Auszug
Ausgehend von der konzeptionellen Herleitung des Grundmodells zur Wahrnehmung und Wirkung von Corporate Brands bei unterschiedlichen Stakeholdergruppen eines Unternehmens sowie deren gegenseitige Beeinflussung bei der Einstellungsbildung sollen die zentralen Hypothesen der Arbeit im nachfolgenden Abschnitt empirisch analysiert werden. Dazu werden in einem ersten Schritt die Datenerhebung, die Datengrundlage und die Methoden der statistischen Auswertungen vorgestellt. Nach der Erläuterung des grundsätzlichen Vorgehens werden anschließend die Beurteilungskriterien und die detaillierten empirischen Ergebnisse präsentiert.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Laforet, S./ Saunders, J. (1994): Managing Brand Portfolios: How the Leaders Do It, in: Journal of Advertising Research, September/ October, S. 64ff.; Laforet, S./ Saunders, J. (1999): Managing Brand Portfolios: Why Leaders Do What They Do, in: Journal of Advertising Research, January/ February, S. 51ff. und Esch, F.-R./ Bräutigam, S. (2004): Corporate-und Product Brands in die Markenarchitektur integrieren, in: Esch, F.-R., et al. [Hrsg.]: Corporate Brand Management-Marken als Anker strategischer Führung von Unternehmen, Wiesbaden, S. 129ff.
Zu Vor-und Nachteilen einzelner Erhebungsformen existiert weiterführende Literatur. Vgl. insbesondere zu Onlinebefragungen z.B. Pepels, W. (1999): Computergestützte Befragung, in: Pepels, W. [Hrsg.]: Moderne Marktforschungspraxis-Handbuch für mittelständische Unternehmen, Neuwied, S. 188; Theobald, A. (2000): Marktforschung im Internet, in: Bliemel, F., et al. [Hrsg.]: Electronic Commerce-Herausforderungen, Anwendungen, Perspektiven, 3. Auflage, Wiesbaden, S. 307ff. und Lorbeer, A. (2003): Vertrauensbildung in Kundenbeziehungen-Ansatzpunkte zum Kundenbindungsmanagement, Wiesbaden, S. 138ff. sowie die dort angegebene Literatur.
Vgl. Yu, J./ Cooper, H. (1983): A Quantitative Review of Research Design Effects on Response Rates to Questionnaires, in: Journal of Marketing Research, Vol. 20, February, S. 36ff.
Bisher herrscht in der Wissenschaft keine Einigkeit über die optimale Länge einer Skala. Die Anzahl der Antwortmöglichkeiten sollte jedoch ungerade sein sowie zwischen 5 und 9 liegen. Vgl. dazu auch Cox III, E. P. (1980): The Optimal Number of Response Alternatives for a Scale: A Review, in: Journal of Marketing Research, Vol. 17, November, S. 407ff.
Zu den verschiedenen Skalentypen vgl. z.B. Berekoven, L., et al. (2001): Marktforschung-Methodische Grundlagen und praktische Anwendung, 9. Auflage, Wiesbaden, S. 72ff.
Vgl. z.B. Jöreskog, K. G. (1973): A General Method for Estimating a Linear Structural Equation System, in: Goldberger, A./ Duncan, O. [Hrsg.]: Structural Equation Models in the Social Sciences, New York; S. 85ff.; Jöreskog, K. G./ Sörbom, D. (1979): Advances in Factor Analysis and Structural Equation Models, Cambridge; S. 105ff.; Jöreskog, K. G./ Sörbom, D. (1982): Recent Developments in Structural Equation Modeling, in: Journal of Marketing Research, Vol. 19, No. 4, S. 404ff. und Homburg, C. (1989): Exploratorische Ansätze der Kausalanalyse als Instrument der Marketingplanung, Frankfurt am Main.
Für gute Übersichtsartikel zum aktuellen Stand der Forschung im Bereich Strukturgleichungsmodelle vgl. z.B. Homburg, C./ Baumgartner, H. (1995): Die Kausalanalyse als Instrument der Marketingforschung: Eine Bestandsaufnahme, in: ZfB, Jg. 65., Nr. 10, S. 1091ff. und Homburg, C./Baumgartner, H. (1995): Beurteilung von Kausalmodellen: Bestandsaufnahme und Anwendungsempfehlungen, in: Marketing ZFP, Heft 3, Nr. 3, S. 162ff.
Streng genommen können mit statistischen Verfahren jedoch nur Beziehungen zwischen Variablen, aber keine Kausalitäten aufgedeckt werden. Vgl. dazu Hansmann, K.-W./ Ringle, C. M. (2003): Erfolgsfaktoren Virtueller Unternehmen, in: Brüggemann, W./ Jahnke, H. [Hrsg.]: Betriebswirtschaftslehre und betriebliche Praxis, Wiesbaden, S. 70.
Vgl. Homburg, C./ Sütterlin, S. (1990): Kausalmodelle in der Marktforschung-EQS als Alternative zu LISREL, in: Marketing ZFP, Heft 3,3. Quartal, S. 181ff.
Vgl. Henseler, J. (2005): Einführung in die PLS-Pfadmodellierung, in: WiST, Nr. 2, Februar, S. 70.
Zum Einfluss der Stichprobengröße auf die Ergebnisse vgl. Marsh, H. W., et al. (1988): Goodnessof-Fit Indexes in Confirmatory Factor Analysis: The Effect of Sample Size, in: Psychological Bulletin, Vol. 103, No. 3, S. 391ff. und McDonald, R. P./ Marsh, H. W. (1990): Choosing a Multivariate Model: Noncentrality and Goodness of Fit, in: Psychological Bulletin, Vol. 107, No. 2, S. 252ff.
Vgl. Fornell, C. (1982): A Second Generation of Multivariate Analysis Methods, Vol. 1, New York.
Vgl. Wold, H. (1966): Nonlinear Estimation by Iterative Least Squares Procedures, in: David, F. W. [Hrsg.]: Research Papers in Statistics: Festschrift for Jerzy Neyman, New York, S 411ff.; Wold, H. (1982): Soft Modeling: The Basic Design and Some Extensions, in: Jöreskog, K. G./ Wold, H. [Hrsg.]: Systems under Indirect Observation-Causality, Structure, Prediction, Part I, Amsterdam, S. 1ff. und Wold, H. (1985): Partial Least Squares, in: Kotz, S./ Johnson, N. L. [Hrsg.]: Encyclopedia of Statistical Sciences, New York, S. 581ff.
