Auszug
Die Modellvariablen, die allesamt psychologische Wahrnehmungs- und Beurteilungsvariablen sowie individuelle Einstellungen und Werte darstellen, sind sog. hypothetische Konstrukte. Diese entziehen sich der unmittelbaren Beobachtung und damit der direkten Messung.461 Daher werden sie auch als latente Variablen bezeichnet. Eine solche Variable definieren Bagozzi/Fornell als „an abstract entity which represents the ‚true‘, non-observable state or nature of a phenomenon“462. Latente Variablen werden indirekt über Indikatorvariablen (Items) empirisch erfasst.463 Im Vorfeld der statistischen Hypothesenprüfung müssen also zunächst die latenten Variablen konzeptualisiert und operationalisiert werden.
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. z.B. Backhaus et al. (2003), S. 335f.; Byrne (1998), S. 4.
Bagozzi/ Fornell (1982), S. 24.
Vgl. Homburg/ Giering (1996), S. 6.
Homburg/ Giering (1996), S. 5.
Vgl. Eberl (2006), S. 652; Fassott (2006), S. 68; Homburg/Klarmann (2006), S. 730f.; Homburg/Klarmann/Pflesser (2007), S. 293 ff.; Jarvis/MacKenzie/Podsakoff (2003), S. 201.
Vgl. Bagozzi (1994), S. 331.
Vgl. Diller (2006), S. 613f.; Eberl (2006), S. 655ff.; Homburg/Klarmann (2006), S. 731.
Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 293. Bei psychologischen Konstrukten (wie z.B. Markeneinstellungen) scheinen jedoch häufig reflektive Operationalisierungen geeigneter zu sein, wohingegen bei managementorientierten Konzepten Gegenteiliges zutrifft. Vgl. Jarvis/Mackenzie/ Podsakoff (2003), S. 207.
So sollten bei reflektiven Messungen die Indikatoren grundsätzlich austauschbar und korreliert sein, was bei formativen Messungen nicht erforderlich ist. Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 294; Jarvis/MacKenzie/Podsakoff (2003), S. 203
Vgl. Eberl (2006), S. 652ff.; Herrmann/Huber/Kressmann (2006), S. 36ff.; Homburg/Klarmann (2006), S. 6f.; Homburg/Klarmann/Pflesser (2007), S. 296.
Vgl. Berekoven/ Eckert/ Ellenrieder (2004), S. 88ff.; Hildebrandt (1998), S. 88f.
Vgl. Berekoven/ Eckert/ Ellenrieder (2004), S. 88; Homburg/Krohmer (2006), S. 255f.
Vgl. Berekoven/ Eckert/ Ellenrieder (2004), S. 88; Herrmann/Homburg (2000), S. 23.
Vgl. Herrmann/ Homburg (2000), S. 23; Berekoven/Eckert/Ellenrieder (2004), S. 88.
Vgl. Herrmann/ Homburg (2000), S. 23.
Vgl. Homburg/ Giering (1996), S. 6; Homburg/Klarmann/Pflesser (2007), S. 278.
Churchill (1979), S. 65.
Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 278.
Vgl. Homburg/ Giering (1996), S. 7.
Vgl. Churchill (1979); Homburg/Giering (1996), S: 7f.; Jacoby (1978), S. 91; Peter (1981), S. 134f.
Vgl. Homburg/ Giering (1996), S. 7.
Vgl. Hildebrandt (1998), S. 89; Homburg/Giering (1996), S. 7.
Vgl. Bagozzi/ Phillips (1982), S. 468.
Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 279.
Vgl. Hammann/ Erichson (2000), S. 95; Homburg/Giering (1996), S. 7.
Vgl. Bagozzi (1979), S. 24.
Vgl. Cronbach (1951).
Vgl. Gerbing/ Anderson (1988), S. 189; Homburg/Giering (1996), S. 8; Nunnally (1978), S. 245.
Vgl. Homburg/ Giering (1996), S. 8.
Vgl Nunnally/ Bernstein (1994), S. 245.
