Auszug
Die nachfolgenden Ausführungen dieses Abschnitts verfolgen das Ziel, die postulierten Forschungshypothesen mit dem empirischen Datenmaterial zu konfrontieren. Zu diesem Zweck werden zunächst die Messmodelle der theoretischen Konstrukte empirisch überprüft732. In einem nächsten Schritt gilt es, die zuvor hergeleiteten Wirkungszusammenhänge zwischen den betrachteten Konstrukten zu untersuchen. In diesem Zusammenhang werden auch moderierenden Effekte auf die betrachteten ursache-Wirkungszusammenhänge analysiert733. Hiernach erfolgt die Betrachtung der ebenenübergreifenden direkten und indirekten Effekte der Marktorientierung734.
Vgl. Abschnitt E. 1.
Vgl. Abschnitt E. 2.2. — E.2.4.
Vgl. Abschnitt E.2.5.
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
Vgl. Abschnitt A.2.
Vgl. Abschnitt E.3.
Vgl. Homburg (2000), S. 73. Als dritter Aspekt wird häufig die Objektivität der Messung angeführt. Diese ist gewährleistet, wenn keiner der beteiligten Untersucher bei der Durchführung, Auswertung und Interpretation der empirisch erhobenen Daten verzerrend auf die Ergebnisse einwirkt. Die Objektivität einer Messung stellt die Voraussetzung für eine reliable und valide Messung dar. Vgl. hierzu Berekoven/Eckert/Ellenrieder (2006), S. 87; Bühner (2004), S. 28f. Es soll an dieser Stelle von einer ausreichenden Objektivität der Untersuchung ausgegangen werden, zumal die Konzeption der Untersuchung als schriftliche Befragung mit standardisierten Fragenbatterien die Möglichkeit einer Verzerrung weitgehend ausschließt.
Vgl. Balderjahn (2003), S. 131; Churchill (1979), S. 65. Während sich der systematische Fehler in einer konstanten Veränderung des Messwertes in eine bestimmte Richtung darstellt, wird für die Zufallsfehler unterstellt, dass es sich hierbei um eine gleichmäßige Streuung um den wahren Wert handelt. Vgl. hierzu Balderjahn (2003), S. 131.
Vgl. Churchill (1979), S. 65; Peter (1979), S. 7.
Vgl. u.a. Hildebrandt (1984), S. 42; Churchill (1979), S. 65; Peter (1979), S. 6.
Vgl. Homburg (2000), S. 73.
Vgl. Peter (1981), S. 134; Churchill (1979), S. 65.
Vgl. Churchill (1979), S. 65; Kinnear/Taylor (1991), S. 830.
Vgl. Bohrnstedt (1970), S. 92.
Vgl. Bortz / Döring (2006), S. 199; Balderjahn (2003), S. 131.
Test A ist valide, weil er mit Test B korreliert, der mit Test C korreliert, der mit Test A korreliert.
Vgl. Malhotra (2007), S. 286.
Teilweise wird zu der Konstruktvalidität auch der zusätzliche Aspekt der nomologischen Validität gezählt. Vgl. hierzu z.B. Homburg / Pflesser (2000c), S. 425; Hildebrandt (1984), S. 42.
Vgl. Giering (2000), S. 74.
Vgl. Bagozzi / Phillips (1982), S. 468.
Vgl. Bagozzi / Phillips (1982), S. 469; Hildebrandt (1984), S. 43.
Vgl. Giering (2000), S. 74; Homburg/Giering (1996), S. 7.
Vgl. Homburg / Giering (1996), S. 7; Bagozzi/Yi/Phillips (1991), S. 425.
Vgl. Homburg (1998), S. 84 ff.
Zur Vorgehensweise der empirischen überprüfung von Messmodelle siehe Homburg / Giering (1996); Homburg (1998); Becker (1999) sowie Giering (2000).
Vgl. Backhaus et al. (2006), S. 190 ff., Churchill (1987), S. 776.
Vgl. bspw. Hüttner / Schwarting (2000), S. 381 ff., Backhaus et al. (2006), S. 252 ff. sowie Hair et al. (1998), S. 87 ff.
