Zusammenfassung
Zunächst gilt es, für die angestrebte quantitativ-konfirmatorische Untersuchung der frühen Phasen eine geeignete Analysemethode auszuwählen, die die Berücksichtigung von:
-
Zusammenhängen zwischen einzelnen Konstrukten,
-
direkten und indirekten Erfolgswirkungen und
-
situativen Einflussgrößen
in einem Gesamtmodell ermöglicht.414 Des Weiteren muss die Analysemethode in der Lage sein, die im vorigen Abschnitt operationalisierten nicht direkt beobachtbaren (latenten) Konstrukte zu integrieren. Somit werden hohe Anforderungen an die Leistungsfähigkeit der Analysemethode gestellt, denen insbesondere die Kovarianzstrukturanalyse, welche häufig auch als Kausalanalyse415 oder LISREL-Ansatz416 bezeichnet wird, gerecht wird. Die Kausal-analyse ermöglicht die Überprüfung eines theoretisch hergeleiteten Modells anhand empirischer Daten. Eine wesentliche Stärke der Kausalanalyse ist die Berücksichtigung von Messfehlern sowohl auf der Indikator- als auch auf der Konstruktebene und die Berücksichtigung von Fehlern in den Strukturgleichungen, die zum Ausschluss von nur scheinbaren bzw. auf Messfehlern basierenden Beziehungen führt.417 Die Messung von Konstrukten durch mehrere Indikatoren vermindert zusätzlich gegenüber der Messung durch einen Indikator mögliche Verzerrungen.418
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Zur Begründung des Untersuchungsdesigns vgl. Abschnitt 1.1.
Die Bezeichnungen Kausalanalyse und Kausalmodell werden teilweise kritisiert, da streng genommen nichtexperimentelle Forschung keine Kausalitäten nachweisen kann. Diese Begriffe haben sich aber im Sprachgebrauch durchgesetzt und werden deshalb auch hier im Folgenden verwendet (vgl. Anderson und Gerbing (1988), S. 421; Förster et al. (1984), S. 363 sowie Homburg und Hildebrandt (1998), S. 17).
Die Bezeichnung LISREL(Linear-Structural-Relations)-Ansatz geht auf eine Software zurück, siehe Jöreskog und Sörbom (1989).
Vgl. Förster et al. (1984), S. 348 sowie Homburg und Dobratz (1998), S. 213.
Vgl. z. B. Homburg (1989), S. 20.
Vgl. hierzu die Erläuterungen zur Prüfung der Identifikation, die in diesem Abschnitt folgen.
Vgl. zur Äquivalenzproblematik insbesondere Anderson und Gerbing (1988), S. 421; Andres (1992), S. 32ff. sowie Homburg und Hildebrandt (1998), S. 38ff.
Vgl. zur Problematik der Gütebeurteilung von Kausalmodellen Balderjahn (1988), S. 66 sowie Homburg und Baumgartner (1995b), S. 162. Durch Monte-Carlo-Studien wurde festgestellt, dass viele gängige Gütekriterien beispielsweise durch den Stichprobenumfang oder Verletzungen der Normalverteilungsannahme beeinflusst werden (vgl. die Zusammenfassung von Gerbing und Anderson (1993)).
Vgl. Hildebrandt et al. (1992), S. 11. Die Analyse nichtlinearer Kausalmodelle würde die ldentifikationsproblematik verschärfen und größere Stichproben erfordern (Homburg (1992), S. 507).
Vgl. z. B. Backhaus und Büschken (1998); Bagozzi (1980); Fritz (1998); Helfert und Gemünden (2000) sowie Homburg und Rudolph (1998). Homburg und Baumgartner (1995a), S. 1095 stellen eine zunehmende Zahl von Anwendungen der Kausalanalyse in der Marketingforschung fest.
Beispiele aus dem deutschsprachigen Raum sind Studien von Högl und Gemünden (2000); Karle-Komes (1997); Schewe (1992); Schewe (1998) sowie Lüthje und FerrerLlamera (2003).
Vgl. Förster et al. (1984), S. 346f.
Gute Einführungen in die Kausalanalyse geben z. B. Förster et al. (1984) und Homburg (1992). Eine ausführliche Auseinandersetzung mit der Kausalanalyse findet in Homburg (1989) statt. Die kurze Zusammenfassung im Rahmen dieser Arbeit basiert größtenteils auf diesen Quellen. Zum Ablauf einer Kausalanalyse siehe auch Abbildung 14.
