Advertisement

Formale Gütebeurteilung des Untersuchungsmodells und Hypothesenprüfung

  • Markus Müller-Martini

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.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1908.
    Kromrey (2002), S. 389.Google Scholar
  2. 1909.
    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. 1910.
    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. 1911.
    Vgl. Bollen (1989), S. 257.Google Scholar
  5. 1912.
    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. 1913.
    Jarvis/ Mackenzie/ Podsakoff (2003), S. 200. Vgl. auch Bollen/Lennox (1991).Google Scholar
  7. 1915.
    Vgl. Götz/ Liehr-Gobbers (2004), S. 727.Google Scholar
  8. 1916.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.Google Scholar
  9. 1917.
    Vgl. Churchill (1987), S. 65. Vgl. auch Böhler (1992), S. 102.Google Scholar
  10. 1918.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73–75. Vgl. auch Bagozzi (1979); Churchill (1979); Peter, J.P. (1981).Google Scholar
  11. 1919.
    Vgl. Bohrnstedt (1970), S. 91 sowie Kapitel IV.4.2.1.1 dieser Arbeit.Google Scholar
  12. 1920.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73. Vgl. auch Tenenhaus/Bastien/Vinzi (2002); Chatelin/Vinzi/Tenenhaus (2002).Google Scholar
  13. 1921.
    Vgl. Dördrechter (2006), S. 230f..Google Scholar
  14. 1922.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.Google Scholar
  15. 1923.
    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. 1924.
    Vgl. Hulland (1999), S. 198.Google Scholar
  17. 1925.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 74. Synonyme Bezeichnungen für „Konstruktreliabilität“ sind „Konvergenzvalidität“ oder „Composite Reliability“.Google Scholar
  18. 1926.
    Vgl. Hulland (1999), S. 199.Google Scholar
  19. 1927.
    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. 1928.
    Vgl. Carmines/ Zeller (1979), S. 45. Zusätzlich wird als Korrekturfaktor die Anzahl der Indikatoren durch die Spearman-Brown-Formel angewendet.Google Scholar
  21. 1929.
    Vgl. Homburg/ Giering (1996), S. 8.Google Scholar
  22. 1930.
    Vgl. Nunnally (1978), S. 245. Vgl. auch Nunnally/Bernstein (1994), S. 265.Google Scholar
  23. 1931.
    Vgl. Homburg/ Giering (1996), S. 8. Vgl. auch Cortina (1993), S. 101.Google Scholar
  24. 1932.
    Vgl. Fornell/ Larcker (1981), S. 45.Google Scholar
  25. 1933.
    Vgl. Chin (1998), S. 320.Google Scholar
  26. 1934.
    Vgl. Hulland (1999), S. 199.Google Scholar
  27. 1935.
    Bagozzi/ Phillips (1982), S. 469.Google Scholar
  28. 1936.
    Vgl. Homburg/ Giering (1996), S. 7.Google Scholar
  29. 1937.
    Vgl. Fornell/ Larcker (1981), S. 45.Google Scholar
  30. 1938.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.Google Scholar
  31. 1939.
    Vgl. Zinnbauer/ Eberl (2004), S. 8; Fornell/Larcker (1981), S. 46.Google Scholar
  32. 1940.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 76.Google Scholar
  33. 1942.
    Vgl. Mansfield/ Helms (1982), S. 158.Google Scholar
  34. 1943.
    Vgl. Backhaus et al. (2003), S. 88ff..Google Scholar
  35. 1944.
    Vgl. Belsley (1991), S. 21; Götz/Liehr-Gobbers (2004), S. 729.Google Scholar
  36. 1945.
    Vgl. Fornell/ Bookstein (1982), S. 292. Vgl. auch Helm (2005), S. 248.Google Scholar
  37. 1946.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 78.Google Scholar
  38. 1947.
    Vgl. Götz/ Liehr-Gobbers (2004).Google Scholar
  39. 1948.
    Hair et al. (1998), S. 172.Google Scholar
  40. 1949.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.Google Scholar
  41. 1950.
    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. 1951.
    Vgl. Hair et al. (1998), S. 127.Google Scholar
  43. 1952.
    Vgl. Dördrechter (2006), S. 240.Google Scholar
