Beschreibung des kausalanalytischen Vorgehens

Auszug

Die Validierung der Konstrukte und der Test des hypothetisierten Akzeptanzmodells wurden mit SmartPLS 2.0 (vgl. Hansmann und Ringle 2004) durchgeführt — einem Analyseverfahren für Kausalmodelle, das ein varianzbasiertes Vorgehen zur Schätzung der Parameter verfolgt. Im Gegensatz zu kovarianzbasierten Verfahren nutzt der Schätzalgorithmus des Partial-Least-Squares-Ansatzes (PLS) Gewichte als Hilfsvariablen, um konkrete Werte für die latenten Variablen in einem iterativen Prozess zu ermitteln. Die residuale Varianz der (latenten und beobachtbaren) abhängigen Variablen im Modell soll dabei möglichst klein werden (vgl. Chin 1998, S. 301). Da die Parameter mit Ordinary-Least-Square-Regressionen geschätzt werden, setzt PLS keine Normalverteilung der Variablen voraus (vgl. Fornell und Bookstein 1982, S. 443). Somit ist eine Anwendung für die vorliegenden empirisch erhobenen Daten, die im Großteil nicht der Normalverteilungsannahme entsprechen, gewährleistet. Signifikanzaussagen werden im vorliegenden Fall mit Hilfe des Bootstrapping-Verfahrens (n = 200) ermöglicht. Unter Anwendung von PLS wird nicht das Gesamtmodell bewertet, sondern es werden lediglich einzelne Teilregressionen hinsichtlich ihrer Güte bewertet. Somit existieren keine globalen Gütekriterien wie bei kovarianzbasierten Verfahren. PLS stützt sich in einem geringeren Maße auf eine Theorie mit festen Relationen zwischen latenten Konstrukten als kovarianzbasierte Verfahren und kann somit auch für eine explorative Vorgehensweise genutzt werden (vgl. Chin 1998, S. 303; Chin und Newsted 1999, S. 313). Dieser Fakt kommt der vorliegenden Studie zugute, die sich zwar auf gefestigte Theorien wie das TAM und die TRA stützt, jedoch ebenso neue Konstrukte in dem Modell abzubilden versucht und dabei Ergebnisse einer qualitativen Vorstudie einbezieht.