Vgl. Homburg und Hildebrandt (1998), S. 20. Regressionsanalyse und Faktorenanalyse sind Sonderfälle der Kausalanalyse. Zum Einsatz von kausalanalytischen Verfahren zur konfirmatorischen Faktorenanalyse siehe z. B. Bollen (1989), Kapitel 7 und Bagozzi et al. (1991), S. 429-438.
Bei der Angabe der einzelnen A werden für die Indikatoren der exogenen Konstrukte ein hochgestelltes x und für die Indikatoren der endogenen Konstrukte ein hochgestelltes y ergänzt. Weiterhin werden zwei Indizes ergänzt. Die erste Ziffer entspricht hierbei der Nummer des Indikators, die zweite Ziffer der Nummer der Variablen.
Vgl. die grafische Darstellung der verwendeten Operationalisierungen in Abschnitt 3.2.
Vgl. Bagozzi (1981), S. 375; Homburg (1992), S. 507 sowie Homburg und Baumgartner (1995b).
Quelle: in Anlehnung an Homburg (1989), S. 149.
Vgl. hierzu Anderson und Gerbing (1988), S. 415f.; Förster et al. (1984), S. 358 sowie Homburg und Baumgartner (1995b), S. 171.
Vgl. zur ldentifikationsproblematik der Kausalanalyse Bollen (1989), S. 326f.; Förster et al. (1984), S. 353 und Homburg (1992), S. 502f.
Förster et al. (1984), S. 353 und Homburg (1992), S. 503.
Vgl. Förster et al. (1984), S. 354 sowie Jöreskog und Sörbom (1982), S. 405f. Diese Bedingung muss nur für das ML-Verfahren erfüllt sein.
Das ML- und ULS-Verfahren werden im Marketingbereich sowohl in Deutschland als auch international in 94% der Fälle eingesetzt (Homburg und Baumgartner (1995a), S. 1101).
Vgl. Anderson und Gerbing (1988), S. 413; Förster et al. (1984), S. 355 sowie Jöreskog und Sörbom (1982), S. 405f.
Die Annahme der multivariaten Normalverteilung wird mehrfach verletzt und es liegen lediglich 144 auswertbare Beobachtungen vor. Die Angaben darüber, wie viele Beobachtungen für das ML-Verfahren benötigt werden, variieren (Gaul und Homburg (1988), S. 73). Anderson und Gerbing (1988), S. 415 fordern beispielsweise mindestens 150 Beobachtungen.
Vgl. Balderjahn (1992), S. 168; Gaul und Homburg (1988), S. 73; Hildebrandt (1998), S. 97 sowie Jöreskog und Sörbom (1982), S. 405f. Homburg und Baumgartner (1995a) kritisieren grundsätzlich eine geringere Verbreitung des ML-Verfahrens in der deutschen Marketingforschung mit 41% gegenüber der internationalen Marketingforschung mit 94%. Hierbei untersuchen sie jedoch nicht näher, ob die Wahl des ULS-Verfahrens berechtigt war oder nicht. Bentler und Yuan (1999), S. 182; Homburg und Hildebrandt (1998), S. 14 sowie Yuan und Bentler (1999), S. 831 weisen darauf hin, dass die Voraussetzungen zur Anwendung des ML-Verfahrens in der Praxis meist nicht gegeben sind. Boomsa und Hoogland (2001) bestätigten die Notwendigkeit der Einhaltung der Voraussetzungen zur Anwendung des ML-Verfahrens.
Der Standardfehler gibt die Streuung der Mittelwerte einzelner Stichproben um den Parameter der Grundgesamtheit an. Bei der Vollerhebung wird die Grundgesamtheit direkt erfasst, vgl. Schnell et al. (1999), S. 257.
Vgl. Homburg und Baumgartner (1995b) und die obigen einführenden Aussagen zur Kausalanalyse.
Sowohl die Anwendbarkeit von Gütekriterien als auch die Festlegung von Schwellenwerten wird dadurch erschwert, dass meist eine Abhängigkeit von der Modellkomplexität und dem Stichprobenumfang besteht (Gerbing und Anderson (1993) sowie Homburg und Baumgartner (1995b), S. 172).
Homburg und Baumgartner (1995b).
Eine Kategorisierung von Anpassungsmaßen findet sich bei Homburg und Baumgartner (1995b), Abbildung 2.
Homburg und Baumgartner (1995b), S. 172 fassen ihre Empfehlungen tabellarisch zusammen.
