Advertisement

Kundenbindung als empirisches Problem

  • Sibylle Isabelle Peter
Chapter
Part of the Neue betriebswirtschaftliche Forschung book series (NBF, volume 223)

Zusammenfassung

Ziel dieses Kapitels bildet die empirische Analyse des Phänomens Kundenbindung, wobei die Prüfung des Einflusses der theoretisch identifizierten Determinanten auf der Basis eines LISREL-Modells im Mittelpunkt steht.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 1.
    Der Fragebogen kann aus Gründen der Vertraulichkeit nicht vorgestellt werden.Google Scholar
  2. 2.
    Die von dem Hersteller ermittelte durchschnittliche Fahrzeughaltedauer seiner Kunden beträgt 4 Jahre.Google Scholar
  3. 3.
    Die Schichtung sollte gewährleisten, daß das Sample gleich viele Käufer von jedem der beiden berücksichtigten Fahrzeugtypen umfaßt. Eingesetzte Verfahren der Stichprobenziehung erläutern Nieschlag/Dichtl/Hörschgen (1994), S. 729 ff.Google Scholar
  4. 1.
    Der Fragebogen kann aus Gründen der Vertraulichkeit nicht vorgestellt werden.Google Scholar
  5. 1.
    Die Stichprobe wurde mit dem Programmpaket SPSS PC+ zerlegt. Vgl. Norusis (1992a), S. 95 f.Google Scholar
  6. 2.
    Für das Splitten einer Stichprobe im Rahmen des Einsatzes von LISREL-Modellen plädieren auch Baer (1994), S. 66, und Balderjahn (1986a), S. 154.Google Scholar
  7. 3.
    Als Fehler 1. Art bezeichnet man die Tatsache, daß die Nullhypothese fälschlicherweise zugunsten der Alternativhypothese verworfen wird. Vgl. Bortz (1993), S. 107.Google Scholar
  8. 4.
    Diese Vorgehensweise wird oftmals mit der Bezeichnung „known group validation“ belegt. Vgl. Müller, S. (1991), S. 21.Google Scholar
  9. 5.
    Das Verfahren der Kreuzvalidierung erläutern u. a. Balderjahn (1988), Cudeck/Browne (1983) und Homburg/Baumgartner (1995a), S. 173.Google Scholar
  10. 1.
    Vgl. Balderjahn (1986a), S. 155, und Tanaka (1981), S. 136.Google Scholar
  11. 1.
    Im Rahmen sozialwissenschaftlicher Untersuchungen gelten Daten, die auf der Basis von Ratingskalen mit mehr als drei Abstufungen erfaßt wurden, als intervallskaliert. Vgl. dazu Allerbeck (1978), S. 199 ff., Bagozzi/Baumgartner (1994), S. 395, Bentler/Chou (1987), S. 88, Bortz (1993), S. 34 f., und Urban/Hauser (1993), S. 198.Google Scholar
  12. 2.
    Die Zwei-Gruppenlösung wurde gewählt, weil zwischen Kunden, die sich mit Abwanderungsgedanken tragen, und Wechslern oftmals nur graduelle Unterschiede bestehen, die sich nicht ohne weiteres identifizieren lassen. Die Zusammenfassung zur Gruppe der unsicheren Wiederkäufer und Wechsler erscheint zudem aus pragmatischen Gründen gerechtfertigt, weil bereits die Überlegung eines Kunden, den Anbieter zu wechseln, für den Hauslieferanten eine Gefahr darstellt.Google Scholar
  13. 3.
    Das Verfahren der Clusteranalyse beschreiben u.a. Hair et al. (1992), Nieschlag/Dichtl/Hörschgen (1994), S. 808 ff., Norusis (1992b), S. 95 ff., und Punj/Stewart (1983), S. 134 ff.Google Scholar
  14. 4.
    Den Unterschied zwischen partitionierenden und hierarchischen Varianten der Clusteranalyse erläutern Backhaus et al. (1994), S. 281 ff., Dillon/Goldstein (1984), S. 167 ff., und Nieschlag/Dichtl/Hörschgen (1994), S. 811 ff.Google Scholar
  15. 5.
    Die Quick Cluster-Prozedur verkörpert eine partitionierende Variante der Clusteranalyse, deren Einsatz sich insbesondere bei umfangreichen Datensätzen anbietet. Vgl. Norusis (1992b), S. 121 ff.Google Scholar
  16. 1.