Vgl. Chin, W. W./ Newsted, P. R. (1999): Structural Equation Modeling Analysis With Small Samples Using Partial Least Squares, in: Hoyle, R. H. [Hrsg.]: Statistical Strategies For Small Sample Research, Thousand Oaks, S. 308.
Vgl. Chin, W. W./ Newsted, P. R. (1999): Structural Equation Modeling Analysis With Small Samples Using Partial Least Squares, in: Hoyle, R. H. [Hrsg.]: Statistical Strategies For Small Sample Research, Thousand Oaks, S. 337.
Vgl. Scheffler, H. (2000): Stichprobenbildung und Datenerhebung, in: Herrmann, A./ Homburg, C. [Hrsg.]: Marktforschung-Methoden, Anwendungen, Praxisbeispiele, 2. Auflage, Wiesbaden, S. 68.
Vgl. dazu z.B. Barclay, D., et al. (1995): The Partial Least Squares (PLS) Approach to Causal Modeling. Personal Computer Adoption and Use as an Illustration, in: Technology Studies, Vol. 2, No. 2, S. 292.
Zu den alternativen Centroid-und Faktorgewichtungsschemata vgl. z. B. Henseler, J. (2005): Einführung in die PLS-Pfadmodellierung, in: WiST, Nr. 2, Februar, S. 72f.
Ein guter Beleg für diese Feststellung ist auch die Ansammlung reflektiver Messmodelle in Skalenhandbüchern. Vgl. dazu z.B. Bruner II, G. C./ Hensel, P. J. (1992): Marketing Scales Handbook-A Compilation of Multi-Item Measures, Chicago; Bruner II, G. C./ Hensel, P. J. (1996): Marketing Scales Handbook-A Compilation of Multi-Item Measures, Volume II, Chicago und Bearden, W. O./Netemeyer, R. G. (1999): Handbook of Marketing Scales, 2. Auflage, Thousand Oaks.
Vgl. Jarvis, C. B., et al. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Behaviour, Vol. 30, September, S. 199ff. und Eggert, A./ Fassott, G. (2003): Zur Verwendung Formativer und Reflektiver Indikatoren in Strukturgleichungsmodellen-Ergebnisse einer Metaanalyse und Anwendungsempfehlungen, Kaiserslauterer Schriftenreihe Marketing, Nr. 20 (2003), Kaiserslautern, S. 12.
Eine latente Variable ist ein hypothetisches, nicht messbares Konstrukt, dem mehrere Indikatoren zugeordnet sind, um etwaige Verzerrungen in den einzelnen Indikatoren aufzufangen. Vgl. dazu Homburg, C./ Dobratz, A. (1991): Iterative Modellselektion in der Kausalanalyse, in: zfbf, Jg. 43, Nr. 3, S. 214.
Vgl. Bliemel, F., et al. (2005): Die PLS-Pfadmodellierung: Mehr als eine Alternative zur Kovarianzstrukturanalyse, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung-Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 43. In Anlehnung an Jarvis, C. B., et al. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Behaviour, Vol. 30, September, S. 202ff.
Ausführliche Vergleiche zwischen den alternativen Methoden bieten u.a. Fornell, C./ Bookstein, F. L. (1982): Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory, in: Journal of Marketing Research, Vol. 19, No. 11, S. 440ff.; Bliemel, F., et al. (2005): Die PLS-Pfadmodellierung: Mehr als eine Alternative zur Kovarianzstrukturanalyse, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung-Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 9ff. und Scholderer, J./ Balderjahn, I. (2006): Was unterscheidet harte und weiche Strukturgleichungsmodelle nun wirklich? Ein Klärungsversuch zur LISREL-PLS-Frage, in: Marketing ZFP, Vol. 28, No. 1, S. 57ff.
Zu kovarianzbasierten Strukturgleichungsmodellen vgl. z.B. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 5ff. oder Homburg, C./ Pflesser, C. (2000): Konfirmatorische Faktorenanalyse, in: Herrmann, A./ Homburg, C. [Hrsg.]: Marktforschung-Methoden, Anwendungen, Praxisbeispiele, 2. Auflage, Wiesbaden, S. 633ff.
Gemäß gängiger Konventionen stellen Quadrate beobachtete Variablen in Pfaddiagrammen dar und werden mit lateinischen Buchstaben (x,y) bezeichnet. Kreise hingegen repräsentieren latente, also unbeobachtete Variablen und erhalten griechische Buchstaben (η, ξ). Die Richtung der Pfeilspitzen drückt die Wirkungsrichtung eines Kausalzusammenhanges aus. Nicht untersuchte Relationen zwischen Variablen werden durch Pfeile mit Doppelspitzen dargestellt. Vgl. dazu Bollen, K. A. (1989): Structural Equation Models with Latent Variables, New York, S. 33.
Vgl. Henseler, J. (2005): Einführung in die PLS-Pfadmodellierung, in: WiST, Nr. 2, Februar, S. 71 und Fornell, C./ Cha, J. (1994): Partial Least Squares, in: Bagozzi, R. P. [Hrsg.]: Advanced Methods of Marketing Research, Cambridge, S. 62ff.
Vgl. Ringle, C. M. (2004): Messung von Kausalmodellen-Ein Methodenvergleich, Industrielles Management Arbeitspapier Nr. 14, Universität Hamburg, Hamburg, S. 10.
Jöreskog, K. G./ Sörbom, D. (1989): LISREL 7: A Guide to the Program and Applications, Chicago, S. 3.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-Least-Squares(PLS)-Methode, in: DBW, Vol. 64, No. 6, S. 717.
Cassel, C. M., et al. (2000): On Measurement of Intangible Assets: A Study of Robustness of Partial Least Squares, in: Total Quality Management, Vol. 11, No. 7, S. 901f. Für verschiedene Modelle zur Verbesserung der Anpassungsgüte vgl. McDonald, R. P. (1996): Path Analysis with Composite Variables, in: Multivariate Behavioral Research, Vol. 31, No. 2, S. 239ff.
