Auszug
Nach der Ableitung und Darstellung des Untersuchungsmodells im vorherigen Abschnitt werden nun die methodischen Grundlagen für die empirische Überprüfung des Modells gelegt (Abschnitt D.1.) sowie die eigentlichen empirischen Analysen durchgeführt (Abschnitt D.2.).
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
In dieser Arbeit werden größtenteils latente Konstrukte verwendet, die sich nicht direkt messen lassen und daher über geeignete Indikatoren operationalisiert und indirekt erfasst werden (vgl. Backhaus et al. 2003, S. 335ff.).
Für eine detaillierte Darstellung von AMOS 4.01 siehe Arbuckle/ Wothke 1999; für eine detaillierte Darstellung von LISREL siehe Jöreskog/Sörbom 1989.
Für eine detaillierte Darstellung der mathematischen Spezifikation von Kausalmodellen siehe Homburg 1992, S. 501; Jöreskog/Sörbom 1989, S. 26f; Backhaus et al. 2003, S. 356f.
Für eine detaillierte Darstellung der Parameterschätzung siehe Backhaus et al. 2003, S. 362ff.; Homburg/Hildebrandt 1998, S. 20ff.
Die Abschätzung von Parametern ist nur dann möglich, wenn das Gleichungssystem mithilfe der empirischen Daten eindeutig lösbar bzw. identifizierbar ist. Die Feststellung der Identifizierbarkeit ist aufgrund der komplexen Modellstruktur allerdings noch nicht eindeutig gelöst. Es gibt aber eine Reihe von Faustregeln (z. B. Zahl der Freiheitsgrade gleich Zahl der zu schätzenden Parameter), mit deren Hilfe die Identifizierbarkeit von Strukturgleichungsmodellen überprüft werden kann. Für eine detaillierte Darstellung siehe Backhaus et al. 2003, S. 360; Jöreskog/Sörbom 1989, S. 30f; Homburg/Hildebrandt 1998, S. 37ff.
Einschränkend ist allerdings zu erwähnen, dass AMOS bei der ULS-Schätzung nicht die statistische Signifikanz der Parameterschätzung in Form des t-Tests anzeigt, da dieser u. a. auf der Voraussetzung der Normalverteilung aufbaut. Es könnte nicht zuletzt deshalb u. U. zu einer leichten Verzerrung bei der Berechnung der \( x^2 \) -Teststatistik kommen (vgl. Arbuckle/ Wothke 1999, S. 399; Jöreskog/Sörbom 1989, S. 27f.).
Alle Indikatoren, die ein Konstrukt wiedergeben bzw. darstellen, werden als Messinstrument bezeichnet. Zur möglichst genauen Abbildung des Konstruktes empfehlen BAGOZZI und BAUM-GARTNER die Nutzung eines Messinstruments mit mehreren Indikatoren (vgl. Bagozzi/ Baumgartner 1994, S. 388).
Die Auswahl der Kriterien orientiert sich dabei an den Arbeiten von Borth 2004, S. 83ff.; Betz 2003, S. 85; Homburg/Baumgartner 1998, S. 363 und Fritz 1995, S. 121ff.
Meistens gilt die Relation 5:1 als Maximalwert (vgl. Wheaton et al. 1977, S. 84ff.).
Bei Nutzung des verteilungsfreien ULS-Schätzverfahrens wird dem Chi-Quadrat-Test daher nur eingeschränkte Eignung zugemessen (vgl. Arbuckle/ Wothke 1999, S. 399).
Die Indikatorreliabilität wird im Software-Paket AMOS als „Squared Multiple Correlations“ ausgegeben und kann den Wertebereich zwischen 0 und 1 einnehmen (vgl. Backhaus et al. 2003, S. 398; Arbuckle/Wothke 1999, S. 119).
Als dritte mögliche Methode wird zum Teil auch das sogenannte Interaktionsmodell von KENNY und JUDD genutzt (vgl. Homburg/ Hildebrandt 1998, S. 28; Kenny/Judd 1984, S. 201ff.; Reinecke 1999, S. 88ff.). Es wird in diesem Zusammenhang davon gesprochen, dass zwei latente Variable in der Wirkung auf eine latent endogene Variable interagieren. Dieser moderierende Effekt wird in einem Strukturgleichungsmodell durch eine zusätzliche Variable dargestellt, die der Produktterm der zwei interagierenden Variablen ist. Der latente Moderator wird durch die Multiplikation der Indikatoren der beiden interagierenden latenten Variablen operationalisiert (vgl. Jaccard/Wan 1996; Jöreskog/Yang 1996, S. 57ff.). Es erscheint offensichtlich, dass bei der Betrachtung mehrerer Interaktionsbeziehungen schnell eine sehr komplexe Struktur der Fehlerterme entsteht und somit eine geringe Praktikabilität der Methode vorliegt (vgl. Homburg/Hildebrandt 1998, S. 28). Daher wird für diesen Fall die Verwendung der Mehrgruppen-Kausalanalyse empfohlen (vgl. Homburg/Hildebrandt 1998, S. 28).