    Diese Methode zur Prüfung der Reliabilität einer Clusterlösung empfehlen u.a. Backhaus et al. (1996), S. 312, und Bortz (1993), S. 540.Google Scholar
  17. 1.
    Bei gleicher Gruppengröße beträgt die Wahrscheinlichkeit, bereits bei zufälliger Zuordnung einen Treffer zu erzielen, 50 %. Bei ungleicher Clustergröße, wie im hier vorliegenden Fall, entspricht die Trefferquote für eine bestimmte Gruppe dem größenmäßigen Anteil des Clusters an der Gesamtzahl der Objekte. Vgl. dazu Backhaus et al. (1996), S. 116., und Hair et al. (1992), S. 105.Google Scholar
  18. 2.
    Vgl. zum Problem des Stichprobeneffektes auch Backhaus et al. (1996), S. 116, und Bortz (1993), S. 578.Google Scholar
  19. 1.
    Der F-Test bildet ein Verfahren zur Prüfung der statistischen Signifikanz von Mittelwertunterschieden. Vgl. dazu u. a. Backhaus et al. (1996), S. 25 ff. und S. 121., Hair et al. (1992), S. 45, Nieschlag/Dichtl/Hörschgen (1994), S. 791 ff., sowie Norusis (1992a), S. 240.Google Scholar
  20. 2.
    Wilks’ Lambda, im Englischen auch als U-statistic bekannt, setzt die Summe der quadrierten Abweichungen vom Mittelwert innerhalb einer Gruppe ins Verhältnis zur Summe der quadrierten Abweichungen insgesamt. Ein Wilks’ Lambda von 1 ergibt sich, wenn die beobachteten Gruppenmittelwerte gleich sind. Ein Wert nahe 0 besagt, daß innerhalb einer Gruppe nur geringe Abweichungen vom Mittel im Verhältnis zur Summe der gesamten Abweichungen vorliegen. Somit deuten hohe Ausprägungen des Gütemaßes darauf hin, daß sich die Gruppenmittelwerte hinsichtlich der betrachteten Variablen kaum unterscheiden. Vgl. Backhaus (1996), S. 118 ff., und Norusis (1992b), S. 5.Google Scholar
  21. 1.
    Auf dieses Problem weisen auch Hair et al. (1992), S. 100, hin.Google Scholar
  22. 1.
    Auf die Tatsache, daß signifikante Mittelwertunterschiede lediglich aus einem großen Stichprobenumfang resultieren können, weisen auch Backhaus et al. (1996), S. 121, und Hair et al. (1992), S. 100, hin.Google Scholar
  23. 1.
    Der bei der Diskriminanzanalyse gewählte Algorithmus beruht auf einer schrittweisen Selektion der Variablen nach dem Grundsatz der Minimierung von Wilks’ Lambda. Die Variable mit dem geringsten Wilks’ Lambda-Wert wird im Diskriminanzmodell zuerst berücksichtigt. Nachdem die erste Variable in das Modell aufgenommen wurde, lassen sich für die verbleibenden Größen erneut Werte für WilksLambda berechnen, die dann die Grundlage für die Auswahl der nächsten in das Modell aufzunehmenden Variablen bilden. Andere Algorithmen zur Ermittlung einer Diskriminanzfunktion basieren auf der Maximierung von Rao’s V oder der Mahalanobis-Distanz; vgl. dazu Norusis (1992b), S. 29 ff.Google Scholar
  24. 1.
    Auf die Tatsache, daß die Nichtverwerfbarkeit einer Nullhypothese noch keine Aussage über die prognostische Validität einer Ursache-Wirkungsbeziehung erlaubt, weist in einem anderen Zusammenhang auch Dichtl (1992b), S. 362, hin.Google Scholar
  25. 1.
    Vgl. dazu die Ausführungen in Kap. III, Abschn. 4.1.1.1.Google Scholar
  26. 2.
    Die Indikatoren entstammen Zufriedenheitsanalysen, die der betreffende Automobilhersteller hatte durchführen lassen, sowie explorativen Gesprächen mit Kunden, um sicherzustellen, daß die in den Augen der Betroffenen zentralen Leistungsmerkmale in die Analyse eingehen.Google Scholar
  27. 3.
    Vgl. Beeskow (1985), S. 217 ff., und Lingenfelder/Schneider (1991), S. 115 f.Google Scholar
  28. 1.
