttgart 1998, S. 352ff.Google Scholar
  314. 1782a.
    Siehe zur Nutzung von CFI und/oder NFI z.B. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 237–264Google Scholar
  315. 1782b.
    Siehe zur Nutzung von CFI und/oder NFI z.B. Homburg, Christian, Rudolph, Bettina: Die Kausalanalyse als Instrument zur Messung der Kundenzufriedenheit im Industriegütermarketing, in: Hildebrandt, Lutz; Homburg, Christian (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, (Schäffer-Poeschel) Stuttgart 1998, S. 257Google Scholar
  316. 1782c.
    Terlutter, Ralf: Lebensstilorientiertes Kulturmarketing, (DUV) Wiesbaden 2000, S. 244.Google Scholar
  317. 1783.
    Die Squared Multiple Correlation SMC einer Kausalanalyse entspricht dabei für die latenten endogenen Variablen des Modells einem Bestimmtheitsmaß. Es handelt um ein Maß, das für das Strukturmodell der Kausalanalyse dem r2 der Regressionsanalyse entspricht. Siehe hierzu Perrin, Nancy: Quantitative Methods in Psychology IV — Evaluating the Goodness-of-Fit of a Covariance Structure Model, Course, Portland State University, http://www.irn.pdx.edu/~perrinn/course/spr99/evalual.htm, 15.3.2001.Google Scholar
  318. 1786a.
    Vgl. überblickend: Osman, Zain: A conceptual model of retail image influences on loyalty patronage behaviour, in: IRRDCR, 3. Jg., 1993, Nr. 2, S. 133–148Google Scholar
  319. 1786b.
    Keaveney, Susan; Hunt, Kenneth: Conceptualization and operationalization of retail store image, in: JAMS, 20. Jg., 1992, Nr. 2, S. 165–175.Google Scholar
  320. 1790a.
    Vgl. Dick, Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 99–113Google Scholar
  321. 1790b.
    Vgl. Dick, Alan; Basu, Kunal: Customer loyalty, toward an integrated conceptual framework, in: JAMS, 22. Jg., 1994, S. 102.Google Scholar
  322. 1792a.
    Vgl. Woodside, Arch; Hielen, Eva: Accessing memory and customer choice: benefit-to-store (brand) retrieval models that predict purchase, in: MR, 24. Jg., 1996, Nr. 11, S. 260–267Google Scholar
  323. 1792b.
    Vgl. Woodside, Arch; Hielen, Eva: Accessing memory and customer choice: benefit-to-store (brand) retrieval models that predict purchase, in: MR, 24. Jg., 1996, Nr. 11, S. 265.Google Scholar
  324. 1793a.
    Gensch/Recker untersuchen die logistische Regression im Vergleich zur normalen linearen Regression für den Fall binärer abhängiger Variablen und zeigen auf, dass einige Prämissen für die Residuen der Regressionsgleichung (so die Heteroskedaszitität) in diesem Fall verletzt sind; vgl. Gensch, Dennis; Recker, Wilfred: The multinomial, multi-attribute logit choice model, in: JMR, 16. Jg., 1979, Nr. 1, S. 124–132Google Scholar
  325. 1793b.
    Andererseits verweisen Woodside/Trappey darauf, dass die Methode grundsätzlich anwendbar ist, lediglich eine Interpretation der β-Koeffizienten sollte unterbleiben; vgl. Woodside, Arch; Trappey, Randolph: Finding out why customers shop your store and buy your brand: Automatic cognitive processing models of primary choice, in: JAR, 32. Jg., 1992, Nr. 6, S. 59–78Google Scholar
  326. 1793c.
    Andererseits verweisen Woodside/Trappey darauf, dass die Methode grundsätzlich anwendbar ist, lediglich eine Interpretation der β-Koeffizienten sollte unterbleiben; vgl. Woodside, Arch; Trappey, Randolph: Finding out why customers shop your store and buy your brand: Automatic cognitive processing models of primary choice, in: JAR, 32. Jg., 1992, Nr. 6, S. 64f.Google Scholar
  327. 1794.
    Das Verfahren der multinomialen Regression kann — anders als die binäre logistische Regression -auch abhängige Variablen verarbeiten, die mehr als zwei Kategorien aufweisen, so dass die Wahl einer Einkaufsstätte über alle Händlermarken simultan betrachtet werden könnte; vgl. z.B. Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S. 346–355 Malhotra, Naresh: The use of linear logit models in marketing research, in: JMR, 21. Jg., Nr. 1, S. 20–31. Da dabei aber alle Kombinationen von potenziellen Eigenschaftsausprägungen betrachtet werden und im vorliegenden Fall sowohl die (eine) abhängige als auch die (acht) unabhängigen Variablen bei kategorialer Betrachtung jeweils wiederum acht Kategorien haben (die sieben betrachteten Händlermarken und eine Kategorie „sonstige“ ), würde dies in einem unüberschaubaren Parametergerüst enden. Zwar reduziert die multinomiale logistische Regression die Kategorien jeweils um eine, die als redundante Restgröße angesehen wird, damit verbleiben aber noch neun Variablen mit jeweils sieben Kategorien, also 63 Koeffizientenschätzer, und zusätzlich sind für die Güteprüfung der Schätzer jeweils die Standardfehler, die Wald-Statistik und das Signifikanzniveu zu betrachten, so dass 252 Variablen darzustellen wären. Da der Anwendungsfall der Koeffizienten sich jeweils nur auf ein einzelnes Handelsunternehmen bezieht, wird hier deshalb die binäre logistische Regression vorgezogen.Google Scholar
  328. 1795.
    Vgl. zu den folgenden Ausführungen bzgl. der Vorgehensweise bei der binären logistischen Regression, der Gütemaße und der Parameterschätzungen Bühl, Achim; Zöfel, Peter: SPSS Version 9, 6. Aufl., (Addison-Wesley) München u.a. 2000, S. 337–346.Google Scholar
  329. 1796a.
    Vgl. Woodside, Arch; Trappey, Randolph: Finding out why customers shop your store and buy your brand: Automatic cognitive processing models of primary choice, in: JAR, 32. Jg., 1992, Nr. 6, S. 59–78Google Scholar
  330. 1796b.
    Vgl. Woodside, Arch; Trappey, Randolph: Finding out why customers shop your store and buy your brand: Automatic cognitive processing models of primary choice, in: JAR, 32. Jg., 1992, Nr. 6, S. 67Google Scholar
  331. 1796c.
    Woodside, Arch; Thelen, Eva: Accessing memory and customer choice: benefit-to-store (brand) retrieval models that predict purchase, in: MR, 24. Jg., 1996, Nr. 11, S. 260–267Google Scholar
  332. 1796d.
    Woodside, Arch; Thelen, Eva: Accessing memory and customer choice: benefit-to-store (brand) retrieval models that predict purchase, in: MR, 24. Jg., 1996, Nr. 11, S. 262–264.Google Scholar
  333. 1797a.
    Wie bereits gezeigt (siehe Abschnitt C.IV.3. des Dritten Kapitels) zeigen Store Image-Untersuchungen meist einen Varianzerklärungsanteil von ca. 15–20 Prozent; vgl. Peterson, Robert; Kerin, Roger: Store image measurement in patronage research: Fact and artifact, in: Darden, William; Lusch, Robert (Hrsg.): Patronage behavior and retail management, (North-Holland) New York 1983, S. 293–306Google Scholar
  334. 1797b.
    Wie bereits gezeigt (siehe Abschnitt C.IV.3. des Dritten Kapitels) zeigen Store Image-Untersuchungen meist einen Varianzerklärungsanteil von ca. 15–20 Prozent; vgl. Peterson, Robert; Kerin, Roger: Store image measurement in patronage research: Fact and artifact, in: Darden, William; Lusch, Robert (Hrsg.): Patronage behavior and retail management, (North-Holland) New York 1983, S. 297.Google Scholar

Copyright information

© Deutscher Universitäts-Verlag GmbH, Wiesbaden 2002

Authors and Affiliations

  • Dirk Morschett

There are no affiliations available

Personalised recommendations