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.
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
Kromrey (2002), S. 389.
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.
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.
Vgl. Bollen (1989), S. 257.
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“.
Jarvis/ Mackenzie/ Podsakoff (2003), S. 200. Vgl. auch Bollen/Lennox (1991).
Vgl. Götz/ Liehr-Gobbers (2004), S. 727.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.
Vgl. Churchill (1987), S. 65. Vgl. auch Böhler (1992), S. 102.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73–75. Vgl. auch Bagozzi (1979); Churchill (1979); Peter, J.P. (1981).
Vgl. Bohrnstedt (1970), S. 91 sowie Kapitel IV.4.2.1.1 dieser Arbeit.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73. Vgl. auch Tenenhaus/Bastien/Vinzi (2002); Chatelin/Vinzi/Tenenhaus (2002).
Vgl. Dördrechter (2006), S. 230f..
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.
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: \( \sqrt {0,5} = 0,707107 \).
Vgl. Hulland (1999), S. 198.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 74. Synonyme Bezeichnungen für „Konstruktreliabilität“ sind „Konvergenzvalidität“ oder „Composite Reliability“.
Vgl. Hulland (1999), S. 199.
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).
Vgl. Carmines/ Zeller (1979), S. 45. Zusätzlich wird als Korrekturfaktor die Anzahl der Indikatoren durch die Spearman-Brown-Formel angewendet.
Vgl. Homburg/ Giering (1996), S. 8.
Vgl. Nunnally (1978), S. 245. Vgl. auch Nunnally/Bernstein (1994), S. 265.
Vgl. Homburg/ Giering (1996), S. 8. Vgl. auch Cortina (1993), S. 101.
Vgl. Fornell/ Larcker (1981), S. 45.
Vgl. Chin (1998), S. 320.
Vgl. Hulland (1999), S. 199.
Bagozzi/ Phillips (1982), S. 469.
Vgl. Homburg/ Giering (1996), S. 7.
Vgl. Fornell/ Larcker (1981), S. 45.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 73.
Vgl. Zinnbauer/ Eberl (2004), S. 8; Fornell/Larcker (1981), S. 46.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 76.
Vgl. Mansfield/ Helms (1982), S. 158.
Vgl. Backhaus et al. (2003), S. 88ff..
Vgl. Belsley (1991), S. 21; Götz/Liehr-Gobbers (2004), S. 729.
Vgl. Fornell/ Bookstein (1982), S. 292. Vgl. auch Helm (2005), S. 248.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 78.
Vgl. Götz/ Liehr-Gobbers (2004).
Hair et al. (1998), S. 172.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.
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.
Vgl. Hair et al. (1998), S. 127.
Vgl. Dördrechter (2006), S. 240.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79; Belsley/Welsch/Kuh (1980), S. 93.
Vgl. Marquardt, D.W. (1970), S. 610. Vgl. auch Belsley (1991), S. 28; Herrmann/Huber/Kressmann (2006), S. 61.
Belsley (1991), S. 28.
Belsley/ Welsch/ Kuh (1980), S. 93.
Vgl. Belsley/ Welsch/ Kuh (1980), S. 96; Kendall (1957); Silvey (1969).
Belsley/ Welsch/ Kuh (1980), S. 105.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 79.
Vgl. Belsley (1991), S. 58–65.
Vgl. Hair et al. (1998), S. 220f..
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 80.
Eine Varianzzerlegung ist nur notwendig bei Vorliegen von Multikollinearität zur Identifikation der Indikatoren, die die Multikollinearität verursachen. Vgl. Belsley (1991), S. 58–65.
Chin (1998), S. 307.
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.
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.
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.
Vgl. Ringle (2004), S. 14f..
Vgl. Dördrechter (2006), S. 246.
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.
Chin/ Newsted (1999), S. 316.
Vgl. Ringle (2004), S. 14f..
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.
Vgl. Backhaus et al. (2003), S. 96.
Vgl. Ringle (2004), S. 15.
Vgl. Rapp (1995), S. 137, 142.
Vgl. Chatelin/ Vinzi/ Tenenhaus (2002), S. 16; Tenenhaus et al. (2005), S. 180.
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.
Vgl. Haenlein/ Kaplan (2004), S. 290.
Vgl. Stone (1974); Geisser (1975).
Zu den Resampling-Alternativen „Jackknifing“ und „Bootstrapping“ vgl. beispielsweise Chatelin/ Vinzi/ Tenenhaus (2002), S. 12.
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).
Vgl. Fornell/ Cha (1997), S. 71.
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.
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.
Vgl. Dördrechter (2006), S. 249.
Vgl. Krafft/ Götz/ Liehr-Gobbers (2005), S. 83.
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..
Vgl. Tenenhaus et al. (2005), S. 174.
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.
Vgl. Iacobucci/ Duhachek (2003).
Vgl. Eggert/ Fassott/ Helm (2005), S. 103. Vgl. auch Sobel (1982).
Zu einer ausführlichen Beschreibung von Suppressionseffekten vgl. beispielsweise Tzelgov/ Henik (1991).
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).
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.
Vgl. Iacobucci/ Duhachek (2003).
Vgl. Shrout/ Bolger (2002), S. 434.
Vgl. Hilbert/ Raithel (2004), S. 56.
Vgl. Backhaus et al. (2003), S. 399f..
Vgl. Hilbert/ Raithel (2004), S. 56. Vgl. auch Sobel (1982), S. 291.
Rights 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
DOI: https://doi.org/10.1007/978-3-8349-9766-1_22
Publisher Name: Gabler
Print ISBN: 978-3-8349-0995-4
Online ISBN: 978-3-8349-9766-1
eBook Packages: Business and Economics (German Language)