Advertisement

Auszug

Im vierten Kapitel wird in Abschnitt 4.1 die Forschungsmethodik diskutiert. Dabei wird zum einen die Methodik der Datenerhebung und zum anderen die Methodik der Datenauswertung vorgestellt. In Abschnitt 4.2 schließt sich die Darstellung der Operationalisierung der in dieser Arbeit verwendeten latenten Variablen an. Abschnitt 4.3 dient der Beschreibung von Grundgesamtheit, Stichprobengenerierung und der operativen Durchführung der empirischen Datenerhebung.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 640.
    Vgl. Schnell / Hill / Esser (2005), S. 12.Google Scholar
  2. 641.
    Vgl. Kiecolt / Nathan (1985), S. 12.Google Scholar
  3. 642.
    Vgl. Venkatraman / Ramanujam (1987), S. 110–111.Google Scholar
  4. 643.
    Vgl. Kromrey (2002), S. 526.Google Scholar
  5. 644.
    Vgl. Venkatraman / Ramanujam (1986), S. 110.Google Scholar
  6. 645.
    Das Setting umfasst u.a. verwendete Variablen, Variablendefinition, Skalierung, Falleigenschaften (z.B. regionaler Scope der Untersuchung) und Fallanzahl, vgl. Kiecolt / Nathan (1985). Siehe hierzu auch Stier (1999), S. 232–234.Google Scholar
  7. 646.
    Vgl. Nathan (2004), S. 1008–1009.Google Scholar
  8. 647.
    STIER notiert, dass Sekundäranalysen bevorzugt in der empirischen Wirtschaftsforschung genutzt werden, da hier objektive Datengrundlagen (z.B. Bruttoinlandsprodukt) verfügbar sind, die von zentralen Institutionen regelmäßig und allgemein zugänglich erhoben werden, vgl. Stier (1999), S. 233.Google Scholar
  9. 648.
    Vgl. Chandler / Lyon (2001), S. 104.Google Scholar
  10. 649.
    Vgl. Purle (2004); Wulf (2000) und Bonoma (1985), S. 202–204. In einer Metaanalyse zu Untersuchungsdesigns in der strategischen Managementforschung zeigten Schwenk & Dalton, dass 72% der empirischen Studien im bezeichneten Forschungsfeld quantitative Untersuchungsdesigns aufwiesen, vgl. Schwenk/Dalton (1991), S. 285. Ähnlich Chandler/Lyon (2001), S. 107–108. Anmerkung: im Weiteren werden die Begriffe „Fallstudienmethode“ und „qualitatives Untersuchungsdesign“ einerseits sowie „Fragebogenmethode“ und „quantitatives Untersuchungsdesign“ andererseits synonym benutzt.Google Scholar
  11. 650.
    Vgl. zur Abgrenzung quantitativer und qualitativer Untersuchungsdesigns Lee (1999), S. 5–14.Google Scholar
  12. 651.
    Vgl. Denzin / Lincoln (2005), S. 10–12; Creswell (2003), s. 74–75; Kromrey (2002), S. 523; Stier (1999), S. 232 und Lee (1999), S. 9. Diese Auffassung wird nicht von allen Autoren vertreten. Gegenteilig beispielsweise Yin als einer der bedeutendsten Vertreter des Case-Study Research, vgl. Yin (2003), S. 3–12.Google Scholar
  13. 652.
    Vgl. Morse (1991), S. 120.Google Scholar
  14. 653.
    Vgl. für eine ausführliche Beschreibung der Unterschiede Lee (1999), S. 145–170. Für einen Überblick über die Gütemaße quantitativer und qualitativer Untersuchungsdesigns siehe Abbildung 18 (S. 103).Google Scholar
  15. 654.
    Vgl. Wrona (2005), S. 39–44; Götz/Liehr-Gobbers (2004), S. 727–731; Yin (2003) S. 33–39 und Hair et al. (1998), S. 623–659.Google Scholar
  16. 655.
    Quelle: Eigene Darstellung.Google Scholar
  17. 656.
    Vgl. Popper (1997), S. 371–375 und Popper (1989), S. 3–21.Google Scholar
  18. 657.
    Vgl. Kromrey (2002), S. 523 und Wrona (2005), S. 12.Google Scholar
  19. 658.
    Siehe zur theoretischen Grundlage dieser Arbeit Abschnitt 3.2 (S. 74 ff.).Google Scholar
  20. 659.
    Vgl. Wulf (2000), S. 85–87. Lee weist jedoch darauf hin, das Gütemaße als, Kriterium nicht dogmatisch zu verstehen sind. Während in quantitativen Forschungsdesigns ex post Fehlerquellen kontrolliert werden, wird in qualitativen Forschungsdesigns ex ante versucht, diese potenziellen Fehlerquellen experimentgleich zu kontrollieren. Grundsätzlich haben Reliabilitäts-und Validitätsprüfungen in beiden Untersuchungsdesigns die gleichen Ziele, vgl. Lee (1999), S. 169. Siehe hierzu auch ergänzend Kern (1997), S. 9–12.Google Scholar
  21. 660.
    Vgl. Stablein (1999), S. 261–263.Google Scholar
  22. 661.
    Siehe zum Stand der Forschung Abschnitt 3.2.1 (S. 74 ff.).Google Scholar
  23. 662.
    Siehe Abschnitte 4.1.1.1 (S. 101 f.) und 4.1.1.2 (S. 102 ff.) zur Erhebungsmethodik.Google Scholar
  24. 663.
    Im weiteren Verlauf dieser Dokumentation wird statt „Untersuchungs-“ bzw. „Befragungsobjekt“ der weniger forschungstheoretische Begriff „Befragte(r)“ verwendet.Google Scholar
  25. 664.
    Vgl. Van de Ven / Ferry (1980), S. 8–18. und Hage/Aiken (1967), S. 75–77. Siehe zu Mikro-, Meso-und Makroperspektive im Rahmen der Organisationsforschung Abschnitt 2.1.1.2 (S. 32).Google Scholar
  26. 665.
    Siehe für die zur Beantwortung der Forschungsfragen nötigen Variablen Hauptabschnitt 4.2 (S. 121 ff.).Google Scholar
  27. 666.
    Vgl. Olson / Slater / Hult (2005), S. 54–55; Zahra (1991), S. 269; Kazanjian/Drazin (1990), S. 144; Covin/Slevin (1989), S. 78; Miller/Dröge (1986), S. 546–547; Hambrick (1981), S. 271 und Mintzberg (1979), S. 224. Für eine detaillierte Übersicht älterer Arbeiten, die Geschäftsführer befragten, siehe Bagozzi/Yi/Phillips (1991), S. 423.Google Scholar
  28. 667.
    Vgl. Lewin / Stephens (1994), S. 182–186 und Child (1972b), S. 13–16.Google Scholar
  29. 668.
    Vgl. Olson / Slater / Hult (2005), S. 55. Siehe zum Test der erhobenen Datenbasis auf Informant Bias Abschnitt 5.1.3.2. (S. 161 f.).Google Scholar
  30. 669.
    Vgl. Kieser & Walgenbach, die notieren: „Beim gegenwärtigen Forschungsstand der vergleichenden Organisationsforschung verwenden empirische Untersuchungen zumeist quantitative Skalen, mit deren Hilfe die Intensitäten oder Stärken der Ausprägungen von Eigenschaften der formalen Organisationsstruktur erfasst werden. [...] Ihre Erfassung erfolgt tendenziell aus der Perspektive der Organisationsleitung, was in Übereinstimmung mit der Annahme, steht, dass der Organisationsleitung bei der Gestaltung von Organisationsstrukturen eine Schlüsselrolle zukommt“, vgl. Kieser / Walgenbach (2007), S. 183.Google Scholar
  31. 670.
    Vgl. Sax / Gilmartin / Bryant (2003), S. 409. Dabei wird unter „online“ ein internet-basierter und unter „offline“ ein papierhafter Fragebogen verstanden. Die grundlegenden vier Versand-Optionen sind Brief, Fax, E-Mail und Web.Google Scholar
  32. 671.
    Welble & Wallace kalkulierten die variablen Kosten mit $ 0,01 pro Fragebogen auf Online-Basis und von $ 0,56 (Fax) bzw. $ 1,56 (Brief) pro Fragebogen auf Offline-Basis. Auch im deutschen Kontext sind vergleichbare Relationen zu erwarten. Insgesamt kommt deutlich zum Ausdruck, dass im Falle einer Online-Befragung Porto-und Telekommunikationskosten nahezu vernachlässigbar sind, vgl. Weible / Wallace (1998), S. 23. Ähnlich Bachmann/Elfrink/Vazzana (1996), S. 33.Google Scholar
  33. 672.
    Vgl. Schaefer / Dillman (1998), S. 389–390; Weible/Wallace (1998), S. 23 und Bachmann/Elfrink/Vazzana (1996), S. 33.Google Scholar
  34. 673.
    Datenerfassungsfehler sind Übertragungsfehler von der papierhaften Datenquelle auf die elektronische Auswertungsplattform, vgl. Granello / Wheaton (2004), S. 388.Google Scholar
  35. 674.
    Befragungen auf Online-Basis können weniger fehlende Werte und ein potenziell geringeres Item-Nonresponse Bias aufweisen, vgl. Schaefer / Dillman (1998), S. 388–389. Ähnlich Klassen/Jacobs (2001), S. 726. Die Anwendung einer Online-Befragung kann jedoch in bestimmten Situationen ein Validitätsproblem der Untersuchung verursachen. Sofern nicht alle Befragten Zugang zu Internet und E-Mail haben tritt ein „Coverage Error“ auf, da ein bestimmter Anteil der Grundgesamtheit nicht erreicht werden kann, vgl. Granello/Wheaton (2004), S. 389. Bei Populationen mit nahezu 100%-igem Online-Zugang wie Unternehmensmitarbeitern und Geschäftsführern ist dies jedoch nicht gegeben, vgl. Schaefer/Dillman (1998), S. 378–379.Google Scholar
  36. 675.