Vgl. in etwas abweichender Darstellung Lohmöller, J.-B. (1989): Latent Variable Path Modeling with Partial Least Squares, Heidelberg, S. 28f.
Vgl. Cassel, C. M., et al. (1999): Robustness of Partial Least-Squares Method for Estimating Latent Variable Quality Structures, in: Journal of Applied Statistics, Vol. 26, No. 4, S. 438.
Vgl. Churchill, G. A. J. (1979): A Paradigm for Developing Better Measures of Marketing Constructs, in: Journal of Marketing Research, Vol. 16, February, S. 67ff.
Vgl. zu den verwendbaren Modi z.B. Fornell, C./ Bookstein, F. L. (1982): Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory, in: Journal of Marketing Research, Vol. 19, No. 11, S. 441.
Vgl. Hunt, S. D. (1991): Modern Marketing Theory-Critical Issues in the Philosophy of Marketing Science, Cincinnati, S. 386.
Ein systematischer Messfehler ist unabhängig von zufähligen Messfehlern und tritt bei jeder Messwiederholung in gleicher Höhe wieder auf. Vgl. dazu Churchill, G. A. (1999): Marketing Research-Methodological Foundations, 7. Auflage, Fort Worth, S. 381f.
Vgl. Churchill, G. A. (1999): Marketing Research-Methodological Foundations, 7. Auflage, Fort Worth, S. 65.
Vgl. Krafft, M., et al. (2003): Statistisch-ökonometrische BWL-Forschung, in: Schwaiger, M./ Harhoff, D. [Hrsg.]: Empirie und Betriebswirtschaft: Entwicklungen und Perspektiven, Stuttgart, S. 102.
Vgl. Bollen, K. A./ Lennox, R. (1991): Conventional Wisdom on Measurement: A Structural Equation Perspective, in: Psychological Bulletin, Vol. 110, No. 2, S. 306.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen, Arbeitspapier des Instituts für Marketing Nr. 2, Münster, S. 16.
Vgl. Hahn, C. H. (2002): Segmentspezifische Kundenzufriedenheitsanalyse-Neue Ansätze zur Segmentierung von Märkten, Wiesbaden, S. 103ff.
Vgl. Voges, W./ Lohmöller, J.-B. (1989): Bedingungen vorzeitiger Beendigung der Erwerbsphase-Ein PLS-Modell zur Erklärung der Kausalzusammenhänge am Beispiel des Vorruhestandes, Arbeitspapier Freie Universität Berlin, Berlin, S. 10.
Vgl. Wold, H. (1982): Soft Modeling: The Basic Design and Some Extensions, in: Jöreskog, K. G./ Wold, H. [Hrsg.]: Systems under Indirect Observation-Causality, Structure, Prediction, Part I, Amsterdam, S. 12ff. und Noonan, R. E./ Wold, H. (1988): Partial Least Squares Path Analysis, in: Keeves, J. P. [Hrsg.]: Educational Research, Methodology and Measurement-An International Handbook, Oxford, S. 710ff.
Vgl. Bontis, N. (1998): Intellectual Capital: An Exploratory Study That Develops Measures and Models, in: Management Decision, Vol. 36, No. 2, S. 69.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-Least-Squares(PLS)-Methode, in: DBW, Vol. 64, No. 6, S. 722f. Für ausführlichere Darstellungen vgl. Benzin, J./ Henseler, J. (2005): Einführung in die Funktionsweise des PLS-Algorithmus, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 49ff. und Tenenhaus, M., et al. (2005): PLS path modeling, in: Computational Science & Data Analysis, Vol. 48, S. 166ff.
Für die Kovarianzanalyse gibt es zu diesem Thema umfangreiche Beiträge. Vgl. dazu z.B. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 11ff.; Bagozzi, R. P./ Yi, Y. (1988): On the Evaluation of Structural Equation Models, in: Journal of the Academy of Marketing Science, Vol. 16, No. 1, S. 74ff. und Bentler, P. M./ Bonett, D. (1980): Significance Tests and Goodness of Fit in the Analysis of Covariance Structures, in: Psychological Bulletin, Vol. 88, No. 3, S. 588.
Vgl. Fornell, C., et al. (1990): The Cooperative Venture Formation Process: A Latent Variable Structural Modeling Approach, in: Management Science, Vol. 36, No. 10, S.1246ff. und Hulland, J. (1999): Use of Partial Least Squares (PLS) in Strategic Management Research: A Review of Four Recent Studies, in: Strategic Management Journal, Vol. 20, No. 4, S. 195ff.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 72ff.
Wold, H. (1980): Model Construction and Evaluation When Theoretical Knowledge is Scare: Theory and Application of Partial Least Squares, in: Kmenta, J./ Ramsey, J. B. [Hrsg.]: Evaluation of Econometric Models, New York, S. 52ff.
Vgl. Efron, B./ Tibshirani, R. J. (1993): An Introduction to the Bootstrap, New York, S. 10ff.
Eine verbreitete Alternative ist das so genannte Jackknifing, welches bei genug großen Wiederholungszahlen auf ähnliche Ergebnisse kommt, aber insgesamt trotzdem weniger zuverlässig ist. Zum Jacknifing allgemein vgl. Wildt, A. R., et al. (1982): Applying the Jackknife Statistic in Testing and Interpreting Canonical Weights, Loadings, and Cross-Loadings, in: Journal of Marketing Research, Vol. 19, February, S. 99ff.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 71ff. und Ringle, C. M. (2004): Gütemaß für den Partial Least Squares-Ansatz zur Bestimmung von Kausalmodellen, Industrielles Management Arbeitspapier Nr. 16, Universität Hamburg, Hamburg, S. 13ff.
Die Grundidee dieses Ablaufs ist an Ringle angelehnt. Vgl. Ringle, C. M. (2004): Gütemaß für den Partial Least Squares-Ansatz zur Bestimmung von Kausalmodellen, Industrielles Management Arbeitspapier Nr. 16, Universität Hamburg, Hamburg, S. 14.
Peter, P. J./ Churchill, G. A. J. (1986): Relationships Among Research Design Choices and Psychometric Properties of Rating Scales: A Meta-Analysis, in: Journal of Marketing Research, Vol. 23, February, S. 4. Dabei ist zu beachten, dass unterschiedliche Reliabilitätsmessungsmethoden zu sehr unterschiedlichen Ergebnissen kommen können. Vgl. dazu Parameswaran, R., et al. (1979): Measuring Reliability: A Comparison of Alternative Techniques, in: Journal of Marketing Research, Vol. 16, February, S. 18ff.
