Auszug
„[T]he assessment of structural equation modeis involves theoretical, methodological and statistical analysis. To focus on only one of these areas is to risk producing false and misleading conclusion“1324, stellt Bagozzi fest.
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
Bagozzi (1981), S. 375.
Für ein ähnliches Vorgehen siehe Granato (1999), S. 51. Die soziodemografischen Merkmale Geschlecht und Alter wurden gewählt, weil hierbei keine definitorischen Unschärfen auftreten und damit die Daten unmittelbar vergleichbar sind.
Filmförderungsanstalt (FFA) (2005a), S. 18, in Verbindung mit Filmförderungsanstalt (FFA) (2005b), S. 1.
Bundesverband Audiovisuelle Medien (BVV) (2005), S. 3–4 sowie S. 15. Bei den dargestellten Zahlen wird von 63,7 Millionen Deutschen über 10 Jahren ausgegangen. Betrachtet man nur die Durchschnittswerte innerhalb der Untergruppe der DVD-Käufer und-Leiher, ergeben sich für das Jahr 2004 durchschnittlich 5,0 DVD-Käufe und 11,2 DVD-Leihvorgänge.
Vgl. Henning (2004a), S. 68. Die genannten Werte für die deutschen Umfrageteilnehmer wurden von Henning auf Nachfrage freundlicherweise bereitgestellt. Zu berücksichtigen ist, dass Henning gezielt Downloader befragt hat, während die vorliegende Untersuchung sich breiter an Filmpiraten richtet, von denen Downloader eine Untergruppe darstellen.
Ipsos (2005), S. 14.
Vgl. Yann (2005), S. 6.
Vgl. Schnell et al. (1999), S. 430–431.
Siehe Anhang 9.7. In SPSS wurden die fehlenden Werte auf vorliegende Muster untersucht. Es ließen sich keine Muster nachweisen, weshalb davon ausgegangen wird, dass die Werte „Missing at Random“ (MAR) sind. Vgl. Allison (2002), S. 3–4; Schnell (2002), S. 12.
Vgl. Bankhofer (1995), S. 89. Vgl. hierzu auch Hiddemann (2006), S. 93.
Vgl. Chatelin et al. (2002), S. 14.
Vgl. Bankhofer (1995), S. 91–104.
Vgl. Bankhofer (1995), S. 104–111. Für die Behandlung fehlender Daten innerhalb der Software PLS-Graph siehe Tenenhaus et al. (2005), S. 171–172.
Vgl. Ghosh-Dastidar und Schafer (2003), S. 808.
Vgl. Schafer und Olsen (1998), S. 547–549.
Vgl. Bankhofer (1995), S. 156–159.
Vgl. Decker et al. (1999), S. 93; Allison (2002), S. 19–23.
Vgl. Peters und Enders (2002), S. 81; Vriens und Melton (2002), S. 14; Olinsky et al. (2003), S. 55–57; O’Loughlin und Coenders (2004), S. 1239.
Vgl. Schafer und Graham (2002), S. 173; Newman (2003), S. 359.
Vgl. Backhaus et al. (2003), S. 70–71.
Cashen und Geiger (2004), S. 154.
Vgl. Cashen und Geiger (2004), S. 154.
Vgl. Meyers und Melcher (1969), S. B33; Erdfelder (1984), S. 22.
Baroudi und Orlikowski (1989), S. 88.
Vgl. Baroudi und Orlikowski (1989), S. 88.
Vgl. Meyers und Melcher (1969), S. B31.
Cowles und Davis (1982). Cowles und Davis erläutern in ihrem Beitrag ausführlich die Entstehungsgeschichte des 5 %-Signifikanzkriteriums.
Cascio und Zedeck (1983), S. 523–524.
Meyers und Melcher (1969), S. B35.
Vgl. Baroudi und Orlikowski (1989), S. 88.
Meyers und Melcher (1969), S. B39.