    Zu diesen zählen im allgemeinen die multiplikative sowie die additive Verknüpfung von Urteil und Bedeutungsgewicht. Vgl. u. a. Freter (1979), S. 163 ff., und Lingenfelder (1990), S. 131.Google Scholar
  29. 1.
    Vgl. Dichtl/Bauer/Finck (1978), S. 227, und Nieschlag/Dichtl/Hörschgen (1994), S. 723.Google Scholar
  30. 1.
    Diese Vorgehensweise wählen auch Finck/Beeskow/Müller (1979), S. 32, und Lingenfelder (1991), S. 137 ff.Google Scholar
  31. 1.
    Vgl. Deutsche Marketing Vereinigung /Postdienst (1994), S. 8.Google Scholar
  32. 1.
    Vgl. Fornell (1992), S. 13 f.Google Scholar
  33. 2.
    Vgl. National Quality Research Center (1994), S. 17.Google Scholar
  34. 1.
    Den Begriff eines theoretischen Konstrukts erläutern u. a. Bagozzi/Fornell (1982), S. 24 f., Kromrey (1986), S. 64 f., Mayntz/Holm/Hübner (1972), S. 43, Meffert (1992), S. 183, und Nieschlag/Dichtl/Hörschgen (1994), S. 689 ff.Google Scholar
  35. 2.
    Vgl. Bagozzi (1979), S. 16 ff., und (1994b), S. 331 ff., Bagozzi/Fornell (1982), S. 34 ff., Bollen/Lennox (1991), S. 305 ff., sowie Homburg (1995a), S. 64.Google Scholar
  36. 3.
    Vgl. Bagozzi (1994b), S. 331, und Homburg (1995), S. 64 f.Google Scholar
  37. 1.
    Vgl. Bollen (1989), S. 184 ff., Carmines/Zeller (1979), S. 11 ff., Kirk/Miller (1986), S. 13 ff., und Nieschlag/Dichtl/Hörschgen (1994), S. 721 ff.Google Scholar
  38. 2.
    Richtungweisende Arbeiten, die sich mit der Messung komplexer Konstrukte und der Problematik der Validierung beschäftigen, stammen von Churchill (1979), Gerbing/Anderson (1988), Peter (1979) und (1981).Google Scholar
  39. 3.
    Vgl. Gerbing/Anderson (1988), S. 187, Homburg (1995a), S. 67 und S. 80 ff., sowie Homburg/Giering (1996), S. 8.Google Scholar
  40. 1.
    Das Cronbachsche Alpha mißt die interne Konsistenz der Indikatoren eines Faktors. Die Größe verkörpert den Mittelwert aller Korrelationen, die sich ergeben, wenn die dem Faktor zugeordneten Indikatoren auf alle möglichen Arten in zwei Hälften geteilt und die Summen der Meßwerte der jeweils resultierenden Hälften miteinander korreliert werden. Die Berechnung von Cronbachs Alpha erläutern u.a. Norusis (1992b), S. 142, und Peter (1979), S. 8.Google Scholar
  41. 2.
    Vgl. Churchill (1979), S. 68, Gerbing/Anderson (1988), S. 190, Norusis (1992b), S. 142, und Nunnally (1978).Google Scholar
  42. 3.
    Vgl. Churchill (1979), S. 68, Cortina (1993), S. 101, Homburg (1995a), S. 81, und Nunnally (1967), S. 226.Google Scholar
  43. 4.
    Vgl. Nunnally (1967), S. 226, und Peter (1979), S. 15.Google Scholar
  44. 5.
    Vgl. Homburg (1995a), S. 81, und Nunnally (1978), S. 245.Google Scholar
  45. 6.
    Vgl. beispielsweise die Beiträge von Deshpande/Farley/Webster (1993), S. 30, und Jaworski/Kohli (1993), S. 65 ff., im Journal of Marketing und von Deshpande/Zaltman (1982), S. 20, im Journal of Marketing Research.Google Scholar
  46. 7.
    Vgl. Homburg/Giering (1996), S. 8, und Peterson (1994), S. 384. Zur formalen Veranschaulichung dieses Zusammenhangs vgl. Peter (1979), S. 9.Google Scholar
  47. 8.
    Vgl. Cortina (1993), S. 101, Norusis (1992b), S. 142, und Peterson (1994), S. 389, der zudem darauf hinweist, daß zwischen der Stichprobengröße und der Ausprägungshöhe des Cronbachschen Alpha ein negativer Zusammenhang besteht.Google Scholar
  48. 9.