Aufgrund der hohen Komplexität sollte in zukünftigen Forschungsbemühungen auch über den Einsatz von dynamischen Künstlichen Neuronalen Netzen (z.B. NEUSREL-Analyse) nachgedacht werden, mit denen sich hochgradig nicht-lineare und komplexe Zusammenhänge modellieren lassen (vgl. Backhaus et al. 2003, S. 737ff.; Wiedmann/Buckler 2003, S. 39ff.; Buckler 2003, S. 106ff.).
Aufgrund zum Teil nominal skalierter Variablen wurde die Regressionsanalyse ausgeschlossen (vgl. Backhaus et al. 2003, S. 8ff.).
Die sechs größten Veranstalter in Deutschland sind im TJ 2003/04 für 82,2% des Gesamturnsatzes verantwortlich gewesen (siehe Abschnitt B.1.3.2.).
Die drei größten deutschen Pauschalreiseveranstalter sind im TJ 2003/04 für zwischen 19,1 und 28,3 % des gesamten Umsatzes verantwortlich gewesen (vgl. Hildebrandt/ Quandt 2004, S. 5).
Nach der Reiseanalyse RA 2003 werden sogar 87 % aller Reisen (nicht nur Pauschalreisen) in der Sommersaison und 13 % in der Wintersaison durchgeführt (vgl. Aderhold/ Lohmann 2003ader, S. 52).
Aufgrund der angewendeten Methodik der Face-to-face-Befragung und somit einer Qualitätskontrolle während der Interviews ist kein „Missing-Value-Problem“, d. h. Probleme mit dem Umgang von fehlenden Werten in einzelnen Datensätzen, aufgetreten (vgl. dazu Backhaus et al. 2003, S. 325f).
Der MSA-Prüfwert (Measure of Sampling Adequacy) zeigt an, inwieweit verschiedene Indikatoren zusammengehören, und dient als Maßgröße für die Beurteilung der Sinnhaftigkeit einer Faktorenanalyse. Bei mehr als zwei Indikatoren wird i. d. R. ein MSA-Wert von mindestens 0,8 für die sinnvolle Durchführung einer Faktorenanalyse gefordert (vgl. Backhaus et al. 2003, S. 276f.).
Die hier angewendete Hauptachsen-Faktorenanalyse ist im Gegensatz zur Hauptkomponenten-Faktorenanalyse genau dann zu benutzen, wenn die fokussierten Zusammenhänge kausal zu interpretieren sind (vgl. Backhaus et al. 2003, S. 289ff.).
Nach dem Kaiser-Kriterium „ist die Zahl der zu extrahierenden Faktoren gleich der Zahl der Faktoren mit Eigenwerten größer eins. Die Eigenwerte (Eigenvalues) werden berechnet als Summe der quadrierten Faktorladungen eines Faktors über alle Indikatoren. Sie sind ein Maßstab für die durch den jeweiligen Faktor erklärte Varianz der Beobachtungswerte.“ (Backhaus et al. 2003, S. 295).
Siehe zu Skalierungen bzw. Skalenniveaus Backhaus et al. 2003, S. 4ff.
Die Normalverteilung der Grundgesamtheit kann mit dem Kolmogorov-Smirnov-Test und die Varianzhomogenität mit dem Levene-Test überprüft werden (vgl. u. a. Bühl/ Zöfel 2002, S. 225f., 292f., 402f.).
Rights and permissions
Copyright information
© 2006 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2006). Empirische Untersuchung. In: Buchungsfristigkeit bei Pauschalreisen. DUV. https://doi.org/10.1007/978-3-8350-9253-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9253-2_4
Publisher Name: DUV
Print ISBN: 978-3-8350-0408-5
Online ISBN: 978-3-8350-9253-2
eBook Packages: Business and Economics (German Language)