Hypothesen und Modelle beim Theorietest

Chapter

Zusammenfassung

Anhand von Hypothesen lassen sich Theorien empirisch prüfen (siehe Abschn. 5.2). Nachstehend werden das Wesen von Hypothesen und die Vorgehensweise bei der Überprüfung von Hypothesen, den empirischen Tests, dargestellt. Dabei wird insbesondere auch auf die in der Wissenschaft immer wichtiger werdende Beziehung zwischen Signifikanztests und Effektstärken eingegangen sowie auf die Problematik der Post-hoc Hypothesentests. Mit der Modellierung, die empirisch beispielsweise mit Regressionsanalysen arbeitet, aber auch mit Strukturgleichungsmodellen, können mehrere Hypothesen gleichzeitig getestet werden.

Literatur

  1. Aguinis, H., Dalton, D. R., Bosco, F. A., Pierce, C. A., & Dalton, C. M. (2011). Meta-analytic choices and judgment calls: Implications for theory building and testing, obtained effect sizes, and scholarly impact. Journal of Management, 37, 5–38.CrossRefGoogle Scholar
  2. Albers, S., & Hildebrandt, L. (2006). Methodische Probleme bei der Erfolgsfaktorenforschung – Messfehler, formative versus reflektive Indikatoren und die Wahl des Strukturgleichungs-Modells. Zeitschrift für betriebswirtschaftliche Forschung, 58, 2–33.CrossRefGoogle Scholar
  3. Allison, P. D. (1999). Multiple regression: A primer. Thousand Oaks: Pine Forge Press.Google Scholar
  4. Banks, G., O’Boyle, E., Pollack, J., White, C., Batchelor, J., Whelpley, C., Abston, K., Bennett, A., & Adkins, C. (2016). Questions about questionable research practices in the field of management: A guest commentary. Journal of Management, 42, 5–20.CrossRefGoogle Scholar
  5. Bettis, R. A., Ehtiraj, S., Gambardella, A., Helfat, C., & Mitchell, W. (2016). Creating repeatable cumulative knowledge in strategic management. Strategic Management Journal, 37(2), 257–261.CrossRefGoogle Scholar
  6. Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation (4. Aufl.). Berlin: Springer.CrossRefGoogle Scholar
  7. Cohen, J. (1967). An interpersonal orientation to the study of consumer behavior. Journal of Marketing Research, 4, 270–278.CrossRefGoogle Scholar
  8. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2. Aufl.). New York: Routledge.Google Scholar
  9. Davis, F., Bagozzi, R., & Warshaw, P. (1989). User acceptance of computer technology – A comparison of two theoretical models. Management Science, 35, 982–1003.CrossRefGoogle Scholar
  10. Diamantopoulos, A., & Winklhofer, H. (2001). Index construction with formative indicators: An alternative to scale development. Journal of Marketing Research, 38, 269–277.CrossRefGoogle Scholar
  11. Diller, H. (2004). Das süße Gift der Kausalanalyse. Marketing ZFP, 26(3), 177.CrossRefGoogle Scholar
  12. Durlak, J. A., & Lipsey, M. W. (1991). A practitionner’s guide to meta-analysis. American Journal of Community Psychology, 19, 291–332.Google Scholar
  13. Eisend, M. (2015). Have we progressed marketing knowledge? A meta-meta-analysis of effect sizes in marketing research. Journal of Marketing, 79, 23–40.CrossRefGoogle Scholar
  14. Ellis, P. D. (2010). The essential guide to effect sizes: An introduction to statistical power, meta-analysis and the interpretation of research results. Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  15. Fisher, R. A. (1925). Statistical methods for research workers. Edinburgh: Oliver and Boyd.Google Scholar
  16. Franke, N. (2002). Realtheorie des Marketing Gestalt und Erkenntnis. Tübingen: Mohr Siebeck.Google Scholar
  17. Gujarati, D. N. (2003). Basic Econometrics. Boston: McGraw Hil.Google Scholar
  18. Hair, J., Black, W., Babin, B., & Anderson, R. (2010). Multivariate data analysis (7. Aufl.). Upper Saddle River: Prentice Hall.Google Scholar
  19. Homburg, C. (2007). Betriebswirtschaftslehre als empirische Wissenschaft – Bestandsaufnahme und Empfehlungen. In E. Gerum & G. Schreyögg (Hrsg.), Zukunft der Betriebswirtschaftslehre, ZfbF-Sonderheft 56, 27–60.Google Scholar
  20. Hunt, S. (2010). Marketing theory – Foundations, controversy, strategy, resource-advantage theory. Armonk: Routledge.Google Scholar
  21. Jaccard, J., & Becker, M. (2002). Statistics for the behavioral sciences (4. Aufl.). Belmont: Wadsworth.Google Scholar
  22. Kerr, N. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2, 196–217.CrossRefGoogle Scholar
  23. Kline, R. B. (2004). Beyond significance testing: Reforming data analysis methods in behavioral research. Washington DC: American Psychological Association.CrossRefGoogle Scholar
  24. Kruskal, W. (1968). Tests of statistical significance. In D. Sills (Hrsg.), International encyclopedia of the social sciences (S. 238–250). New York: Macmillan.Google Scholar
  25. Leung, K. (2011). Presenting post hoc hypotheses as a priori: Ethical and theoretical issues. Management and Organization Review, 7, 471–479.CrossRefGoogle Scholar
  26. Lipsey, M. W., & Wilson, D. T. (2001). Practical meta-analysis. Thousands Oaks: Sage.Google Scholar
  27. Neuman, W. (2011). Social research methods – Qualitative and quantitative approaches (7. Aufl.). Boston: Pearson.Google Scholar
  28. Peter, J. (1991). Philosophical tensions in consumer inquiry. In T. Robertson & H. Kassarjian (Hrsg.), Handbook of consumer behavior (S. 533–547). Englewood Cliffs: Prentice-Hall.Google Scholar
  29. Ringle, C., Boysen, N., Wende, S., & Will, A. (2006). Messung von Kausalmodellen mit dem Partial-Least-Squares-Verfahren. Wirtschaftswissenschaftliches Studium, 35, 81–87.Google Scholar
  30. Sawyer, A., & Peter, J. (1983). The significance of statistical significance tests in marketing research. Journal of Marketing Research, 20, 122–133.CrossRefGoogle Scholar
  31. Selvin, H., & Stuart, A. (1966). Data-dredging procedures in survey analysis. The American Statistician, 20(3), 20–23.Google Scholar
  32. Shugan, S. (2002). Marketing science, models, monopoly models, and why we need them. Marketing Science, 21, 223–228.CrossRefGoogle Scholar
  33. Trafimow, D., & Marks, M. (2015). Editorial. Basic And Applied Social Pschology, 37, 1–2.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2017

Authors and Affiliations

  1. 1.Europa-Universität ViadrinaFrankfurt (Oder)Deutschland
  2. 2.Freie Universität BerlinBerlinDeutschland

Personalised recommendations