Der GFI gibt den Anteil der Varianzen und Kovarianzen in der empirischen Matrix S an, der durch das Modell erklärt wird. Der Wert 1 entspricht einer perfekten Anpassung (Homburg und Baumgartner (1995b), S. 167).
Der AGFI berücksichtigt gegenüber dem GFI zusätzlich die Freiheitsgrade. Beide Anpassungsmaße nehmen tendenziell bei einem kleinen Stichprobenumfang zu geringe Werte an (Gerbing und Anderson (1993), S. 49ff.).
Der NFI misst die Verbesserung der Anpassungsgüte beim Übergang von einem Basismodell (Nullmodell) zum relevanten Modell (Homburg und Baumgartner (1995b), S. 168 und Tanaka (1993), S. 35). Der NFI nimmt tendenziell bei einem kleinen Stichprobenumfang zu geringe Werte an (Gerbing und Anderson (1993), S. 49ff.).
Der RFI ähnelt dem NFI, misst jedoch die Verbesserung der Anpassungsgüte pro Freiheitsgrad (Homburg und Baumgartner (1995b), S. 168).
Der PNFI ist eine um Freiheitsgrade adjustierte Version des NFI (Homburg und Baumgartner (1995b), S. 168).
Quelle: eigene Darstellung basierend auf Homburg und Baumgartner (1995b), S. 168, 172 und 174.
Vgl. z. B. Homburg und Baumgartner (1995b), S. 172ff., dessen Empfehlungen in der vorliegenden Arbeit gefolgt wird. Gerbing und Anderson (1993), S. 42 empfehlen die Kombination von Stand-Alone-Anpassungmaßen wie dem GFI mit inkrementellen Anpassungsmaßen wie dem NFI.
Vgl. zu den Problemen des !t2-Anpassungstests Bagozzi (1980), S. 106; Fornell und Larcker (1981), S. 40; Förster et al. (1984), S. 360f. sowie Homburg und Baumgartner (1995b), S. 166. Auf die Verwendung des RMR (Root mean squared residual) wird ebenfalls wegen der starken Abweichung von der multivariaten Normalverteilung verzichtet (vgl. Gerbing und Anderson (1993), S. 54).
Vgl. Bollen (1989), S. 221f.; Hildebrandt (1998), S. 87; Kromrey (2002), S. 250-253 und Schnell et al. (1999), S. 145.
Vgl. Bagozzi (1980), S. 127; Bollen (1989), S. 206 sowie Homburg und Baumgartner (1995b), S. 170.
Vgl. Fornell und Larcker (1981), S. 45f. sowie Homburg und Baumgartner (1995b), S. 170.
Vgl. Bollen (1989), S. 184f. und Schnell et al. (1999), S. 148. Vgl. zu verschiedenen Definitionen von (Konstrukt-)validität auch Bagozzi (1980), S. 113f.
Vgl. zur Inhaltsvalidität Bollen (1989), S. 185f.; Hildebrandt (1998), S. 89; Homburg und Giering (1996), S. 17 sowie Schnell et al. (1999), S. 149.
Vgl. zur Konvergenzvalidität Fornell und Larcker (1981), S. 45f.; Hildebrandt et al. (1992), S. 10 sowie Homburg und Giering (1996), S. 11.
Hierzu wird für jedes Konstrukt geprüft, ob die durchschnittlich erfasste Varianz kleiner ist als jede quadratische Interkorrelation mit einem anderen Konstrukt, vgl. Fornell und Larcker (1981), S. 46 sowie Homburg und Giering (1996), S. 11.
Vgl. zur nomologischen Validität insbesondere Bagozzi (1980), S. 129 und Hildebrandt (1998), S. 93.
Homburg und Baumgartner (1995b), S. 172 schlagen einen Schwellenwert von 0,4 vor. Gruner (1997), S. 114 und Lechler (1997), S. 154 legten bei ihren Untersuchungen einen Schwellenwert von 0,5 zu Grunde.
Vgl. Bagozzi (1980), S. 127 sowie Homburg und Baumgartner (1995b), S. 172. Zur Kreuzvalidierung siehe z. B. Balderjahn (1998).
Vgl. zu den folgenden Erläuterungen der zweistufigen Vorgehensweise Anderson und Gerbing (1988) sowie Jöreskog (1993), S. 297.
Bei der Respezifikation können z. B. Indikatoren entfernt oder einem anderen Konstrukt zugeordnet werden. Dies muss jedoch auch inhaltlich begründet sein. Vgl. Anderson und Gerbing (1988), S. 417.