Cohen (1992), S. 155.
Vgl. Cohen (1992), S. 156.
Vgl. Baroudi und Orlikowski (1989), S. 97.
Cashen und Geiger (2004), S. 160.
Cohen (1992), S. 156.
Vgl. Baroudi und Orlikowski (1989), S. 88.
Chin et al. (2003), S. 195.
Baroudi und Orlikowski (1989), S. 90.
Vgl. Cascio und Zedeck (1983), S. 518–523.
Vgl. Cascio und Zedeck (1983), S. 524.
Vgl. Erdfelder (1984), S. 27–31.
Erdfelder et al. (1996), S. 2.
Vgl. Erdfelder (1984), S. 27.
Vgl. Erdfelder et al. (1996); weitere Informationen zur Software GPower sind online abrufbar unter: rs http://www.psycho.uni-duesseldorf.de/aap/projects/gpower/ (Abruf am 12.02.2006).
Vgl. Meier (2006), S. 108.
Vgl. Cashen und Geiger (2004), S. 163. Mazen et al. verdeutlichen illustrativ am Beispiel der gescheiterten Challenger Space Shuttle Mission der NASA die gravierenden Folgen, die das Ignorieren des Beta-Fehlers mit sich bringen kann. Vgl. Mazen et al. (1987).
Vgl. Mazen et al. (1987), S. 376; Baroudi und Orlikowski (1989), S. 90; Cohen (1992), S. 157; Haenlein (2004), S. 111.
Vgl. Baroudi und Orlikowski (1989), S. 90.
Trotz der erheblichen Bedeutung für die Hypothesentests wird in der einschlägigen Literatur (teilweise) nicht thematisiert, ob ein ein-oder zweiseitiger t-Test durchgeführt wurde. Bei unidirektionalen Hypothesen mit klar bestimmter Wirkungsrichtung ließe sich, zumindest bei einem reflektiven Messmodell, auch ein einseitiger t-Test vertreten. Vgl. Herrmann et al. (2005), S. 61. In der vorliegenden Arbeit wurden jedoch alle t-Tests konservativ als zweiseitige Tests durchgeführt. Dieses Vorgehen findet auch in der Forschungspraxis Anwendung, vgl. beispielsweise Calvo-Mora et al. (2005), S. 755.
Vgl. beispielsweise Sohn und Moon (2003), S. 891; Haenlein (2004); Meier (2006).
Vgl. Herrmann et al. (2005), S. 56. Vgl. hierzu auch Efron und Tibshirani (1986). Der „Randomization Test“ als weitere Resampling-Technik wird im Kontext von PLS-Schätzungen in der einschlägigen Literatur nicht erwähnt und daher in dieser Arbeit nicht näher beleuchtet. Vgl. Rodgers (1999), S. 445–446.
Vgl. Efron und Tibshirani (1986) und Chin (1998b), S. 320.
Efron und Gong (1983), S. 39. Für detaillierte Ausführungen zum Jackknife-Verfahren siehe Fenwick (1979).
Vgl. Efron (1979), S. 1.
Für eine umfangreiche mathematische Abhandlung zum Bootstrapping-Verfahren siehe Efron und Tibshirani (1998).
Diaconis und Efron (1983), S. 100. Für detaillierte Ausführungen hierzu siehe Efron (1979); Rodgers (1999).
Vgl. Rodgers (1999), S. 444.
Vgl. Yiu-Fai und Chan (1999), S. 100.
Vgl. Efron und Gong (1983), S. 38; Chin (1998b), S. 323.
Vgl. Bucic und Gudergan (2004), S. 2.
Hipp et al. führen den bislang noch geringen Verbreitungsgrad auf das Fehlen von nutzerfreundlicher Software zurück. Vgl. hierzu Hipp et al. (2005). Anwendungsbeispiele einer CTA finden sich unter anderem bei Gudergan et al. (2003), Bucic und Gudergan (2004), Venaik et al. (2004), Gudergan (2005) und Meier (2006).
