Zusammenfassung
Eines der bedeutendsten Probleme in der Konsumentenverhaltensforschung ist die Operationalisierung und fehlerfreie Messung der zugrundeliegenden (latenten) Variablen. Da eine vollständig fehlerfreie Messung latenter Variablen aber im strengen Sinne gar nicht möglich ist, werden Methoden eingesetzt, die zumindest den Anteil der Messfehler in den Beobachtungsvariablen auf statistischem Wege kontrollieren. Für diese Aufgabe hat sich in den vergangenen drei Jahrzehnten die Strukturgleichungsmethodologie (SEM) als leistungsfähiges Instrument durchgesetzt. Sie erlaubt es, den Messfehleranteil in beobachtbaren Variablen zu kontrollieren und gleichzeitig die Beziehungsstruktur zwischen latenten Variablen um den Messfehler bereinigt zu schätzen. In den führenden Journalen des Marketing und der Konsumentenforschung ist es deshalb heute kaum noch möglich, einen empirischen Artikel zu platzieren, der keine Messfehlerkontrolle bei den zugrundeliegenden Variablen über ein statistisches Verfahren durchführt. Als Gründe für diese Entwicklung sind vor allem die im Marketing vorliegenden Arbeiten zur Messfehlerproblematik bei latenten Variablen in der Marketingforschung (Bagozzi 1980, Hildebrandt 1983) und die Entwicklung leistungsfähiger Software zur Analyse psychologischer Daten zu nennen. Mit den Publikationen von Bagozzi (1980) und einem Sonderheft des Journal of Marketing Research (Vol. XIX, 1982) wurde das Programm Lisrel (Linear Structural RELations, Jöreskog & Sörbom 1981, 2003) zum Standard für die Analyse von latenten Variablen im Marketing. Während dieser Ansatz anfänglich nur mit der schwer zu nutzenden pfadanalytischen Software LVPLS (Lohmöller 1984) und dem Programm EQS (Bentier 1995) konkurrieren musste, hat sich die Situation heute verändert.
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
Arbuckle, J. (1999), AMOS User’s Guide, Version 4.0, SmallWaters Corporation.
Arminger, G. und Schoenberg, R. (1989), „Pseudo Maximum Likelihood Estimation and a Test for Misspecification in Mean and Covariance Structure Models”, Psychometrika, 54 (Spring), 409–425.
Arminger, G., Wittenberg, J. und Schepers, A. (1996), MECOSA 3 User Guide, ADDITIVE GmbH.
Bagozzi, R. (1980), Causal Models in Marketing, Wiley.
Bagozzi, R. und Baumgartner, H. (1994), „The Evaluation of Structural Equation Models and Hypothesis Testing, in Principles of Marketing Research, hrsg. R. Bagozzi, Blackwell, 386-442.
Bentler, P. (2000), EQS 6 Structural Equations Program Manual, Encino, CA: Multivariate Software.
Bentler, P. (1995), EQS Structural Equations Program Manual, Encino, CA: Multivariate Software.
Bollen, K. (1989), Structural Equations with Latent Variables, Wiley.
Browne, M. (1987), „Robustness of Statistical Inference in Factor Analysis and Related Models”, Biometrika, 74, 375–384.
Browne, M. (1984), „Asymptotically Distribution Free Methods for the Analysis of Covariance Structures”, British Journal of Mathematical and Statistical Psychology, 3, 62–83.
Browne, M. und Arminger, G. (1995), „Specification and Estimation of Mean-and Covariance-Structure Models”, in Handbook of Statistical Modeling for the Social and Behavioral Sciences, hrsg. G. Arminger, C.C. Clogg, und M.E. Sobel, Plenum, 185-249.
Browne, M. und Mels, G. (1992), RAMONA User’s Guide, Columbus: Ohio State University, Department of Psychology.
Chin, W. (2001), PLS-Graph User’s Guide, Version 3.0.
Chin, W. (1998), „The Partial Least Squares Approach for Structural Equation Modeling“, in Modern Methods for Business Research, hrsg. G. A. Marcoulides, Lawrence Erlbaum, 295-337.
Chou, C. und Bentler, P. (1995), „Estimates and Tests in Structural Equation Modeling”, in Structural Equation Modeling: Concepts, Issues and Applications, hrsg. R. Hoyle, Sage Publications, 37-55.
Diamantopoulos, A. und Winklhofer, H. (2001), „Index Construction with Formative Indicators: An Alternative to Scale Development“, Journal of Marketing Research, 38(2), 269–277.
Faulbaum, F. und Bentier, P. (1994), „Causal Modeling: Some Trends and Perspectives”, in Trends and Perspectives in Empirical Social Research, hrsg. I. Borg und P. Mohler, de Gruyter, 224-249.
Fornell, C. (1982), A Second Generation of Multivariate Analysis, Band 1 + 2, New York.
Görz, N., Hildebrandt, L. und Annacker, D. (2000), „Analyzing Multigroup Data with Structural Equation Models“, in Classification and Information Processing at the Turn of the Millennium, hrsg. W. Gaul und R. Decker, Heidelberg: Springer.
Gustafsson, J.-E. und Stahl, P.A. (2000), STREAMS User’s Guide, Version 2.5 for Windows, Mölndal, Sweden: Multivariate Ware.
Hildebrandt, L. (1995), „Kausalanalyse“, in Handwörterbuch des Marketing, hrsg. B. Tietz, R. Köhler und J. Zentes, 2. Aufl., Schäffer-Poeschel Verlag, 1126-1135.