Weitere Vorteile der zweistufigen Modellanalyse sind Anderson und Gerbing (1988) zu entnehmen.
Vgl. zur Regressionsanalyse z. B. Backhaus et al. (1996), S. 1-17; Johnson und Wichern (1992), S. 285-296; Hartung und Elpelt (1989), S. 77-142; Litz (2000), S. 16-25 und Marinell (1990), S. 114-132.
Vgl. Eckey et al. (2002), S. 14; Schnell et al. (1999), S. 335f. und Wilk (1975), S. 187.
Vgl. Eckey et al. (2002), S. 14; Schnell et al. (1999), S. 336f. und Wilk (1975), S. 178f.
Vgl. Dillman (2000), S. 32 und Schnell et al. (1999), S. 337.
Vgl. zu Pilotstudie und Pre-Test Homburg und Giering (1996), S. 11f. und Witte (1988), S. 318f.
Witte (1988), S. 318f.
Witte (1988), S. 319.
Zur Fragebogenentwicklung wurden z. B. folgende Quellen herangezogen: Dillman (2000); Holm (1975); von Kirschhofer-Bozenhardt und Kaplitza (1975); Költringer (1997); Kromrey (2002), S. 359-376; Labaw (1982) und Oppenheim (1992).
Zu Likert-Skalen vgl. z. B. Schnell et al. (1999), S. 181-185.
Vgl. hierzu Schnell et al. (1999), S. 181.
Die durchschnittliche Entwicklungszeit der untersuchten Projekte betrug 20 Monate, vgl. Abschnitt 5.1.2.
Zu den Problemen einer Ex-post-facto-Anordnung bzw. retrospektiven Befragung vgl. Dillman (2000), S. 37; Kromrey (2002), S. 69 und Schnell et al. (1999), S. 220.
Vgl. hierzu Dillman (2000), S. 37.
Siehe Frage H11 des Fragebogens im Anhang A.
www.firmendatenbank.de.
www.kompass-deutschland.de.
Die übergeordnete Branchenbezeichnung lautet Medizin-, Mess-, Steuer-und Regelungstechnik, Optik, NACE-Code 33. Hieraus wurden die Bereiche der Mess-, Steuer-und Regelungstechnik ausgewählt (NACE-Code 33201, 33202, 33203 und 33300).
Vgl. Legler et al. (2001), S. 102.
Helgeson et al. (2002) stellen fest, dass das Ausfüllen eines Fragebogens ein komplexer Prozess ist, bei dem mehrere Faktoren zusammenwirken. Eine Metaanalyse von Church (1993), S. 62 deutet dagegen darauf hin, dass nur direkt beigefügte Anreize den Rücklauf erhöhen und nicht solche, die lediglich bei Ausfüllen des Fragebogens in Aussicht gestellt werden. In der vorliegenden Untersuchung wurden trotzdem beide Strategien kombiniert. Die hohe Nachfrage nach den Ergebnisberichten sowie einige Reaktionen auf den Ergebnisbericht zeigen, dass dieser in der vorliegenden Untersuchung durchaus ein Anreiz für die Respondenten war.
Vgl. Klassen und Jacobs (2001), S. 726.
Vgl. zu Online-Befragungen Dillman (2000), Kapitel 11; Klassen und Jacobs (2001) und insbesondere Zerr und Müller-Schneider (2002), S. 56.
Zehn Fragebögen konnten entweder wegen zu geringer Mitarbeiterzahlen oder fehlenden Angaben nicht verwertet werden.
Vgl. hierzu Schnell et al. (1999), S. 286ff., welche die Aussagekraft der Angabe von Rücklaufquoten anzweifeln und zusätzlich Angaben über Ausfallursachen fordern. Des Weiteren stellen sie eine Zunahme von Nonresponsequoten fest.
Vgl. zum Nonresponse Bias Armstrong und Overton (1977) sowie Zerr und Müller-Schneider (2002), S. 56.
Vgl. zu dieser Vorgehensweise insbesondere Armstrong und Overton (1977), S. 397.
Vgl. Schnell et al. (1999), S. 249.
Rights and permissions
Copyright information
© 2005 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Verworn, B. (2005). Durchführung der empirischen Untersuchung der frühen Phasen. In: Die frühen Phasen der Produktentwicklung. Forschungs-/Entwicklungs-/Innovations-Management. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-09708-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-663-09708-2_4
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-8248-1
Online ISBN: 978-3-663-09708-2
eBook Packages: Business and Economics (German Language)