Bollen und Ting (2000), S. 5.
Hipp und Bollen (2003), S. 288.
Vgl. Bollen und Ting (1993), S. 151–152.
Hipp und Bollen (2003), S. 280.
Vgl. Bollen und Ting (2000), S. 5.
Vgl. Bollen und Ting (2000), S. 7.
Bollen und Ting (2000), S. 5.
Bollen und Ting (2000), S. 12.
Wobei τ den Vektor der Tetrade darstellt, die sich auf null aufaddieren sollten, wenn das Modell richtig spezifiziert ist. Vgl. Hipp und Bollen (2003).
Vgl. Bollen und Ting (2000), S. 12.
Vgl. Edwards und Bagozzi (2000).
Bollen und Ting (2000), S. 15. Bollen und Ting verwenden einen p-Wert von < 0,05 oder ein Chi-Quadrat-Wert von < 0,01 als Schwellenwert. Vgl. Bollen und Ting (1998), S. 82. Bucic und Gudergan errechnen für formativ spezifizierte Konstrukte p-Werte von 0,0047 und kleiner und werten diese als Beweis für die korrekte Spezifikation. Vgl. Bucic und Gudergan (2004), S. 4.
Vgl. Ting (1995). Alternativ kann der Tetrad-Test auch mit dem neueren SAS-Macro von Hipp et al. berechnet werden. Vgl. hierzu Hipp et al. (2005).
Bollen und Ting (1998), S. 95.
Vgl. Bollen und Ting (1998).
Da Bollen und Ting sowohl in einer Monte-Carlo-Simulation als auch mittels eines Bootstrapping-Verfahrens nachweisen konnten, dass ab einer Stichprobengröße von N = 300 der Tetrad-Test falsche Modellspezifikationen zuverlässig identifizieren kann, können die so im Rahmen der Arbeit ermittelten Tetrad-Teststatistiken als zuverlässig gelten. Vgl. Bollen und Ting (1998), S. 95.
Als Richtwert für die Kovarianzen nahe null kann ≤ |0,035| gelten. Vgl. Bollen und Ting (2000), S. 15.
Abschließend sei noch daraufhingewiesen, dass der Tetrad-Test nicht in der Lage ist, ein aus theoretischen Vorüberlegungen richtigerweise formativ spezifiziertes Messmodell mit hoch korrelierten Indikatoren von seinem reflektiven Pendant zu unterscheiden. Insofern kann die Hypothese, ein Modell sei reflektiv zu spezifizieren, durch den Tetrad-Test nur verworfen, nicht aber im strikten Sinne bestätigt werden. Vgl. Eberl (2004), S. 19–21.
Homburg und Hildebrandt (1998), S. 17.
Vgl. Forneil (1987). Ein Verfahren der ersten Generation multivariater Analyseverfahren ist beispielsweise ein multiples Regressionsmodell.
Vgl. Diamantopoulos (1994), S. 105; Homburg und Baumgartner (1995), S. 1092.
Die methodischen Grundlagen von LISREL gehen insbesondere auf die Arbeit von Jöreskog zurück. Siehe Jöreskog (1970). Durch die Verankerung des Verfahrens in Standardsoftwarepakten wie LISREL, AMOS und EQS wird der Begriff Strukturgleichungsmodell oft „tautologically synonymous“ mit der Kovarianzstrukturanalyse verwendet. Vgl. Chin (1998b), S. 295.
Vgl. Bliemel et al. (2005), S. 10.
Vgl. Backhaus und Büschken (1998), S. 165; Homburg und Baumgartner (1995), S. 1098.
Vgl. Chin und Newsted (1999), S. 335–337. Vgl. hierzu auch Fornell und Cha (1997), S. 73–75; Bliemel et al. (2005), S. 10; Albers und Hildebrandt (2006), S. 15–16.
