Advertisement

Empirische Untersuchung

Chapter
  • 1.2k Downloads

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.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 635.
    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.Google Scholar
  2. 636.
    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.Google Scholar
  3. 639.
    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.Google Scholar
  4. 643.
    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.Google Scholar
  5. 645.
    Zu den verschiedenen Skalentypen vgl. z.B. Berekoven, L., et al. (2001): Marktforschung-Methodische Grundlagen und praktische Anwendung, 9. Auflage, Wiesbaden, S. 72ff.Google Scholar
  6. 648.
    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.Google Scholar
  7. 649.
    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.Google Scholar
  8. 650.
    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.Google Scholar
  9. 651.
    Vgl. Homburg, C./ Sütterlin, S. (1990): Kausalmodelle in der Marktforschung-EQS als Alternative zu LISREL, in: Marketing ZFP, Heft 3,3. Quartal, S. 181ff.Google Scholar
  10. 652.
    Vgl. Henseler, J. (2005): Einführung in die PLS-Pfadmodellierung, in: WiST, Nr. 2, Februar, S. 70.Google Scholar
  11. 653.
    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.Google Scholar
  12. 654.
    Vgl. Fornell, C. (1982): A Second Generation of Multivariate Analysis Methods, Vol. 1, New York.Google Scholar
  13. 655.
    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.Google Scholar
  14. 656.
    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.Google Scholar
  15. 657.
    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.Google Scholar
  16. 658.
    Vgl. Scheffler, H. (2000): Stichprobenbildung und Datenerhebung, in: Herrmann, A./ Homburg, C. [Hrsg.]: Marktforschung-Methoden, Anwendungen, Praxisbeispiele, 2. Auflage, Wiesbaden, S. 68.Google Scholar
  17. 659.
    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.Google Scholar
  18. 660.
    Zu den alternativen Centroid-und Faktorgewichtungsschemata vgl. z. B. Henseler, J. (2005): Einführung in die PLS-Pfadmodellierung, in: WiST, Nr. 2, Februar, S. 72f.Google Scholar
  19. 662.
    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.Google Scholar
  20. 663.
    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.Google Scholar
  21. 664.
    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.Google Scholar
  22. 665.
    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.Google Scholar
  23. 666.
    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.Google Scholar
  24. 667.
    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.Google Scholar
  25. 668.
    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.Google Scholar
  26. 669.
    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.Google Scholar
  27. 670.
    Vgl. Ringle, C. M. (2004): Messung von Kausalmodellen-Ein Methodenvergleich, Industrielles Management Arbeitspapier Nr. 14, Universität Hamburg, Hamburg, S. 10.Google Scholar
  28. 671.
    Jöreskog, K. G./ Sörbom, D. (1989): LISREL 7: A Guide to the Program and Applications, Chicago, S. 3.Google Scholar
  29. 672.
    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.Google Scholar
  30. 673.
    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.Google Scholar
  31. 674.
    Vgl. in etwas abweichender Darstellung Lohmöller, J.-B. (1989): Latent Variable Path Modeling with Partial Least Squares, Heidelberg, S. 28f.Google Scholar
  32. 675.
    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.CrossRefGoogle Scholar
  33. 676.
    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.Google Scholar
  34. 677.
    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.Google Scholar
  35. 678.
    Vgl. Hunt, S. D. (1991): Modern Marketing Theory-Critical Issues in the Philosophy of Marketing Science, Cincinnati, S. 386.Google Scholar
  36. 679.
    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.Google Scholar
  37. 680.
    Vgl. Churchill, G. A. (1999): Marketing Research-Methodological Foundations, 7. Auflage, Fort Worth, S. 65.Google Scholar
  38. 681.
    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.Google Scholar
  39. 682.
    Vgl. Bollen, K. A./ Lennox, R. (1991): Conventional Wisdom on Measurement: A Structural Equation Perspective, in: Psychological Bulletin, Vol. 110, No. 2, S. 306.CrossRefGoogle Scholar
  40. 683.
    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.Google Scholar
  41. 684.
    Vgl. Hahn, C. H. (2002): Segmentspezifische Kundenzufriedenheitsanalyse-Neue Ansätze zur Segmentierung von Märkten, Wiesbaden, S. 103ff.Google Scholar
  42. 685.
    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.Google Scholar
  43. 686.
    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.Google Scholar
  44. 688.
    Vgl. Bontis, N. (1998): Intellectual Capital: An Exploratory Study That Develops Measures and Models, in: Management Decision, Vol. 36, No. 2, S. 69.CrossRefGoogle Scholar
  45. 689.
    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.Google Scholar
  46. 690.
