Skip to main content
SpringerLink
Log in

Formale Gütebeurteilung des Untersuchungsmodells und Hypothesenprüfung

  • Chapter
Kundenkompetenzen als Determinanten der Kundenbindung

  • 2119 Accesses

Zusammenfassung

Laut Kromrey sind die Messergebnisse einer „standardisierten empirischen Erhebung sozialwissenschaftlicher Daten“1908 auf die drei Gütekriterien „Repräsentativität“, „Reliabilität“ und „Validität“ zu prüfen.1909 Das Repräsentativitätskriterium beschreibt die Übereinstimmung zwischen der Stichprobe und der Grundgesamtheit und ist somit unabhängig vom ausgewählten Datenanalyseverfahren. Die Kriterien „Reliabilität“ und „Validität“ prüfen die Zuverlässigkeit und Gültigkeit des Messinstrumentariums1910 und sind daher eng mit dem ausgewählten Verfahren zur Datenanalyse verknüpft. Die Repräsentativität des Datensatzes wurde bereits in Kapitel V.2.2.3.3 dieser Arbeit positiv beurteilt, weshalb an dieser Stelle die formale Prüfung des Kundenbindungsmodells anhand der bei PLS-Modellen üblichen Reliabilitäts- und Validitätskriterien verbleibt.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 79.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 89.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Kromrey (2002), S. 389.

    Google Scholar 

  2. Vgl. Kromrey (2002), S. 389. Abweichend von den im Text genannten Kriterien zählen Bronner/Appel/Wiemann mit Verweis auf Lienert zu den traditionellen Gütekriterien der Messung Objektivität, Validität und Reliabilität. Unter „objektiv“ verstehen sie dabei die Unabhängigkeit einer Messung vom Testleiter. Laut Prim/Tilmann können aber auch unterschiedliche Untersuchungssituationen einen Einfluss auf das Ergebnis haben. Vgl. Lienert (1994); Bronner/Appel/Wiemann (1999), S. 111; Prim/Tilmann (2000), S. 54. Kromrey subsumiert die Objektivität der Reliabilität: Der Forscher sollte sich „darüber vergewissern, ob seine Instrumente zuverlässig messen (ob die Messergebnisse bei mehrfacher Messung desselben Sachverhalts bzw. bei Messung durch verschiedene Personen stabil sind)“. Kromrey (2002), S. 389f.

    Google Scholar 

  3. Die Reliabilität ist laut Prim/Tilmann notwendiges, jedoch nicht hinreichendes Kriterium für die Validität des Forschungsinstrumentariums, da Messergebnisse trotz evtl. maximaler Zuverlässigkeit beispielsweise bei falscher Wahl der Indikatoren ungültig, d. h. nicht valide, sein können. Vgl. Prim/ Tilmann (2000), S. 54. Vgl. auch Böhler (1992), S. 103.

    Google Scholar 

  4. Vgl. Bollen (1989), S. 257.

    Google Scholar 

  5. Vgl. Homburg (1989), S. 66f.. Vgl. auch Anderson, J.C./Gerbing (1982), S. 453: „The reason for drawing a distinction between the measurement model and the structural model is that proper specification of the measurement model is necessary before meaning can be assigned to the analysis of the structural model“.

    Google Scholar 

  6. Jarvis/ Mackenzie/ Podsakoff (2003), S. 200. Vgl. auch Bollen/Lennox (1991).

    Google Scholar 

  7. Vgl. Götz/ Liehr-Gobbers (2004), S. 727.

    Google Scholar 

  8. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.

    Google Scholar 

  9. Vgl. Churchill (1987), S. 65. Vgl. auch Böhler (1992), S. 102.

    Google Scholar 

  10. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73–75. Vgl. auch Bagozzi (1979); Churchill (1979); Peter, J.P. (1981).

    Google Scholar 

  11. Vgl. Bohrnstedt (1970), S. 91 sowie Kapitel IV.4.2.1.1 dieser Arbeit.

    Google Scholar 

  12. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73. Vgl. auch Tenenhaus/Bastien/Vinzi (2002); Chatelin/Vinzi/Tenenhaus (2002).

    Google Scholar 

  13. Vgl. Dördrechter (2006), S. 230f..

    Google Scholar 

  14. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.

    Google Scholar 

  15. Vgl. Carmines/ Zeller (1979), S. 27. Dies entspricht der Quadratwurzel des geforderten Mindestwertes der Varianz. Vgl. Chin (1998). Der exakte Wert berechnet sich somit wie folgt: \( \sqrt {0,5} = 0,707107 \).