Vgl. Churchill (1979), S. 68; Homburg/Giering (1996), S. 8f.; Nunnally (1978), S. 274.
Grundsätzlich hat die exploratorische Faktorenanalyse die Aufgabe, vorliegende Indikatoren auf die ihnen zugrunde liegende Faktorenstruktur zu überprüfen, ohne dass Hypothesen über die Faktorenzuordnung bestehen. Sie kann daher auch als Hypothesengenerierungsinstrument be-zeichnet werden. Zu einer ausführlicheren Darstellung des Verfahrens vgl. Backhaus et al. (2003), S. 259ff.
Vgl. Homburg/ Pflesser (2000), S. 431.
Vgl. Homburg/ Giering (1996), S. 8.
Vgl. Peter (1999), S. 179.
Vgl. Sauer (2003), S. 142.
Vgl. Bagozzi/ Phillips (1982); Homburg (1995), S. 81.
Vgl. Bagozzi/ Phillips (1982); Gerbing/Anderson (1988), S. 189f.; Homburg/Giering (1996), S. 9.
Vgl. Peter (1999), S. 179.
Vgl. Homburg/ Giering (1996), S. 9.
Vgl. Homburg (1989), S. 2.
Vgl. Homburg/ Pflesser/ Klarmann (2007), S. 549.
Vgl. Backhaus et al. (2003), S. 334.
Vgl. Backhaus et al. (2003), S. 344ff.; Homburg/Pflesser/Klarmann (2007), S. 554. Zu einer ausführlichen Beschreibung der LISREL-Modellstruktur im Vergleich mit der multiplen Regressionsanalyse vgl. z.B. auch Homburg (1992), S. 499ff.
Vgl. Homburg (1992), S. 501; Byrne (1998), S. 10; Diamantopoulos/Siguaw (2000), S. 2.
Vgl. Homburg/ Baumgartner (1995), S. 163.
Vgl. Homburg/ Baumgartner (1995), S. 163f.; Homburg/Pflesser/Klarmann (2007), S. 554.
Die Grundzüge der Faktorenanalyse erläutern z.B. Hammann/Erichson. Vgl. Hammann/ Erichson (2000), S. 256ff.
Vgl. Diamantopoulos/ Siguaw (2000), S. 4.
Vgl. Backhaus et al. (2003), S. 344f.
Vgl. Homburg/ Pflesser/ Klarmann (2007), S. 554.
Vgl. Diamantopoulos/ Siguaw (2000), S. 4.
Vgl. Homburg/ Baumgartner (1995), S. 163; Homburg/Pflesser/Klarmann (2007), S. 554.
Vgl. Homburg/ Pflesser/ Klarmann (2007), S. 554; Giering (2000), S. 91.
Vgl. Jöreskog/ Sörbom (1993), S. 45.
Zur Lösung der Gleichungssysteme müssen einige modellimmanente Basisannahmen gegeben sein. So müssen die Messfehler ε und δ miteinander unkorreliert sein. Die Variablen η, ξ und ζ dürfen ebenfalls nicht miteinander korrelieren. Mathematisch bedeutet dies, dass die entsprechenden Kovarianzen zweier Variablenpaare den Wert Null haben. Vgl. Homburg (1992), S. 502. Für genauere Darstellungen der Schätzung der Modellparameter vgl. z.B. Bollen (1989), S. 104ff.; Homburg (1989), S. 164ff.
Vgl. Homburg (1992), S. 500ff.; Peter (1999), S. 137.
Vgl. Homburg/ Pflesser/ Klarmann (2007), S. 558f. Ein Modell gilt als unteridentifiziert, wenn die Kovarianzmatrix nicht genügend Informationen zur Schätzung der Parameter liefert. Umgekehrt gilt ein Modell als überidentifiziert, wenn mehr Informationen vorhanden sind, als für eine eindeutige Schätzung der Parameter notwendig wäre.
Vgl. Bollen (1989), S. 105ff.
Hierbei lautet die Zielfunktion (S-Σ) → Min! Als Ergebnis erhält man die Residualmatrix. Je kleiner die Werte der Elemente der Residualmatrix sind, desto besser ist die Modellanpassung. Vgl. Peter (1999), S. 138.