    Vgl. Kaplowitz / Hadlock / Levine (2004), S. 98; Crawford/Couper/Lamias (2001)146–147; Weible/Wallace (1998), S. 23 und Schuldt/Totten (1994), S. 37–38.Google Scholar
  37. 676.
    Hier wird dem Vorgehen von Klassen & Jacobs und Van Selm & Jankowski gefolgt, vgl. Klassen / Jacobs (2001), S. 719 und Van Selm/Jankowski (2006), S. 442–447.Google Scholar
  38. 677.
    Unter Annahme von 3 Kontaktwellen mit durchschnittlich 5.000 Kontakten sowie Freiumschlag für die Antwort würde die Briefform (€ 0,55/Brief) Portokosten von prohibitiven € 16.500 verursachen. Die Fax-Option kann wegen des hohen Versandzeitbedarfs ebenfalls nicht zur Anwendung kommen.Google Scholar
  39. 678.
    Vgl. Schaefer / Dillman (1998), S. 378–379.Google Scholar
  40. 679.
    Vgl. Sills / Song (2002), S. 28.Google Scholar
  41. 680.
    Klassen & Jacobs empfehlen bei Nutzung der kostengünstigen Online-Befragungen den Kreis der Befragten zu vergrößern, um damit die niedrigere erwartete Rücklaufquote zu kompensieren, vgl. Klassen / Jacobs (2001), S. 725–726. Bei der Sampleerstellung wird daher ein großer Personenkreis kontaktiert, siehe hierzu Abschnitt 4.3.1 (S. 146).Google Scholar
  42. 681.
    Dies betrifft einerseits die Ausgestaltung der E-Mail Texte und anderseits das Design der Web-Site zur Datenerhebung, vgl. Van Selm / Jankowski (2006); Crawford/Couper/Lamias (2001); Dillman (2000), S. 372–412; Diamantopoulos/Schlegelmilch (1996), S. 512–526 und Dillman/Tortora/Bowker (1998).Google Scholar
  43. 682.
    Quelle: Eigene Darstellung. Inhaltliche Grundlage ist Groves (1989).Google Scholar
  44. 683.
    Siehe bspw. Abbildung 39 (S. 225).Google Scholar
  45. 684.
    Siehe Abschnitt 4.2 (S. 121 ff.).Google Scholar
  46. 685.
    Siehe Abschnitt 3.2 (S. 74 ff.).Google Scholar
  47. 686.
    Vgl. Toutenburg (2005).Google Scholar
  48. 687.
    Vgl. Duller (2006), S. 9.Google Scholar
  49. 688.
    Auf eine detaillierte Beschreibung der statistischen Methoden wird an dieser Stelle verzichtet und auf die entsprechende Literatur verwiesen, vgl. bspw. Tabachnick / Fidell (2006); Hair et al (1998); Howell (2007); Bortz (2005) und Fahrmeir et al. (2005).Google Scholar
  50. 689.
    Vgl. Bohmstedt / Knoke (1994).Google Scholar
  51. 690.
    Vgl. Johnson / Wichern (2006), S. 5142–5143 und Hair et al. (1998), S. 6.Google Scholar
  52. 691.
    Vgl. Cohen et al. (2003), S. 6.Google Scholar
  53. 692.
    Vgl. Schnell / Hill / Esser (2005), S. 446–447; Chandler/Lyon (2001), S. 108–109 und Fornell (1982), S. 1–2.Google Scholar
  54. 693.
    Vgl. Cohen et al. (2003), S. 6.Google Scholar
  55. 694.
    Vgl. Tabachnick / Fidell (2006), S. 8–10.Google Scholar
  56. 695.
    Vgl. Cohen et al. (2003), S. 6–7.Google Scholar
  57. 696.
    Vgl. Tabachnick / Fidell (2006), S. 3.Google Scholar
  58. 697.
    Vgl. Tabachnick / Fidell (2006), S. 3.Google Scholar
  59. 698.
    Vgl. Emrich (2004), S. 1 und Cohen et al. (2003), S. 469–472.Google Scholar
  60. 699.
    Vgl. Ausführungen zu den Spezifika dieser Arbeit (S. 108). Die multivariaten Verfahren werden im Bedarfsfall um uni-bzw. bivariate Verfahren ergänzt, sofern die auszuwertende Datengrundlage dies ermöglicht und die Anwendung uni-bzw. bivariater Verfahren inhaltlich gerechtfertigt werden kann.Google Scholar
  61. 700.
    Vgl. Fornell (1987), S. 411; Fornell (1982), S. 1–4; Boudreau/Gefen/Straub (2001), S. 10 und Gefen/Straub/Boudreau (2000), S. 3–6.Google Scholar
  62. 701.
    Vgl. Backhaus et al. (2006), S. 7–8.Google Scholar
  63. 702.
    Siehe Abschnitt 4.1.2 (S. 108).Google Scholar
  64. 703.
    Synonym für den Begriff Strukturgleichungsmodell wird häufig auch der Begriff „Kausalanalyse“ genutzt, vgl. Emrich (2004), S. 5–6 und Homburg/Baumgartner (1995), S. 162–165. In dieser Arbeit wird im Weiteren für Strukturgleichungsmodelle die Abkürzung „SEM“ genutzt, vgl. Shah/Goldstein (2006), S. 148–151; Chin/Todd (1995), S. 237 und Jöreskog/Sörbom (2001).Google Scholar
  65. 704.
    “Adding a third set [of model variables (d.A.)], that is effectiveness variables augments the complexity of contingency research, but newer developments such as LISREL [SEM (d.A.)] have improved the capacity to consider various families of variables at the same time”, vgl. Pennings (1992), S. 280.Google Scholar
  66. 705.
    Vgl. insb. die Metaanalyse von Shook et al. zur Anwendung von Strukturgleichungsmodellen in der Organisationsforschung (Shook et al. (2004), S. 399). Vgl. ergänzend Henseler (2005), S. 70; Chin/Todd (1995), S. 237 und Bagozzi/Phillips (1982), S. 459–468.Google Scholar
  67. 706.
    Vgl. Backhaus et al. (2006), S. 7–14 und Fornell (1982), S. 1–18.Google Scholar
  68. 707.
    Auf eine detaillierte Beschreibung der multivariaten statistischen Auswertungsmethoden wird an dieser Stelle verzichtet und analog der uni-und bivariaten Verfahren auf die entsprechende Literatur verwiesen. Vgl. hierzu bspw. Tabachnick / Fidell (2006); Backhaus et al. (2006); Cohen et al. (2003); Stevens (2002) und Hair et al. (1998).Google Scholar
  69. 708.
    Quelle: Eigene Darstellung.Google Scholar
  70. 709.
    Vgl. Henseler (2005), S. 70; Hulland (1999), S. 195 und Baumgartner/Homburg (1996), S. 158–159.Google Scholar
  71. 710.
    Vgl. Fornell / Bookstein (1982), S. 440.Google Scholar
  72. 711.
    Vgl. Bentler / Weeks (1980); Jöreskog (1978) und Jöreskog (1970). Kovarianzbasierte SEM werden häufig mit der am weitesten verbreiteten Software dieses Bereichs „LISREL“ synonym gesetzt, vgl. Baumgartner/Homburg (1996), S. 159. Siehe zu LISREL Jöreskog/Sörbom (2001).Google Scholar
  73. 712.
    Vgl. Wold (2006); Hulland (1999) und Chin (1998). Innerhalb der varianzbasierten SEM hat das Programm „PLS-Graph“ die höchste Bedeutung erlangt, vgl. Gefen/Straub/Boudreau (2000), S. 24.Google Scholar
  74. 713.
    Vgl. Thompson / Barclay / Higgins (1995), S. 302.Google Scholar
  75. 714.
    Siehe zu globalen Gütemaßen kovarianzbasierter SEM Abschnitt 5.2.2.3 (S. 176 ff.).Google Scholar
  76. 715.
    Vgl. Fassott (2005), S. 26–27. Vor diesem Hintergrund ist das häufig verwendete Argument zu sehen, dass varianzbasierte SEM in jungen, explorativen Forschungsgebieten mit geringerer theoretischer Fundierung anzuwenden sind, vgl. bspw. Keil et al. (2000), S. 309. Diese Aussage ist jedoch nicht unumstritten, vgl. Kommentar von Judge zum Artikel von Thompson/Barclay/Higgins (1995); “The authors [Thompson et al. (d.A.)] comment in several places that LISREL is not appropriate (or at least less appropriate than PLS) when the research is exploratory. However, the algorithm is so general that is as appropriate in exploratory research as is any [Hervorhebung im Original] statistical method”, vgl. Judge (1995), S. 312. Ähnlich Jöreskog & Sörbom: “Although LISREL is most useful in confirmatory studies, it can also be used to do exploratory analysis by use of a sequence of confirmatory analyses”, vgl. Jöreskog/Sörbom (1989), S. 96.Google Scholar
  77. 716.
    Vgl. zu näherungsweisen „Globalgütemaßen“ varianzbasierter SEM Tenenhaus et al. (2005), S. 172–177 und Ringle (2004), S. 23. Siehe dezidiert zu Globalgütemaßen Abschnitt 5.2.2.3 (S. 176 ff.).Google Scholar
  78. 717.
    Vgl. Fassott (2005), S. 27.Google Scholar
  79. 718.
    Vgl. Baumgartner / Homburg (1996), S. 155 und Steiger (1990), S. 173–176.Google Scholar
  80. 719.
