Wie erhebe ich empirische Daten, wie prüfe ich meine theoretischen Erkenntnisse mit quantitativen Untersuchungen?

Chapter
Part of the Springer-Lehrbuch book series (SLB)

Zusammenfassung

Welche methodischen Grundkenntnisse benötige ich für eine systematische und wissenschaftlich abgesicherte Informationserhebung und -auswertung? Welche Methoden der qualitativen Sozialforschung lassen sich zur Exploration und Deskription des Forschungsfeldes einsetzen? Welche Methoden der quantitativen Sozialforschung sind zur Falsifikation oder Konfirmation von Hypothesen und zur Analyse kausaler Strukturen geeignet? Wie lassen sich statistische Verfahren der Datenauswertung in einer hierarchischen Methodenstruktur bezogen auf Variablen und Objekte kombinieren? Wie ist das Design von Hypothesenstests zu gestalten und die Aussagefähigkeit der Testergebnisse zu bewerten?

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturhinweise zum Kapitel G

  1. Albers, S./ Hildebrandt, L. (2006): Methodische Probleme bei der Erfolgsfaktorenforschung – Messfehler, formative versus reflektive Indikatoren und die Wahl des Strukturgleichungs-Modells, in: Zeitschrift für betriebswirtschaftliche Forschung, 58. Jg., 2006, S. 2-33.Google Scholar
  2. Albers, S. et al. (Hrsg.) (2009): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009.Google Scholar
  3. Anderson, N./ Herriot, P./ Hodgkinson, G.P. (2001): The practitioner-researcher divide in industrial, work and organizational (IWO) psychology: Where are we now, and where do we go from here?, in: Journal of Occupational and Organizational Psychology, 74. Jg., 2001, Supplement 1, S. 391-411.CrossRefGoogle Scholar
  4. Andriessen, D. (2004): Reconciling the rigor-relevance dilemma in intellectual capital research, in: The Learning Organization, 11. Jg., 2004, Nr. 4/ 5, S. 393-401.CrossRefGoogle Scholar
  5. Aram, J.D./ Salipante Jr., P.F. (2003): Bridging scholarship in management: Epistemological reflections, in: British Journal of Management, 14. Jg., 2003, Nr. 3, S. 189-205.CrossRefGoogle Scholar
  6. Atteslander, P. (2008): Methoden der empirischen Sozialforschung, 12. Aufl., Berlin 2008.Google Scholar
  7. Atteslander, P. (2010): Methoden der empirischen Sozialforschung, 13. Aufl., Berlin 2010.Google Scholar
  8. Backhaus, K./ Erichson, B./ Weiber, R. (2011): Fortgeschrittene multivariate Analysemethoden – Eine anwendungsorientierte Einführung, Berlin et al. 2011.CrossRefGoogle Scholar
  9. Backhaus, K. et al. (2006): Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 11. Aufl., Berlin et al. 2006.Google Scholar
  10. Backhaus, K. et al. (2008): Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 12. Aufl., Berlin et al. 2008.Google Scholar
  11. Backhaus, K. et al. (2011): Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 13. Aufl., Berlin et al. 2011.Google Scholar
  12. Bagozzi, R.P./ Phillips, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, 27. Jg., 1982, Nr. 3, S. 459-489.CrossRefGoogle Scholar
  13. Bamberg, G./ Baur, F./ Krapp, M. (2009): Statistik, 15. Aufl., München 2009.Google Scholar
  14. Bamberg, G./ Baur, F./ Krapp, M. (2012): Statistik, 17. Aufl., München 2012.Google Scholar
  15. Berekoven, L./ Eckert, W./ Ellenrieder, P. (2009): Marktforschung – Methodische Grundlagen und praktische Anwendung, 12. Aufl., Wiesbaden 2009.Google Scholar
  16. Beyer, H./ Fehr, U./ Nutzinger, H. (1995): Unternehmenskultur und innerbetriebliche Kooperation – Anforderungen und praktische Erfahrungen, Wiesbaden 1995, Nachdruck 1996.CrossRefGoogle Scholar