Vgl. Diamantopoulos/ Siguaw (2000), S. 55.
Vgl. Homburg/ Klarmann (2006), S. 734f.; Homburg/Klarmann/Pflesser (2007), S. 281. So ist das ML-Verfahren im Gegensatz zum Unweighted Least Squares-Verfahren skaleninvariant sowie asymptotisch effizient und erwartungstreu. Vgl. Baltes-Götz (1994), S. 11ff. Vgl. auch Bollen (1989); Homburg (1989), S. 167ff.
Vgl. Homburg/ Giering (1996), S. 9ff.; Homburg/Klarmann (2006), S. 736f.
Vgl. Homburg/ Giering (1996), S. 10; Peter (1999), S. 144f.
Vgl. Homburg/ Giering (1996), S. 10.
Vgl. Bagozzi/ Baumgartner (1994), S. 402; Homburg/Giering (1996), S. 13.
Vgl. Fritz (1995), S. 132ff.
Vgl. Homburg/ Giering (1996), S. 11.
Vgl. Homburg/ Giering (1996), S. 11.
Vgl. Homburg (1995), S. 83; Homburg/Klarmann/Pflesser (2007), S. 287.
Vgl. Bagozzi/ Baumgartner (1994), S. 403; Homburg/Klarmann/Pflesser (2007), S. 288.
Vgl. Homburg/ Klarmann (2006), S. 736f.; Homburg/Klarmann/Pflesser (2007), S. 285.
Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 285.
Vgl. Peter (1999), S. 140.
Vgl. Homburg/ Klarmann/ Pflesser (2007), S. 285.
Vgl. Backhaus et al. (2003), S. 373. So sollen z.B. alle beobachtbaren Variablen normalverteilt sein.
Vgl. Backhaus et al. (2003), S. 373.
Vgl. Homburg (1989), S. 188.
Vgl. Balderjahn (1986), S. 109; Fritz (1995), S. 140. Da die Analysen in der vorliegenden Studie auf einer sehr großen Stichprobe basieren und der X2 direkt positiv von der Stichprobengröße abhängt, wird hier ein Schwellenwert von Fünf gefordert.
Vgl. Homburg/ Klarmann (2006), S. 736. So deuten einige Simulationsstudien auf eine höhere Leistungsfähigkeit von NFI und CFI gegenüber GFI und AGFI hin. Vgl. z.B. Hu/Bentler (1998).
Vgl. Bentler/ Bonett (1980), S. 600; Homburg/Klarmann/Pflesser (2007), S. 284. Als Basismodell fungiert das besonders schlecht fittende „Independence Model”, in dem alle Indikatorvariablen als unkorreliert angenommen werden. In diesem Modell hätte der NFI den Wert Null, während er bei dem sog. saturierten Modell, in dem alle grundsätzlich möglichen Parameter geschätzt werden, den Wert Eins annimmt.
Vgl. Homburg/ Baumgartner (1995), S. 170.
Vgl. Bentler/ Bonett (1980), S. 599; Homburg/Klarmann/Pflesser (2007), S. 284 f.; Schermelleh-Engel/Moosbrugger/Müller (2003), S. 40f.
Vgl. McDonald/ Marsh (1990).
Vgl. Bentler (1990), S. 238ff.
Vgl. Homburg/ Klarmann (2006), S. 737; Homburg/Pflesser/Klarmann (2007), S. 565.
Vgl. Homburg/ Klarmann (2006), S. 736f; Homburg/Klarmann/Pflesser (2007), S. 285. Vgl. auch Browne/Cudeck (1993).
Vgl. Homburg/ Baumgartner (1995), S. 167f.; vgl. auch Browne/Cudeck (1993), S. 144; Homburg/Klarmann (2006), S. 737.
Vgl. Homburg/ Klarmann (2006), S. 737; Schermelleh-Engel/Moosbrugger/Müller (2003), S. 38.
Vgl. Fornell/ Larcker (1981), S. 46.