    Diese theoriegeleiteten Soll-Kovarianzmatrizen werden bei kovarianzbasierten SEM mit den aus empirischen Daten ermittelten Ist-Kovarianzmatrizen abgeglichen. Die Diskrepanzfunktion F misst dann die Unterschiedlichkeit der beiden Matrizen. Bei hohem Übereinstimmungsgrad von Soll-und Ist-Kovarianzmatrizen (dies ist die prinzipielle Null-Hypothese) werden gute globale Modellgütemaße ausgewiesen, vgl. Homburg / Baumgartner (1995).Google Scholar
  81. 720.
    Vgl. Hair et al. (1998), S. 590–593; Williams/Bozdogan/Aiman-Smith (1996), S. 279–282 und MacCallum et al. (1993), S. 190. In Abbildung 21 (S. 121) stellt sich somit die Frage nach dem wahren Status einer latenten Variable (ξ) als exogen bzw. endogen. Siehe zur Kausalität in kovarianzbasierten SEM auch Jöreskog/Sörbom (1989), S. 1–2.Google Scholar
  82. 721.
    Vgl. Hair et al. (1998), S. 601. Diese auf einer Multinormalverteilung beruhenden Schätzalgorithmen sind Maximum Likelihood (ML) und Generalized Least Squares (GLS), vgl. Jöreskog/Sörbom (2001), S. 22.Google Scholar
  83. 722.
    Vgl. Emrich (2004), S. 28; eine analoge Ansicht findet sich bei Dijkstra (1983), S. 76.Google Scholar
  84. 723.
    Verteilungsneutrale Schätzalgorithmen sind Unweighted Least Squares (ULS) und Generally Weighted Least Squares (WLS) bzw. Asymptotically Distribution-Free Method (ADF), vgl. Jöreskog / Sörbom (2001), S. 23; Emrich (2004), S. 31–32 und Browne (1984). Dabei ist ULS ein Sonderfall des allgemeineren WLS-Algorithmus. Anmerkung: WLS und ADF werden häufig synonym genutzt, vgl. Satorra (1990), S. 376 und Backhaus et al. (2006), S. 368–371. Siehe Fußnote 758 Als Parameterschätzalgorithmus für das kovarianzbasierte SEM wird der am weitesten verbreitete Maximum-Likelihood (ML) Algorithmus zur Anwendung kommen. Dieser weist neben idealen asymptotischen Eigenschaften, vgl. Bollen (1989), (S. 119) auch ausreichende Robustheit gegen Abweichungen von der Multinormalverteilung auf, vgl. Chou/Bentler (1995), S. 38–39. Boomsma & Hoogland stellen nach umfangreichen Monte-Carlo-Simulationen fest: “[...] it can be seen that ML and ERLS [ERLS=Elliptical Reweighted Least Squares (d.A.)] do well for N≥200, even under conditions of severe nonnormality”, vgl. Boomsma/Hoogland (2001), S. 152. Sofern zusätzliche korrigierende Verfahren wie bspw. das Bootstrapping zur Ermittlung der Standardfehler zur Anwendung kommen, kann der ML-Algorithmus auch bei Verletzung der multivariaten Normalverteilung angewandt werden, vgl. Homburg/Klarmann (2006), S. 740; Nevitt/Hancock (2001), S. 372–374 und West/Finch/Curran (1995), S. 64–70. Da die ermittelten Modellparameter in PLS über Bootstrapping validiert werden und erst dann in AMOS der Globalgüteprüfung unterzogen werden, wird dem Umstand der Nichtnormalität Rechnung getragen und das ML-Verfahren sollte verlässliche Parameterschätzungen liefem. Falls das spezifizierte Modell wider Erwarten unter dem ML-Algorithmus nicht konvergieren sollte (vgl. Fußnote 746 S. 117), wird auf den ULS-Algorithmus zurückgegriffen, da dieser deutlich geringere Anforderungen an die Datengrundlage stellt, vgl. Emrich (2004), S. 31 und Bollen (1989), S. 111–113. Der Skalenabhängigkeit des ULS-Algorithmus wird in diesem Fall durch vorherige Standardisierung der Datenbasis Rechnung getragen. zur Selektion des Parameterschätzalgorithmus in dieser Arbeit.Google Scholar
  85. 724.
    Vgl. Emrich (2004), S. 31–32 und Hair et al. (1998), S. 601. Zur Frage der Stichprobengröße meint Emrich, dass für typische Studien im sozialwissenschaftlichen Umfeld bei Anwendung des WLS-Algorithmus mehr als 2.000 beantwortete Fragebögen notwendig wären, vgl. Emrich (2004), S. 32. Siehe auch zur detaillierten Gegenüberstellung der Eigenschaften kovarianzbasierter Parameterschätzalgorithmen Backhaus et al. (2006), S. 368–371. Siehe ergänzend Boomsma/Hoogland (2001), S. 145 und, Homburg/Klarmann (2006), S. 733–734.Google Scholar
  86. 725.
    Baumgartner (1995) Vgl. zur prinzipiellen Null-Hypothese eines kovarianzbasierten SEM Fußnote 719 (S. 113)Google Scholar
  87. 726.
    Vgl. Cohen (1988), S. 16–17. Bortz fordert zur Hypothesenbestätigung (wie z.B. zur Bestätigung eines Kausalmodells) eine Teststärke von 95%, vgl. Bortz (2005), S. 122–123. Siehe zur Teststärke bzw. Statistical Power in dieser Arbeit die Einführung zu Abschnitt 5 (S. 149 f.).Google Scholar
  88. 727.
    Vgl. MacCallum / Browne / Sugawara (1996), S. 142–145.Google Scholar
  89. 728.
    Siehe zur Spezifikation von Messmodellen Abschnitt 4.2.1.1 (S. 123 ff.). Dies bedeutet jedoch nicht, dass kovarianzbasierten SEM für formative Messmodelle ungeeignet sind. So weisen Jöreskog & Sörbom in der LISREL 8 Dokumentation explizit auf formative Messmodelle auf MIMIC-Basis hin, vgl. Jöreskog / Sörbom (2001), S. 185–187. Auf reflektive Indikatoren kann in kovarianzbasierten SEM jedoch im Gegensatz zu varianzbasierten SEM nicht vollständig verzichtet werden. In der Praxis wird daher zur Abbildung formativer Messmodelle in kovarianzbasierten SEM entweder ein Single-Item-Konstrukt gebildet (mit den damit verbundenen Konsequenzen aus Indexbildungs-und Gütebeurteilungssicht) oder die Identifikation der Modellstruktur über die „2-Pfade-Regel“ etabliert. Dabei muss ggf. von einem reinen theoriegeleiteten Strukturmodell abgewichen werden, vgl. Albers/Hildebrandt (2006), S. 13; MacCallum/Browne (1993), S. 540 sowie Abbildung 5 bei Jarvis et al. (2003), S. 214.Google Scholar
  90. 729.
    Vgl. Albers / Hildebrandt (2006), S. 10–17; Haenlein/Kaplan (2004), S. 290; Götz/Liehr-Gobbers (2004), S. 721 und Wold (1982), S. 342.Google Scholar
  91. 730.
    Vgl. MacKenzie / Podsakoff / Jarvis (2005), S. 716–725 und Jarvis, et al. (2003), S. 205–207. Varianzbasierte SEM sind gegenüber Messmodell-Fehlspezifikation robuster, vgl. Cassel/Hackl/Westlund (1999), S. 445–446.Google Scholar
  92. 731.
    Konstruktwerte weisen bei varianz-bzw. kovarianzbasierten SEM ein methodisch abweichendes Verständnis auf. Während Konstruktwerte in varianzbasierten SEM strenge Linearkombinationen der betreffenden Indikatoren sind, haben die Konstruktwerte in kovarianzbasierten SEM ein „surplus meaning“ im Sinne eines Faktors der Faktoranalyse, vgl. Thompson / Barclay / Higgins (1995), S. 302. Dieser Eigenwert eines solchen „Faktors“ ist typischerweise größer eins. Somit erklärt ein Konstruktwert in kovarianzbasierten SEM mehr Varianz als seine einzelnen Indikatoren zusammen. Der Konstruktwert kann folglich nicht über eine einfache Linearkombination analog varianzbasierter SEM explizit ermittelt werden. Vgl. zur Faktoranalyse Backhaus et al. (2006), S. 259–336.Google Scholar
  93. 732.
    Vgl. Tenenhaus et al. (2005), S. 172–177; Hulland (1999), S. 202 und Chin (1998), S. 316–318.Google Scholar
  94. 733.
    Vgl. Bagozzi / Yi (1995), S. 19. Siehe zur grafischen Verdeutlichung Abbildung 21 (S. 121); in dieser Abbildung unterstellt PLS für alle Messfehlervarianzen σ=0. Kristensen & Eskildsen zeigen, dass sich ergebende Pfadkoeffizienten-Unterschätzung von PLS in Abhängigkeit von Indikatoranzahl je Konstrukt zwischen 5% und 10% bewegen, vgl. Kristensen/Eskildsen (2005), S. 129–131. Ähnlich McDonald mit einer Unterschätzung von 5% bis 30%, vgl. McDonald (1996), S. 258. Mit zunehmender Indikatorzahl je Konstrukt reduziert sich der Schätzfehler. Bei unendlicher Indikatorzahl nähern sich die Parameterschätzungen von varianzbasierten SEM denen der kovarianzbasierten SEM an, da (Mess-) Fehlervarianzen im Grenzfall nicht auftreten. Dies wird als “Consistency at Large” bezeichnet, vgl. Hui/Wold (1982).Google Scholar
  95. 734.
    Restriktionen sind vom Forscher explizit auf Basis der Theorie als gültig definierte Wirkungszusammenhänge zwischen Variablen. Diese Zusammenhänge werden nicht durch das SEM ermittelt, sondern so übernommen, wie der Forscher den Zusammenhang spezifizierte. Das Strukturmodell ist dann nicht mehr völlig frei bei der Parameterschätzung, so dass dem Modell Restriktionen auferlegt sind. So kann bspw. eine Theorie bestimmte Variablen als konstitutiv unkorreliert ansehen. Diese „restringierten“ Wirkungszusammenhänge werden in die Globalgütebeurteilung des kovarianzbasierten SEM mit einbezogen.Google Scholar
  96. 735.