Vgl. Heeler, R./ Ray, M. L. (1972): Measure Validation in Marketing, in: Journal of Marketing Research, Vol. 9, November, S. 361.
Vgl. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 6f. Für Grundlagenbeiträge zur Validität vgl. Bagozzi, R. P. (1979): The Role of Measurement in Theory Construction and Hypothesis Testing: Towards a Holistic Model, in: Ferrell, O., et al. [Hrsg.]: Conceptual and Theoretical Developments in Marketing, Chicago, S. 15ff.; Churchill, G. A. J. (1979): A Paradigm for Developing Better Measures of Marketing Constructs, in: Journal of Marketing Research, Vol. 16, February, S. 64ff. und Hildebrandt, L. (1984): Kausalanalytische Validierung in der Marketingforschung, in: Marketing ZFP, Heft 1, Februar, S. 41ff.
Vgl. Bohrnstedt, G. (1970): Reliability and Validity Assessment in Attitude Measurement, in: Summers, G. [Hrsg.]: Attitude Measurement, Chicago, S. 91ff.
Bagozzi, R. P./ Phillips, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, Vol. 27, S. 468.
Bagozzi, R. P./ Phillips, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, Vol. 27, S. 469.
Bagozzi, R. P. (1979): The Role of Measurement in Theory Construction and Hypothesis Testing: Towards a Holistic Model, in: Ferrell, O., et al. [Hrsg.]: Conceptual and Theoretical Developments in Marketing, Chicago; S. 14.
Vgl. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 8.
Für weitere grundlegende Beiträge zum Thema Reliabilität vgl. Peter, P. J. (1979): Reliability: A Review of Psychometric Basics and Recent Marketing Practices, in: Journal of Marketing Research, Vol. 16, February, S. 6ff. und zum Thema Validität vgl. Clark, L. A./ Watson, D. (1995): Constructing Validity: Basic Issues in Objective Scale Development, in: Psychological Assessment, Vol. 7, No. 3, S. 309ff. und Peter, P. J. (1981): Construct Validity: A Review of Basic Issues and Marketing Practices, in: Journal of Marketing Research, Vol. 18, No. 2, S. 133ff.
Skalen sollten nur auf einen Faktor hochladen und damit unidimensional sein. Vgl. dazu Anderson, J. C., et al. (1987): On the Assessment of Unidimensional Measurement: Internal and External Consistency, and Overall Consistency Criteria, in: Journal of Marketing Research, Vol. 24, November, S. 432ff.; Anderson, J. C./ Gerbing, D. W. (1982): Some Methods for Respecifying Measurement Models to Obtain Unidimensional Construct Measurement, in: Journal of Marketing Research, Vol. 19, November, S. 453ff. und Hattie, J. (1985): Methodology Review: Assessing Unidimensionality of Tests and Items, in: Applied Psychological Measurement, Vol. 9, No. 2, S. 139ff. Zu Multi-Dimensionalität vgl. McDonald, R. P. (2000): A Basis for Multidemensional Item Response Theory, in: Applied Psychological Measurement, Vol. 24, No. 2., S. 99ff. und McDonald, R. P. (1981): The dimensionality of tests and items, in: British Journal of Mathematical and Statistical Psychology, Vol. 34, S. 100ff.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 73.
Vgl. Homburg, C./ Pflesser, C. (2000): Konfirmatorische Faktorenanalyse, in: Herrmann, A./ Homburg, C. [Hrsg.]: Marktforschung-Methoden, Anwendungen, Praxisbeispiele, 2. Auflage, Wiesbaden, S. 428.
Hierbei handelt es sich um strenge Grenzwerte. In der Literatur lassen sich in Abhängigkeit von der Stichprobengröße für die Indikatorreliabilität auch Grenzwerte von 0,4 und 0,2 finden. Vgl. z.B. Balderjahn, I. (1986): Das umweltbewusste Konsumentenverhalten-Eine empirische Studie, Berlin, S. 117. Indikatoren mit Faktorladungen unter 0,4 sollten aus dem Modell entfernt werden.
Cortina, J. M. (1993): What Is Coefficient Alpha? An Examination of Theory and Applications, in: Journal of Applied Psychology, Vol. 78, No. 1, S. 98ff. und Cronbach, L. J. (1951): Coefficient Alpha and the internal Structure of Tests, in: Psychometrica, Vol. 16, No. 3, S. 297ff.
Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 8.
Vgl. Nunnally, J. C./ Bernstein, I. (1994): Psychometric Theory, 3. Auflage, New York, S. 245. Die Aussagekraft des Cronbach’s Alpha wird jedoch durch zwei Aspekte negativ beeinflusst. Einerseits ist eine inferenzstatistische Prüfung nicht möglich und andererseits wird der Koeffizient positiv von der Anzahl der Indikatoren beeinflusst.
Vgl. Bagozzi, R. P./ Baumgartner, H. (1994): The Evaluation of Structural Equation Models and Hypothesis Testing, in: Bagozzi, R. P. [Hrsg.]: Principles of Marketing Research, Cambridge, S. 402.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-Least-Squares(PLS)-Methode, in: DBW, Vol. 64, No. 6, S. 728 und Fornell, C./ Larcker, D. F. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Error, in: Journal of Marketing Research, Vol. 18, February, S. 45ff. In der Literatur lassen sich für die Faktorreliabilität auch die Bezeichnungen Interne Konsistenz, Konvergenzvalidität und Composite Reliability finden.
Vgl. Nunnally, J. C./ Bernstein, I. (1994): Psychometric Theory, 3. Auflage, New York, S. 245. Andere Quellen beurteilen dagegen einen Wert von 0,6 als ausreichend. Vgl. dazu Ringle, C. M. (2004): Gütemaß für den Partial Least Squares-Ansatz zur Bestimmung von Kausalmodellen, Industrielles Management Arbeitspapier Nr. 16, Universität Hamburg, Hamburg, S. 20 und Bagozzi, R. P./ Yi, Y. (1988): On the Evaluation of Structural Equation Models, in: Journal of the Academy of Marketing Science, Vol. 16, No. 1, S. 82.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 74.