Die Annahme multinormalverteilter Daten bei kovarianzbasierten Verfahren ist problematisch, da sie sich bei wirtschaftswissenschaftlichen Fragestellungen oft nur schwerlich erfüllen lässt. Vgl. Betzin und Henseler (2005), S. 50. Insbesondere bei der Gütebeurteilung ist die Multinormalverteilung der Daten eine wesentliche Voraussetzung. Vgl. Jöreskog (1973), S. 94.
Kovarianzbasierte Verfahren erfordern einen Stichprobenumfang von mehr als 200, damit das Kausalmodell eindeutig identifiziert ist. Vgl. Bagozzi und Yi (1997), S. 19; Marsh et al. (1998), S. 187.
Für einen detaillierten Methodenvergleich siehe Dijkstra (1983) und Albers und Hildebrandt (2006).
Vgl. Wold (1966); Wold (1974); Wold (1975); Wold (1982a); Wold (1982b).
Für eine Übersicht der historischen Entwicklung von PLS siehe Lohmöller (1982), S. 3–4.
Vgl. Lohmöller (1979), S. 3; Lohmöller (1989), S. 64; Wold (1982c), S. 1; Chin (1998b), S. 315. „Soft Modeling“ versteht sich in diesem Zusammenhang als Abgrenzung gegenüber den kovarianzbasierten „Hard Modeling“-Verfahren, die multinormal verteilte Daten erfordern.
McDonald (1996), S. 240.
Vgl. Götz und Liehr-Gobbers (2004b), S. 722.
Vgl. Lohmöller (1979), S. 18; Betzin und Henseler (2005), S. 60.
Vgl. Betzin und Henseler (2005), S. 54.
Für eine ausführliche Beschreibung und mathematische Erläuterung des PLS-Algorithmus siehe Lohmöller (1979); Forneil und Cha (1997); Chin (1998b); Lohmöller (1989), S. 20–21; Betzin und Henseler (2005).
Vgl. Fornell und Cha (1997), S. 62.
Vgl. Cassel et al. (2000), S. 901.
Vgl. Cassel et al. (2000), S. 901.
Vgl. Fornell und Cha (1997), S. 64.
Beim „Centroid Weighting“ (Vorzeichengewichtung) werden die Gewichte, je nach Vorzeichen der Korrelation zwischen den latenten Variablen, auf +1 oder −1 gesetzt. Richtung der Kausalität sowie Stärke der Beziehungen zwischen den latenten Variablen werden explizit nicht berücksichtigt. Vgl. Forneil und Cha (1997), S. 65; Betzin und Henseler (2005), S. 62. Dieses Gewichtungsverfahren entspricht dem von Wold 1982 entwickelten Basisalgorithmus. Vgl. Wold (1982b). Im „Factor Weighting Scheine“ (Korrelationsgewichtung) werden die Korrelationen zwischen den latenten Variablen als Gewichte verwendet. „The procedure can be interpreted in terms of a hierarchical factor model where the MVs are the first-level variables, the LVs the second level variables and the implicitly assumed principal component of the LVs the third level variable.“ Lohmöller (1989), S. 42. Die endogen latente Variable wird also zur Hauptkomponente der benachbarten latenten Variablen. Vgl. Fornell und Cha (1997), S. 65. Das „Path Weighting“-Verfahren schließlich bestimmt die Pfadkoeffizienten in Abhängigkeit von der Position der latenten Variablen innerhalb des Strukturmodells. „If an LV is purely exogenous, it is approximated to be the principal component of its dependent LVs.... On the other hand, if an LV is purely endogenous, it is approximated to be the best predictand of its predictors.“ Forneil und Cha (1997), S. 65.
Vgl. Chin (1998b), S. 309.
Vgl. Lohmöller (1989), S. 42; Chin (1998b), S. 309.
Vgl. Lohmöller (1989), S. 320.