    Google Scholar 

  16. Vgl. Hulland (1999), S. 198.

    Google Scholar 

  17. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 74. Synonyme Bezeichnungen für „Konstruktreliabilität“ sind „Konvergenzvalidität“ oder „Composite Reliability“.

    Google Scholar 

  18. Vgl. Hulland (1999), S. 199.

    Google Scholar 

  19. Cronbach (1951), S. 331. Cronbach prägte die Bezeichnung dieses Kriteriums als „Alpha“, wenngleich die Ursprünge auf die Kuder-Richardsonsche-Formel (Abkürzung: KR-20) für dichotome Items zurückgeht und bereits 1945 von Guttman als Lambda-2 entwickelt worden war. Vgl. Kuder/Richardson (1937); Guttman (1945).

    Google Scholar 

  20. Vgl. Carmines/ Zeller (1979), S. 45. Zusätzlich wird als Korrekturfaktor die Anzahl der Indikatoren durch die Spearman-Brown-Formel angewendet.

    Google Scholar 

  21. Vgl. Homburg/ Giering (1996), S. 8.

    Google Scholar 

  22. Vgl. Nunnally (1978), S. 245. Vgl. auch Nunnally/Bernstein (1994), S. 265.

    Google Scholar 

  23. Vgl. Homburg/ Giering (1996), S. 8. Vgl. auch Cortina (1993), S. 101.

    Google Scholar 

  24. Vgl. Fornell/ Larcker (1981), S. 45.

    Google Scholar 

  25. Vgl. Chin (1998), S. 320.

    Google Scholar 

  26. Vgl. Hulland (1999), S. 199.

    Google Scholar 

  27. Bagozzi/ Phillips (1982), S. 469.

    Google Scholar 

  28. Vgl. Homburg/ Giering (1996), S. 7.

    Google Scholar 

  29. Vgl. Fornell/ Larcker (1981), S. 45.

    Google Scholar 

  30. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.

    Google Scholar 

  31. Vgl. Zinnbauer/ Eberl (2004), S. 8; Fornell/Larcker (1981), S. 46.

    Google Scholar 

  32. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 76.

    Google Scholar 

  33. Vgl. Mansfield/ Helms (1982), S. 158.

    Google Scholar 

  34. Vgl. Backhaus et al. (2003), S. 88ff..

    Google Scholar 

  35. Vgl. Belsley (1991), S. 21; Götz/Liehr-Gobbers (2004), S. 729.

    Google Scholar 

  36. Vgl. Fornell/ Bookstein (1982), S. 292. Vgl. auch Helm (2005), S. 248.

    Google Scholar 

  37. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 78.

    Google Scholar 

  38. Vgl. Götz/ Liehr-Gobbers (2004).

    Google Scholar 

  39. Hair et al. (1998), S. 172.

    Google Scholar 

  40. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.

    Google Scholar 

  41. Vgl. Diamantopoulos/ Winklhofer (2001), S. 272. Alternativ kann die Toleranz der Messung verwendet werden, die sich mittels 1/VIF berechnet. Der Wertebereich der Toleranz liegt zwischen 0 und 1, solange kleinste Toleranz der Indikatoren eines formativen Konstrukts 0,1 nicht unterschreitet, gilt das Ausmaß der Multikollinearität als unproblematisch. Vgl. Kleinbaum et al. (1998), S. 214.

    Google Scholar 

  42. Vgl. Hair et al. (1998), S. 127.

    Google Scholar 

  43. Vgl. Dördrechter (2006), S. 240.

    Google Scholar 

  44. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79; Belsley/Welsch/Kuh (1980), S. 93.

    Google Scholar 

  45. Vgl. Marquardt, D.W. (1970), S. 610. Vgl. auch Belsley (1991), S. 28; Herrmann/Huber/Kressmann (2006), S. 61.

    Google Scholar 

  46. Belsley (1991), S. 28.

    Google Scholar 

  47. Belsley/ Welsch/ Kuh (1980), S. 93.

    Google Scholar 

  48. Vgl. Belsley/ Welsch/ Kuh (1980), S. 96; Kendall (1957); Silvey (1969).

    Google Scholar 

  49. Belsley/ Welsch/ Kuh (1980), S. 105.

    Google Scholar 

  50. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.