Vgl. Fornell, C./ Larcker, D. F. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Error, in: Journal of Marketing Research, Vol. 18, February, S. 45.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen, Arbeitspapier des Instituts für Marketing Nr. 2, Münster, S. 15 und Fornell, C./ Larcker, D. F. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Error, in: Journal of Marketing Research, Vol. 18, February, S. 46.
Vgl. Lorbeer, A. (2003): Vertrauensbildung in Kundenbeziehungen-Ansatzpunkte zum Kundenbindungsmanagement, Wiesbaden, S. 160 und Fornell, C., et al. (1982): Validity Assessment: A Structural Equations Approach Using Partial Least Squares, in: Walker, B. [Hrsg.]: An Assessment of Marketing Thought and Practice, Chicago, S. 405.
Vgl. Diamantopoulos, A. (1999): Export Performance Measurement: Reflective vs. Formative Indicators, in: International Marketing Review, Vol. 16, No. 6, S. 453f. In der Literatur lassen sich jedoch zahlreiche Beispiele finden, die diese Notwendigkeit missachten. Vgl. dazu Fassott, G. (2006): Operationalisierung latenter Variablen in Strukturgleichungsmodellen: Eine Standortbestimmung, in: zfbf-Schmalenbach Business Review, Vol. 58, Februar, S. 67ff.
Vgl. Krafft, M. (1999): An Empirical Investigation of the Antecedents of Sales Force Control Systems, in: Journal of Marketing, Vol. 63, S. 124f. und Rossiter, J. R. (2002): The C-OAR-SE Procedure for Scale Development in Marketing, in: International Journal of Research in Marketing, Vol. 19, No. 4, S. 307f.
Vgl. z.B. Spector, P. E. (1992): Summated Rating Scale Construction-An Introduction, Newbury Park, S. 18ff.
Bei fehlender Unidimensionalität eines Konstrukts kommt alternativ die Entwicklung eines reflektiven Messmodells höherer Ordnung mit mehreren Dimensionen in Frage. Vgl. dazu Jarvis, C. B., et al. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Behaviour, Vol. 30, September S. 205.
Vgl. Bollen, K. A. (1984): Multiple Indicators: Internal Consistency of No Necessary Relationship? in: Quality and Quantity, Vol. 18, No. 4, S. 383ff.
Bagozzi, R. P. (1994): Structural Equation Models in Marketing Research: Basic Principles, in: Bagozzi, R. P. [Hrsg.]: Principles of Marketing Research, Cambridge, S. 333.
Vgl. Hermann, A., et al. (2006): Varianz-und kovarianzbasierte Strukturgleichungsmodelle-Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung, in: zfbf-Schmalenbach Business Review, Vol. 58, Februar, S. 50f.
DeVellis, R. F. (2003): Scale Development-Theory and Application, Thousand Oaks, S. 64.
Vgl. Bollen, K. A./ Lennox, R. (1991): Conventional Wisdom on Measurement: A Structural Equation Perspective, in: Psychological Bulletin, Vol. 110, No. 2, S. 305ff. Bei der Spezifikation von Messmodellen wird die Expertenvalidität teilweise mit Hilfe des psa-Indexes als Maß für die Eindeutigkeit der Zuordnung von Indikatoren und des csv-Indexes als Maß für die inhaltliche Relevanz geprüft. Vgl. dazu Anderson, J. C./ Gerbing, D. W. (1991): Predicting the Performance of Measures in a Confirmatory Factor Analysis with a Pretest Assessment of their Substantive Validities, in: Journal of Applied Psychology, Vol. 76, No. 5, S. 734. Aufgrund der geringen Verbreitung dieser Maße und unzureichender Erfahrung mit Grenzwerten, werden sie hier jedoch nicht berücksichtigt.
Vgl. Sambamurthy, V./ Chin, W. W. (1994): The Effects of Group Attitudes Towards Alternative GDSS Designs on the Decision-making Performance of Computer-Supported Groups, in: Decision Sciences, Vol. 25, No. 2, S. 231f.
Dabei können valide formative Indikatoren untereinander sowohl positive, negative als auch keine Korrelationen ergeben. Vgl. dazu Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 78.
Vgl. Lohmöller, J.-B. (1989): Latent Variable Path Modeling with Partial Least Squares, Heidelberg, S. 60. Andere Autoren beurteilen Werte erst ab 0,2 als relevant. Vgl. dazu Chin, W. W. (1998): The Partial Least Squares Approach to Structural Equation Modeling, in: Marcoulides, G. A. [Hrsg.]: Modern Methods for Business Research, Mahwah, S. 324f.
Vgl. Jarvis, C. B., et al. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Behaviour, Vol. 30, September, S. 202. Bei ausschließlich formativen Messmodellen wird aufgrund von potenziellen Multikollinearitätsproblemen für die Rückkehr zu Regressionsanalysen geraten. Vgl. dazu Albers, S./ Hildebrandt, L. (2006): Methodische Probleme bei der Erfolgsfaktorenforschung-Messfehler, formative versus reflektive Indikatoren und die Wahl des Strukturgleichungs-Modells, in: zfbf-Schmalenbach Business Review, Vol. 58, Februar, S. 29.
Vgl. Seltin, N./ Keeves, J. P. (1994): Path Analysis with Latent Variables, in: Husen, T./ Postlethwaite, T. [Hrsg.]: The International Encyclopedia of Education, 2. Auflage, Nachdruck, Oxford, S. 4356. In diesem Zusammenhang wird auch von einem Dialog zwischen Forscher und Computer gesprochen. Vgl. dazu Jöreskog, K. G./ Wold, H. (1982): The ML and PLS Technique for Modeling with Latent Variables-Historical and Comparative Aspects, in: Jöreskog, K. G./ Wold, H. [Hrsg.]: Systems under Indirect Observation-Causality, Structure, Prediction, Amsterdam, S. 270.
Rossiter, J. R. (2002): The C-OAR-SE Procedure for Scale Development in Marketing, in: International Journal of Research in Marketing, Vol. 19, No. 4, S. 315.