Vgl. Ringle (2004b), S. 26. Als Nachteil für varianzbasierte Verfahren ist aufzuführen, dass Ladungen tendenziell überschätzt und Pfadkoeffizienten eher unterschätzt werden. Vgl. Bagozzi et al. (1991), S. 19; Forneil und Cha (1997), S. 66. Das Problem wird auch als „Consistency at Large“ bezeichnet und bedeutet, dass die von PLS geschätzten Werte sich den wahren Werten erst mit steigendem Stichprobenumfang annähern. Vgl. Hui und Wold (1982), S. 123. Es resultiert aus der Tatsache, dass die PLS-Schätzer fehlerbehaftet sind. Durch eine gleichzeitige Erhöhung der Stichprobengröße und der Anzahl der Indikatoren kann das Problem jedoch behoben werden. Vgl. Wold (1980), S. 67; Lohmöller (1989), S. 213–216; Forneil und Cha (1997), S. 67. Da sowohl der Stichprobenumfang als auch die Anzahl der Indikatoren beim vorliegenden Forschungsproblem hinreichend groß sind, wird davon ausgegangen, dass das „Consistency at Large“-Problem für diese Untersuchung nicht von besonderer Relevanz ist.
Vgl. Chin (1998b), S. 311. Damit entspricht die geforderte Stichprobengröße weitestgehend den von Diamantopoulos bei multivariaten Analysen geforderten fünf bis zehn Mal mehr Datensätzen als (latenten) Variablen. Vgl. Diamantopoulos (2000), S. 83.
Vgl. Krafft et al. (2005), S. 72; siehe hierzu auch Ringle (2004a).
Vgl. Wold (1982b), S. 343.
Vgl. Krafft et al. (2005), S. 73–85.
Zur Schätzung des Forschungsmodells wurde die Software PLS-Graph, Version 3.00, Build 1016, verwendet, die freundlicherweise von Wynne Chin für Beta-Testzwecke zur Verfügung gestellt wurde. Vgl. Chin (2001). Wie von Wold empfohlen, wurde für die Schätzung der Parameter die Rohdatenmatrix der nicht standardisierten Werte verwendet. Vgl. Wold (1982b), S. 332.
Vgl. Bohrnstedt (1970), S. 91. Häufig wird Inhaltsvalidität synonym mit „Face Validity“, also der logischen und fachlichen Beurteilung einer Skala durch Experten, gleichgesetzt. Vgl. Hildebrandt (1998), S. 89.
Vgl. Diekmann (1995), S. 224.
Vgl. Anderson et al. (1987), S. 435; Gerbing und Anderson (1988), S. 189; Backhaus et al. (2003), S. 259–332.
Die Hauptkomponentenanalyse stellt das geeignete Extraktionsverfahren für das gegebene Untersuchungsziel dar, da sie darauf abzielt, die Datenstruktur möglichst umfassend durch möglichst wenige Faktoren zu reproduzieren. Die Kernfrage bei der Interpretation der Faktoren lautet hierbei: „Wie lassen sich die auf einen Faktor hochladenden Variablen durch einen Sammelbegriff (Komponente) zusammenfassen?“ Backhaus et al. (2003), S. 293. Bei der Varimax-Rotation handelt es sich um eine Methode der orthogonalen Rotation, bei der die Faktorachsen bei der Rotation in einem rechten Winkel zueinander verbleiben. Backhaus et al. hierzu: „[E]s handelt sich um eine sehr häufig angewendete Methode.“ Backhaus et al. (2003), S. 300. Vgl. hierzu auch Hair (1995), S. 366–267.
Vgl. Dziuban und Shirkey (1974), S. 358.
Hair (1995), S. 374.
Vgl. Kaiser und Rice (1974), S. 112.
Kaiser (1974), S. 35.
Vgl. Götz und Liehr-Gobbers (2004b); Krafft et al. (2005).
Vgl. Krafft et al. (2005).
Vgl. Chin (1998b). 50 % Varianz ≥ (0,707)(1/2).