    Vgl. Scholderer / Balderjahn (2006), S. 64–65.Google Scholar
  97. 736.
    Heywood Cases sind Fälle, in denen inhaltlich problematische Werte im Zuge der Parameterschätzung vom Algorithmus ermittelt werden. Fornell & Bookstein führen dabei bspw. negative Varianzen auf, vgl. Fornell / Bookstein (1982), S. 444. Ein weiterer Effekt kann die Generierung instabiler Parameterschätzungen sein, wenn extreme Standardfehler durch den Algorithmus ermittelt werden, vgl. Bentler/Chou (1987), S. 102.Google Scholar
  98. 737.
    Quelle: In Anlehnung an Hermann / Huber / Kressmann (2006), S. 44. Ähnlich Bliemel et al. (2005), S. 11.Google Scholar
  99. 738.
    Siehe zu latenten Variablen Abschnitt 4.2.1.1 (S. 122 ff.) und zur Operationalisierung des Forschungsmodells Abschnitte 4.2.2 bis 4.2.5 (S. 129 ff.).Google Scholar
  100. 739.
    Die Fragen-bzw. Indikatorenzahl ist durch die parallele Nutzung des Fragebogens für zwei separate Forschungsprojekte sehr lang. Die Indikatorenzahl musste für jede Teilbefragung auf ein Minimum beschränkt werden, um negative Implikationen auf die Rücklaufquote weitestgehend zu minimieren, vgl. hierzu Fußnote 982 S. 155. Siehe auch Dillman (2000), S. 22. Vgl. zur parallelen Forschungsarbeit Voll (2008e).Google Scholar
  101. 740.
    Vgl. Emrich (2004), S. 28; Jöreskog/Sörbom (2001), S. 22 und Bentler (1983), S. 493. Es wurden auch verteilungsneutrale Parameterschätzungsalgorithmen für kovarianzbasierte SEM entwickelt. Siehe bspw. Browne für verteilungsneutrale Algorithmen, vgl. Browne (1984). Siehe auch Fußnote 723 Verteilungsneutrale Schätzalgorithmen sind Unweighted Least Squares (ULS) und Generally Weighted Least Squares (WLS) bzw. Asymptotically Distribution-Free Method (ADF), vgl. Jöreskog/Sörbom (2001), S. 113; Emrich (2004), S. 31–32 und Browne (1984). Dabei ist ULS ein Sonderfall des allgemeineren WLS-Algorithmus. Anmerkung: WLS und ADF werden häufig synonym genutzt, vgl. Satorra (1990), S. 376 und Backhaus et al. (2006), S. 368–371. Siehe Fußnote 758 Als Parameterschätzalgorithmus für das kovarianzbasierte SEM wird der am weitesten verbreitete Maximum-Likelihood (ML) Algorithmus zur Anwendung kommen. Dieser weist neben idealen asymptotischen Eigenschaften, vgl. Bollen (1989), (S. 119) auch ausreichende Robustheit gegen Abweichungen von der Multinormalverteilung auf, vgl. Chou/Bentler (1995), S. 38–39. Boomsma & Hoogland stellen nach umfangreichen Monte-Carlo-Simulationen fest: “[...] it can be seen that ML and ERLS [ERLS=Elliptical Reweighted Least Squares (d.A.)] do well for N≥200, even under conditions of severe nonnormality”, vgl. Boomsma/Hoogland (2001), S. 152. Sofern zusätzliche korrigierende Verfahren wie bspw. das Bootstrapping zur Ermittlung der Standardfehler zur Anwendung kommen, kann der ML-Algorithmus auch bei Verletzung der multivariaten Normalverteilung angewandt werden, vgl. Homburg/Klarmann (2006), S. 740; Nevitt/Hancock (2001), S. 372–374 und West/Finch/Curran (1995), S. 64–70. Da die ermittelten Modellparameter in PLS über Bootstrapping validiert werden und erst dann in AMOS der Globalgüteprüfung unterzogen werden, wird dem Umstand der Nichtnormalität Rechnung getragen und das ML-Verfahren sollte verlässliche Parameterschätzungen liefem. Falls das spezifizierte Modell wider Erwarten unter dem ML-Algorithmus nicht konvergieren sollte (vgl. Fußnote 746 S. 117), wird auf den ULS-Algorithmus zurückgegriffen, da dieser deutlich geringere Anforderungen an die Datengrundlage stellt, vgl. Emrich (2004), S. 31 und Bollen (1989), S. 111–113. Der Skalenabhängigkeit des ULS-Algorithmus wird in diesem Fall durch vorherige Standardisierung der Datenbasis Rechnung getragen. zur Selektion des Parameterschätzalgorithmus in dieser Arbeit.Google Scholar
  102. 741.
    Vgl. für stichprobengröße bei Inferenzstatistik erlaubenden verteilungsneutralen Algorithmen (WLS) Emrich (2004), S. 32 und Jöreskog/Sörbom (2001), S. 23. Vgl. für Inferenzstatistik nicht erlaubende verteilungsneutrale Algorithmen bspw. Schermelleh-Engel/Moosbrugger/Müller (2003), S. 29–30 und Kraemer (1995), S. 311.Google Scholar
  103. 742.
    Vgl. Cassel / Hackl / Westlund (1999), S. 445–446.Google Scholar
  104. 743.
    Vgl. Fassott (2005), S. 22–24; Sarkar/Echambadi/Harrison (2001), S. 706 und Hulland (1999), S. 195–196.Google Scholar
  105. 744.
    Siehe zu den gebildeten Teilgruppen dieser Arbeit überblickshaft Abbildung 38 (S. 223).Google Scholar
  106. 745.
    Die Anwendungsempfehlung für den verteilungsneutralen ULS-Algorithmus in kovarianzbasierten SEM ist N>100, vgl. Backhaus et al. (2006), S. 371.Google Scholar
  107. 746.
    Da das in dieser Arbeit geplante Forschungsmodell vergleichsweise moderat komplex ist, kann davon ausgegangen werden, dass eine Konvergenz von kovarianzbasierten Algorithmen zur Parameterschätzung trotz vergleichsweise geringer Gruppengrößen gegeben ist. Eine ex ante Näherungsformel zur Abschätzung der Modellidentifikation ist die sogenannte „t-rule“. Letztere fordert für eine gegebene Modellidentifikation: Anzahl zu ermittelnder Parameter ≥ Anzahl Informationspunkte, vgl. Bollen (1989), S. 93–94. Für diese Arbeit ergeben sich bei konservativen Annahmen mit unterstellten 93 Indikatoren pro Konstrukt sowie 96 Konstrukten (75 zu schätzende Parameter (40 Regression Weights und 35 Varianzen/Kovarianzen). Das Modell verfügt gleichzeitig über (170 Informationspunkte (Informationspunkte=p*(p+171)/172 mit p=118 Indikatoren). Somit ist von einer Identifikation des Modells auch bei Anwendung kovarianzbasierter SEM auszugehen, sofern das formative Messmodell abgebildet werden kann. Vgl. zur Identifikation kovarianz und Bollen (1989), S. 88–104 sowie zur Identifikation formativer Konstrukte in kovarianzbasierten SEM MacCallum/Browne (1993), S. 534–540. Darüber hinaus kann als Indikator für die Robustheit der Parameterschätzungen ein Parametermultiplikator von 5 herangezogen werden, vgl. Bentler (1985), S. 3 und Bentler/Chou (1987), S. 90–91. Für diese Arbeit würde bei den ≈ 75 zu schätzen den Parametern für ein robustes Modell unter Verwendung des ML-Algorithmus eine Stichprobengröße von N=375 benötigt, was für das Hauptmodell erreichbar scheint. Der erwartete Gesamtrücklauf beträgt hier N=500. Dieser Rücklauf basiert auf einer konservativ angenommenen Rücklaufquote von 10% auf ≈ 5.000 zu versendende Onlinefragebögen, siehe Abschnitte 4.1.1.3 (S. 104 ff.) und 4.3.1. (S. 146).Google Scholar
  108. 747.
    Vgl. Homburg / Klarmann (2006), S. 739–740.Google Scholar
  109. 748.
    Eine Konvergenz der Parameterschätzungen ist bei varianzbasierten SEM bei bereits ab einer Stichprobengröße von N=10 nachgewiesen worden, vgl. Thompson / Barclay / Higgins (1995), S. 303. Es werden jedoch grundsätzlich Stichprobengrößen von N≥40 bei Anwendung von PLS empfohlen, vgl. Goodhue/Lewis/Thompson (2006), S. 9. Für diese Arbeit erfordert eine robuste Parameterschätzung auf Basis varianzbasierter SEM eine Strichprobengröße in den Teilgruppen von N≈ 50 (Faktor 10 multipliziert mit der komplexesten Modellkomponente von 5 Pfaden auf das endogene Konstrukt), vgl. Chin (1998), S. 311.Google Scholar
  110. 749.
    Siehe zur weitergehenden Auswertungen auf Basis der SEM-Ergebnisse Abschnitt 5.3.2. (S. 224 ff.).Google Scholar
  111. 750.
    Barclay / Higgins (1995), Vgl. Fußnote 731 S. 114. Dieser Eigenwert eines solchen „Faktors“ ist typischerweise größer eins. Somit erklärt ein Konstruktwert in kovarianzbasierten SEM mehr Varianz als seine einzelnen Indikatoren zusammen. Der Konstruktwert kann folglich nicht über eine einfache Linearkombination analog varianzbasierter SEM explizit ermittelt werden. Vgl. zur Faktoranalyse Backhaus et al. (2006), S. 259–336.Google Scholar
  112. 751.