  17. Biemann, T. (2009): Logik und Kritik des Hypothesentestens, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 205-220.Google Scholar
  18. Bohrnstedt, G. (1970): Reliability and Validity Assessment in Attitude Measurement, in: Summers, G.F. (Hrsg.): Attitude Measurement, Chicago 1970, S. 80-99.Google Scholar
  19. Borchardt, A./ Göthlich, S.E. (2009): Erkenntnisgewinnung durch Fallstudien, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 33-48.Google Scholar
  20. Borth, B.-O. (2004): Beschwerdezufriedenheit und Kundenloyalität im Dienstleistungsbereich – Kausalanalysen unter Berücksichtigung moderierender Effekte, Wiesbaden 2004.Google Scholar
  21. Bortz, J./ Döring, N. (2006): Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler, 4. Aufl., Heidelberg 2006, Nachdruck 2009.Google Scholar
  22. Bortz, J./ Lienert, G.A. (2008): Kurzgefasste Statistik für die klinische Forschung – Leitfaden für die verteilungsfreie Analyse kleiner Stichproben, 3. Aufl., Berlin/ Heidelberg 2008.Google Scholar
  23. Bortz, J./ Schuster, C. (2010): Statistik für Human- und Sozialwissenschaftler, 7. Aufl., Heidelberg 2010.CrossRefGoogle Scholar
  24. Boßow-Thies, S./ Clement, M (2009): Fuzzy Clustering mit Hilfe von Mixture Models, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 175-190.Google Scholar
  25. Brinkmann, G. (1997): Analytische Wissenschaftstheorie – Einführung sowie Anwendung auf einige Stücke der Volkswirtschaftslehre, 3. Aufl., München 1997.Google Scholar
  26. Buckler, F./ Hennig-Thurau, T. (2008): Identifying Hidden Structures in Marketing’s Structural Models Through Universal Structure Modeling: An Explorative Bayesian Neural Network Complement to LISREL and PLS, in: Marketing - Journal of Research and Management, 4. Jg, 2008, Nr. 2, S. 47-66.Google Scholar
  27. Chalmers, A.F. (2007): Wege der Wissenschaft – Einführung in die Wissenschaftstheorie, 6. Aufl., Berlin et al. 2007.Google Scholar
  28. Chin, W.W. (1998): Issues and Opinion on Structural Equation Modeling, in: MIS Quarterly, 22. Jg., 1998, Nr. 1, S. 7-16.Google Scholar
  29. Christophersen, T./ Grape, C. (2009): Die Erfassung latenter Konstrukte mit Hilfe formativer und reflektiver Messmodelle, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 103-118.Google Scholar
  30. Cronbach, L.J. et al. (1972): The Dependability of Behavioral Measurements: Theory of Generalizability for Scores and Profiles, New York 1972.Google Scholar
  31. Deal, K. (2009): A New Approach to Causal Analysis: NEUSREL helps explore potential paths for causal modeling, in: Marketing Research, 21. Jg., 2009, Nr. 3, S. 28-30.Google Scholar
  32. DeCoster, J. (2004): Meta-Analysis Notes, University of Alabama, Abfrage vom 28.01.2010 unter: http://www.stat-help.com/meta.pdf.Google Scholar
  33. Diekmann, A. (2011): Empirische Sozialforschung – Grundlagen, Methoden, Anwendung, 22. Aufl., Reinbek bei Hamburg 2011.Google Scholar
  34. Diller, H. (2006): Probleme der Handhabung von Strukturgleichungsmodellen in der betriebswirtschaftlichen Forschung, in: Die Betriebswirtschaft, 66. Jg., 2006, Nr. 6, S. 611-617.Google Scholar
  35. Duchmann, C./ Töpfer, A. (2008): Neuroökonomie und Neuromarketing – Erkenntnisse der Gehirnforschung für die Gestaltung von Beziehungen zwischen Kunden und Unternehmen, in: Töpfer, A. (Hrsg.): Handbuch Kundenmanagement – Anforderungen, Prozesse, Zufriedenheit, Bindung und Wert von Kunden, 3. Aufl., Berlin/ Heidelberg 2008, S. 163-187.Google Scholar