Vgl. Herrmann et al. (2005), S. 56.
Vgl. Hulland (1999), S. 198; Homburg und Baumgartner (1995b), S. 172; Homburg und Giering (1996), S. 13.
Hulland (1999), S. 198.
Dies entspricht der Empfehlung von Chin. Vgl. Chin (1998b), S. 325.
Vgl. Krafft et al. (2005), S. 74.
Vgl. Hulland (1999).
Vgl. Cronbach (1951).
Vgl. Peterson (1994), S. 382.
Vgl. Kuder und Richardson (1937).
Cronbach (1951), S. 331.
Vgl. Homburg und Giering (1996).
Peter (1979), S. 16.
Vgl. Homburg und Giering (1996).
Vgl. Nunnally und Bernstein (1994), S. 265.
Vgl. Peterson (1994), S. 385. Peterson untersucht die erzielten Werte für das Cronbachsche Alpha bei „Behavioral Research“-Fragestellungen im Marketing-Bereich. Die Ergebnisse erscheinen daher auf die vorliegende Untersuchung übertragbar.
Vgl. Chin (1998b), S. 320; Gerbing und Anderson (1988), S. 190.
Vgl. Fornell und Larcker (1981), S. 45. Das Fornell-Larcker-Kriterium beruht auf den Vorüberlegungen von Werts et al. Vgl. Werts et al. (1974).
Hulland (1999), S. 199.
Vgl. Hulland (1999); Götz und Liehr-Gobbers (2004b).
Hulland (1999), S. 199. Für detaillierte Ausführungen hierzu siehe Peter (1981), S. 136–137, und Campbell (1960).
Vgl. Fornell und Larcker (1981), S. 46; Chin (1998b), S. 321.
Vgl. Bagozzi und Yi (1988), S. 80; Herrmann et al. (2005), S. 58.
Einige Autoren ordnen die DEV als zusätzliche Reliabilitätskennzahl unter den Bereich der Konstruktreliabilität. Vgl. beispielsweise Homburg und Giering (1996), S. 11; Meier (2006), S. 110.
Vgl. Fornell und Larcker (1981), S. 46. Für eine weiterführende Diskussion des Beitrags von Fornell und Larcker siehe Bagozzi (1981).
Vgl. Fornell und Larcker (1981); Bagozzi und Phillips (1982); Hulland (1999) S. 469; Krafft et al. (2005).
Vgl. Chin (1998b), S. 321.
Vgl. Chin (1998b), S. 321.
Vgl. Krafft et al. (2005), S. 76.
Vgl. Krafft et al. (2005), S. 76; Götz und Liehr-Gobbers (2004b), S. 228.
Die von Anderson und Gerbing vorgeschlagenen Indizes zur Berechnung der Eindeutigkeit der Zuordnung und der inhaltlichen Relevanz werden nicht verwendet. Vgl. Anderson und Gerbing (1991), S. 733–735. Der Grund hierfür liegt in der hohen Anzahl an Indikatoren und Konstrukten zum Zeitpunkt des Pre-Tests. Eine vollständige Zuordnung aller Indikatoren zu Konstrukten hätte zu einer inhaltlichen und zeitlichen Überbeanspruchung der Experten geführt, so dass je Gespräch jeweils nur ein Teil der Zuordnungen vorgenommen wurde. Eine Berechnung von quantitativen Kennzahlen erschien daher als nicht zielführend.
Auch die Begriffe Kollinearität oder „Ill Conditioning“ sind (bedeutungsgleich) in der Literatur üblich. Die Bezeichnungen Multikollinearität und Kollinearität werden in der ökonomischen Literatur oftmals synonym verwendet. Belsley hierzu: „Its original intent was to distinguish between the case of collinearity involving two variates and that involving more than two. However, there is no conceptual difference between them....“ Belsley (1991), S. 7. Der Konvention in der ökonomischen Literatur wird in der vorliegenden Arbeit Rechnung getragen und der Begriff „Multikollinearität“ verwendet.