    Vgl. Homburg / Klarmann (2006), S. 736; Homburg/Baumgartner (1995), S. 165 und Abbildung 31 (S. 166) für eine Systematisierung der Gütemaße. Ergänzend sei angemerkt, dass sich lokale Gütekriterien nicht zwischen varianz-und kovarianzbasierten SEM unterscheiden. Grund hierfür ist die konstruktbezogene Partialperspektive bei der lokalen Gütebeurteilung, vgl. Homburg/Baumgartner (1995), S. 170. Akzeptable Lokalgütemaße sind Voraussetzung für die Interpretierbarkeit der Globalgütemaße des Strukturmodells.Google Scholar
  113. 752.
    Vgl. Homburg / Klarmann (2006), S. 734.Google Scholar
  114. 753.
    Vgl. Thompson / Barclay / Higgins (1995), S. 302 und Homburg/Klarmann (2006), S. 736.Google Scholar
  115. 754.
    In dieser Arbeit wird die Software PLS-Graph 3.0 von Chin genutzt, vgl. Chin (2001).Google Scholar
  116. 755.
    Vgl. Henseler (2005), S. 74.Google Scholar
  117. 756.
    Als kovarianzbasiertes SEM kommt die SPSS-Anwendung AMOS 6 zur Anwendung, vgl. Arbuckle (2005).Google Scholar
  118. 757.
    Varianzbasierte SEM ermöglichen problemlos die Prüfung der lokalen Güte des Messmodells, vgl. Chin (1998), S. 320–321 und Götz/Liehr-Gobbers (2004), S. 727–730. Siehe zur lokalen Güteprüfung auch Abschnitt 5.2.2.2 (S. 169 ff.).Google Scholar
  119. 758.
    Als Parameterschätzalgorithmus für das kovarianzbasierte SEM wird der am weitesten verbreitete Maximum-Likelihood (ML) Algorithmus zur Anwendung kommen. Dieser weist neben idealen asymptotischen Eigenschaften, vgl. Bollen (1989), S. 108, auch ausreichende Robustheit gegen Abweichungen von der Multinormalverteilung auf, vgl. Chou/Bentler (1995), S. 38–39. Boomsma & Hoogland stellen nach umfangreichen Monte-Carlo-Simulationen fest: “[...] it can be seen that ML and ERLS [ERLS=Elliptical Reweighted Least Squares (d.A.)] do well for N≥200, even under conditions of severe nonnormality”, vgl. Boomsma/Hoogland (2001), S. 152. Sofern zusätzliche korrigierende Verfahren wie bspw. das Bootstrapping zur Ermittlung der Standardfehler zur Anwendung kommen, kann der ML-Algorithmus auch bei Verletzung der multivariaten Normalverteilung angewandt werden, vgl. Homburg/Klarmann (2006), S. 740; Nevitt/Hancock (2001), S. 372–374 und West/Finch/Curran (1995), S. 64–70. Da die ermittelten Modellparameter in PLS über Bootstrapping validiert werden und erst dann in AMOS der Globalgüteprüfung unterzogen werden, wird dem Umstand der Nichtnormalität Rechnung getragen und das ML-Verfahren sollte verlässliche Parameterschätzungen liefem. Falls das spezifizierte Modell wider Erwarten unter dem ML-Algorithmus nicht konvergieren sollte (vgl. Fußnote 746 S. 117), wird auf den ULS-Algorithmus zurückgegriffen, da dieser deutlich geringere Anforderungen an die Datengrundlage stellt, vgl. Emrich (2004), S. 31 und Bollen (1989), S. 111–113. Der Skalenabhängigkeit des ULS-Algorithmus wird in diesem Fall durch vorherige Standardisierung der Datenbasis Rechnung getragen.Google Scholar
  120. 759.
    Abweichungen können sich insb. bei der Nachbildung des formativen Messmodells ergeben.Google Scholar
  121. 760.
    Vgl. bspw. Smith / Barclay (1997), S. 8. Analog zur vorliegenden Arbeit wurde in der bezeichneten Quelle PLS als primäres Auswertungsverfahren gewählt. Zur Kompensation der Nachteile von PLS als varianzbasiertem SEM wurde das kovarianzbasierte SEM LISREL zur Validierung der lokalen Güte und zur Ermittlung der Globalgütemaße herangezogen. Siehe hierzu Appendix B a.a.O., S. 18–19.Google Scholar
  122. 761.
    1. keine Trennung von Faktor-und Fehlervarianz und 2. keine Möglichkeit der Modellrestriktion.Google Scholar
  123. 762.
    Konfundierte Messungen sind Messungen ohne explizite Trennung von Faktor-und Messfehlervarianz, vgl. Scholderer / Balderjahn (2006), S. 61.Google Scholar
  124. 763.
    Vgl. Thompson / Barclay / Higgins (1995), S. 316–318 zur Verzerrung der Parameterschätzungen auf Basis konfundierter Messungen in PLS.Google Scholar
  125. 764.
    Vgl. zu komplexen Modellen insb. Jarvis et al. (2003) und Homburg/Giering (1996). Beziehungen zwischen Konstrukten höherer Ordnung, die in der vorliegenden Arbeit nicht genutzt werden, erfordern in konfirmatorischen Forschungsarbeiten meist eine Parameterrestriktion.Google Scholar
  126. 765.
    Vgl. zu varianzbasierten SEM bspw. Wold (2006); Tenenhaus et al. (2005); Henseler (2005); Haenlein/Kaplan (2004); Chin/Newsted (1999) und Chin (1998). Vgl. zu kovarianzbasierten SEM bspw. Arbuckle (2005); Jöreskog/Sörbom (2001); Cudeck/Stephen/Sörbom (2001); Bentler/Dudgeon (1996); Hoyle (1995); Bollen (1989); Bentler (1985) und Jöreskog (1970).Google Scholar
  127. 766.
    Vgl. vertiefend zum Messmodell Abschnitt 4.2.1.1. (S. 122 ff.); zum vorgesehenen Parameterschätzalgorithmus Maximum-Likelihood (ML) Fußnote 758 (S. 119) und zu varianzbasierten SEM wie Partial Least Squares (PLS) die Seiten 116 ff. dieses Abschnitts und vertiefend Chin/Newsted (1999).Google Scholar
  128. 767.
    Vgl. Byrne (2001), S. 8–14.Google Scholar
  129. 768.
    Quelle: Eigene Darstellung.Google Scholar
  130. 769.
    Vgl. Bagozzi / Phillips (1982), S. 459.Google Scholar
  131. 770.
    Vgl. Bagozzi / Phillips (1982), S. 459. Alternative Bezeichnungen für abstrakte Phänomene sind „latente Variable (LV)“ bzw. „Konstrukt“ und für direkt erfassbare Größen „manifeste Variable (MV)“ bzw. „Indikator“.Google Scholar
  132. 771.
    Vgl. Schnell / Hill / Esser (2005), S. 127. Differenzierter wird die Operationlisierung in Konzeptionalisierung und Operationalisierung im engeren Sinne unterteilt. Unter Konzeptionalisierung wird dann die literaturgeleitete Analyse der Facetten einer latenten Variablen und unter der Operationalisierung die eigentliche Erstellung des Messinstruments verstanden, vgl. Homburg/Giering (1996), S. 11–14.Google Scholar
  133. 772.
    Vgl. Homburg / Giering (1996), S. 6.Google Scholar
  134. 773.
    Quelle: In Anlehnung an Homburg / Giering (1996), S. 20.Google Scholar
  135. 774.
    Auch als Komplexe Konstrukte bezeichnet, vgl. Homburg / Giering (1996), S. 6.Google Scholar
  136. 775.
    Vgl. Jarvis et al. (2003), S. 204–205 und MacKenzie/Podsakoff/Jarvis (2005), S. 713–716.Google Scholar
  137. 776.
    Vgl. Anderson / Gerbing (1982), S. 453–455; Anderson/Gerbing/Hunter (1987), S. 432 und Law/Wong/Mobley (1998).Google Scholar
  138. 777.
    Vgl. Homburg / Giering (1996), S. 6.Google Scholar
  139. 778.
    Quelle: In Anlehnung an Homburg / Giering (1996), S. 14.Google Scholar
  140. 779.
    Vgl. MacKenzie / Podsakoff / Jarvis (2005), S. 711. In der Literatur wird im Falle reflektiver Konstrukte für die Indikatoren der Begriff „effect indicators“ verwendet. Es wird betont, dass die Veränderung der Indikatoren aus der Veränderung des Konstrukts resultieren, vgl. Little/Lindenberger/Nesselroade (1999), S. 193.Google Scholar
  141. 780.
    Quele: Eigene Darstellung.Google Scholar
  142. 781.
    Vgl. MacKenzie / Podsakoff / Jarvis (2005), S. 711.Google Scholar
  143. 782.
    Vgl. Bollen / Lennox (1991).Google Scholar
  144. 783.
    Vgl. Bollen / Lennox (1991), S. 305–306.Google Scholar
  145. 784.
    Vgl. Bollen / Lennox (1991), S. 307; Anmerkung: π(x11; x12)-γ11* γ12.Google Scholar
  146. 785.
    Vgl. Bollen / Lennox (1991), S. 308.Google Scholar
  147. 786.
    Vgl. Bollen / Lennox (1991), S. 308; Anmerkung: π (x11; x22)=γ11 * γ22 * π. Imidealen orthogonalen Fall mit π=0 besteht vollständige Unabhängigkeit der Indikatoren zur latenten Variablen, zu denen diese Indikatoren nicht gehören. Dieser Fall ist jedoch nur theoretischer Natur.Google Scholar
  148. 787.
    Vgl. Bollen / Lennox (1991), S. 310.Google Scholar
  149. 788.