  36. Eberl, M. (2004): Formative und reflektive Indikatoren im Forschungsprozess: Entscheidungsregeln und die Dominanz des reflektiven Modells, in: EFOplan, Heft 19/ 2004, Abfrage vom 02.02.2010 unter http://www.imm.bwl.uni-muenchen.de/forschung/schriftenefo/ap_efoplan_19.pdf.Google Scholar
  37. Eckstein, P.P. (2008): Angewandte Statistik mit SPSS – Praktische Einführung für Wirtschaftswissenschaftler, 6. Aufl., Wiesbaden 2008.Google Scholar
  38. Edwards, J.R./ Bagozzi, R.P. (2000): On the Nature and Direction of Relationships Between Constructs and Measures, in: Psychological Methods, 5. Jg., 2000, Nr. 2, S. 155-174.CrossRefGoogle Scholar
  39. Eisend, M. (2004): Metaanalyse – Einführung und kritische Diskussion, in: Betriebswirtschaftliche Reihe, Diskussionsbeiträge des Fachbereichs Wirtschaftswissenschaften der Freien Universität Berlin, Nr. 2004/8, Abfrage vom 28.01.2010 unter http://www.wiwiss.fu-berlin.de/verwaltung-service/bibliothek/diskussionsbeitraege /diskussionsbeitraege-wiwiss/files-diskussionsbeitraege-wiwiss/discpaper08_04.pdf.Google Scholar
  40. Fahrmeir, L./ Hamerle, A./ Tutz, G. (Hrsg.) (1996): Multivariate statistische Verfahren, 2. Aufl., Berlin/ New York 1996.Google Scholar
  41. Fassott, G. (2006): Operationalisierung latenter Variablen in Strukturgleichungsmodellen: Eine Standortbestimmung, in: Zeitschrift für betriebswirtschaftliche Forschung, 58. Jg., 2006, S. 67-88.Google Scholar
  42. Field, A.P. (2001): Meta-Analysis of Correlation Coefficients: A Monte Carlo Comparison of Fixed- and Random-Effects Methods, in: Psychological Methods, 6. Jg., 2001, Nr. 2, S. 161-180.CrossRefGoogle Scholar
  43. Fisher, R.A. (1959): Statistical Methods and Scientific Inference, 2nd ed., Edinburgh/ London 1959.Google Scholar
  44. French, W.L./ Bell, C.H. (1994): Organisationsentwicklung – Sozialwissenschaftliche Strategien zur Organisationsveränderung, 4. Aufl., Bern et al. 1994.Google Scholar
  45. Friedman, D./ Cassar, A./ Selten, R. (2004): Economics Lab – An Intensive Course in Experimental Economics, London et al. 2004.Google Scholar
  46. Friedrichs, J. (1990): Methoden empirischer Sozialforschung, 14. Aufl., Opladen 1990.Google Scholar
  47. Fritz, W. (1995): Marketing-Management und Unternehmenserfolg – Grundlagen und Ergebnisse einer empirischen Untersuchung, 2. Aufl., Stuttgart 1995.Google Scholar
  48. Gläser, J./ Laudel, G. (2010): Experteninterviews und qualitative Inhaltsanalysen als Instrumente rekonstruierender Untersuchungen, 4. Aufl., Wiesbaden 2010.Google Scholar
  49. Glass, G.V./ McGaw, B./ Smith, M.L. (1981): Meta-analysis in Social Research, Beverly Hills 1981.Google Scholar
  50. Greving, B. (2009): Messen und Skalieren von Sachverhalten, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 65-78.Google Scholar
  51. Grubitzsch, S./ Rexilius, G. (1978): Testtheorie, Testpraxis – Voraussetzungen, Verfahren, Formen und Anwendungsmöglichkeiten psychologischer Tests im kritischen Überblick, Reinbek bei Hamburg 1978.Google Scholar
  52. Haenlein, M./ Kaplan, A.M. (2004): A Beginner’s Guide to Partial Least Squares Analysis, in: Understanding statistics, 3. Jg., 2004, Nr. 4, S. 283-297.CrossRefGoogle Scholar
  53. Hall, J.A./ Rosenthal, R. (1995): Interpreting and evaluating meta-analysis, in: Evaluation & the Health profession, 18. Jg., 1995, Nr. 4, S. 393-407.CrossRefGoogle Scholar
  54. Hammann, P./ Erichson, B. (2000): Marktforschung, 4. Aufl., Stuttgart 2000.Google Scholar