    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.Google Scholar
  47. 691.
    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.Google Scholar
  48. 692.
    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.Google Scholar
  49. 693.
    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.Google Scholar
  50. 694.
    Vgl. Efron, B./ Tibshirani, R. J. (1993): An Introduction to the Bootstrap, New York, S. 10ff.Google Scholar
  51. 695.
    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.Google Scholar
  52. 696.
    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.Google Scholar
  53. 697.
    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.Google Scholar
  54. 698.
    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.Google Scholar
  55. 699.
    Vgl. Heeler, R./ Ray, M. L. (1972): Measure Validation in Marketing, in: Journal of Marketing Research, Vol. 9, November, S. 361.Google Scholar
  56. 700.
    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.Google Scholar
  57. 701.
    Vgl. Bohrnstedt, G. (1970): Reliability and Validity Assessment in Attitude Measurement, in: Summers, G. [Hrsg.]: Attitude Measurement, Chicago, S. 91ff.Google Scholar
  58. 702.
    Bagozzi, R. P./ Phillips, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, Vol. 27, S. 468.CrossRefGoogle Scholar
  59. 703.
    Bagozzi, R. P./ Phillips, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, Vol. 27, S. 469.CrossRefGoogle Scholar
  60. 704.
    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.Google Scholar
  61. 705.
    Vgl. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 8.Google Scholar
  62. 706.
    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.Google Scholar
  63. 707.
    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.Google Scholar
  64. 708.
    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.Google Scholar
  65. 709.
    Vgl. Homburg, C./ Pflesser, C. (2000): Konfirmatorische Faktorenanalyse, in: Herrmann, A./ Homburg, C. [Hrsg.]: Marktforschung-Methoden, Anwendungen, Praxisbeispiele, 2. Auflage, Wiesbaden, S. 428.Google Scholar
  66. 711.
    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.Google Scholar
  67. 712.
    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.Google Scholar
  68. 713.
    Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte, in: Marketing ZFP, Nr. 1, S. 8.Google Scholar
  69. 714.
    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.Google Scholar
  70. 715.
    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.Google Scholar
  71. 716.
    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.Google Scholar
  72. 717.
    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.Google Scholar
  73. 718.
    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.Google Scholar
  74. 719.
    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.Google Scholar
  75. 720.
    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.Google Scholar
  76. 721.
    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.Google Scholar
  77. 722.
    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.Google Scholar
  78. 723.
    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.Google Scholar
  79. 724.
    Vgl. z.B. Spector, P. E. (1992): Summated Rating Scale Construction-An Introduction, Newbury Park, S. 18ff.Google Scholar
  80. 725.
    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.Google Scholar
  81. 726.
    Vgl. Bollen, K. A. (1984): Multiple Indicators: Internal Consistency of No Necessary Relationship? in: Quality and Quantity, Vol. 18, No. 4, S. 383ff.Google Scholar
  82. 727.
    Bagozzi, R. P. (1994): Structural Equation Models in Marketing Research: Basic Principles, in: Bagozzi, R. P. [Hrsg.]: Principles of Marketing Research, Cambridge, S. 333.Google Scholar
  83. 728.
    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.Google Scholar
  84. 729.
    DeVellis, R. F. (2003): Scale Development-Theory and Application, Thousand Oaks, S. 64.Google Scholar
  85. 730.
    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.Google Scholar
  86. 731.
    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.Google Scholar
  87. 732.
    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.Google Scholar
  88. 733.
    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.Google Scholar
  89. 734.
    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.Google Scholar
  90. 735.
    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.Google Scholar
  91. 736.
    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.CrossRefGoogle Scholar
  92. 737.
    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.Google Scholar
  93. 739.
    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.Google Scholar
  94. 740.
    Der Kehrwert des VIF ist die Toleranz. Vgl. dazu Eckey, H.-F., et al. (2001): Ökonometrie, 2. Auflage, Wiesbaden, S. 93.Google Scholar
  95. 741.
    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.Google Scholar
  96. 742.
    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.Google Scholar
  97. 743.