    Vgl. MacCallum / Browne (1993), S. 533–534 und Bollen/Lennox (1991), S. 305–306. In der Literatur wird im Falle formativer Konstrukte für die Indikatoren der Begriff „causal indicators“ oder „composite indicators“ verwendet. Dabei wird betont, dass die Indikatoren gemeinsame Ursache der Ausprägung des entsprechenden Konstrukts sind, vgl. Bollen/Ting (2000), S. 3 und Bollen/Lennox (1991), S. 306.Google Scholar
  150. 789.
    Quelle: Eigene Darstellung.Google Scholar
  151. 790.
    Vgl. Jarvis et al. (2003) und Diamantopoulos/Winklhofer (2001).Google Scholar
  152. 791.
    Vgl. Jarvis et al. (2003), S. 201–202. Siehe ergänzend Little/Lindenberger/Nesselroade (1999), S. 193 sowie zu reflektiven Messmodellen Abbildung 24 (S. 123).Google Scholar
  153. 792.
    Vgl. Diamantopoulos / Winklhofer (2001), S. 271; Jarvis et al. (2003), S. 203 und Bollen (1984), S. 380.Google Scholar
  154. 793.
    Vgl. Bollen / Lennox (1991), S. 308. Mathematisch verdeutlicht am Beispiel des formativen Konstrukts ξ1f: ξ1f11*x1112*x121, vgl. Bollen (1984), S. 380.Google Scholar
  155. 794.
    Vgl. Diamantopoulos / Winklhofer (2001), S. 271.Google Scholar
  156. 795.
    Vgl. für die qualitative ex ante Spezifikation von Messmodellen Jarvis et al. (2003), S. 203. Die Autoren führen vier Kriterien zur Einordnung eines Konstrukts in die formative bzw. reflektive Kategorie auf: 1. Kausalität, 2. Indikatoraustauschbarkeit, 3. Indikatorkovarianz und 4. Nomologie. Vgl. hierzu ergänzend MacKenzie/Podsakoff/Jarvis (2005), S. 712–713.Google Scholar
  157. 796.
    Vgl. zur quantitativen Spezifikation von Messmodellen Bollen / Ting (2000); Hipp/Bauer/Bollen (2005) und Bollen/Ting (1993). Siehe für die quantitative ex post Einschätzung von Spezifikationen der in dieser Untersuchung verwendeten Konstrukte Abschnitt 5.2.2.1 (S. 167 ff.) für die methodischen Grundlagen und Abschnitt 5.2.3 (S. 185 ff.) für die Ergebnisse.Google Scholar
  158. 797.
    Vgl. Stevens (1946), S. 677–680.Google Scholar
  159. 798.
    Vgl. Kromrey (2002), S. 212–218 und Schnell/Hill/Esser (2005), S. 142.Google Scholar
  160. 799.
    Quelle: In Anlehnung an Schnell / Hill / Esser (2005), S. 144. Vgl. ergänzend Kromrey (2002), S. 236–242.Google Scholar
  161. 800.
    Vgl. Backhaus et al. (2006), S. 4–15 und Schnell/Hill/Esser (2005), S. 144–146.Google Scholar
  162. 801.
    Vgl. Stier (1999), S. 79–85. Siehe zur Operationalisierung der Messinstrumente Abschnitte 4.2.2. bis 4.2.6 (S. 129 ff.).Google Scholar
  163. 802.
    Vgl. Schnell / Hill / Esser (2005), S. 147.Google Scholar
  164. 803.
    Die resultierenden Fehler durch die Skalen-Transformation betrachtet O’Brien (1985), S. 270–273.Google Scholar
  165. 804.
    Ehrenberg merkt an: “One can treat ordinarily ‘orderable discrete’ variables as continuous variables. This holds especially for attitudinal variables because’ strength’ of attitude is a fundamentally continuous property. [...] Furthermore, evidence suggests that statistical techniques are quite robust under such circumstances”, vgl. Ehrenberg (1986), S. 22–23.Google Scholar
  166. 805.
    Tabachnick & Fidell empfehlen mindestens 7 ordinale Indikatoren zu bilden, sofern intervallskalierte Auswertungsverfahren zur Anwendung kommen sollen, vgl. Tabachnick / Fidell (2006), S. 6–7. Ähnlich Stier (1999), S. 66–68. Carte & Russell ergänzen, dass die Reliabiliät von Likert-Skalen mit 5–7 Indikatoren durch Hinzufügen weiterer Indikatoren nicht mehr erhöht werden kann, vgl. Carte/Russell (2003), S. 490.Google Scholar
  167. 806.
    Vgl. Schneider / Hough / Dunnette (1996). Vgl. auch zur Diskussion um Nutzen und Güte mehrdimensionaler, komplexer Konstrukte Edwards/Bagozzi (2000).Google Scholar
  168. 807.
    Vgl. Homburg / Giering (1996), S. 6.Google Scholar
  169. 808.
    Vgl. Little / Lindenberger / Nesselroade (1999), S. 208; Churchill (1979), S. 66–67 und Albers/Hildebrandt (2006), S. 6–7. Um das Problem der ex ante Unkenntnis der inhaltlichen Eignung der Indikatoren weiter zu lösen, kann auf bestehende Konstrukte zurückgegriffen werden. Zusätzlichen Aufschluss über die inhaltliche Indikatoreignung geben Pretests der Messmodelle, vgl. Homburg/Giering (1996), S. 111–112.Google Scholar
  170. 809.
    Vgl. Bagozzi / Yi / Phillips (1991), S. 279.Google Scholar
  171. 810.
    Vgl. Churchill (1979), S. 67; Mavondo/Chimhanzi/Stewart (2005), S. 1249; Meijaard/Brand/Mosselman (2005), S. 87–88; Olson/Slater/Hult (2005), S. 62–63; Pillai/Meindl (1998), S. 1141; Miller/Dröge (1986), S. 547–548 und Germain/Dröge/Daugherty (1994), S. 475.Google Scholar
  172. 811.
    Vgl. Jarvis et al. (2003), S. 200. Gefen & Straub notieren: “For all intents and purposes, formative measures are still an open issue in the metrics literature”, vgl. Gefen/Straub (2005), S. 93.Google Scholar
  173. 812.
    Vgl. Götz / Liehr-Gobbers (2004), S. 728–730; Diamantopoulos/Winklhofer (2001), S. 272–274 und Bollen/Lennox (1991), S. 312. Siehe auch zur lokalen Güteprüfung formativer Messmodelle Abschnitt 5.2.2.2 (S. 173 ff.).Google Scholar
  174. 813.
    Vgl. Fassott / Eggert (2005), S. 46 und Homburg/Giering (1996), S. 6.Google Scholar
  175. 814.
    Vgl. Jarvis et al. (2003), S. 203.Google Scholar
  176. 815.
    Bei der Erfassung von Variablen wie z.B. „Branche“ wird zwingend eine Nominalskalierung angewandt.Google Scholar
  177. 816.
    Vgl. Bortz (2005).Google Scholar
  178. 817.
    Dabei wurde bspw. für die wissenschaftliche Seite u.a. auf den Lehrstuhl für Betriebswirtschaftslehre-insb. Organisation und Personalwirtschaft der Martin-Luther-Universität Halle-Wittenberg, sowie für die praktische Seite auf Geschäftsführer kleiner, mittlerer und größerer Unternehmen verschiedener Branchenund Alterzugehörigkeiten zurückgegriffen.Google Scholar
  179. 818.
    Siehe Abschnitt 2.1.2. (S. 32 ff.).Google Scholar
  180. 819.
    Vgl. Hanks et al. (1993), S. 28–29.Google Scholar
  181. 820.
    Vgl. Hanks et al. (1993).Google Scholar
  182. 821.
    Vgl. Pugh et al. (1968), S. 75–76. Siehe auch Dewar/Walsh (1987), S. 216–218 und Frese (1992), S. 117–119 sowie Anhang 3 (S. 279 ff.) mit detaillierten Angaben zu den Messinstrumenten.Google Scholar
  183. 822.
    Vgl. Aiken / Hage (1966); Hage/Aiken (1967) und Aiken/Hage (1968).Google Scholar
  184. 823.
    Vgl. Baum / Wally (2003), S. 1112; Jaworski/Kohli (1993), S. 59 und Olson/Terpstra (1992), S. 32.Google Scholar
  185. 824.
    Siehe zur Diskriminanzvalidität Abschnitt 5.2.2.2 (S. 172 f.)Google Scholar
  186. 825.
    So wurde z.B. der Indikator „Das Top-Management-Team ist aus Spezialisten unterschiedlicher Fachgebiete (z.B. Marketing, Entwicklung, Produktion) zusammengesetzt“ eliminiert, da Abgrenzungsprobleme zum separat erfassten Konstrukt „Spezialisierungsgrad“ gesehen wurden.Google Scholar
  187. 826.
    Vgl. zur Unternehmensführung als Befragungsobjekt Abschnitt 4.1.1.3 (S. 105) sowie zu den Vorgesprächen zur Erstellung der Messinstrumente Abschnitt 4.2.1.3 (S. 129).Google Scholar
  188. 827.
    Quelle: Eigene Darstellung.Google Scholar
  189. 828.
    Vgl. Aiken / Hage (1966); Aiken/Hage (1968). Ähnlich Pugh et al. (1968), S. 71.Google Scholar
  190. 829.
    Vgl. Hage / Aiken (1967), S. 77.Google Scholar
  191. 830.
    Vgl. Dewar / Whetten / Boje (1980), S. 127.Google Scholar
  192. 831.
    Vgl. Matsuno / Mentzer / Özsomer (2002), S. 30; Caruana/Morris/Vella (1998), S. 21; Hanks/Chandler (1994), S. 28 und Ferrell/Skinner (1988), S. 107–108.Google Scholar
  193. 832.
