Skip to main content
SpringerLink
Log in
Book cover

Grundlagen empirischer Forschung pp 131–154Cite as

Gewinnung von Daten zum Theorietest: Operationalisierung und Messung

  • Chapter
  • First Online:

  • 14k Accesses

Zusammenfassung

Zum Testen von Theorien bedarf es geeigneter Methoden. Dabei müssen zunächst die Konzepte einer Theorie messbar gemacht werden, d. h. sie müssen operationalisiert werden (→ Operationalisierung), bevor man entsprechende Teile der Realität messen kann (→ Messung). Nur wenn die Übersetzung der Theorie in messbare Variablen gelingt, sind Untersuchungsergebnisse aussagekräftig. Als Kriterien zur Überprüfung der Qualität der Messinstrumente in der empirischen Forschung bedient man sich der Validität und der Reliabilität, im weitesten Sinne auch der Generalisierbarkeit. Die Überprüfung dieser Kriterien erfolgt mit einer Reihe von etablierten Verfahren

This is a preview of subscription content, log in via an institution.

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Literatur

  • Bagozzi, R. P. (1978). The construct validity of affective, behavioral, and cognitive components of attitude by analysis of covariance structures. Multivariate Behavioral Research, 13, 9–31.

    Article  Google Scholar 

  • Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation (4. Aufl.). Berlin: Springer.

    Book  Google Scholar 

  • Brennan, R. L. (2001). Generalizability theory. New York: Springer Science & Business Media.

    Book  Google Scholar 

  • Bridgman, P. W. (1927). The logic of modern physics. New York: Macmillan.

    Google Scholar 

  • Bruner, G. C. (2009). Marketing scales handbook. A compilation of multi-item measures for consumer behavior & advertising research (Bd. V). Carbondale: American Marketing Association.

    Google Scholar 

  • Campbell, D., & Fiske, D. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56, 81–105.

    Article  Google Scholar 

  • Campbell, D., & Stanley, J. (1963). Experimental and quasi-experimental designs for research. Chicago: Rand McNally.

    Google Scholar 

  • Chang, H., & Cartwright, N. (2008). Measurement. In S. Psillos & M. Curd (Hrsg.), The Routledge companion to philosophy of science (S. 367–375). London: Routledge.

    Google Scholar 

  • Churchill, G. A. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16, 64–73.

    Article  Google Scholar 

  • Cronbach, L. J. (1951). Coefficient alpha and the internal consistency structure of tests. Psychometrika, 16, 297–334.

    Article  Google Scholar 

  • Cronbach, L. J., Gleser, G. C., Nanda, H., & Rajaratnam, N. (1972). The dependability of behavioral measurements: Theory of generalizability for scores and profiles. New York: Wiley.

    Google Scholar 

  • De Vaus, D. (2002). Analyzing social science data. London: Sage Publications.

    Google Scholar 

  • Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior. An introduction to theory and research. Reading: Addison-Wesley.

    Google Scholar 

  • Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39–50.

    Article  Google Scholar 

  • Griere, J., Wirtz, B. W., & Schilke, O. (2006). Mehrdimensionale Konstrukte. Konzeptionelle Grundlagen und Möglichkeiten ihrer Analyse mithilfe von Strukturgleichungsmodellen. DBW, 66, 678–695.

    Google Scholar 

  • Groves, R., Fowler, F., Couper, M., Lepkowski, J., Singer, E., & Tourangeau, R. (2009). Survey methodology (2. Aufl.). Hoboken: Wiley.

    Google Scholar 

  • Hair, J., Black, W., Babin, B., & Anderson, R. (2010). Multivariate data analysis (7. Aufl.). Upper Saddle River: Prentice Hall.

    Google Scholar 

  • Hildebrandt, L. (1984). Kausalanalytische Validierung in der Marketingforschung. Marketing ZFP, 6, 41–51.

    Google Scholar 

  • Homburg, C., & Giering, A. (1996). Konzeptualisierung und Operationalisierung komplexer Konstrukte – Ein Leitfaden für die Marketingforschung. Marketing ZFP, 18, 5–24.