Vgl. Jöreskog/ Sörbom (1993), S. 20;Peter (1999), S. 147f. Die Forderung nach einem Mindestmaß der quadrierten multiplen Korrelationskoeffizienten scheint nur dann sinnvoll, wenn das Erkenntnisziel einer Untersuchung darin besteht, die jeweilige latente Variable möglicht vollständig zu erklären. Dies ist hier nicht der Fall. Vgl. Peter (1999), S. 148; Homburg/Pflesser/Klarmann (2007), S. 565.
Vgl. Backhaus et al. (2003), S. 50; Skiera/Albers (2007), S. 471.
Vgl. Homburg/ Krohmer (2006), S. 380.
Vgl. Backhaus et al. (2003), S. 54ff.; Homburg/Krohmer (2006), S. 380; Skiera/Albers (2007), S. 471.
Vgl. Homburg/ Krohmer (2006), S. 276; Skiera/Albers (2007), S. 471f.
Vgl. hierzu ausführlich Davidson (2000), S. 4ff.
Vgl. Backhaus et al. (2003), S. 62; Homburg/Krohmer (2006), S. 276; Skiera/Albers (2007), S. 472f.
Vgl. Backhaus et al. (2003), S. 64; Dougherty (2007), S. 61f.; Homburg/Krohmer (2006), S. 276.
Vgl. Backhaus et al. (2003), S. 66.
Vgl. Backhaus et al. (2003), S. 68; Homburg/Krohmer (2006), S. 276, Skiera/Albers (2007), S. 474.
Vgl. Kleinbaum et al. (1998), S. 137; Homburg/Krohmer (2006), S. 276.
Vgl. Backhaus et al. (2003), S. 73; Kleinbaum et al. (1998), S. 141; Homburg/Krohmer (2006), S. 277; Skiera/Albers (2007), S. 474f.
Vgl. Backhaus et al. (2003), S. 79ff.
Vgl. Dougherty (2007), S. 69; Greene (2000), S. 213f.; Gujarati (2003), S. 66; Hair et al. (2006), S. 205ff.; Skiera/Albers (2007), S. 479.
Vgl. Gujarati (2003), S. 68; Hair et al. (2006), S. 207.
Vgl. Hair et al. (2006), S. 297f.
Vgl. Gujarati (2003), S. 71.
Vgl. Dougherty (2007), S. 69f.; Gujarati (2003), S. 67. Diese Annahme ist jedoch nicht überprüfbar.
Vgl. Greene (2000), S. 223f.; Hair et al. (2006), S. 208; Skiera/Albers (2007), S. 478.
Vgl. Backhaus et al. (2003), S. 92.
Vgl. Hair et al. (2006), S. 201; Sharma/Durand/Gur-Arie (1981), S. 293; Skiera/Albers (2007), S. 478.
Vgl. Baron/ Kenny (1986), S. 1174ff. Dieses Phänomen wird auch als Interaktion bezeichnet. Vgl. Kleinbaum et al. (1998), S. 187.
Vgl. Cohen et al. (2003), S. 255.
Vgl. Giering (2000), S. 95; Sauer (2003), S. 208f.; Sharma/Durand/Gur-Arie (1981), S. 293. Hier liegt eine bivariate Regressionsgleichung vor.
Vgl. Homburg/ Krohmer (2006), S. 279. Falls der Moderator zudem einen direkten Effekt auf die abhängige Variable ausübt, liegt eine sog. Quasi-Moderation vor. Vgl. Arnold (1982); Sharma/Durand/Gur-Arie (1981), S. 293. In der vorliegenden Anwendung wird aber von einer reinen Moderation ausgegangen, da die Integration eines zusätzlichen direkten Effekts aus theoretischen Überlegungen keinen Sinn ergeben würde. Vgl. Abschnitt 5.1. Einen genauen Überblick über mögliche Interaktionsmuster geben Cohen et al. Vgl. Cohen et al. (2003), S. 285f.