    Diese Einschätzung basiert analog zum Konstrukt „Formalisierungsgrad“ auf der Anwendbarkeit in kleineren und größeren Unternehmen, der inhaltlichen Eignung sowie der Einordnungsmöglichkeit in die aktuelle Forschung.Google Scholar
  194. 833.
    Quelle: Eigene Darstellung.Google Scholar
  195. 834.
    Vgl. Van de Ven / Ferry (1980), S. 396 und Reese (2004), S. 239.Google Scholar
  196. 835.
    Vgl. Blau / Schoenherr (1971), S. 62–67.Google Scholar
  197. 836.
    Vgl. Green et al. (2005), S. 281; Claycomb/Germain/Dröge (2000), S. 226; Yasai-Ardekani (1989), S. 141 und Hanks/Chandler (1994), S. 30.Google Scholar
  198. 837.
    Vgl. Pugh et al. (1968), S. 93–96 und Hanks/Chandler (1994), S. 30–31.Google Scholar
  199. 838.
    Es werden innerhalb der wachstumsorientierten KMU Unternehmen verschiedenster Branchen, Größen und Entwicklungsstadien betrachtet, siehe Abschnitt 5.1.2.2 (S. 156 ff.).Google Scholar
  200. 839.
    Siehe zur Inhaltsvalidität formativer Messmodelle Abschnitt 5.2.2.2 (S. 175).Google Scholar
  201. 840.
    Siehe Leitlinien der Operationalisierung in Abschnitt 4.2.1.3 (S. 128 f.).Google Scholar
  202. 841.
    Quelle: Eigene Darstellung.Google Scholar
  203. 842.
    Vgl. Jaworski / Kohli (1993), S. 67.Google Scholar
  204. 843.
    Siehe zur besonderen Bedeutung der Kommunikation als Integrationsinstrument Kühn (2004), S. 347–349.Google Scholar
  205. 844.
    Kommunikation stellt in KMU das bedeutendste Integrationsinstrument dar. Institutionalisierte Alternativen wie „Liaison Manager“ sind auf Grund der geringen Unternehmensgröße deutlich weniger zweckmäßig.Google Scholar
  206. 845.
    Vgl. für aktuelle Anwendungen beispielhaft Claas (2006) und Matsuno/Mentzer/Özsomer (2002), S. 30.Google Scholar
  207. 846.
    Vgl. Miller / Dröge (1986), S. 559; Mintzberg (1979), S. 161–180 und Galbraith (1973), S. 46–66. Siehe ergänzend Leitlinien der Operationalisierung in Abschnitt 4.2.1.3 (S. 128 f.). Es müssen nicht zwingend alle Liaison-Devices parallel im gleichen Ausmaß vorhanden sein, vgl. Mintzberg (1979), S. 175–176. Miller & Dröge und Claycomb et al. setzen diese hohe Korrelation durch ihr reflektiv spezifiziertes Messmodell innerhalb von SEM bzw. multiplen Regressionen jedoch implizit voraus, vgl. Miller/Dröge (1986), S. 559; Claycomb/Dröge/Germain (1999), S. 57 und Abschnitt 4.2.1.1 (S. 123). Dies führt mit hoher Wahrscheinlichkeit zu Verzerrungen der Untersuchungsergebnisse aufgrund der wahrscheinlichen Fehlspezifizierung, vgl. Jarvis et al. (2003); MacKenzie/Podsakoff/Jarvis (2005) und Edwards/Bagozzi (2000), S. 155.Google Scholar
  208. 847.
    Quelle: Eigene Darstellung.Google Scholar
  209. 848.
    Vgl. Van de Ven / Ferry (1980), S. 115–121.Google Scholar
  210. 849.
    Blau & Schoenherr bezeichnen die Konfigurationskomponente als “Shape of the Pyramid”, vgl. Blau / Schoenherr (1971), S. 72. Pugh et al. nutzen den Begriff „Configuration“, vgl. Pugh et al. (1968), S. 78–79.Google Scholar
  211. 850.
    Vgl. Blau / Schoenherr (1971), S. 374–375 und Pugh et al. (1968), S. 104.Google Scholar
  212. 851.
    Vgl. Claycomb / Germain / Dröge (2000), S. 225–226.Google Scholar
  213. 852.
    Blau & Schoenherr untersuchten 53 Behörden mit durchschnittlich 1.195 Vollzeitmitarbeitern, vgl. Blau / Schoenherr (1971), S. 374. Pugh et al. untersuchten 46 Produktions-und Serviceunternehmen mit mindestens 250 Vollzeitmitarbeitern, vgl. Pugh et al. (1968), S. 67–68.Google Scholar
  214. 853.
    Siehe zu wachstumsorientierten KMU als Untersuchungseinheiten Abschnitt 2.2.2 (S. 46 ff.).Google Scholar
  215. 854.
    Vgl. Fußnote 817. Dabei wurde bspw. für die wissenschaftliche Seite u.a. auf den Lehrstuhl für Betriebswirtschaftslehre-insb. Organisation und Personalwirtschaft der Martin-Luther-Universität Halle-Wittenberg, sowie für die praktische Seite auf Geschäftsführer kleiner, mittlerer und größerer Unternehmen verschiedener Branchenund Alterzugehörigkeiten zurückgegriffen. (S. 129).Google Scholar
  216. 855.
    Quelle: Eigene Darstellung.Google Scholar
  217. 856.
    Vgl. Lin / Germain (2003), S. 1142 und Kimberly (1976), S. 582–589. Siehe zur Organisationsgröße vertiefend Abschnitt 2.2.1.2 (S. 41 ff.).Google Scholar
  218. 857.
    Vgl. Covin / Green / Slevin (2006), S. 68; Baum/Locke (2004), S. 593; Doty/Glick/Huber (1993), S. 1230 und Kimberly (1976), S. 587.Google Scholar
  219. 858.
    Die Mitarbeiterzahl korreliert stark mit anderen Größenmaßen wie z.B. Net Assets oder Sales/Turnover, vgl. Child (1973), S. 169–170.Google Scholar
  220. 859.
    Vgl. Child (1973), S. 170.Google Scholar
  221. 860.
    Durch Logarithmierung wird der abnehmende Effekt der Größe auf die Organisationsstruktur adressiert, vgl. Blau (1970), S. 204.Google Scholar
  222. 861.
    Vgl. Hanks et al. (1993), S. 14–15. Konzeptionell wird dies von Kimberly ausführlich erläutert, vgl. Kimberly (1976), S. 583–584.Google Scholar
  223. 862.
    Vgl. Barth (2003), S. 137; Sarkar/Echambadi/Harrison (2001), S. 705 und Vickery/Dröge/Germain (1999), S. 383.Google Scholar
  224. 863.
    Vgl. Lipe / Salterio (2000), S. 286. Siehe ergänzend Fußnote 858 Die Mitarbeiterzahl korreliert stark mit anderen Größenmaßen wie z.B. Net Assets oder Sales/Turnover, vgl. Child (1973), (S. 135).Google Scholar
  225. 864.
    Quelle: Eigene Darstellung.Google Scholar
  226. 865.
    Vgl. Busenitz / Barney (1997), S. 12–13; March (1991), S. 97–101; Williamson (1975), S. 21–26 und Simon/March (1958), S. 136–142.Google Scholar
  227. 866.
    Vgl. Moldoveanu / Bauer (2004); Zahra (1993); Milliken (1987); Duncan (1972) und Perrow (1967).Google Scholar
  228. 867.
    Die externe Unsicherheit wird auch als „environmental uncertainty“ bezeichnet, vgl. Freel (2005), S. 50–53 und Koberg (1987), S. 798–799. Die interne Unsicherheit wird „task uncertainty“ genannt, vgl. Chang/Chang/Paper (2003), S. 692–694 und Donaldson (2001), S. 36–48.Google Scholar
  229. 868.
    Vgl. Duncan (1972), S. 315 und Withey/Daft/Cooper (1983), S. 46–48.Google Scholar
  230. 869.
    Vgl. May / Stewart / Sweo (2000), S. 410–415.Google Scholar
  231. 870.
    Vgl. Sawyerr (1993), S. 294; Daft/Sormunen/Parks (1988), S. 129 und Duncan (1972), S. 315.Google Scholar
  232. 871.
    Vgl. May / Stewart / Sweo (2000), S. 414.Google Scholar
  233. 872.
    Vgl. Sawyerr (1993), S. 292 und Zahra/George (2002).Google Scholar
  234. 873.
    Vgl. Daft / Sormunen / Parks (1988), S. 125.Google Scholar
  235. 874.
    Siehe zu den Vorgesprächen zur Erstellung der Messinstrumente Abschnitt 4.2.1.3 (S. 129).Google Scholar
  236. 875.
    Quelle: Eigene Darstellung.Google Scholar
  237. 876.
    Quelle: Eigene Darstellung.Google Scholar
  238. 877.
    Aggregation: Unsicherheit=[(Dynamik+Komplexität)*Bedeutung], vgl. May / Stewart / Sweo (2000), S. 410.Google Scholar
  239. 878.
    Vgl. Doty et al. (2006), S. 269; Tan (2007), S. 11; Boyd/Dess/Rasheed (1993), S. 221 und Miller (1988), S. 291.Google Scholar
  240. 879.
    Vgl. Withey / Daft / Cooper (1983), S. 59 und Van de Ven/Ferry (1980), S. 159–162.Google Scholar
  241. 880.
    Vgl. Perrow (1970), S. 75–85; Woodward (1965), S. 40 und Thompson (1967).Google Scholar
  242. 881.
    Vgl. Donaldson (2001), S. 36–58.Google Scholar
  243. 882.
    Quelle: Eigene Darstellung.Google Scholar
  244. 883.
    Quelle: Eigene Darstellung.Google Scholar
  245. 884.
    Vgl. Hirsch / Levin (1999), S. 199.Google Scholar
  246. 885.