  55. Hasan, S.M.J. (1993): Business schools: Ostrich syndrome, in: Journal of Organizational Change, 6. Jg., 1993, Nr. 1, S. 47-53.CrossRefGoogle Scholar
  56. Hedges, L.V./ Pigott, T.D. (2001): The Power of Statistical Tests in Meta-Analysis, in: Psychological Methods, 6. Jg., 2001, Nr. 3, S. 203-217.CrossRefGoogle Scholar
  57. Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.) (2008): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008.Google Scholar
  58. Herrmann, A./ Homburg, C./ Klarmann, M. (2008a): Marktforschung: Ziele, Vorgehensweise und Nutzung, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 3-19.Google Scholar
  59. Herrmann, A./ Huber, F./ Kressmann, F. (2006): Varianz- und kovarianzbasierte Strukturgleichungsmodelle – Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung, in: Zeitschrift für betriebswirtschaftliche Forschung, 58. Jg., 2006, S. 34-66.Google Scholar
  60. Hildebrandt, L. (1998): Kausalanalytische Validierung in der Marketingforschung, in: Hildebrandt, L./ Homburg, C. (Hrsg.): Die Kausalanalyse: ein Instrument der empirischen betriebswirtschaftlichen Forschung, Stuttgart 1998, S. 85-110.Google Scholar
  61. Hildebrandt, L./ Temme, D. (2006): Probleme der Validierung mit Strukturgleichungsmodellen, in: Die Betriebswirtschaft, 66. Jg., 2006, Nr. 6, S. 618-639.Google Scholar
  62. Himme, A. (2009): Gütekriterien der Messung: Reliabilität, Validität und Generalisierbarkeit, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 485-500.Google Scholar
  63. Hodgkinson, G.P./ Herriot, P./ Anderson, N. (2001): Re-aligning the stakeholders in management research: Lessons from industrial, work and organizational psychology, in: British Journal of Management, 12. Jg., 2001, Special Issue, S. S41-S48.CrossRefGoogle Scholar
  64. Homburg, C. (2007): Betriebswirtschaftslehre als empirische Wissenschaft – Bestandsaufnahme und Empfehlungen, in: Zeitschrift für betriebswirtschaftliche Forschung, Sonderheft 56/2007, S. 27-60.Google Scholar
  65. Homburg, C./ Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte – Ein Leitfaden für die Marketingforschung, in: Marketing ZFP, 18. Jg., 1996, Nr. 1, S. 5-24.Google Scholar
  66. Homburg, C./ Herrmann, A./ Plesser, C./ Klarmann, M. (2008): Methoden der Datenanalyse im Überblick, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 151-173.Google Scholar
  67. Homburg, C./ Klarmann, M./ Krohmer, H. (2008): Statistische Grundlagen der Datenanalyse, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 213-239.Google Scholar
  68. Homburg, C./ Krohmer, H. (2009): Marketingmanagement, Strategie – Instrumente - Umsetzung – Unternehmensführung, 3. Aufl., Wiesbaden 2009.Google Scholar
  69. Huber, F. (2007): Kausalmodellierung mit partial least squares – Eine anwendungsorientierte Einführung, Wiesbaden 2007.Google Scholar
  70. Hunt, M. (1997): How science takes stock – The story of meta-analysis, New York 1997.Google Scholar
  71. Hussy, W./ Jain, A. (2002): Experimentelle Hypothesenprüfung in der Psychologie, Göttingen et al. 2002.Google Scholar
  72. Hüttner, M./ Schwarting, U. (2002): Grundzüge der Marktforschung, 7. Aufl., München/ Wien 2002.CrossRefGoogle Scholar
  73. Jarvis, C.B./ MacKenzie, S.B./ Podsakoff, P.M. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Research, 30. Jg., 2003, Nr. 2, S. 199-218.CrossRefGoogle Scholar
  74. Kamenz, U. (2001): Marktforschung – Einführung mit Fallbeispielen, Aufgaben und Lösungen, 2. Aufl., Wiesbaden 2001.Google Scholar