    Vgl. Hair, J. F., et al. (1998): Multivariate Data Analysis, 5. Auflage, Englewood Cliffs, S. 220f.Google Scholar
  98. 744.
    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.CrossRefGoogle Scholar
  99. 745.
    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.Google Scholar
  100. 746.
    Vgl. Rindskopf, D. (1984): Using Phantom and Imaginary Latent Variables to Parameterize Constraints in Linear Structural Models, in: Psychometrika, Vol. 49, No. 1S. 37ff.Google Scholar
  101. 747.
    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.Google Scholar
  102. 748.
    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.Google Scholar
  103. 749.
    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.Google Scholar
  104. 750.
    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.Google Scholar
  105. 751.
    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.Google Scholar
  106. 752.
    Vgl. Cohen, J. B. (1988): Statistical Power Analysis for the Behavioral Sciences, 2. Auflage, Hillsdale, S. 410ff.Google Scholar
  107. 753.
    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.Google Scholar
  108. 754.
    Vgl. Fornell, C./ Cha, J. (1994): Partial Least Squares, in: Bagozzi, R. P. [Hrsg.]: Advanced Methods of Marketing Research, Cambridge, S. 72.Google Scholar
  109. 755.
    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.Google Scholar
  110. 756.
    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.Google Scholar
  111. 757.
    Vgl. Hahn, C. H. (2002): Segmentspezifische Kundenzufriedenheitsanalyse-Neue Ansätze zur Segmentierung von Märkten, Wiesbaden, S. 104.Google Scholar
  112. 758.
    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.Google Scholar
  113. 759.
    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.Google Scholar
  114. 760.
    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.Google Scholar
  115. 761.
    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.Google Scholar
  116. 762.
    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.Google Scholar
  117. 763.
    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.Google Scholar
  118. 764.
    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.Google Scholar
  119. 765.
    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.Google Scholar
  120. 766.
    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.Google Scholar
  121. 767.
    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.Google Scholar
  122. 768.
    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.Google Scholar
  123. 772.
    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.Google Scholar
  124. 776.
    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.Google Scholar
  125. 778.
    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.Google Scholar
  126. 786.
    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.Google Scholar
  127. 794.
    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.Google Scholar
  128. 798.
    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.Google Scholar
  129. 801.
    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.Google Scholar
  130. 802.
    Vgl. z.B. Arbuckle, J. L./ Wothke, W. (1999): Amos 4.0 User’s Guide, Chicago, S. 209 und S. 251.Google Scholar
  131. 803.
    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.Google Scholar
  132. 804.
    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.Google Scholar
  133. 805.
    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.Google Scholar
  134. 807.
    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.Google Scholar
  135. 808.
    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.Google Scholar
  136. 809.
    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.Google Scholar
  137. 810.
    Edgington, E. S. (1995): Randomization Tests, 3. Auflage, New York, S. 5.Google Scholar
  138. 811.
    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.Google Scholar
  139. 812.
    Für eine gute Übersicht vgl. Diaconis, P./ Efron, B. (1983): Computer-Intensive Methods in Statistics, in: Scientific American, Vol. 248, No. 5, S. 96ff.Google Scholar
  140. 814.
    Bühl, A./ Zöfel, P. (2005): SPSS 12-Einführung in die moderne Datenanalyse unter Windows, 9. Auflage, München, S. 111.Google Scholar
  141. 815.
    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.Google Scholar
  142. 816.
    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.Google Scholar
  143. 818.
    Vgl. Brosius, F. (2004): SPSS 12-Das mitp-Standardwerk, Bonn, S. 866ff.Google Scholar
  144. 819.
    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.Google Scholar
  145. 821.
    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.Google Scholar
  146. 822.
    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.Google Scholar
  147. 823.
    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.Google Scholar
  148. 838.
    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.Google Scholar
  149. 841.
    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.Google Scholar

Copyright information

© Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden 2007

Personalised recommendations