    Hirsch & Levin benennen nach einer Metaanalyse 17 genutzte Erfolgs-Dimensionen, vgl. Hirsch / Levin (1999), S. 204.Google Scholar
  247. 886.
    Vgl. Venkatraman / Ramanujam (1986), S. 801.Google Scholar
  248. 887.
    Vgl. Haber / Reichel (2005), S. 259–260 und Venkatraman/Ramanujam (1987), S. 110–111.Google Scholar
  249. 888.
    Dies folgt der Empfehlung von Donaldson, der für empirische Untersuchung auf Basis der Kontingenztheorie notiert: “Wherever possible, organizational performance should be measured by the objective performance”, vgl. Donaldson (2001), S. 275.Google Scholar
  250. 889.
    Vgl. Venkatraman / Ramanujam (1987), S. 119 und Dess/Robinson (1984), S. 271. Chandler & Hanks weisen einen teilweisen Gleichlauf zwischen subjektiven und objektiven Erfolgsmaßen nach, vgl. Chandler/Hanks (1993), S. 404–405. Ähnlich Dess/Lumpkin/Covin (1997), S. 683 und Olson/Slater/Hult (2005), S. 55.Google Scholar
  251. 890.
    Vgl. zur Stichprobenstruktur Abschnitt 5.1.2.2 (S. 156 ff.).Google Scholar
  252. 891.
    Vgl. Olson / Walker / Ruekert (1995), S. 55–56.Google Scholar
  253. 892.
    Vgl. Wiklund / Shepherd (2005), S. 80 und Hirsch/Levin (1999), S. 204.Google Scholar
  254. 893.
    Vgl. Haber / Reichel (2005), S. 260–261. Zahra betont, dass es durchaus im Rahmen der Möglichkeiten eines Unternehmens liegt, langfristige und kurzfristige Erfolgsgrößen gegeneinander abzuwägen. Zum Beispiel kann langfristiges Wachstum zugunsten kurzfristiger Profitabilität „geopfert“ werden, vgl. Zahra (1991), S. 280.Google Scholar
  255. 894.
    Vgl. Venkatraman / Ramanujam (1986), S. 802–804.Google Scholar
  256. 895.
    Vgl. Venkatraman / Ramanujam (1986), S. 802.Google Scholar
  257. 896.
    Vgl. Kessell (2007), S. 140–145 und Roberts (1991), S. 246–248.Google Scholar
  258. 897.
    Quelle: Eigene Darstellung.Google Scholar
  259. 898.
    Quelle: Eigene Darstellung.Google Scholar
  260. 899.
    Vgl. Becker (2005), S. 274 und Bohrnstedt/Knoke (1994), S. 234–235.Google Scholar
  261. 900.
    Vgl. Gregory et al. (2005), S. 388.Google Scholar
  262. 901.
    http://www.destatis.de/allg/d/sitemap/wz93.htm, abgerufen am 20.11.2006.Google Scholar
  263. 902.
    Vgl. Brüderl / Schüssler (1990), S. 530–533 sowie die Ausführungen zur Evolutionstheorie in Abschnitt 3.1.1.1 (S. 52 ff.).Google Scholar
  264. 903.
    Vgl. Mahmood (2000), S. 235 und Stinchcombe (1965).Google Scholar
  265. 904.
    Vgl. Covin / Green / Slevin (2006), S. 68; Baum/Locke (2004), S. 593 und Liao/Welsch/Stoica (2003), S. 73.Google Scholar
  266. 905.
    Vgl. ausführlich zu Lebenszyklusmodellen Liao (2006); Lester/Parnell/Carraher (2003); Hanks et al. (1993); Koberg/Uhlenbruck/Sarason (1996); Gupta/Chin (1994); Galbraith/Vesper (1982) und Greiner (1972).Google Scholar
  267. 906.
    Vgl. Greiner (1972) und Miller/Friesen (1984).Google Scholar
  268. 907.
    Vgl. Kazanjian / Drazin (1990), S. 139–141 und Kazanjian (1988), S. 261–266.Google Scholar
  269. 908.
    Vgl. Kazanjian / Drazin (1990), S. 139.Google Scholar
  270. 909.
    Vgl. Dodge / Fullerton / Robbins (1994), S. 122–125; Churchill/Lewis (1983), S. 31 und Galbraith/Vesper (1982), S. 71–74.Google Scholar
  271. 910.
    Vgl. Claas (2006), S. 166–167.Google Scholar
  272. 911.
    Quelle: Eigene Darstellung.Google Scholar
  273. 912.
    Vgl. bspw. die Übersicht zu möglichen Kontingenzfaktoren im Kontext der Organisationsforschung bei Kieser / Walgenbach (2003), S. 215–217.Google Scholar
  274. 913.
    Vgl. Sadler-Smith (2004), S. 175–177; Barth (2003), S. 134–135 und Chaston (1997), S. 815.Google Scholar
  275. 914.
    Vgl. bspw. im Kontext von Familienunternehmen Feltham / Feltham / Barnett (2005).Google Scholar
  276. 915.
    Vgl. Wholey / Brittain (1986) und Miles/Covin/Heeley (2000), S. 72.Google Scholar
  277. 916.
    Vgl. Miles / Covin / Heeley (2000), S. 72.Google Scholar
  278. 917.
    Vgl. zur externen Unsicherheit Abschnitt 4.2.4 (S. 136 ff.).Google Scholar
  279. 918.
    Siehe Abschnitt 2.2.2. (S. 46 ff.) zur Definition und Abgrenzung „wachstumsorientierter KMU“.Google Scholar
  280. 919.
    http://markus.bvdep.com; Datenabfrage vom 17.07.2006.Google Scholar
  281. 920.
    Datenquelle: Bureau van Dijk: Markus Datenbank Deutschland, Stand: 17.07.2006. Eingrenzungsparameter: a) WZ93-Branchencodes gem. Fraunhofer ISI, vgl. Bundesministerium für Bildung und Forschung (2006), S. 84–85, b) Mitarbeiterzahl 10–249 und c) deutsche Unternehmen.Google Scholar
  282. 921.
    Vgl. Groves (1989); Bortz (2005), S. 86–87 und Abschnitt 4.1.1.3 (S. 104 ff.).Google Scholar
  283. 922.
    Die Angaben beziehen sich ausschließlich auf das für diese Arbeit relevante Sample. Anmerkung: Die Befragung wurde gleichzeitig parallel für zwei Forschungsarbeiten mit unterschiedlichen Fragestellungen genutzt, wobei die zweite Forschungsarbeit keinen KMU-Bezug aufweist, vgl. Voll (2008e). Im Weiteren werden daher die Angaben immer um die Unternehmen mit Mitarbeiterzahlen von 250 und mehr bereinigt, die nicht für die vorliegende Arbeit relevant sind.Google Scholar
  284. 923.
    Die elektronische Kontaktmöglichkeit war obligatorisch. Siehe hierzu Abschnitt 4.1.1.3 (S. 105 ff.).Google Scholar
  285. 924.
    Ein Internetauftritt war bei 630 Unternehmen im Sample nicht vorhanden bzw. zum Abfragezeitpunkt nicht erreichbar. Bei weiteren 1.590 Unternehmen führten widersprüchliche und insb. nicht vorhandene obligatorische Angaben (z.B. Angaben zur elektronischen Kontaktmöglichkeit) zu einem Ausschluss aus der finalen Stichprobe.Google Scholar
  286. 925.
    Siehe hierzu Abschnitt 4.1.1.3 (S. 104).Google Scholar
  287. 926.
    Dillman (1998), Vgl. Fußnote 674 S. 106. Ähnlich Klassen/Jacobs (2001), S. 726. Die Anwendung einer Online-Befragung kann jedoch in bestimmten Situationen ein Validitätsproblem der Untersuchung verursachen. Sofern nicht alle Befragten Zugang zu Internet und E-Mail haben tritt ein „Coverage Error“ auf, da ein bestimmter Anteil der Grundgesamtheit nicht erreicht werden kann, vgl. Granello/Wheaton (2004), S. 389. Bei Populationen mit nahezu 100%-igem Online-Zugang wie Unternehmensmitarbeitern und Geschäftsführern ist dies jedoch nicht gegeben, vgl. Schaefer/Dillman (1998), S. 378–379.Google Scholar
  288. 927.
    http://www.globalpark.de, abgerufen am 17.08.2006.Google Scholar
  289. 928.
    Siehe konzeptionell Abschnitt 4.1.1.3 (S. 107 f.) und ergänzend Anhang 2 (S. 276 ff.) für Anschreiben und Reminder sowie Anhang 3 (S. 279 ff.) für den Fragebogen. Siehe zur Rücklaufquote als Indikator für Repräsentativität Abschnitt 5.1.2.1 (S. 154 f.).Google Scholar
  290. 929.
    Siehe Anhang 2 (S. 276) für das Anschreiben.Google Scholar
  291. 930.
    Vgl. Schaefer / Dillman (1998), S. 380–381.Google Scholar
  292. 931.
    Vgl. Schaefer / Dillman (1998), S. 381 und die dort angegebenen Quellen.Google Scholar
  293. 932.
    Wiederholte Kontakte können die Antwortquote bei internetbasierten Umfragen zwischen 5% und 20% erhöhen, vgl. Smith (1997), S. 10–13 und Mehta/Sivadas (1995), S. 429–439. Siehe auch Cycyota/Harrison (2006), S. 144. Siehe Anhang 2 für die beiden Reminder-Schreiben (S. 277 f.).Google Scholar
  294. 933.
    Der Zeitstempel entsprach entweder dem Datum des Poststempels oder dem Zeitstempel des Faxes.Google Scholar
  295. 934.
    Quelle: Eigene Darstellung.Google Scholar

Copyright information

© Gabler | GWV Fachverlage GmbH, Wiesbaden 2009

Personalised recommendations