  75. Kaya, M. (2009): Verfahren der Datenerhebung, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 49-64.Google Scholar
  76. Kaya, M./ Himme, A. (2009): Möglichkeiten der Stichprobenbildung, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 79-88.Google Scholar
  77. Kepper, G. (1996): Qualitative Marktforschung – Methoden, Einsatzmöglichkeiten und Beurteilungskriterien, 2. Aufl., Wiesbaden 1996.Google Scholar
  78. Kepper, G. (2008): Methoden der qualitativen Marktforschung, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 175-212.Google Scholar
  79. Kieser, A./ Nicolai, A. (2003): Mit der Theorie die wilde Praxis reiten, valleri, vallera, valleri?, in: Die Betriebswirtschaft, 63. Jg., 2003, Nr. 5, S. 589-594.Google Scholar
  80. Kieser, A./ Nicolai, A. (2005): Success factor research: Overcoming the trade-off between rigor and relevance?, in: Journal of Management Inquiry, 14. Jg., 2005, Nr. 3, S. 275-279.CrossRefGoogle Scholar
  81. King, W.R./ He, J. (2005): Understanding the role and methods of meta-analysis in IS research, in: Communications of Association for Information Systems, 16. Jg., 2005, S. 665-686.Google Scholar
  82. Klandt, H. (2008): Empirische Forschungsmethoden in der Betriebswirtschaftslehre, Von der betriebswirtschaftlichen Forschungsfrage zum Untersuchungsdesign, eine Einführung in die Gewinnung empirischer Daten, Oldenburg 2008.Google Scholar
  83. Koch, K.R. (2000): Einführung in die Bayes-Statistik, Berlin et al. 2000.CrossRefGoogle Scholar
  84. Kornmeier, M. (2007): Wissenschaftstheorie und wissenschaftliches Arbeiten – Eine Einführung für Wirtschaftswissenschaftler, Heidelberg 2007.Google Scholar
  85. Kroeber-Riel, W./ Weinberg, P./ Gröppel-Klein, A. (2009): Konsumentenverhalten, 9. Aufl., München 2009.Google Scholar
  86. Kromrey, H. (2009): Empirische Sozialforschung – Modelle und Methoden der standardisierten Datenerhebung und Datenauswertung, 12. Aufl., Stuttgart 2009.Google Scholar
  87. Kuß, A. (2012): Marktforschung, Grundlagen der Datenerhebung und Datenanalyse, 4. Aufl., Wiesbaden 2012.Google Scholar
  88. Lauth, B./ Sareiter, J. (2005): Wissenschaftliche Erkenntnis – Eine ideengeschichtliche Einführung in die Wissenschaftstheorie, 2. Aufl., Paderborn 2005.Google Scholar
  89. Mann, A. (2004): Dialogmarketing – Konzeption und empirische Befunde, Wiesbaden 2004.Google Scholar
  90. Meffert, H. (1998): Herausforderungen an die Betriebswirtschaftslehre – Die Perspektive der Wissenschaft, in: Die Betriebswirtschaft, 58. Jg., 1998, Nr. 6, S. 709-727.Google Scholar
  91. Müller, D. (2009): Moderatoren und Mediatoren in Regressionen, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 237-252.Google Scholar
  92. Nachtigall, C./ Wirtz, M. (2009): Wahrscheinlichkeitsrechnung und Inferenzstatistik – Statistische Methoden für Psychologen, Teil 2, 5. Aufl., Weinheim/ München 2009.Google Scholar
  93. Neyman, J./ Pearson, E.S. (1933): On the Problem of the Most Efficient Tests of Statistical Hypothesis, in: Philosophical Transactions of the Royal Society of London, Series A, 231. Jg., 1933, S. 289-337.Google Scholar
  94. Nicolai, A. (2004): Der „trade-off“ zwischen „rigour“ und „relevance“ und seine Konsequenzen für die Managementwissenschaften, in: Zeitschrift für Betriebswirtschaft, 74. Jg., 2004, Nr. 2, S. 99-118.Google Scholar
  95. Nieschlag, R./ Dichtl, E./ Hörschgen, H. (2002): Marketing, 19. Aufl., Berlin 2002.Google Scholar
  96. Ockenfels, A./ Selten, R. (2000): An Experiment on the Hypothesis of Involuntary Truth-Signalling in Bargaining, in: Games and Economic Behavior, 33. Jg., 2000, Nr. 1, S. 90-116.CrossRefGoogle Scholar
  97. Oesterle, M.-J. (2006): Wahrnehmung betriebswirtschaftlicher Fachzeitschriften durch Praktiker, in: Die Betriebswirtschaft, 66. Jg., 2006, Nr. 3, S. 307-325.Google Scholar
  98. Opp, K.-D. (2005): Methodologie der Sozialwissenschaften, Einführung in Probleme ihrer Theorienbildung und praktischen Anwendung, 6. Aufl., Opladen/ Wiesbaden 2005.Google Scholar
  99. Pettigrew, A. (1997): The double hurdles for management research, in: Clarke, T. (Hrsg.): Advancement in organizational behaviour: Essays in honour of Derek S. Pugh, London 1997, S. 277-296.Google Scholar
  100. Rack, O./ Christophersen, T. (2009): Experimente, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 17-32.Google Scholar
  101. Rentz, J.O. (1987): Generalizability Theory: A Comprehensive Method for Assessing and Improving the Dependability of Marketing Measures, in: Journal of Marketing Research, 24. Jg., 1987, Nr. 1, S. 19-28.CrossRefGoogle Scholar
  102. Riesenhuber, F. (2009): Großzahlige empirische Forschung, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 1-16.Google Scholar
  103. Rosenthal, R. (1995): Writing Meta-Analytic Reviews, in: Psychological Bulletin, 118. Jg., 1995, Nr. 2; S. 183-192.CrossRefGoogle Scholar
  104. Rosenthal, R./ DiMatteo M.R. (2001): Meta-Analysis: Recent Developments in Quantitative Methods for Literature Reviews, in: Annual Review of Psychology, 52. Jg., 2001, Nr. 1, S. 59-82.CrossRefGoogle Scholar
  105. Sachs, L. (2006): Einführung in die Stochastik und das stochastische Denken, Frankfurt am Main 2006.Google Scholar
  106. Sachs, L./ Hedderich, J. (2012): Angewandte Statistik – Methodensammlung mit R, 14. Aufl., Berlin et al. 2012.Google Scholar
  107. Schein, E.H. (1995): Unternehmenskultur – Ein Handbuch für Führungskräfte, Frankfurt am Main/ New York 1995.Google Scholar
  108. Schmidt, F.L. (1992): What do data really mean?, Research Findings, Meta-Analysis, and Cumulative Knowledge in Psychology, in: American Psychologist, 47. Jg., 1992, Nr. 10, S. 1173-1181.CrossRefGoogle Scholar
  109. Schnell, R./ Hill, P.B./ Esser, E. (2008): Methoden der empirischen Sozialforschung, 8. Aufl., München/ Wien 2008.Google Scholar
  110. Schnell, R./ Hill, P.B./ Esser, E. (2011): Methoden der empirischen Sozialforschung, 9. Aufl., München/ Wien 2011.Google Scholar
  111. Scholderer, J./ Balderjahn, I./ Paulssen, M. (2006): Kausalität, Linearität, Reliabilität: Drei Dinge, die Sie nie über Stukturgleichungsmodelle wissen wollten, in: Die Betriebswirtschaft, 66. Jg., 2006, Nr. 6, S. 640-650.Google Scholar
  112. Seipel, C./ Rieker, P. (2003): Integrative Sozialforschung – Konzepte und Methoden der qualitativen und quantitativen empirischen Forschung, Weinheim/ München 2003.Google Scholar
  113. Simon, H. (2008): Betriebswirtschaftliche Wissenschaft und Unternehmenspraxis – Erfahrungen aus dem Marketing-Bereich, in: Zeitschrift für betriebswirtschaftliche Forschung, 60. Jg., 2008, Nr. 2, S. 73-93.Google Scholar
  114. Simon, H.A. (1967): The Business School – A Problem in Organizational Design, in: Journal of Management Studies, 4. Jg., 1967, Nr. 1, S. 1-16.CrossRefGoogle Scholar
  115. Singer, T. et al. (2006): Empathic neural responses are modulated by the perceived fairness of others, in: Nature, Vol. 439, 2006, Nr. 7075, S. 466-469.CrossRefGoogle Scholar
  116. Söhnchen, F. (2009): Common Method Variance and Single Source Bias, in: Albers, S. et al. (Hrsg.): Methodik der empirischen Forschung, 3. Aufl., Wiesbaden 2009, S. 137-152.Google Scholar
  117. Stefani, U. (2003): Experimente als Forschungsmethode im Prüfungswesen, in: Richter, M. (Hrsg.): Entwicklungen der Wirtschaftsprüfung – Prüfungsmethoden, Risiko, Vertrauen, Berlin 2003, S. 243-275.Google Scholar
  118. Stock-Homburg, R. (2008): Die Rolle des marktorientierten Personalmanagements im Rahmen der Umsetzung marktorientierter Strategien: Eine empirische Untersuchung, in: Zeitschrift für betriebswirtschaftliche Forschung, 60. Jg., 2008, Nr. 3, S. 124-152.Google Scholar
  119. Sureth, C. (2007): Rigour versus Relevance – 69. Wissenschaftliche Jahrestagung des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., Universität Paderborn, 31. Mai - 2. Juni 2007, Tagungsband, Paderborn 2007.Google Scholar
  120. Teichert, T./ Sattler, H./ Völckner, F. (2008): Traditionelle Verfahren der Conjoint-Analyse, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 651-685.Google Scholar
  121. Tomczak, T. (1992): Forschungsmethoden in der Marketingwissenschaft – Ein Plädoyer für den qualitativen Forschungsansatz, in: Marketing ZFP, 14. Jg., 1992, S. 77-87.Google Scholar
  122. Töpfer, A. (2007a): Betriebswirtschaftslehre – Anwendungs- und prozessorientierte Grundlagen, 2. Aufl., Berlin/ Heidelberg 2007.Google Scholar
  123. Töpfer, A. (Hrsg.) (2007b): Six Sigma – Konzeption und Erfolgsbeispiele für praktizierte Null-Fehler-Qualität, 4. Aufl., Berlin/ Heidelberg 2007.Google Scholar
  124. Töpfer, A. (2008): Analyse der Anforderungen und Prozesse wertvoller Kunden als Basis für die Segmentierung und Steuerungskriterien, in: Töpfer, A. (Hrsg.): Handbuch Kundenmanagement – Anforderungen, Prozesse, Zufriedenheit, Bindung und Wert von Kunden, 3. Aufl., Berlin/ Heidelberg 2008, S. 191-228.Google Scholar
  125. Töpfer, A./ Gabel, B. (2008): Messung von Kunden-Feedback – Ein 10-Punkte-Programm, in: Töpfer, A. (Hrsg.): Handbuch Kundenmanagement – Anforderungen, Prozesse, Zufriedenheit, Bindung und Wert von Kunden, 3. Aufl., Berlin/ Heidelberg 2008, S. 383-438.Google Scholar
  126. Völckner, F./ Sattler, H./ Teichert, T. (2008): Wahlbasierte Verfahren der Conjoint-Analyse, in: Herrmann, A./ Homburg, C./ Klarmann, M. (Hrsg.): Handbuch Marktforschung – Methoden, Anwendungen, Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 687-711.Google Scholar
  127. Weiber, R./ Mühlhaus, D. (2010): Strukturgleichungsmodellierung – Eine anwendungsorientierte Einführung in die Kausalanalyse mit Hilfe von AMOS, SmartPLS und SPSS, Heidelberg et al. 2010.Google Scholar
  128. Wild, J. (1975): Methodenprobleme in der Betriebswirtschaftslehre, in: Grochla, E./ Wittmann, W. (Hrsg.): Handwörterbuch der Betriebswirtschaftslehre, Bd. 2, 4. Aufl., Stuttgart 1975, Sp. 2654-2677.Google Scholar
  129. Zell, D. (2005): Pressure for relevancy at top-tier business schools, in: Journal of Management Inquiry, 14. Jg., 2005, Nr. 3, S. 271-274.CrossRefGoogle Scholar
  130. Zinnbauer, M./ Eberl, M. (2004): Die Überprüfung von Spezifikation und Güte von Strukturgleichungsmodellen: Verfahren und Anwendung, in: EFOplan, Heft 21/ 2004, Abfrage vom 02.02.2010 unter http://www.imm.bwl.uni-muenchen.de/forschung /schriftenefo/ap_efoplan_21.pdf.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2012

Authors and Affiliations

  1. 1.Forschungsgruppe Marktorientierte Unternehmensführung TU DresdenDresdenDeutschland

Personalised recommendations