    Google Scholar 

  • Homburg, C., Klarmann, M., Reimann, M., & Schilke, O. (2012). What drives key informant accuracy? Journal of Marketing Research, 49, 594–608.

    Article  Google Scholar 

  • Hunt, S. (2012). Explaining empirically successful marketing theories: The inductive realist model, approximative truth, and market orientation. AMS Review, 2, 5–18.

    Article  Google Scholar 

  • Hurrle, B., & Kieser, A. (2005). Sind Key Informants verlässliche Datenlieferanten? Die Betriebswirtschaft, 65, 584–602.

    Google Scholar 

  • Jackson, D. N. (1969). Multimethod factor analysis in the evaluation of convergent and discriminant validity. Psychological Bulletin, 72, 30–49.

    Article  Google Scholar 

  • Kuß, A. (2013). Marketing-Theorie (3. Aufl.). Wiesbaden: Springer.

    Book  Google Scholar 

  • Kuß, A., & Eisend, M. (2010). Marktforschung. Grundlagen der Datenerhebung und Datenanalyse (3. Aufl.). Wiesbaden: Springer.

    Google Scholar 

  • Li, R. M. (2011). The importance of common metrics for advancing social science theory and research. Washington (D.C.): National Academies Press.

    Google Scholar 

  • Netemeyer, R., Bearden, W., & Sharma, S. (2003). Scaling Procedures – Issues and Applications. Thousand Oaks: Sage Publications.

    Book  Google Scholar 

  • Nunnally, J. C., & Bernstein, I. (1994). Psychometric theory (3. Aufl.). New York: McGraw-Hill.

    Google Scholar 

  • Peterson, R. A. (1994). A meta-analysis of cronbach’s coefficient alpha. Journal of Consumer Research, 21, 381–391.

    Article  Google Scholar 

  • Rentz, J. O. (1987). Generalizability theory: A comprehensive method for assessing and improving the dependability of marketing measures. Journal of Marketing Research, 24, 19–28.

    Article  Google Scholar 

  • Rossiter, J. R. (2002). The C-OAR-SE procedure for scale development in marketing. International Journal of Research in Marketing, 19, 305–335.

    Article  Google Scholar 

  • Scheuch, E. K., & Daheim, H. (1970). Sozialprestige und soziale Schichtung. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 4, 65–103.

    Google Scholar 

  • Shavelson, R. J., & Webb, N. M. (1991). Generalizability theory. A primer. Newbury Park: Sage Publications.

    Google Scholar 

  • Tal, E. (2015). Measurement in science. In: E. Zalta (Hrsg.), The Stanford encyclopedia of philosophy. http://plato.stanford.edu.

  • Trout, J. (2000). Measurement. In W. Newton-Smith (Hrsg.), A companion to the philosophy of science (S. 265–276). Maiden: Wiley.

    Google Scholar 

  • Viswanathan, M. (2005). Measurement error and research design. Thousand Oaks: Sage Publications.

    Book  Google Scholar 

  • Weiber, R., & Mühlhaus, D. (2013). Strukturgleichungsmodellierung (2. Aufl.). Wiesbaden: Springer.

    Google Scholar 

  • Wilson, W. J., & Dumont, R. G. (1968). Rules of correspondence and sociological concepts. Sociology and Social Research, 52, 217–227.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Europa-Universität Viadrina, Frankfurt (Oder), Deutschland

    Martin Eisend

  2. Freie Universität Berlin, Berlin, Deutschland

    Alfred Kuß

Authors
  1. Martin Eisend
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Alfred Kuß
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Martin Eisend .

Rights and permissions

Reprints and permissions

Copyright information

© 2017 Springer Fachmedien Wiesbaden GmbH

About this chapter

Cite this chapter

Eisend, M., Kuß, A. (2017). Gewinnung von Daten zum Theorietest: Operationalisierung und Messung. In: Grundlagen empirischer Forschung. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-09705-9_6

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-09705-9_6

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-09704-2

  • Online ISBN: 978-3-658-09705-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation