Zusammenfassung
In diesem Kapitel wird das zentrale Forschungsmodell dargestellt, zu dem nach Popper („Kritischer Rationalismus“) zunächst Hypothesen1 gebildet werden. Diese werden empirisch überprüft, um anschließend das Modell mit den gewonnenen Erkenntnissen zu modifizieren.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Unter Hypothesen sind empirisch testbare Aussagen über nicht-beobachtbare Konstrukte zu verstehen, die in gegenseitiger Abhängigkeit mit den theoretischen Konstrukten entwickelt werden. Vgl. Corsten (2003), S. 25.
Als Konstrukte sind abstrakte, nicht direkt messbare Komponenten einer Theorie definiert, die manifesten, beobachtbaren Variablen unterliegen. Eine Operationalisierung von theoretischen Konstrukten wird durch empirische Messungen vorgenommen. Ziel hierbei ist, Beziehungen zwischen beobachtbaren Variablen (Indikatoren/Items) und dem interessierenden Konstrukt zu spezifizieren, um mit diesen Zusammenhängen das Konstrukt empirisch (sozusagen indirekt) greifbar zu machen. Vgl. Corsten (2003), S. 25.
Positiv bedeutet hier, dass der Ablauf am Montageband des OEMs weniger gestört wird.]
Vgl. Williamson (1985).
Vgl. Bensaou(1997), S. 107.
Vgl. Johnston und Lawrence (1988).
Vgl. Anderson und Weitz (1992); Mohr und Nevin (1990).
Vgl. Meyer und Allen (1984).
Vgl. Noordewier, John und Nevion (1990); Anderson und Weitz (1989).
Diese wird in der Literatur auch als Konstrukt “Joint Action” bezeichnet, vgl. Heide und John (1990), S. 30.
Vgl. Drozdowski (1986).
Vgl. Dowst (1988).
Vgl. Treleven (1987).
Vgl. Spekman (1988).
Vgl. Seifert (2003).
Vgl. Ayers (2002).
Vgl. Hirschmann (1970).
Vgl. Blau (1964); Dwyer und Oh (1987); Frazier (1983); Jackson (1985); Mobley, Griffeth u. a. (1979); Ping (1993); Rodin (1982); Rosse und Hulin (1985); Rusbult, Farrell u.a. (1988); Rusbult, Zembrodt und Gunn (1982); Schultz, Bigoness und Gagnon (1987); Stern und Reve (1980).
Vgl. Baron und Kenny (1986).
Vgl. Ross (2003).
Vgl. Backhaus u.a. (2000)
Items oder auch Indikatoren sind Variablen, die verschiedene Aspekte eines theoretischen Konstruktes beinhalten und deren Operationalisierung dienen. Vgl. Backhaus u.a. (2000).
Vgl. Backhaus u.a. (2000).
Vgl. Churchill (1979).
Vgl. Corsten (2002).
Vgl. Bohmstedt(1970).
Vgl. Gerbing und Anderson (1988), Churchill (1979) und Peter (1979).
Eine Skala ist in diesem Zusammenhang die Zusammenfassung von Items zur Messung eines theoretischen Konstrukts. Vgl. Backhaus u. a. (2000).
Vgl. Churchill (1979) und Peter (1979).
Vgl. Corsten (2003).
Vgl. Churchill (1979), Peter (1979), Anderson und Gerbing (1988), Gerbing und Anderson (1988).
Vgl. Corsten (2002), S. 98f., Churchill (1979), Nunally und Bernstein (1984).
Vgl. Churchill (1979), Nunally und Bernstein (1984).
Siehe im Internet unter http://trochim.human.cornell.edu/kb/rel&val.htm. “In the first one, you are hitting the target consistently, but you are missing the center of the target. That is, you are consistently and systematically measuring the wrong value for all respondents. This measure is reliable, but no valid (that is, it’s consistent but wrong). The second shows hits that are randomly spread across the target. You seldom hit the center of the target but, on average, you are getting the right answer for the group (but not very well for individuals). In this case, you get a valid group estimate, but you are inconsistent. Here, you can clearly see that reliability is directly related to the variability of your measure. The third scenario shows a case where your hits are spread across the target and you are consistently missing the center. Your measure in this case is neither reliable nor valid. Finally, we see the “Robin Hood” scenario — you consistently hit the center of the target.”
Hierfür wurde eine eigene Homepage erstellt (http://www.fragebogen-online.com).
Vgl. VDA (2002).
Zum Beispiel von DRI Top-100 Automobilzulieferer in Deutschland.
Vgl. Campell (1955).
Der Pre-Test hat gezeigt, dass es bei einigen Fragen, wie z. B. Umsatz im Automobilbereich, den Teilnehmern leichter fällt, aus einer vorgegebenen Anzahl an Antwortmöglichkeiten zu wählen (z. B. weniger als 500 Mio. EUR).
Vgl. Backhaus (2000).
Vgl. Corsten (2003).
Vgl. Churchill (1979), Gerbing und Anderson (1988).
Der Reliabilitätskoeffizient Alpha (Cronbach’s Alpha) ist ein häufig verwendetes Maß zur Einschätzung, inwieweit das theoretische Konstrukt durch die beobachtete synthetische Variable widergespiegelt wird, d. h. ein Maß für die innere Konsistenz der synthetischen Variablen. Der Wertebereich von Cronbach’s Alpha liegt zwischen “0” und “1”. Je größer sein Wert ist, desto zuverlässiger beschreiben die Items gemeinsam das Konstrukt. Wenn in den Items kein wahrer Beitrag zum Konstrukt, sondern nur zufällige Fehler enthalten sind, so wird der Wert “0”. Wird andererseits mit den Items dasselbe gemessen, d.h. die Beobachtungswerte jedes Falles stimmen über die Items überein, so tritt nur eine Variation zwischen den Fällen auf. Dies impliziert perfekte paarweise Korrelation der Fälle und damit einen durchschnittlichen Korrelationskoeffizienten von eins, so dass Cronbach’s Alpha ebenfalls den Wert eins annimmt. Je größer die Anzahl der beobachteten Items, desto größer wird Cronbach’s Alpha. Somit sollte man Vorsicht bei der Interpretation walten lassen, da ein großer Reliabilitätskoeffizient selbst bei einer geringen durchschnittlichen Korrelation der Items entstehen kann, wenn nur die Anzahl der Items groß genug ist. Vgl. Corsten (2003).
Die Korrelation eines Items mit den restlichen Items. Vgl. Backhaus (2000).
Vgl. Churchill (1979).
Vgl. Churchill (1979), Homburg und Giering (1998).
Der Vergleich des Cronbach’s Alpha und des Varianzerklärungsanteils des Faktors mit 4 extrahierten Faktoren lag mit 0,81 und 64,0 Prozent auf dem Niveau des Faktors mit 5 Faktoren (0,82 und 61,2 Prozent).
Im Orginal (siehe Kumar, Scheer und Steenkamp [1995], S. 355): • Even if we could, we would not drop the supplier because we like being associated with it. • We want to remain a member of the supplier’s network because we genuinely enjoy our relationship with it. • Our positive feelings towards the supplier are a major reason we continue working with it.
Im Original (siehe Young-Ybarra und Wiersema [1999], S. 450): • We always keep each other informed about events or changes that may affect the other party. • It is expected that any information that might help the other party will be provided to them. • It is expected that proprietary information will be shared if it can help the other party. • Exchange of information in this alliance takes place frequently and informally, not only according to a prespecified agreement.
Vgl. Heide und John (1990), S. 30.
Vgl. Ping (1993), S. 348.
Vgl. Dillmann (1978), S. 180.
Vgl. Armstrong and Overton (1977).
Vgl. Armstrong and Overton (1977).
Die einfaktorielle Varianzanalyse untersucht den Einfluss eines Faktors (Zeitpunkt des Rücklaufes) auf eine abhängige Variable (Mitarbeiterzahl gesamt, Mitarbeiterzahl im Automobilbereich und Seniorität). Sie kann durchgeführt werden, wenn verschiedene Voraussetzungen vorliegen, wie Unabhängigkeit der Beobachtungswerte, metrische Skalierung der abhängigen Variablen, Varianzhomogenität, Normalverteilung und ausreichende Größe der Stichproben. Die Erfüllung der Voraussetzungen wurde im Vorfeld getestet und bestätigt bis auf die Normalverteilungsannahme. Die Varianzanalyse ist aber gegenüber Verletzung dieser Annahme robust, so dass keine Beeinträchtigung des Ergebnisses erwartet wird. Vgl. Stier (1999), S. 259.
Vgl. Armstrong und Overton (1977).
Vgl. Anderson und Gerbing (1988).
Vgl. Backhaus u. a. (2000), S. 1 ff..
Vgl. Anderson und Gerbing (1988), Gerbing und Anderson (1988).
Vgl. Corsten (2003), S. 10.
Der χ2-Differenztest vergleicht die beobachtete mit der geschätzten Kovarianzmatrix. Ein niedriger χ2-Wert weist auf eine gute Anpassungsgüte des Modells hin, d. h. es bestehen keine signifikanten Differenzen in den Matrizen. Bei einem χ2-VVert von “0” läge eine völlige statistische Unabhängigkeit vor. Je größer der χ2-Wert wird, desto stärker ist die statistische Abhängigkeit. Der χ2-Wert reagiert empfindlich auf die Stichprobengröße und zeigt bei über 200 Beobachtungen grundsätzlich signifikante Unterschiede und ist somit mit Vorsicht zu interpretieren. Vgl. Corsten (2003).
Der von Bentier entwickelte Comparative-Fit-Index (CFI) sollte einen Wert von 0,8 übersteigen, Werte über 0,9 sind jedoch empfohlen. Wertebereich: zwischen “0” und “1”. Vorteile des Index: unabhängig von Stichprobengröße, geringer Standardfehler, bildet Fehlspezifikationen des Modells präzise ab, robust gegen Verletzungen der Normalverteilung-Annahme, leicht interpretierbar. Vgl. Medsker, Williams und Holahan (1994), Hulland, Chow und Lam (1996), Baumgartner und Homburg (1996).
Der Tucker-Lewis-Index (TU), auch bekannt als Non-Normed-Fit-Index (NNFI) vergleicht die Passung eines vorgeschlagenen Modells mit der eines Null-Modells und bewertet zusätzlich dessen Knappheit durch den Vergleich von Freiheitsgraden. Der Wert sollte 0,8 übersteigen, Werte über 0,9 sind jedoch empfohlen. Vgl. Bentier (1990), Bollen (1989), S. 273, Marsh, Balla und MacDonald (1988), Hulland, Chow und Lam (1996) sowie Baumgartner und Homburg (1996).
RMSEA ist ein Maß der Modellabweichung pro Freiheitsgrad. Die Wertebereiche liegen zwischen “0” und über “1”; Interpretation: (unrealistisch) perfekte Passung für RMSEA = 0; gute Passung: RMSEA = 0,05; akzeptable Passung: RMSEA = 0,08; inakzeptable Passung: RMSEA >0,10; Vorteile: Konfidenzintervalle für RMSEA lassen sich berechnen; es lässt sich die Nullhypothese testen, dass das empirisch gefundene RMSEA nicht von einem RMSEA = 0,05 abweicht (“closeness of fit”), wenig sparsame Modelle werden bestraft (“parsimonious fit index”). Vgl. Steiger (1980), Medsker, Williams und Holahan (1994), Hulland, Chow und Lam (1996), Baumgartner und Homburg (1996).
Vgl. Homburg und Baumgartner (1995), S. 165.
Vgl. Peter (1979), Cronbach und Meehl (1955), Corsten (2003).
Vgl. Churchill (1979) und Peter (1979).
Vgl. Dunn, Seaker und Waller (1994).
Vgl. Anderson und Gerbing (1988), Gerbing und Anderson (1988).
Vgl. Corsten (2003) S. 10.
Vgl. Steenkamp und Trijp (1991).
Vgl. Bagozzi und Philipps (1982), S. 468.
Vgl. Corsten (2003), S. 10.
Vgl. Bagozzi, Yi und Phillips (1991), S. 425.
Vgl. Corsten (2003), S. 10.
Vgl. ebenda.
Vgl. Corsten (2002), S. 123.
Vgl. Bollen und Lennox (1991), Diamantopolous und Winklhofer (2001).
Vgl. Hunt (1991).
Vgl. Bollen (1989), Corsten (2003), MacCallum und Browne (1993).
Die Durchführung von paarweisen χ2-Tests für alle Konstrukte stellt ein stärkeres Maß zur Beurteilung der Diskriminanzvalidität dar. Vgl. Forneil und Larcker (1981), Anderson und Gerbing(1988).
Vgl Corsten (2002), S. 145.
Vgl. Baron und Kenny (1986).
Vgl. Aiken und West (1996).
Im Sinne einer Verringerung der logistischen Kritizität.
Rights and permissions
Copyright information
© 2004 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Dodel, JH. (2004). Forschungsmodell Supply Chain Integration. In: Supply Chain Integration. Schriften zum europäischen Management. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81720-4_3
Download citation
DOI: https://doi.org/10.1007/978-3-322-81720-4_3
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-8065-4
Online ISBN: 978-3-322-81720-4
eBook Packages: Springer Book Archive