Vgl. Backhaus et al. (2006), S. 292.
Vgl. Giering (2000), S. 77.
Vgl. Wieseke (2004), S. 188.
Vgl. Gatignon / Xuereb (1997), S. 83; Voss/Voss (2000), S. 81; Wieseke (2004), S. 188 f.
Vgl. Peterson (1994); Carmines/Zeller (1979).
Vgl. Cronbach (1951), S. 307.
Vgl. Nunnally / Bernstein (1994), S. 265.
Vgl. bspw. Malhotra (2007), S. 285.
Vgl. Homburg (1998), S. 86.
Vgl. Homburg / Giering (1996), S. 8.
Vgl. Churchill (1979), S. 68. Es wird jeweils der Indikator mit der niedrigsten Item to Total-Korrelation eliminiert.
Für einen Überblick vgl. Liftin (2000), S. 116 f.
Zum Beispiel basiert die Berechnung des Cronbachs Alpha auf der Annahme, dass alle Indikatoren eines Faktors die gleiche Reliabilität aufweisen. Vgl. Gerbing / Anderson (1988), S. 190.
Vgl. Gerbing / Anderson (1988), S. 189.
Vgl. Homburg / Pflesser (2000c), S. 414.
Vgl. Homburg / Pflesser (2000b), S. 647.
Vgl. Bollen (1989), S. 275; Hair et al. (1998), S. 653.
Vgl. Wieseke (2004), S. 197; Loevenich (2002), S. 178 f.; Peter (1997), S. 142. Die vorliegende Untersuchung kann als explorativ angesehen werden, da sie — wie in Abschnitt A.2 dargelegt— verschiedene Defizite in der marketingbezogenen Forschung adressiert.
Vgl. Fan / Thompson / Wang (1999), S. 56 ff.; Baumgartner/Homburg (1996), S. 153.
Vgl. Homburg / Baumgartner (1998), S. 351.
Im Rahmen des χ2-Tests wird die Nullhypothese getestet, dass die empirische Kovarianzmatrix der modelltheoretischen Kovarianzmatrix entspricht, wobei die verwendete Prüfgröße χ2-verteilt ist (sog. χ2-Wert). Vgl. hierzu ausführlicher z.B. Bühner (2004), S. 202 f.; Hildebrandt (1983), S 95 ff.
U. a. wird die absolute Richtigkeit des Modells getestet, die jedoch, da Modelle nur Approximationen der Realität darstellen, nie gegeben ist. Vgl. hierzu Homburg/Baumgartner (1998), S 353. sowie die dort angegebene Literatur. Auch wird eine multivariate Normalverteilung vorausgesetzt und die steigende Sensitivität des Tests führt bei großen Stichproben fast immer zur Ablehnung des Strukturmodells, während bei kleinen Stichproben analoge Abweichungen der geschätzten von der empirischen Kovarianzmatrix nicht zur Ablehnung führen. Vgl. hierzu Bühner (2004), S. 202 f.; Balderjahn (1986), S. 109; Hildebrandt (1983), S. 97.
Deskriptive Anpassungsmaße ermöglichen eine Gütebeurteilung durch die Vorgabe bestimmter Mindeststandards für die entsprechenden Maße. Vgl. hierzu Homburg / Pflesser (2000c), S. 427; Giering (2000), S. 82.
Vgl. Jöreskog / Sörbom (1989), S. 43.
Vgl. z.B. Homburg / Baumgartner (1998), S. 363.
Vgl. z.B. Hildebrandt (1983), S. 105.
Vgl. ebenso Fritz (1992), S. 140; Balderjahn (1986), S. 109.
Vgl. Fritz (1992), S. 126; Jöreskog/Sörbom (1989), S. 43. Bei nicht-normalverteilten Variablen kann die Verwendung der Maximum-Likelihood (ML-) Methode als Schätzalgorithmus u.a. zu Überschätzungen des χ2-Wertes führen. Vgl. hierzu Bühner (2004), S. 201 u. S. 232.
Vgl. für diese Vorgehensweise Fritz (1992), S. 126 u. S. 141.