Diamantopoulos, A./ Winklhofer, H. (2001): Index Construction with Formative Indicators: An Alternative to Scale Development, in: Journal of Marketing Research, Vol. 38, May, S. 272.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-Least-Squares(PLS)-Methode, in: DBW, Vol. 64, No. 6, S. 729. Zu Grundlagen zur Multikollinearität vgl. Backhaus, K., et al. (2006): Multivariate Analysemethoden-Eine anwendungsorientierte Einführung, 11. Auflage, Berlin, S. 89.
Der Kehrwert des VIF ist die Toleranz. Vgl. dazu Eckey, H.-F., et al. (2001): Ökonometrie, 2. Auflage, Wiesbaden, S. 93.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 79.
Vgl. Belsley, D. A., et al. (1980): Regression Diagnostics, New York, S. 117. Als maximal akzeptabler Konditionsindex gilt meist ein Grenzwert in Höhe von 30.
Vgl. Hair, J. F., et al. (1998): Multivariate Data Analysis, 5. Auflage, Englewood Cliffs, S. 220f.
Vgl. z.B. Reinartz, W., et al. (2004): The Customer Relationship Management Process: Its Measurement and Impact on Performance, in: Journal of Marketing Research, Vol. 41, S. 298.
Der vollständige Name lautet “Multiple Indicators and Multiple Causes”-Modell. Vgl. dazu Hauser, R. M./ Goldberger, A. S. (1971): The Treatment of Unobservable Variables in Path Analysis, in: Costner, H. L. [Hrsg.]: Sociological Methodology, San Francisco, S. 95f.
Vgl. Rindskopf, D. (1984): Using Phantom and Imaginary Latent Variables to Parameterize Constraints in Linear Structural Models, in: Psychometrika, Vol. 49, No. 1S. 37ff.
Vgl. Winklhofer, H./ Diamantopoulos, A. (2002): Managerial Evaluation of Sales Forecasting Effectiveness: A MIMIC Modeling Approach, in: International Journal of Research in Marketing, Vol. 19, Vol. 2, S. 152ff. und Diamantopoulos, A./ Siguaw, J. A. (2002): Formative vs. Reflective Indicators in Measure Development: Does the Choice Matter? Working Paper 05-21-02, Cornell University, The Center For Hospitality Research, IthacaS. 6ff.
Vgl. Krafft, M., et al. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 82.
Vgl. Efron, B./ Gong, G. (1983): A Leisurely Look at the Bootstrap, the Jackknife, and Cross-Validation, in: The American Statistician, Vol. 37, No. 1, S. 39f. und Efron, B./ Tibshirani, R. J. (1993): An Introduction to the Bootstrap, New York, S. 141ff.
Vgl. Chin, W. W. (1998): The Partial Least Squares Approach to Structural Equation Modeling, in: Marcoulides, G. A. [Hrsg.]: Modern Methods for Business Research, Mahwah, S. 323.
Gute Modelle weisen häufig Werte um 0,6 auf. Vgl. dazu Ringle, C. M. (2004): Gütemaß für den Partial Least Squares-Ansatz zur Bestimmung von Kausalmodellen, Industrielles Management Arbeitspapier Nr. 16, Universität Hamburg, Hamburg, S. 15. Grundsätzlich wäre es auch denkbar, das adjustierte Bestimmtheitsmaß zu verwenden. Im vorliegenden Fall bringt dies jedoch keinen erheblichen Mehrwert, da die Stichprobenzahl groß und die Anzahl der erklärenden Variablen sowohl relativ klein als auch über alle Stakeholdergruppen identisch ist.
Vgl. Cohen, J. B. (1988): Statistical Power Analysis for the Behavioral Sciences, 2. Auflage, Hillsdale, S. 410ff.
Vgl. Geisser, S. (1975): The Predictive Sample Reuse Method with Applications, in: Journal of the American Statistical Association, Vol. 70, No. 350, S. 320ff.; Geisser, S. (1974): A Predictive Approach to the Random Effect Model, in: Biometrika, Vol. 61, No. 1, S. 101ff. und Stone, M. (1975): Cross-validatory Choice and Assessment of Statistical Predictions, in: Journal of the Royal Statistical Society, Vol. 36, No. 2, S. 113ff.
Vgl. Fornell, C./ Cha, J. (1994): Partial Least Squares, in: Bagozzi, R. P. [Hrsg.]: Advanced Methods of Marketing Research, Cambridge, S. 72.
Zur Kreuzvalidierung vgl. Cudeck, R./ Browne, M. (1983): Cross-Validation of Covariance Structures, in: Multivariate Behavioral Research, Vol. 18, S. 147ff.; Balderjahn, I. (1988): Die Kreuzvalidierung von Kausalmodellen, in: Marketing ZFP, Heft 1, Februar, S. 61ff.; Browne, M./ Cudeck, R. (1989): Single Sample Cross-Validation Indices for Covariance Structures, in: Multivariate Behavioral Research, Vol. 24, No. 4, S. 445ff. und Homburg, C. (1991): Cross-Validation and Information Criteria in Causal Modeling, in: Journal of Marketing Research, Vol. 28, May, S. 137ff.
Vgl. Götz, O./ Liehr-Gobbers, K. (2004): Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen, Arbeitspapier des Instituts für Marketing Nr. 2, Münster, S. 25f.
Vgl. Hahn, C. H. (2002): Segmentspezifische Kundenzufriedenheitsanalyse-Neue Ansätze zur Segmentierung von Märkten, Wiesbaden, S. 104.
Vgl. z.B. Eggert, A., et al. (2005): Identifizierung und Quantifizierung mediierender und moderierender Effekte in komplexen Kausalmodellen, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung-Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 101ff.
Vgl. Sobel, M. E. (1982): Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models, in: Leinhardt, S. [Hrsg.]: Sociological Methodology, San Francisco, S. 290ff. und Baron, R. M./ Kenny, D. A. (1986): The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations, in: Journal of Personality and Social Psychology, Vol. 51, No. 2, S. 1177ff.
Vgl. Chin, W. W., et al. (1996): A Partial Least Squares Latent Variable Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and Voice Mail Emotion/ Adoption Study, in: DeGross, J. I., et al. [Hrsg.]: Proceedings of the Seventeenth International Conference on Information Systems, Cleveland, S. 21ff.