    VgL Norusis (1992b), S. 140 f.Google Scholar
  49. 1.
    1Vgl. auch Homburg (1995a), S. 81.Google Scholar
  50. 2.
    2Vgl. Gerbing/Anderson (1988), S. 188, und Nunnally (1978), S. 274.Google Scholar
  51. 3.
    3Vgl. Homburg (1995a), S. 86, und Homburg/Giering (1996), S. 8.Google Scholar
  52. 4.
    4Vgl. Anderson/Fornell (1994), S. 252.Google Scholar
  53. 1.
    Vgl. auch Gerbing/Anderson (1988), S. 187 ff., und Homburg (1995a), S. 79 ff.Google Scholar
  54. 2.
    Vgl. zur Vorgehensweise bei der „known group validation“ Müller, S. (1991), S. 218 ff.Google Scholar
  55. 3.
    Auf die Aufteilung des Sample aus der Automobilindustrie in zwei Teilstichproben wurde bereits in Abschn. 1.2. hingewiesen.Google Scholar
  56. 4.
    Die besondere Bedeutung der Anzahl von Indikatoren für die Beurteilung der Höhe von Cronbachs Alpha betonen u.a. Cortina (1993), S. 101, und Peterson (1994), S. 389.Google Scholar
  57. 1.
    Vgl. z.B. die Operationalisierung einiger theoretischer Konstrukte bei Balderjahn (1986), S. 158 ff., Burmann (1991), S. 254, Ettlie/Johnson (1994), S. 114, Fornell (1992), S. 11, Homburg (1995a), S. 141 und S. 164, Homburg/Baumgartner (1995a), S. 164, sowie Kujala/Johnson (1993), S. 256 f. Homburg/Baumgartner (1995b), S. 1104, stellen in einer Bestandsaufnahme zum Einsatz der Kausalanalyse in der Marketingforschung fest, daß das durchschnittliche Verhältnis der Zahl der Indikatoren zur Zahl der Faktoren bei LISREL-Anwendungen in der deutschen Marketingforschung 1,8 beträgt und in amerikanischen Untersuchungen einen Wert von 2,8 aufweist.Google Scholar
  58. 1.
    Diese Auffassung vertreten auch Anderson/Gerbing/Hunter (1987), S. 434 f., und Homburg (1995a), S. 97.Google Scholar
  59. 1.
    Bagozzi/Baumgartner (1994), S. 388, weisen darauf hin, daß eine Operationalisierung auf der Basis reflektiver Indikatoren bei mehr als fünf Meßvariablen in der Mehrheit der Fälle zu unbefriedigenden Ergebnissen führt. Aus diesem Grund empfehlen sie in solchen Fällen die Reduktion der Indikatorzahl durch verschiedene Formen der Aggregation.Google Scholar
  60. 2.
    Die Werte der Korrelationen zwischen den jeweiligen Indizes und dem Globalurteil betragen für Modell 1 0,71 und für Modell 2 0,82.Google Scholar
  61. 1.
    Vgl. Homburg/Baumgartner (1995b), S. 1103. Zur Problematik des Verhältnisses der Zahl der Indikatoren zur Zahl der Faktoren äußern sich auch Fornell (1983), S. 446, Gerbing/Anderson (1985), S. 260, und Homburg (1991), S. 142.Google Scholar
  62. 2.
    Vgl. auch Homburg/Dobratz (1991), S. 219 ff., und Jöreskog/Sörbom (1993a), S. 115 ff.Google Scholar
  63. 1.
    Auf der Basis der Resultate bereits geschätzter Modelle offerieren die gängigen Computerprogramme in begrenztem Ausmaß univariate bzw. multivariate Modifikationsvorschläge in Form des Modification Index im Rahmen der LISREL-Prozedur und des Lagrange Multiplier Tests bei dem EQS-Verfahren.Google Scholar
  64. 2.
    Vgl. Browne/Cudeck (1993), S. 137.Google Scholar
  65. 3.
    Diesen Sachverhalt erläutern ausführlich Cliff (1983), S.118, und Homburg/Baumgartner (1995b), S. 1102.Google Scholar
  66. 4.
    Vgl. Homburg/Baumgartner (1995a), S. 103 f., und Tanaka (1993), S. 34.Google Scholar
  67. 5.
    Vgl. Homburg/Baumgartner (1995b), S. 1102.Google Scholar
  68. 1.