Vgl. Backhaus et al. (2006), S. 374.
Vgl. z.B. Homburg (2000), S. 93; Homburg/Giering (1996), S. 13; Fritz (1992), S. 140. Beide Fit-Indizes sind auch gegenüber nicht normalverteilten Variablen sowie variierenden Stichprobenumfängen robuster als das χ2/df-Maß. Vgl. hierzu Fritz (1992), S. 127.
Vgl. Backhaus et al. (2006), S. 375; Browne/Cudeck (1993), S. 136.
Vgl. Browne / Cudeck (1993), S. 136 ff.
Vgl. Fan / Thompson / Wang (1999), S. 80.
Da im Rahmen dieser Studie zwölf Konstrukte untersucht werden, kann von einer hohen Modellkomplexität ausgegangen werden, die eine Verwendung inkrementeller Anpassungsmaße empfehlenswert macht. Vgl. Homburg (1992a), S. 506.
Vgl. Hulland / Chow / Lam (1996), S. 186.
Vgl. Bagozzi (1982), S. 156.
Vgl. Wricke (2000), S. 141; Peter (1997), S. 144 ff.
Vgl. Loevenich (2002), S. 180; Wricke (2000), S. 144; Peter (1997), S. 149.
Vgl. Bagozzi / Yi / Phillips (1991), S. 434; Homburg/Pflesser (2000c), S. 428
Wobei gilt: \( \hat \pi i \)=geschätzter unstandardisierter Parameterwert und \( \hat Si \)=Standardfehler der Schätzung des Parameters i.
Vgl. Backhaus et al. (2006), S. 383.
Vgl. Jöreskog / Sörbom (1996).
Vgl. Bagozzi / Baumgartner (1994), S. 402.
Vgl. Giering (2000), S. 86 ff.
Vgl. Homburg / Baumgartner (1998), S. 361.
Vgl. Bagozzi / Yi (1988), S. 82; Homburg/Baumgartner (1995), S. 172.
Vgl. Gatignon / Xuereb (1997), S. 83; Voss/Voss (2000), S. 81; Wieseke (2004), S. 188 f.
Vgl. Nieschlag / Dichtl / Hörschgen (2002), S. 823. Hiernach entspricht die Anzahl der aus den Variablen zu extrahierenden Faktoren der Zahl an Faktoren, deren Eigenwerte größer als Eins sind. Die hinter dem Kaiser Kriterium stehende Überlegung ist, dass ein Faktor, dessen Anteil der erklärten Varianz über alle Variablen hinweg kleiner als Eins ist, weniger Varianz als eine einzelne Variable erklärt, da eine standardisierte Variable ja gerade eine Varianz von Eins aufweist. Vgl. auch Backhaus et al. (2006), S. 226.
Im Rahmen des graphischen Scree-Plots werden dabei der Anzahl der Faktoren die Eigenwerte gegenübergestellt. Vgl. Tabachnick / Fidell (1996), S. 673.
Dieses Vorgehen orientiert sich an den Anwendungsempfehlungen zur Durchführung einer Faktorenanalyse nach Hair et al. (1998), S. 103. Für eine Beschreibung der beiden statistischen Kriterien vgl. Backhaus et al. (2006), S. 226 f.
Vgl. bspw. Buck / Shahrim / Winter (2004), S. 173 ff., Conyon (2006), S. 29.
Vgl. auch Abschnitt E. 1.1.2 Detaillierte Ausführungen hierzu werden im Rahmen der folgenden Analyse des gesamten Konstrukts zweiter Ordnung der Marktorientierung auf Ebene des Top-Managements gemacht.
Vgl. Shevlin / Miles / Lewis (2000), S. 182; Hu/Bentler (1998), S. 5. Außerdem wurde auf diese Problematik bereits im Abschnitt E. 1.1.2 hingewiesen.
Für die Ebene der Top-Manager wurden 22 Regionaldirektoren befragt. Vgl. Tab. D. 1 in Abschnitt D.2.