Vgl. Chatelin, Y. M., et al. (2002): State-of-art on PLS Path Modeling through the available software, Working Paper 764/2002, Haute Études Commerciales Graduate Business School, Jouy en Josas S. 5ff.
Vgl. Ringle, C. M. (2004): Gütemaß für den Partial Least Squares-Ansatz zur Bestimmung von Kausalmodellen, Industrielles Management Arbeitspapier Nr. 16, Universität Hamburg, Hamburg, S. 22f.
Chin, W. W. (2000): Frequently Asked Questions — Partial Least Squares & PLS-Graph, Web-Seite: http://disc-nt.cba.uh.edu/chin/plsfaq.htm (AVL), Stand: 20.02.2006., Thema Sample Size.
Vgl. z.B. Hermann, A., et al. (2006): Varianz-und kovarianzbasierte Strukturgleichungsmodelle-Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung, in: zfbf-Schmalenbach Business Review, Vol. 58, Februar, S. 34ff.
Zum Prozess der Skalenentwicklung bei reflektiven Messmodellen vgl. z.B. DeVellis, R. F. (2003): Scale Development-Theory and Application, Thousand Oaks, S. 60ff. und Gerbing, D. W./ Anderson, J. C. (1988): An Updated Paradigm for Scale Development Incorporation Unidimensionality and Its Measurement, in: Journal of Marketing Research, Vol. 25, May 1988, S. 186ff.
Vgl. Diamantopoulos, A./ Winklhofer, H. (2001): Index Construction with Formative Indicators: An Alternative to Scale Development, in: Journal of Marketing Research, Vol. 38, May, S. 269ff.
Vgl. Hermann, A., et al. (2006): Varianz-und kovarianzbasierte Strukturgleichungsmodelle-Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung, in: zfbf-Schmalenbach Business Review, Vol. 58, Februar, S49ff. Einen noch umfangreicheren Skalenentwicklungsprozess fordert Rossiter. Vgl. dazu Rossiter, J. R. (2002): The C-OAR-SE Procedure for Scale Development in Marketing, in: International Journal of Research in Marketing, Vol. 19, No. 4, S. 305ff.
Zur Entwicklung von formativen Skalen vgl. z.B. Eggert, A./ Fassott, G. (2003): Zur Verwendung Formativer und Reflektiver Indikatoren in Strukturgleichungsmodellen-Ergebnisse einer Metaanalyse und Anwendungsempfehlungen, Kaiserslauterer Schriftenreihe Marketing, Nr. 20 (2003), KaiserslauternS. 4ff.
Siehe dazu auch die Ausführung in Abschnitt C2.4 und Chin, W. W. (1998): The Partial Least Squares Approach to Structural Equation Modeling, in: Marcoulides, G. A. [Hrsg.]: Modern Methods for Business Research, Mahwah, S. 323.
Für Details zur Berechnung der Interaktionseffekte vgl. z.B. Eggert, A., et al. (2005): Identifizierung und Quantifizierung mediierender und moderierender Effekte in komplexen Kausalmodellen, in: Bliemel, F., et al. [Hrsg.]: Handbuch PLS-Pfadmodellierung-Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 101ff.
Dieses Ergebnis ist weitgehend konsistent mit anderen Studien zu diesem Thema. Vgl. Grobe, E. (2003): Corporate Attractiveness-eine Analyse der Wahrnehmung von Unternehmensmarken aus Sicht von High Potentials, HHL-Arbeitspapier Nr. 50, Leipzig, S. 37.
Zahlreiche Autoren fordern bei der Entwicklung der Beurteilungskriterien nur einen Erfüllungsgrad der Detailkriterien in Höhe von 50 Prozent. Vgl. Fritz, W. (1992): Marktorientierte Unternehmensführung und Unternehmenserfolg, Stuttgart, S. 127 oder Lorbeer, A. (2003): Vertrauensbildung in Kundenbeziehungen-Ansatzpunkte zum Kundenbindungsmanagement, Wiesbaden, S. 163.
Grundsätzlich ist für eine starke Identität der Unternehmensmarke eine weitgehende Übereinstimmung der Stakeholderimages zu erreichen. Vgl. dazu Kernstock, J., et al. (2004): Zugang zum Corporate Brand Management, in: Esch, F.-R., et al. [Hrsg.]: Corporate Brand Management-Marken als Anker strategischer Führung von Unternehmen, Wiesbaden, S. 8.
Auch Mund-zu-Mund-Kommunikation kann für ein aktives Marketing eingesetzt werden. Vgl. dazu Brooks, R. C. (1957): Word-of-Mouth Advertising in Selling New Products, in: Journal of Marketing, Vol. 22, S. 154ff.
Für Grundlagen zu diesem Thema vgl. z.B. Kotler, P./ Keller, K. L. (2005): Marketing Management, 12. Auflage, Upper Saddle River, S. 310ff. und Cravens, D./ Piercey, N. F. (2006): Strategic Marketing, 7. Auflage, Boston, S. 117ff.
Vgl. z.B. Arbuckle, J. L./ Wothke, W. (1999): Amos 4.0 User’s Guide, Chicago, S. 209 und S. 251.
Vgl. Chin, W. W. (2003): A Permutation Procedure For Multi-Group Comparison of PLS Models, in: Vilares, M. e. a. [Hrsg.]: PLS and Related Methods: Proceedings of the PLS’ 03 International Symposium, Lissabon, S. 33. In Kontext von Gruppenuntersuchungen wird auch der so genannte “Finite Mixture PLS Approach” erwähnt. Dieser analysiert jedoch keine Gruppenunterschiede, sondern dient zur Gruppenbildung. Vgl. Hahn, C., et al. (2002): Capturing Customer Heterogeneity Using a Finite Mixture PLS Approach, in: zfbf-Schmalenbach Business Review, Vol. 54, July, S. 243ff.
Vgl. z.B. Thompson, R. L., et al. (1994): Influence of Experience On Personal Computer Utilization: Testing A Conceptual Model, in: Journal of Management Information Systems, Vol. 11, No. 1, S. 181f.
Vgl. Chin, W. W. (2000): Frequently Asked Questions — Partial Least Squares & PLS-Graph, Web-Seite: http://disc-nt.cba.uh.edu/chin/plsfaq.htm (AVL), Stand: 20.02.2006.. Multi-Group analysis with PLS. Die Formel unterscheidet sich von vielen Standardlehrbuchformeln, da der Standardfehler aus dem Bootstrapping Verfahren bereits mittelwertadjustiert ist und sich die Formel folglich entsprechend vereinfacht.