    Google Scholar 

  51. Vgl. Belsley (1991), S. 58–65.

    Google Scholar 

  52. Vgl. Hair et al. (1998), S. 220f..

    Google Scholar 

  53. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 80.

    Google Scholar 

  54. Eine Varianzzerlegung ist nur notwendig bei Vorliegen von Multikollinearität zur Identifikation der Indikatoren, die die Multikollinearität verursachen. Vgl. Belsley (1991), S. 58–65.

    Google Scholar 

  55. Chin (1998), S. 307.

    Google Scholar 

  56. Vgl. Hinkel (2001), S. 291. Vgl. auch Rossiter (2002), S. 315; Diamantopoulos/Winklhofer (2001), S. 273. Die Eliminierung von Indikatoren zur Verbesserung von Gütekriterien wird als „Modell-Trimming“ bezeichnet.

    Google Scholar 

  57. Krafft/ Götz/ Liehr-Gobbers (2005) geben bei der Interpretation zu bedenken, dass die Gewichte formativer Konstrukte methodenbedingt geringer ausfallen als die Ladungen reflektiver Indikatoren. Infolge warnen sie bei geringen Absolutwerten von Gewichten nicht ohne weitere Prüfungen vor der Interpretation des Messmodells als „dürftig“. Vgl. ebenda, S. 78.

    Google Scholar 

  58. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83. Das ebenfalls von ihnen empfohlene Kriterium „Stärke und Signifikanz der Pfadkoeffizienten“ wird separat bei der formalen Prüfung der Hypothesen angewendet. Vgl. Kapitel V.3.2 dieser Arbeit.

    Google Scholar 

  59. Vgl. Ringle (2004), S. 14f..

    Google Scholar 

  60. Vgl. Dördrechter (2006), S. 246.

    Google Scholar 

  61. Zu einer Beschreibung der Gütekriterien vgl. Kapitel V.3.1.2 dieser Arbeit. Als Datenbasis dienen die vom PLS-Algorithmus geschätzten Konstruktwerte. Vgl. Dördrechter (2006), S. 246.

    Google Scholar 

  62. Chin/ Newsted (1999), S. 316.

    Google Scholar 

  63. Vgl. Ringle (2004), S. 14f..

    Google Scholar 

  64. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.

    Google Scholar 

  65. Vgl. Backhaus et al. (2003), S. 96.

    Google Scholar 

  66. Vgl. Ringle (2004), S. 15.

    Google Scholar 

  67. Vgl. Rapp (1995), S. 137, 142.

    Google Scholar 

  68. Vgl. Chatelin/ Vinzi/ Tenenhaus (2002), S. 16; Tenenhaus et al. (2005), S. 180.

    Google Scholar 

  69. Chin (1998) interpretiert als allgemeinen Richtwert ein R2 von mindestens 0,67 als „substanziell“, ein R2 ab 0,33 bzw. 0,19 als „durchschnittlich“ bzw. „schwach“. Vgl. Chin (1998), S. 323. Vgl. auch Hulland (1999), S. 202. Ringle hält diese Angaben vor dem Hintergrund der Ergebnisse seiner Metastudie als „sehr gute Orientierung zur Beurteilung des Bestimmtheitsmaßes in Partial Least Squares-Modellen.“ Ringle (2004), S. 15.

    Google Scholar 

  70. Vgl. Haenlein/ Kaplan (2004), S. 290.

    Google Scholar 

  71. Vgl. Stone (1974); Geisser (1975).

    Google Scholar 

  72. Zu den Resampling-Alternativen „Jackknifing“ und „Bootstrapping“ vgl. beispielsweise Chatelin/ Vinzi/ Tenenhaus (2002), S. 12.

    Google Scholar 

  73. Vgl. Lohmöller (1989), S. 11. Bezüglich der Auswahl der Schrittweite („omission distance“) empfiehlt Chin: „According to Wold, the omission distance d should be a prime integer between the number of indicators K and cases N.“ Chin (1998), S. 318; Wold (1982).