Bühner (2004), S. 204. Fan/Thompson/Wang (1999), S. 80 vergleichen ebenfalls verschiedene Fit-Indices und merken an, dass „[...] GFI and AGFI had the most serios downward bias under smaller sample size conditions“ Dementsprechend geben bspw. Cronin/Brady/Hult (2000) in ihrer Studie keinen GFI und AGFI an. Auch Cannon/Perreault JR. (1999) rekurrieren auf die inkrementellen Fit-Indices wie den IFI und CFI, da “[...] sample size and polychronic matrix contribute to a downward bias of other descriptive fit statistics [...]”, Cannon/Perreault JR. (1999), S. 446. Vgl. hierzu auch Jap (1999).
Vgl. Hair et al. (1998), S. 103.
Vgl. Backhaus et al. (2006), S. 292.
Der Einschluss dieses Items in den Faktor sollte daher nicht unreflektiert geschehen. Im Rahmen der Validitätsprüfungen muss ein besonderes Augenmerk auf ihn gerichtet sein.
Diese Indizes unterschätzen den Fit bei kleinen Stichproben stark. Vgl. Shevlin / Miles / Lewis (2000), S. 182; Hu/Bentler (1998), S. 5. Außerdem wurde auf diese Problematik bereits im Abschnitt E. 1.1.2 sowie E. 1.2.1 hingewiesen.
Vgl. Nunnally / Bernstein (1994), S. 265.
Vgl. u.a. Hu / Bentler (1999), S. 1; Wieseke (2004), S. 197f.
Unter Management-by-Exception versteht man Führung durch Abweichungskontrolle und Eingriffe in Ausnahmefällen. Grundüberlegung dieses Modells ist, die Führungskräfte dadurch zu entlasten, dass Mitarbeiter solange selbständig entscheiden können, bis vorgeschriebene Toleranzgrenzen überschritten werden oder unvorhergesehene Ereignisse, d.h. Ausnahmefälle, eintreten. Vgl. hierzu Bono / Judge (2004), S. 902; Ricketts/Nelson (1987), S. 235.
Wie erinnerlich ist dieser Maßstab für die betrachtete Ebene nicht aussagekräftig, da er den Fit bei kleinen Stichproben stark unterschätzt.
Vgl. Homburg / Giering (1996), S. 13; Braunstein (2001), S. 234. Exemplarisch für dieses Vorgehen siehe auch Loevenich (2002), S. 199 und Wieseke (2004), S. 207.
Für einen Überblick der herangezogenen Gütekriterien vgl. Tab. E. 1.
Ein solches Vorgehen schlagen auch Homburg/Giering (1996) im Rahmen der Prüfung der Konvergenzvalidität von Konstrukten vor, die aus mehreren Faktoren bestehen: „Im Zusammenhang mit dem von uns betrachteten mehrdimensionalen Meßmodell [...] erfordert das Kriterium der Konvergenzvalidität, dass einerseits die Indikatoren, die demselben Faktor zugeordnet sind, eine ausreichend starke Beziehung untereinander aufweisen und daß andererseits auch zwischen den Faktoren, die zu derselben Dimension verdichtet werden, hohe Zusammenhänge festzustellen sind.“ Homburg / Giering (1996), S. 7.
Vgl. Krohmer (1999), S. 150; Homburg/Pflesser (2000c), S. 429.
Vgl. Homburg / Giering (1996), S. 16.
Vgl. Fornell / Larcker (1981), S. 46.
Vgl. Fornell / Larcker (1981), S. 46; Homburg/Giering (1996), S. 11.
In der Literatur findet das Fornell-Larcker-Kriterium üblicherweise keine Anwendung, wenn für Messmodelle aufgrund des gewählten Operationalisierungsansatzes (Messung erfolgt über weniger als zwei Indikatoren) keine durchschnittlich erfasste Varianz berechnet werden kann oder die Konstrukte die hohen Antorderungen nicht erfüllen können. In diesem Fall wird der Differenztest zur Beurteilung der Befunde ergänzend hinzugezogen.
Vgl. Giering (2000), S. 23.
Der weniger anspruchsvolle χ2-Differenztest kommt daher in der vorliegenden Studie nicht zur Anwendung.