Die Verteilung wurde auf Basis von Schiefe, Wölbung, Q-Q-Diagramme und dem Kolmogorov-Smirnov-Test untersucht, wobei alle Tests eine Normalverteilung deutlich ablehnen. Vgl. dazu Bohley, P. (2000): Statistik-Einführendes Lehrbuch für Wirtschafts-und Sozialwissenschaftler, 7. Auflage, München, S. 629ff.; Hartung, J., et al. (2005): Statistik-Lehr-und Handbuch der angewandten Statistik, 14. Auflage, München, S. 847ff. und Smirnov, N. V. (1948): Table for Estimating the Goodness of Fit of Empirical Distributions, in: Annals of Mathematical Statistics, Vol. 19, S. 279ff.
Vgl. Chin, W. W. (2003): A Permutation Procedure For Multi-Group Comparison of PLS Models, in: Vilares, M. e. a. [Hrsg.]: PLS and Related Methods: Proceedings of the PLS’ 03 International Symposium, Lissabon, S. 33.
Vgl. dazu vertiefend z.B. Good, P. (2000): Permutation Tests, A Practical Guide to Resampling Methods for Testing Hypotheses, 2. Auflage, New York, S. 25ff.
Edgington, E. S. (1995): Randomization Tests, 3. Auflage, New York, S. 5.
Darüber hinaus muss auch eine grundsätzlich in Frage kommende Metaanalyse zur Untersuchung des aggregierten Gesamtergebnisses der ähnlich modellierten Submodellen aufgrund des unverhältnismäßigen Aufwandes abgelehnt werden. Vgl. dazu Rosenthal, R./ Rosnow, R. L. (1984): Essentials of Behavioral Research-Methods and Data Analysis, New York, S. 369ff. und Wolf, F. M. (1986): Meta-Analysis-Quantitative Methods for Research Synthesis, Beverly Hills, S. 9ff.
Für eine gute Übersicht vgl. Diaconis, P./ Efron, B. (1983): Computer-Intensive Methods in Statistics, in: Scientific American, Vol. 248, No. 5, S. 96ff.
Bühl, A./ Zöfel, P. (2005): SPSS 12-Einführung in die moderne Datenanalyse unter Windows, 9. Auflage, München, S. 111.
Abschließend sei noch erwähnt, dass für Gruppenbetrachtungen beim PLS-Ansatz auch das so genannte Finite Mixture-Verfahren existiert. Vgl. dazu Hahn, C., et al. (2002): Capturing Customer Heterogeneity Using a Finite Mixture PLS Approach, in: zfbf-Schmalenbach Business Review, Vol. 54, July, S. 243ff. Diese Methode dient jedoch zur Bildung von Gruppen und nicht zur Überprüfung von Differenzen zwischen Stichproben.
Kruskal, W. H./ Wallis, W. A. (1952): Use of Ranks in One-Criterion Variance Analysis, in: Journal of the American Statistical Association, Vol. 47, No. 260, S. 584ff. Eine grundsätzlich mögliche Alternative wäre der Median-Test. Dieser ist jedoch weniger empfehlenswert, da die „Effizienz dieses Tests [...] als nicht sonderlich hoch [gilt].“ Bühl, A./ Zöfel, P. (2005): SPSS 12-Einführung in die moderne Datenanalyse unter Windows, 9. Auflage, München, S. 307.
Vgl. Brosius, F. (2004): SPSS 12-Das mitp-Standardwerk, Bonn, S. 866ff.
Vgl. SPSS_Inc. (2006): Statistikprogramm SPSS 14.0, Help, Algorithms, npar-tests, ChicagoS. 20 und Lehmann, E. L./ D’Abrera, H. J. (1975): Nonparametrics Statistical Methods Based on Ranks, San Francisco, S. 204ff.
Darüber hinaus gehören auch der Moses-Test, der Kolmogorov-Smirnov-Test und der Wald-Wolfowitz zu den Tests für den Vergleich zweier unabhängiger Stichproben. Vgl. dazu Brosius, F. (2004): SPSS 12-Das mitp-Standardwerk, Bonn, S. 844.
Vgl. SPSS_Inc. (2006): Statistikprogramm SPSS 14.0, Help, Algorithms, npar-tests, ChicagoS. 15f. und Siegel, S. (1956): Nonparametric Statistic for the Behavioral Sciences, New York, S. 116ff. Zum Zusammenhang zu anderen Testverfahren vgl. Hartung, J., et al. (2005): Statistik-Lehr-und Handbuch der angewandten Statistik, 14. Auflage, München, S. 520.
Vgl. Dinneen, L. C./ Blakesley, B. C. (1973): Algorithm AS 62: Generator for the Sampling Distribution of the Mann-Whitney U Statistic, in: Applied Statistics, Vol. 22, S. 269ff.
Vgl. Freundt, T. C. (2006): Verhaltensrelevanz emotionaler Markenimages-eine inter-industrielle Analyse auf empirischer Grundlage, Wiesbaden, S. 196ff. und Riesenbeck, H./ Perrey, J. (2004): Die Macht der Marke, Frankfurt am Main, S. 100ff.
Es ist in der Managementliteratur weitgehend unumstritten, dass Unternehmen durch die Untersuchung und partielle Übernahme der Geschäftspraktiken erfolgreicher Wettbewerber ihre eigene Performance dauerhaft verbessern können. Zum Benchmarking vgl. z.B. Anderson, B. (1999): Industrial Benchmarking for Competitive Advantage, in: Human Systems Management, Vol. 18, S. 287ff. und Walleck, S. A., et al. (1991): Benchmarking World-Class Performance, in: McKinsey Quarterly, No. 1, S. 3ff.
Rights and permissions
Copyright information
© 2007 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2007). Empirische Untersuchung. In: Stakeholderspezifische Wirkung von Corporate Brands. DUV. https://doi.org/10.1007/978-3-8350-9485-7_3
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9485-7_3
Publisher Name: DUV
Print ISBN: 978-3-8350-0642-3
Online ISBN: 978-3-8350-9485-7
eBook Packages: Business and Economics (German Language)