    Google Scholar 

  74. Vgl. Fornell/ Cha (1997), S. 71.

    Google Scholar 

  75. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 85. Fornell/Cha (1997) unterscheiden das Q2-Kriterium in „Communality Q2“ und „Redundancy Q2“. Vgl. ebenda, S. 73. „A cross-validated communality Q2 is obtained if prediction of the data points is made by the underlying latent variable score, whereas a cross-validated redundancy Q2 is obtained if prediction is made by those LVs [latent variables; Anmerkung des Verfassers] that predict the block in question. One would use the cross-validated redundancy measure to examine the predictive relevance of one’s theoretical/structural model.“ Chin (1998), S. 318. Ebenso Tenenhaus et al. (2005), S. 184: “The redundancy measures the quality of the structural model, taking into account the measurement model. This index is recommended by H. Wold for measuring the quality of the path model.” Entsprechend wird als Q2 des Strukturmodells das „Redundancy Q2“ berechnet.

    Google Scholar 

  76. Vgl. Meier (2006), S. 158. In Anlehnung an Chin wurde als Auslassungsdistanz mit d=53 die kleinste Primzahl zwischen der Anzahl der Indikatoren und der Stichprobengröße gewählt. Vgl. Chin (1998), S. 318.

    Google Scholar 

  77. Vgl. Dördrechter (2006), S. 249.

    Google Scholar 

  78. Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.

    Google Scholar 

  79. Vgl. Chatelin/ Vinzi/ Tenenhaus (2002), S. 12f.. Gemäß der Empfehlung dieser Autoren wurden 200 Resamples mit der Option „Construct Level Changes“ durchgeführt. Vgl. Chatelin/Vinzi/Tenenhaus (2002), S. 12f..

    Google Scholar 

  80. Vgl. Tenenhaus et al. (2005), S. 174.

    Google Scholar 

  81. Vgl. Götz/ Liehr-Gobbers (2004), S. 730. Die Autoren weisen darauf hin, dass aufgrund der Unbestimmtheit der Vorzeichen der Pfadkoeffizienten beim PLS-Verfahren zusätzlich die Vorzeichen der Ladungen bzw. Gewichte zwischen den Indikatoren und Konstrukten zu berücksichtigen sind. Stehen die Vorziechen der Indikatoren entgegengesetzt zum Pfadkoeffizienten, ist dieser entsprechend umzuinterpretieren. Die Überprüfung des Strukturmodells hat daher stets vor dem Hintergrund des Messmodells zu erfolgen. Vgl. Götz/Liehr-Gobbers (2004), S. 730.

    Google Scholar 

  82. Vgl. Iacobucci/ Duhachek (2003).

    Google Scholar 

  83. Vgl. Eggert/ Fassott/ Helm (2005), S. 103. Vgl. auch Sobel (1982).

    Google Scholar 

  84. Zu einer ausführlichen Beschreibung von Suppressionseffekten vgl. beispielsweise Tzelgov/ Henik (1991).

    Google Scholar 

  85. Shrout/ Bolger (2002), S. 431. Die Autoren illustrieren Suppressionseffekte anhand der erfolgreichen Anwendung von Bewältigungsstrategien in Stressituationen, die als Mediator das gesamthaft wahrgenommene Stressniveau reduzieren. Des Weiteren erläutern sie unterschiedliche Gründe für die statistische Beobachtung von Mediatoreffekten. Vgl. Shrout/Bolger (2002).

    Google Scholar 

  86. Ist der direkte Einfluss der exogenen auf die endogene Variable nicht signifikant, d. h. herrscht vollständige Mediation, braucht die nachfolgende Berechnung nicht durchgeführt zu werden. Statt dessen wird laut Shrout/Bolger der VAF auf 100% fixiert. Vgl. Shrout/ Bolger (2002), S. 434.

    Google Scholar 

  87. Vgl. Iacobucci/ Duhachek (2003).

    Google Scholar 

  88. Vgl. Shrout/ Bolger (2002), S. 434.

    Google Scholar 

  89. Vgl. Hilbert/ Raithel (2004), S. 56.

    Google Scholar 

  90. Vgl. Backhaus et al. (2003), S. 399f..

    Google Scholar 

  91. Vgl. Hilbert/ Raithel (2004), S. 56. Vgl. auch Sobel (1982), S. 291.

    Google Scholar 

Download references

Authors
  1. Markus Müller-Martini
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 2008 Betriebswirtschaftlicher Verlag Dr. Th. Gabler | GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

Müller-Martini, M. (2008). Formale Gütebeurteilung des Untersuchungsmodells und Hypothesenprüfung. In: Kundenkompetenzen als Determinanten der Kundenbindung. Gabler. https://doi.org/10.1007/978-3-8349-9766-1_22

Download citation

Publish with us

Policies and ethics

Search

Navigation