Vgl. Wieseke (2004), S. 232ff., Ditton (1998), S. 6.
Die Abb. A. 1 in Abschnitt A.2 unterstreicht ebenfalls die steigende Bedeutung von Mehrebenen-analysen in der Marketingwissenschaft. Vgl. hierzu auch die Metaanalyse bei Wieseke (2004), S. 234.
Vgl. Abschnitt A.2.
Vgl. van Dick et al. (2005), S. 27; Hofmann (1997), S. 723.
Vgl. Bryk / Raudenbush (1992), S. 2; Hofmann (1997), S. 724; Engel (1998), S. 1.
Vgl. Bryk / Raudenbush (1992), S. 1.
Vgl. Wieseke (2004), S. 235.
Vgl. Ernst (2003), S. 1249ff.; Seidler (1974), S. 816 ff. sowie Abschnitt A.2.
Vgl. Bell /Menguc (2002), S. 137; Netemeyer et al. (1997), S. 93; Hartline/Ferell (1996), S. 53.
Eine solche Vorgehensweise findet sich z.B. bei Atuahene-Gima / Li (2002); Speier/Venkatesh (2002); Sarin/Mahajan (2001); Cannon/Homburg (2001); Buvik/John (2000); Singh (2000).
Vgl. Abschnitt A.2.
Für eine solche Vorgehensweise vgl. die Studien von Schriesheim / Neider / Scandura (1998); McAllister/Bigley (2002).
Vgl. Hofmann (1997), S. 725.
Vgl. Kidwell / Mossholder / Bennett (1997), S. 780; Tabachnik/Fidell (1996), S. 34.
van Dick et al. (2005), S. 28. Siehe hierzu auch Hofmann (1997), S. 726.
Die Teststärke oder auch statistische Power beschreibt in der Statistik die Aussagekraft eines statistischen Tests. Sie gibt an, mit welcher Wahrscheinlichkeit ein Signifikanztest zugunsten einer spezifischen Alternativhypothese H1 entscheidet, falls diese richtig ist. Vgl. van Dick et al. (2005). S. 28.
Vgl. Bachmann (1988), S. 123.
Vgl. Wieseke (2004), S. 238.
Vgl. Goldstein (1995), S. 17ff.
Die Begriffe Hierarchical Linear Models, Multi-Level Analyses, Random Coefficient Models oder Variance Component Models werden in der Literatur synonym verwendet. Dabei gilt es zu beachten, dass es sich hierbei nicht um exakt gleiche Verfahren handelt. Dennoch sind sie sich sehr ähnlich und werden deshalb zu einem übergeordneten Begriff, den Multi-Level-Regressions-Modellen, zusammengefasst. Vgl. Hox (2002), S. 11.
Vgl. Bryk / Raudenbush (1992), S. 2.
Vgl. Goldstein (1995), S. 17ff.; Hoffmann (1997), S. 726f.
Vgl. van Dick et al. (2005), S. 29.
Die Individualvarianz (im vorliegenden Fall also die Varianz der Marktorientierung bei den Kundenkontaktmitarbeitern) ist in der Grafik b in Abb. E.2 der Einfachheit halber nicht eingetragen.
Bezogen auf den Anwendungsfall hängt also die Ausprägung der Marktorientierung der Kundenkontaktmitarbeiter von der Ausprägung der Marktorientierung der Reisebüroleiter ab.
Vgl. Ditton (1998), S. 16f.; Wieseke (2004), S. 239.
Vgl. Grafik c. Abb. E.2.
Vgl. Hofmann (1997), S. 727f.; Engel (1998), S. 73.
Vgl. Ditton (1998), S. 47; Engel, (1998), S. 73f.; Wieseke (2004), S. 241.
Die Gleichungen 1 bis 3 und deren Erläuterungen sind angelehnt an Elovainio et al. (2000), S. 271. Zur Gleichungen 4 bis 7 vgl. Hox (2002), S. 11 ff.
Vgl. Elovainio et al. (2000), S. 271.
Vgl. Axtelius / Söderfeldt / Attström (1999), S. 69.
Vgl. Elovainio et al. (2000), S. 271f.