  44. 1953.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79; Belsley/Welsch/Kuh (1980), S. 93.Google Scholar
  45. 1954.
    Vgl. Marquardt, D.W. (1970), S. 610. Vgl. auch Belsley (1991), S. 28; Herrmann/Huber/Kressmann (2006), S. 61.Google Scholar
  46. 1955.
    Belsley (1991), S. 28.Google Scholar
  47. 1956.
    Belsley/ Welsch/ Kuh (1980), S. 93.Google Scholar
  48. 1957.
    Vgl. Belsley/ Welsch/ Kuh (1980), S. 96; Kendall (1957); Silvey (1969).Google Scholar
  49. 1958.
    Belsley/ Welsch/ Kuh (1980), S. 105.Google Scholar
  50. 1959.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.Google Scholar
  51. 1960.
    Vgl. Belsley (1991), S. 58–65.Google Scholar
  52. 1961.
    Vgl. Hair et al. (1998), S. 220f..Google Scholar
  53. 1962.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 80.Google Scholar
  54. 1963.
    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. 1964.
    Chin (1998), S. 307.Google Scholar
  56. 1965.
    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. 1966.
    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. 1968.
    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. 1969.
    Vgl. Ringle (2004), S. 14f..Google Scholar
  60. 1970.
    Vgl. Dördrechter (2006), S. 246.Google Scholar
  61. 1971.
    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. 1972.
    Chin/ Newsted (1999), S. 316.Google Scholar
  63. 1973.
    Vgl. Ringle (2004), S. 14f..Google Scholar
  64. 1974.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.Google Scholar
  65. 1975.
    Vgl. Backhaus et al. (2003), S. 96.Google Scholar
  66. 1976.
    Vgl. Ringle (2004), S. 15.Google Scholar
  67. 1977.
    Vgl. Rapp (1995), S. 137, 142.Google Scholar
  68. 1978.
    Vgl. Chatelin/ Vinzi/ Tenenhaus (2002), S. 16; Tenenhaus et al. (2005), S. 180.Google Scholar
  69. 1979.
    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. 1980.
    Vgl. Haenlein/ Kaplan (2004), S. 290.Google Scholar
  71. 1981.
    Vgl. Stone (1974); Geisser (1975).Google Scholar
  72. 1982.
    Zu den Resampling-Alternativen „Jackknifing“ und „Bootstrapping“ vgl. beispielsweise Chatelin/ Vinzi/ Tenenhaus (2002), S. 12.Google Scholar
  73. 1983.
    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. 1984.
    Vgl. Fornell/ Cha (1997), S. 71.Google Scholar
  75. 1985.
    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. 1986.
    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. 1987.
    Vgl. Dördrechter (2006), S. 249.Google Scholar
  78. 1990.
    Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.Google Scholar
  79. 1992.
    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. 1993.
    Vgl. Tenenhaus et al. (2005), S. 174.Google Scholar
  81. 1994.
    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. 2007.
    Vgl. Iacobucci/ Duhachek (2003).Google Scholar
  83. 2008.
    Vgl. Eggert/ Fassott/ Helm (2005), S. 103. Vgl. auch Sobel (1982).Google Scholar
  84. 2009.
    Zu einer ausführlichen Beschreibung von Suppressionseffekten vgl. beispielsweise Tzelgov/ Henik (1991).Google Scholar
  85. 2010.
    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. 2011.
    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. 2012.
    Vgl. Iacobucci/ Duhachek (2003).Google Scholar
  88. 2013.
    Vgl. Shrout/ Bolger (2002), S. 434.Google Scholar
  89. 2016.
    Vgl. Hilbert/ Raithel (2004), S. 56.Google Scholar
  90. 2017.
    Vgl. Backhaus et al. (2003), S. 399f..Google Scholar
  91. 2018.
    Vgl. Hilbert/ Raithel (2004), S. 56. Vgl. auch Sobel (1982), S. 291.Google Scholar

Copyright information

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

Authors and Affiliations

  • Markus Müller-Martini

There are no affiliations available

Personalised recommendations