Belsley (1991), S. 19.
Vgl. Belsley (1991), S. 21; Backhaus et al. (2003), S. 88.
Vgl. Backhaus et al. (2003), S. 89.
Vgl. Diamantopoulos und Winklhofer (2001), S. 272.
Vgl. Herrmann et al. (2005), S. 49.
Vgl. Belsley (1991), S. 26; Hair (1995), S. 126. Vgl. weiterführend auch Jagpal (1982).
Vgl. Belsley (1991), S. 129.
Belsley et al. (1980), S. 115.
Vgl. Cassel et al. (1999).
Mansfield und Helms (1982), S. 158.
Vgl. Götz und Liehr-Gobbers (2004b), S. 229. Für weiterführende Analysen und Varianten von Indikatoren zum Aufzeigen von Multikollinearität siehe Stewart (1987) und Marquardt (1987).
Hair (1995), S. 172. Vgl. hierzu auch Kumar (1975), S. 366.
Vgl. Krafft et al. (2005), S. 79.
Hair (1995), S. 127. Fox und Monette schlagen weiterführend die Berechnung eines Generalized Variance Inflation Factors vor, der allerdings in der statistischen Standardliteratur bislang keinen Einzug halten konnte und daher in der vorliegenden Arbeit nicht verwendet wird. Vgl. Fox und Monette (1992).
Fox schlägt anstelle des VIF die Untersuchung der Quadratwurzel des VIFs vor, da diese robuster auf die Varianz des Fehlerterms und der Stichprobengröße reagiert. Vgl. Fox (1991), S. 11. Auch diese Kennzahl hat sich bislang nicht etabliert und wird daher nicht verwendet.
Vgl. Krafft et al. (2005), S. 79.
Vgl. Belsley (1991), S. 28; Herrmann et al. (2006), S. 61.
Marquardt (1970), S. 610.
Belsley (1991), S. 28.
Belsley et al. (1980), S. 93.
Vgl. Belsley et al. (1980).
Vgl. Krafft et al. (2005), S. 79.
Vgl. Belsley et al. (1980), S. 153.
Belsley et al. (1980), S. 153.
Vgl. Krafft et al. (2005), S. 79.
Vgl. Belsley (1991), S. 58–65.
Vgl. Krafft et al. (2005), S. 80.
Belsley (1991), S. 129.
Vgl. Belsley (1991), S. 142.
Hair (1995), S. 153.
Vgl. hierzu auch Manson und Perrault (1991). Manson und Perrault ermitteln über eine Monte-Carlo-Simulation den Effekt von Multikollinearität in Abhängigkeit von der Stichprobengröße, der Anzahl der Indikatoren und der Modellstruktur.
Krafft et al. (2005), S. 78.
Fox (1991), S. 14. Vgl. hierzu auch Steffen (1994), S. 28, und Manson und Perrault (1991), S. 270.
Vgl. Chatelin et al. (2002), S. 5. Chatelin et al. schlagen vor, auch Indikatoren aus dem Modell zu eliminieren, deren Vorzeichen negativ und damit „unerwartet“ sind. Da PLS bei formativen Indikatoren jedoch keine präjudizierenden Vorzeichenerwartungen hat und das Vorliegen von Multikollinearität aufgrund der durchgeführten Bereinigungsschritte ausgeschlossen werden kann, wurde hierauf bewusst verzichtet.
Vgl. Krafft et al. (2005), S. 77.
Chin (1998b), S. 307.
Vgl. Götz und Liehr-Gobbers (2004b), S. 228.
Vgl. Herrmann et al. (2005), S. 61.
Vgl. Krafft et al. (2005), S. 78. Dies ergibt sich aus der PLS-Diskrepanzfunktion. Der PLS-Ansatz optimiert die Gewichte so, dass die Höhe der erklärten Varianz zwischen latent exogener und latent endogener Variable maximiert wird: „[T]he indicators for each block are weighted optimally in order to maximize the cor-relation between the two LV component scores for ξ and η.“ Chin (1998b), S. 307.