Vgl. Hox (2002), S. 13.
Vgl. Hox (2002), S. 14.
Vgl. Wieseke (2004), S. 241; Hox (2002), S. 14.
Vgl. Bachmann (1998), S. 132f; Hox (2002), S. 51 ff.
Die Modellierung des Nullmodells wurde bereits in Gleichung 3 vorgenommen.
Vgl. Elovainio et al. (2000), S. 272.
Bei einer Untersuchung von mehr als zwei Ebenen, wird dieser Schritt sukzessive immer paarweise durch den Vergleich von zwei Ebenen miteinander durchgeführt. Vgl. Hox (2002), S. 52.
Vgl. Hox (2002), S. 53.
Vgl. Bachmann (1998), S. 132; Wieseke (2004), S. 242.
Die Maximum-Likelihood Werte sind äquivalent zu den χ2-Werten.
Vgl. Rasbash et al. (2000), S. 27; Hox (2002), S. 38f.
Schätzer sind asymptotisch effizient, wenn sie in Verteilung gegen eine normalverteilte Zufallsvariable konvergieren, deren Varianz das Inverse der Fisher-Information ist. Die Fisher-Information ist eine Kenngröße aus der mathematischen Statistik, die für eine Familie von Wahrscheinlichkeisdichten definiert werden kann und Aussagen über die bestmögliche Qualität von Parameterschätzungen in diesem Modell liefert.
Vgl. Hox (2002), S. 37f.
Vgl. hierzu Ausführungen zu Gleichung 7 in Abschnitt E.2.1.2.
Hox (2002), S. 38 unterscheidet in seinen Ausführungen die Maximum-Likelihood-Methoden in das sogenannten Full Maximum Likelihood (FML) und das Restricted-Maximum-Likelihood-Verfahren (RML). Das Iterative Generalized Least Squares Verfahren entspricht dabei der FML Methode. Vgl. ebenso Goldstein (1995), S. 22.
Vgl. Bachmann (1998), S. 131.
Vgl. Hox (2002), S. 42.
Dieser Test ist auch bekannt als der so genannte Wald Test, vgl. Wald (1943), S. 427ff.
Vgl. Engel (1998), S. 77; Hox (2002), S. 42.
Vgl. Hox (2002), S. 157 ff.
Vgl. Hox (1998), S. 150.
Vgl. Bachmann (1998), S. 131; Wieseke (2004), S. 244.
Vgl. Hox (1998), S. 152; Bachmann (1998), S. 130.
Vgl. Browne / Draper (2000), S. 410 ff.
Die beiden Autoren merken dazu an, dass „if one is only interested in the fixed effects of the model, ten groups can lead to good estimations.“ Maas / Hox (2004), S. 235. Diese fixed Effects werden abgebildet durch die Regressionskonstante [Y00], den Effekt des Kontextmerkmals Z[Y01 Zj], den Effekt des Individualmerkmals X[Y10Xij] und den Effekt der Crosslevel-Interaktion von Z und X[Y11ZjXij]. Vgl hierzu Gleichung 7 in Kapitel E.2.1.2.
In der Mitte der 90er Jahre wurde von Kreft die Faustformel formuliert, dass Stichproben mit ungefähr 30 Gruppen und jeweils 30 Personen für Mehrebenenanalysen als ausreichend groß angesehen werden können. Vgl. Kreft (1996).
Vgl. Madjar / Oldham / Pratt (2002), S. 760. Ferner verwenden van der Vegt/Bunderson/Oosterhof (2006) sowie Barsness/Diekmann/Seidel (2005) in ihren Artikeln im Academy of Management Journal auf der höheren Untersuchungsebene 24 bzw. 29 Gruppen. Vgl. van der Vegt/Bunderson/Oosterhof (2006), S. 881; Barsness/Diekmann/Seidel (2005), S. 407.