Vgl. Chow (1960), S. 591. Der Chow-Test basiert auf zwei zusätzlichen Annahmen. Zum einen müssen die beiden Störgrößen der zwei Stichproben normalverteilt und dieselbe (homoskedastische) Varianz aufweisen. Zum anderen müssen die Störgrößen unabhängig voneinander sein. Vgl. Davidson (2000), S. 33; Gujarati (2003), S. 275ff.
Vgl. Dougherty (2007), S. 194ff.; Greene (2000), S. 287; Gujarati (1970), S. 50.
Vgl. Davidson (2000), S. 33.
Vgl. Gujarati (2003), S. 276.
Vgl. Gujarati (2003), S. 277.
Zur Erhebungsform der Online-Befragung vgl. ausführlich z.B. Bauer/ Wölfer (2001); Theobald (Hrsg., 2003).
Vgl. Bauer/ Wölfer (2001), S. 2.
Vgl. Bauer/ Wölfer (2001), S. 16; Lütters (2004), S. 142f.
Vgl. Reinecke (1991), S. 26f.
Vgl. Bauer/ Wölfer (2001), S. 17 f; Hauptmanns/Lander (2003), S. 31ff.
Vgl. Bauer/ Wölfer (2001), S. 17f.; Hauptmanns/Lander (2003), S. 34.
Vgl. Batinic (2001), S. 49.
Vgl. Arbeitsgemeinschaft Online Forschung (2007), S. 7. Jedoch gelten Internet-Nutzer nach wie vor im Vergleich zur Gesamtbevölkerung als überdurchschnittlich gebildet und einkommensstark. Arbeitsgemeinschaft Online Forschung (2007), S. 8.
Vgl. Bauer/ Wölfer (2001), S. 20.
Vgl. Bliemel/ Theobald (2002), S. 297.
Vgl. Craig/ Douglas (2000), S. 237.
Vgl. Bosnjak (2003), S. 118f.; Wiegand (2003), S. 69.
Vgl. Joachimsthaler/ Garolera/ Pillsbury (1999), S. 238.
Ähnlich verfahren auch Steenkamp/Batra/Alden und Alden/Steenkamp/Batra. Vgl. Steenkamp/ Batra/ Alden (2003), S. 58; Alden/Steenkamp/Batra (2006), S. 233.
Streng genommen sind von einem Probanden gewonnene Fälle nicht unabhängig voneinander. Diese fehlende Unabhängigkeit wird jedoch in Einklang mit Steenkamp/Batra/Alden aufgrund der sehr großn Stichprobe als unproblematisch angesehen. Vgl. Steenkamp/ Batra/ Alden (2003), S. 58. Vgl. auch Hunter/Schmidt (1990), S. 452.
Vgl. Statistisches Bundesamt (2007), S. 28.
Wäre die Stichprobe repräsentativ, müsste der Stichproben-Anteil (gemäß den Bevölkerungsdaten aus dem Jahr 2005) von der jüngsten Altersgruppe ca. 14 Prozent, der beiden mittleren Altersgruppen ca. 35 bzw. 31 Prozent und der ältesten Altersgruppe ca. 18 Prozent betragen. Vgl. Statistisches Bundesamt (2007), S. 44.
Bezüglich des Einkommens kann aufgrund des Kategoriensystems keine konkrete Aussage bezüglich der Repräsentativität getroffen werden. Nach dem Statistischen Bundesamt lag das durchschnittliche monatliche Haushaltsnettoeinkommen im Jahr 2005 bei 2.766 Euro. Vgl. Statistisches Bundesamt (2007), S. 542. Tabelle 6 zeigt jedoch, dass Personen aus allen Einkommensschichten in der Befragung vertreten sind.
Rights and permissions
Copyright information
© 2008 Gabler | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2008). Methodische Grundlagen und Konzeption der Hauptstudie. In: Die Erfolgswirkung globaler Marken. Gabler. https://doi.org/10.1007/978-3-8349-9910-8_3
Download citation
DOI: https://doi.org/10.1007/978-3-8349-9910-8_3
Publisher Name: Gabler
Print ISBN: 978-3-8349-1243-5
Online ISBN: 978-3-8349-9910-8