Hildebrandt, L. (1983), Konfirmatorische Analysen von Modellen des Konsumentenverhaltens, Duncker & Humblot.
Hildebrandt, L. und Homburg, C. (1998), Die Kausalanalyse, Schäffer-Poeschel Verlag.
Homburg, C. und Baumgartner, H. (1998), „Beurteilung von Kausalmodellen — Bestandsaufnahme und Anwendungsempfehlungen“, in Die Kausalanalyse, hrsg. L. Hildebrandt und C. Homburg, Schäffer-Poeschel Verlag, 343-370.
Homburg, C. und Hildebrandt, L. (1998), „Die Kausalanalyse: Bestandsaufnahme, Entwicklungsrichtungen, Problemfelder“, in Die Kausalanalyse, hrsg. L. Hildebrandt und C. Homburg, Schäffer-Poeschel Verlag, 16-43.
Hoyle, R. H. (1995), Structural Equation Modeling: Concepts, Issues, and Applications, Sage Publications.
Jedidi, K., Jagpal, H. und DeSarbo, W. (1997), „Finite-Mixture Structural Equation Models for Response-Based Segmentation and Unobserved Heterogeneity”, Marketing Science, 16, 39–59.
Jöreskog, K. und Sörbom, D. (1996), LISREL 8: User’s Reference Guide, Scientific Software International Inc.
Kaplan, D. (1998), „Methods for Multilevel Data Analysis“, in Modern Methods for Business Research, hrsg. G. A. Marcoulides, Lawrence Erlbaum, 337-358.
Lohmöller, J. (1989), Latent Variable Path Modeling with Partial Least Squares, Physica-Verlag.
Lohmöller, J. (1984), „Das Programmsystem LVPLS für Pfadmodelle mit latenten Variablen“, Zentralarchiv für empirische Sozialforschung, 44-67.
McArdle, J. (1998), „Modeling Longitudinal Data by Latent Growth Curve Methods“, in Modern Methods for Business Research, Lawrence Erlbaum, 359-406.
McArdle, J. und Anderson, E. (1990), „Latent Variable Growth Models for Research on Aging”, in Handbook of the Psychology on Aging, hrsg. J. Birren und W. Schaie, Academic Press, 21-44.
Mooijaart, A. und Bentler, P. (1991), „Robustness of Normal Theory Statistics in Structural Equation Models” Statistica Neerlandia, 45, 159–171.
Muthén, B. (2002), „Beyond SEM: General Latent Variable Modeling“, Behaviormetrika, 29, 81–117.
Muthén, B. (2001), „Second-Generation Structural Equation Modeling with a Combination of Categorical and Continuous Latent Variables: New Opportunities for Latent Class/Latent Growth Modeling“, in New Methods for the Analysis of Change, hrsg. L.M. Collins und A. Sayer, Washington, D.C.: APA, 291–322.
Muthén, B. (1989), „Latent Variable Modeling in Heterogeneous Populations, Presidential Address to the Psychometrie Society”, Psychometrika, 54, 557–585.
Muthén, B. und Muthén, L. (2001), Mplus User’s Guide (2. Aufl.), Muthén & Muthén.
Neale, M. (1997), MX: Statistical Modeling (4 ed.), Box 126 MCV, Richmond, VA 23298: Department of Psychiatry.
Olsson, U. (1979), „Maximum Likelihood Estimation of the Polychoric Correlation Coefficient”, Psychometrika, 44, 443–460.
Schoenberg, R. und Arminger, G. (1990), LINCS: A User’s Guide, Aptech Systems.
Spirtes, P., Schemes, C., Glymour, C. und Meek, C. (1993), TETRAD II: Tools for Causal Modeling, User’s Manual.
Steiger, J. (1994), „Factor Analysis in the 1980’s and the 1990’s: Same Old Debates and Same New Developments”, in Trends and Perspectives in Empirical Social Research, hrsg. I. Borg, und P. Mohler, deGruyter, 201-223.
Stelzl, I. (1986), „Changing Causal Relationship without Changing the Fit: Some Rules for Generating Equivalent LISREL-Models“, Multivariate Behavioral Research, 21, 309–331.
Strohe, H. und Geppert, F. (1997), „Algorithmus und Computerprogramm für dynamische Partial Least-Squares-Modelle“, Statistische Diskussionsbeiträge Nr. 7, Universität Potsdam, Wirtschafts-und Sozialwissenschaftliche Fakultät.
Tanaka, J. (1993), „Multifaceted Conceptions of Fit in Structural Equation Models”, in Testing Structural Equation Models, hrsg. K. Bollen und S. Long, Sage Publications, 10-39.
Ullmann J. (1996), „Structural Equation Modeling”, in Using Multivariate Statistics (3 ed.), hrsg. B. Tabachnik und L. Fidell, Harper Collins College Publishers, Chapter 14, 709-811.
Wold, H. (1985), „Partial Least Squares“, in Encyclopedia of Statistical Sciences, Vol. 6, hrsg. S. Kotz und N.L. Johnson, Wiley, 581-591.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2008 Gabler | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Hildebrandt, L. (2008). Strukturgleichungsmodelle für die Konsumentenverhaltensforschung — Methodische Trends und Software-Entwicklungen —. In: Gröppel-Klein, A. (eds) Konsumentenverhaltensforschung im 21. Jahrhundert. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-87400-9_22
Download citation
DOI: https://doi.org/10.1007/978-3-322-87400-9_22
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-8169-9
Online ISBN: 978-3-322-87400-9
eBook Packages: Springer Book Archive