Vgl. Sharma / Durand / Gur / Arie (1981), S. 291 ff. Ferner gilt es die Mediatoren als weiteren Typ von Einflussvariablen zu unterscheiden. Diese Größen unterbrechen und übertragen die Wirkung eines Prädiktors auf die Zielvariable, so dass der Prädiktor lediglich einen indirekten Einfluss auf die endogene Variable ausübt. Zu weiteren Ausführungen zur Unterscheidung von Mediator und Moderator vgl. Sauer/Dick (1993), S. 637; Baron/Kenny (1986), S. 1174 ff.
Frazier / Barron / Tix (2004), S. 116.
Vgl. Giering (2000), S. 94.
Die moderierte Regressionsanalyse geht im Wesentlichen auf die Arbeiten von Saunders (1955, 1956) zurück.
Vgl. Aiken / West (1991), S. 49 ff.
Hierfür werden die individuellen Werte jeweils vom Gesamtgruppenmittelwert subtrahiert. Vgl. Hox (2002), S. 54.
Vgl. Baron / Kenny (1986), S. 1174.
Vgl. Baron / Kenny (1986), S. 1174; Stone (1988), S. 199.
Vgl. Aiken / West (1991), S. 52.
Vgl. bspw. Preacher / Hayes (2007), S. 7ff.; Shrout/Bolger (2002), S. 426ff.
Vgl. Preacher / Leonardelli (2006), S. 1.
Dabei wurde auf das Handbuch von Schwetz/Subramanian (2005) zurückgegriffen.
Vgl. Burisch (1984), S. 81 ff.
Im Rahmen der Mittelwertzentrierung werden die individuellen Werte jeweils vom Gesamtgruppenmittelwert subtrahiert. Vgl. Hox (2002), S. 54; Hofmann (1997), S. 738 sowie Engel (1998), S. 80.
Bei dieser Transformation spricht man auch von einer z-Standardisierung. Mit ihrer Hilfe könne z.B. Verteilungen, die in unterschiedlichen Skalierungen vorliegen, vergleichbar gemacht werden. Vgl. Hox (2002), S. 54, Backhaus et al. (2006), S. 704f.
Eine alternative Bezeichnung lautet Intercept-Only-Model.
Die „Marktorientierung der Top-Manager x Wettbewerbsintensität“-Interaktion erreicht einen z-Wert von 2,373 und ist somit signifikant auf dem 1%-Niveau.
Die χ2-Differenz von 5,078 ist signifikant auf dem 5%-Niveau.
Die Interaktion zwischen der Marktorientierung der Top-Manager und deren charismatischen Führungsstil erreicht einen z-Wert 2,203 und ist damit auf dem 5%-Niveau signifikant.
Die „Marktorientierung der Top-Manager x transktionaler Führungsstil“-Interaktion erreicht einen z-Wert von 1,516.
Vgl. Abschnitt E.2.2.
Vgl. Aiken / West (1991), S. 52.
Auch hier werden analog zur Schnittstelle zwischen Top-Management und Verkaufsmanagement die Wettbewerbsintensität, charismatische sowie transaktionale Führung als moderierende Effekte untersucht.
Ein Anteil der Makrovarianz von über zehn Prozent kann bei Mehrebenenanalysen als substanziell eingestuft werden. Selbst ein Anteil von drei Prozent Makrovarianz kann im Kontext von Mehrebenenanalysen als bedeutsam eingestuft werden. Vgl. hierzu Cohen (2007) und Merlo et al. (2001), S. 791 ff.
Da ein weiterer Prädiktor in das Modell aufgenommen wird, erfolgt der Signifikanztest bei einem Freiheitsgrad. Dabei erweist sich die χ2-Differenz von 363,388 als signifikant auf dem 1%-Niveau.
Die χ2-Differenz von 7,816 ist bei einem Freiheitsgrad signifikant auf dem 1%-Niveau.
Der z-Wert der Makrovarianz ist mit einem Wert von 3,226 auf dem 1%-Niveau signifikant.
Vgl. Merlo et al. (2001), S. 791 ff.
Die χ2-Differenz von 42,209 ist signifikant auf dem 1%-Niveau.
Die Interaktion zwischen der Marktorientierung der Verkaufsmanager und deren charismatischen Führungsstil erreicht einen z-Wert 1,727 und ist damit auf dem 5%-Niveau signifikant.