Vgl. Krafft et al. (2005), S. 78.
Vgl. Bollen und Lennox (1991), S. 308; Jarvis et al. (2003), S. 202.
Hierbei ist zu beachten, dass Parameter-Verteilungsannahmen bei PLS-Schätzungen zur Überprüfung des Strukturmodells nur die Anwendung nicht parametrischer Tests zulassen. Vgl. Krafft et al. (2005), S. 83.
Vgl. Ringle (2004a), S. 14–15; Krafft et al. (2005), S. 83.
Vgl. Backhaus et al. (2003), S. 66. Für eine detaillierte Analyse der unterschiedlichen R2-Varianten in der wissenschaftlichen Literatur siehe Kvalseth (1985). Das in der vorliegenden Arbeit verwendete R2 entspricht dem von Kvalseth empfohlenen.
Vgl. Krafft et al. (2005), S. 83.
Backhaus et al. (2003), S. 96.
Schätzt ein Kausalmodell ein stark zufallsbehaftetes Phänomen, kann laut Backhaus et al. selbst ein R2 von 0,1 im Einzelfall akzeptabel sein. Vgl. Backhaus et al. (2003), S. 96.
Vgl. Hulland (1999), S. 202.
Vgl. Chin (1998b), S. 323.
Amoroso und Cheney (1991), S. 81.
Vgl. Chin (1998b), S. 323; Herrmann et al. (2005), S. 61.
Vgl. Hulland (1999), S. 202.
Vgl. Chin (1998b), S. 323.
Vgl. Amoroso und Cheney (1991), S. 81.
Vgl. Stone (1974); Geisser (1975).
Geisser (1975), S. 320.
Vgl. Lohmöller (1982), S. 11.
Forneil hierzu: „This procedure of omitting and reconstructing is repeated until each and every data point is omitted and reconstructed once.“ Fornell und Cha (1997), S. 71.
Vgl. Fornell und Cha (1997), S. 71. Wold bemerkt hierzu: „The cross-validation test... fits soft modeling like a hand in a glove.“ Wold (1982c), S. 30.
Für eine ausführliche Herleitung des Stone-Geisser-Test-Kriteriums siehe Fornell und Cha (1997), S. 71–73.
Vgl. Krafft et al. (2005), S. 85. Bei der Berechnung des Q2 ist streng genommen zwischen zwei Q2-Varianten zu unterscheiden, dem „Communality Q2“ und dem „Redundancy Q2“. Vgl. Fornell und Cha (1997), S. 73. „A cross-validated communality Q2 is obtained if prediction of the data points is made by the underlying latent variable score, whereas a cross-validated redundancy Q2 is obtained if prediction is made by those LVs that predict the block in question. One would use the cross-validated redundancy measure to examine the predictive relevance of one’s theoretical/structural model.“ Chin (1998b), S. 318. Entsprechend wird als Q2 nur das für die Arbeit relevante Q2redundancy ausgewiesen.
Als „Omission Distance“ wurde, wie von Chin vorgeschlagen, mit 211 ein Wert zwischen der Anzahl der Indikatoren und der Stichprobengröße gewählt. Vgl. Chin (1998b), S. 317.
Vgl. Krafft et al. (2005), S. 83.
Vgl. Seibel und Nygreen (1972), S. 2.
Rights and permissions
Copyright information
© 2006 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2006). Analyse der erhobenen Daten. In: Piraterie in der Filmindustrie. DUV. https://doi.org/10.1007/978-3-8350-9474-1_6
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9474-1_6
Publisher Name: DUV
Print ISBN: 978-3-8350-0629-4
Online ISBN: 978-3-8350-9474-1
eBook Packages: Business and Economics (German Language)