    Für eine übersichtlichere Darstellung und zur Vermeidung von Verwechslungen sind Modelle und Hypothesen, die auf der Basis der Daten aus der Automobilindustrie geprüft werden, mit dem Superskript Pkw versehen. Konzepte und Hypothesen, die in Abschn. 3. auf der Grundlage von Daten aus dem Pharmagroßhandel getestet werden, erhalten das Superskript Ph. Eine Übersicht über die Bedeutung der verwendeten Symbole liefert Abb. 1* (Anhang).Google Scholar
  69. 1.
    Vgl. Kap. III, Abschn. 5.3.2., Exkurs.Google Scholar
  70. 1.
    Die Generierung von „parsimonious models“ wird von Vertretern der Wissenschaftstheorie seit dem 14. Jahrhundert gefordert und nimmt eine hohen Stellenwert im Rahmen wissenschaftstheoretischer Abhandlungen ein. Ein Wissenschaftler sollte nicht nur danach streben, die Realität zu erklären und Prognosen abzuleiten, sondern gleichzeitig auch darauf bedacht sein, dies in einer möglichst effizienten Weise zu leisten. Von zwei Hypothesensystemen, die sich im Hinblick auf andere Gütemerkmale nicht unterscheiden, gilt es somit, dem sparsamer modellierten den Vorzug zu gewähren. Vgl. dazu u. a. Lambert/Brittan (1970), S. 69 ff., und Quine (1960), S. 242. Bentler/Mooijaart (1989) und Faulbaum/Bentler (1994), S. 229 f., sehen in der Einfachheit der Modellierung ein wichtiges Kriterium für die Evaluation Linearer Strukturgleichungsmodelle. Einen ähnlichen Standpunkt nehmen auch Mulaik et al. (1989), 434 ff., ein.Google Scholar
  71. 1.
    Vgl. Homburg/Baumgartner (1995a), S.166.Google Scholar
  72. 2.
    Darauf weist auch Tanaka (1993), S. 34, hin.Google Scholar
  73. 1.
    Auf Variante ASPkw greifen wir zurück, weil die Version A6Pkw aus den genannten Gründen nicht weiter betrachtet wird.Google Scholar
  74. 2.
    Variante A5Pkw dient wiederum als Ausgangspunkt für die Generierung weiterer Modellversionen, weil die Varianten A6Pkw, A7Pkw und A8Pkw aufgrund des Bestrebens, „sparsam“ angelegte Konzepte zu entwickeln, verworfen wurden.Google Scholar
  75. 1.
    Vgl. dazu Kap. III, Abschn. 5.3.2., Exkurs.Google Scholar
  76. 2.
    Vgl. Kap. III, Abschn. 5.3.2., Exkurs, sowie Homburg /Dobratz (1991), S. 219 ff., und Jöreskog/Sörbom (1993b), S. 26.Google Scholar
  77. 3.
    Vgl. Anderson/Gerbing (1988), S. 418 ff., und Bollen (1989), S. 292.Google Scholar
  78. 1.
    Die Methode der Kreuzvalidierung erläutern u. a. Bagozzi/Yi (1988), S. 83 f., Balderjahn (1988), S. 67 ff., Bollen (1989), S. 278, Browne/Cudeck (1989), S. 445 ff., und (1993), S. 147 ff., Cudeck/Browne (1983), S. 151 ff., sowie Homburg (1991).Google Scholar
  79. 1.
    Daß im Rahmen der Anwendung des LISREL-Verfahrens im Marketing konkurrierende Varianten viel zu wenig geprüft werden, bemängeln Homburg/Baumgartner (1995b), S. 1102.Google Scholar
  80. 2.
    Bei dieser Lösung, die im Rahmen der LISREL-Prozedur als „completely standardized solution“ bezeichnet wird, sind alle Variablen auf eine Standardabweichung von 1 normiert. Vgl. Jöreskog/Sörbom (1993b), S. 29.Google Scholar
  81. 1.
    Vgl. Backhaus et al. (1996), S. 391.Google Scholar
  82. 2.
    Vgl. Backhaus et al. (1996), S. 391 ff.Google Scholar
  83. 1.
    Darauf wurde in Kap. III, Abschn. 2 und Abschn. 4, bereits hingewiesen.Google Scholar
  84. 2.
    Vgl. Kap. III, Abschn. 4.1.Google Scholar
  85. 1.
    Ph steht für den betreffenden Pharmagroßhändler.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1999

Authors and Affiliations

  • Sibylle Isabelle Peter

There are no affiliations available

Personalised recommendations