Der Interaktionsterm „Marktorientierung der Verkaufsmanager x transaktionaler Führungsstil“ erreicht einen z-Wert 2,241 und ist damit auf dem 5%-Niveau signifikant.
O’Cass / Ngo (2007), S. 18 f.
Vgl. Zhou / Yim / Tse (2005); Avlonitis/Gounaris (1999); Pelham/Wilson (1996).
Da ein weiterer Prädiktor in das Modell aufgenommen wurde, erfolgt der Signifikanztest bei einem Freiheitsgrad. Dabei erweist sich die χ2-Differenz von 50,167 als signifikant auf dem 1%-Niveau.
Da ein Prädiktor in das Modell aufgenommen wurde, erfolgt der Signifikanztest bei einem Freiheitsgrad. Die χ2-Differenz von 676,469 übertrifft den ermittelten kritischen Wert von 6,63 für das 1%-Signifikanzniveau.
Die Kontextvariable „Marktorientierung der Kundenkontaktmitarbeiter“ erreicht einen z-Wert von 3,974 und ist damit auf dem 1%-Niveau signifikant.
Die χ2-Differenz von 717,194 erweist sich als signifikant auf dem 1%-Niveau.
Vgl. Baron / Kenny (1986); Sobel (1982); MacKinnon/Warsi/Dwyer (1995).
Für den Einfluss der wahrgenommenen Kundenorientierung auf die Kundenloyalität ergeben sich die folgenden Werte: Der unstandardisierter Regressionkoeffizient beträgt 0,634 und die Standardabweichung nimmt den Wert 0,026 an. Damit erreicht der Einfluss der Intra-Level-Variable „wahrgenommene Kundenorientierung“ einen z-Wert von 24,385 und ist damit signifikant auf dem 1%-Niveau.
Die Berechnung des Sobel-Test kann auch mit Hilfe des online verfügbaren Kalkulationstools für Mediationstests unter http://people.ku.edu/∼preacher/sobel/sobel.htm durchgeführt werden. Neben dem z-Wert zeigt der p-Wert als ein Ergebnis dieser Analyse an, ob der indirekte Effekt der Marktorientierung über die wahrgenommene Kundenorientierung auf die Kundenloyalität signifikant verschieden von Null ist. Der im vorliegenden Fall ermittelte p-Wert beträgt 0,0000876. Er ist standardnormalverteilt unter der Annahme eines zweiseitigen z-Tests der Hypothese, dass der mediierte Effekt sich in der Grundgesamtheit Null annähert. Vgl. Preacher / Leonardelli (2006), S. 1.
In diesem Fall stellt die Marktorientierung der Kundenkontaktmitarbeiter die Kriteriumsvariable dar.
Vgl. Merlo et al. (2001), S. 791 ff.
Die Kontextvariable Marktorientierung der Top-Manager erreicht einen z-Wert von-0,340.
Der Interaktionsterm „Marktorientierung der Top-Manager x charismatische Führung“ erreicht einen z-Wert 2,410 und ist somit auf dem 1%-Niveau signifikant.
Die Interaktion zwischen der Marktorientierung der Top-Manager und deren transaktionalem Führungsstil erreicht einen z-Wert-0,887 und ist damit nicht signifikant.
Die Berechnung erfolgte über das online verfügbare Kalkulationstool unter der URL: http://www.psych.ku.edu/preacher/sobel/sobel.htm. Das Ergebnis des p-Werts liegt bei 0,9241. Vgl. Preacher / Leonardelli (2006), S. 2.
Rights and permissions
Copyright information
© 2008 Gabler | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2008). Die Dissemination der Marktorientierung im Spiegel empirischer Befunde. In: Der Transfer der Marktorientierung über Hierarchieebenen. Gabler. https://doi.org/10.1007/978-3-8349-8004-5_5
Download citation
DOI: https://doi.org/10.1007/978-3-8349-8004-5_5
Publisher Name: Gabler
Print ISBN: 978-3-8349-1321-0
Online ISBN: 978-3-8349-8004-5
eBook Packages: Business and Economics (German Language)