Skip to main content
SpringerLink
Log in

Empirische Analyse zur Akzeptanz von Privatunterkunftsvermittlern

  • Chapter
  • First Online:
Die Sharing Economy im Tourismus

  • 893 Accesses

Zusammenfassung

Die Beantwortung der Forschungshypothesen wird mit Hilfe einer empirischen Datenerhebung vorgenommen. Hierfür sind vorab grundlegende Aspekte der Untersuchungsmethodik hinsichtlich Erhebungs- und Auswahlverfahren, Stichprobe und Fragenbogengestaltung festzulegen.

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

Access this chapter

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 59.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 79.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Vgl. Fantapié Altobelli, C. (2017), S. 6; Töpfer, A. (2012), S. 148.

  2. 2.

    Vgl. Meffert, H. et al. (2019), S. 172, 206.

  3. 3.

    Vgl. Fantapié Altobelli, C. (2017), S. 37 ff.; Meffert, H. et al. (2019), S. 206.

  4. 4.

    Vgl. Dynata GmbH (2020). Nach einem Zusammenschluss von Research Now und Survey Sampling International 2017 heißt der Anbieter nun Dynata.

  5. 5.

    Für eine ausführliche Darstellung von Befragungen als Erhebungsmethode vgl. Fantapié Altobelli, C. (2017), S. 55 f.; Nieschlag, R. et al. (2002), S. 442–451.

  6. 6.

    Vgl. Fantapié Altobelli, C. (2017), S. 37 ff.

  7. 7.

    Vgl. mit einem ähnlichen Ablauf Groß, M. (2017), S. 119.

  8. 8.

    Für das Buchen einer (Privat-) Unterkunft wurde ein Mindestalter von 18 Jahren angenommen.

  9. 9.

    Vgl. Fantapié Altobelli, C. (2017), S. 136 f.

  10. 10.

    Vgl. o. V.: AGOF Digital Facts (2017), S. 5 f.

  11. 11.

    Zu den Anforderungen an die Stichprobengröße für die Anwendung der PLS-SEM siehe Hair, J.F. et al. (2017), S. 20 ff. für eine ausführliche Erläuterung. Demnach liegen die Stichprobengrößen je nach erwünschten Signifikanzniveau in einer Bandbreite von ca. 10 – 200 mindestens vorhandenen Beobachtungen.

  12. 12.

    Vgl. Fantapié Altobelli, C. (2017), S. 63.

  13. 13.

    Vgl. Dynata GmbH (2020); Smart News Fachverlag GmbH (2020).

  14. 14.

    Vgl. Meffert, H. et al. (2019), S. 193 ff.; Fantapié Altobelli, C. (2017), S. 63 f.

  15. 15.

    Vgl. Fantapié Altobelli, C. (2017), S. 63 f.; Schnell, R. et al. (2013), S. 296.

  16. 16.

    Vgl. Becker, F. (2016), S. 129; Meffert, H. et al. (2019), S. 195; Fantapié Altobelli, C. (2017), S. 63 ff.

  17. 17.

    Wurde in einer Kategorie der vorab festgelegte Zielwert wie z. B, das Alter erreicht, wurde die entsprechende Kategorie geschlossen. Falls ein Proband danach den Fragebogen startete und auch in diese bereits geschlossene Kategorie aufgrund seines Alters fiel, wurde der Fragebogen an dieser Stelle beendet.

  18. 18.

    Vgl. Fantapié Altobelli, C. (2017), S. 64.

  19. 19.

    Vgl. Fantapié Altobelli, C. (2017), S. 102 f.; Auf die “ich weiß nicht” – Kategorie wurde bewusst verzichtet, um Bequemlichkeitsantworten zu verhindern und die Teilnehmer zu einer klaren Aussage zu bewegen. Dabei wird das Risiko eines willkürlichen Antwortverhaltens akzeptiert, da die Umfrage kein spezielles Vorwissen benötigt und den Teilnehmern eine Meinung zum Forschungsgegenstand unterstellt werden kann.

  20. 20.

    Vgl. Tabachnick, B.G. et al. (2019), S. 62 ff; Hair, J.F. et al. (2017), S. 49.

  21. 21.

    Vgl. Hair, J.F. et al. (2017), S. 48 f.

  22. 22.

    Vgl. Rammstedt, B. et al. (2012), S. 8.

  23. 23.

    Vgl. Groß, M. (2017), S. 169.

  24. 24.

    Eine weiteres Kriterium ist die Prüfung auf eine mögliche Schweigeverzerrung („Non-Response-Bias“) vgl. Weiber, R. / Mühlhaus, D. (2014), S. 376 f.; dies kann im Rahmen dieser Arbeit nicht angewendet werden, da es auf dem Vergleich der Mittelwerte von frühen und späten Befragungsteilnehmern beruht. Diese sind hier allerdings als von vornherein “verzerrt” anzunehmen, da zur Quotenerfüllung (Nutzer/Nicht-Nutzer von DPVU) vor allem am Ende der Befragung übermäßig viele Nutzer an der Befragung teilnahmen.

  25. 25.

    Vgl. Hair, J.F. et al. (2010), S. 74.

  26. 26.

    Vgl. Temme, D. / Hildebrandt, L. (2009), S. 166.

  27. 27.

    Vgl. West, S.G. et al. (1995), S. 74; Weiber, R. / Mühlhaus, D. (2014), S. 180 f.

  28. 28.

    Vgl. Temme, D. et al. (2009), S. 123 f.

  29. 29.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 355.

  30. 30.

    Vgl. Jarvis, C.B. et al. (2003), S. 199 ff.

  31. 31.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 359 f; Groß, M. (2017), S. 172.

  32. 32.

    Vgl. Podsakoff, P.M. et al. (2003), S. 889; Weiber, R. / Mühlhaus, D. (2014), S. 360.

  33. 33.

    Zur kritischen Auseinandersetzung mit diesem Test und weiteren Testverfahren, die im Rahmen dieser Arbeit aufgrund fehlender Voraussetzungen nicht umsetzbar sind, siehe Weiber, R. / Mühlhaus, D. (2014), S. 360 ff.

  34. 34.

    Vgl. Schnell, R. et al. (2013), S. 296 f.

  35. 35.

    Vgl. Autorengruppe Bildungsberichterstattung (2018), S. 127 f.; Destatis.de (2021). Auf den Vergleich der Berufsgruppen wird aufgrund fehlender geeigneter Daten für die Grundgesamtheit an dieser Stelle verzichtet.

  36. 36.

    Die Effektstärke wird mit dem Korrelationskoeffizienten r berechnet, der angibt, wie stark der Effekt des Unterschiedes ist, der nachgewiesen wurde, vgl dazu Cohen, J. (1988), S. 79-80; die Effektstärken mit folgenden Werten für r: klein ab 0,1, mittel ab 0,3 und stark ab 0,5.

  37. 37.

    Vgl. Gatignon, H. / Robertson, T.S. (1985), S. 864; Kornmeier, K. (2009), S. 219.

  38. 38.

    Angaben zur Abbildung: Vergleichswerte auf Mittelwertbasis; Datenbasis n = 907

  39. 39.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 7 f.

  40. 40.

    Vgl. Groß, M. (2017), S. 133, hier werden die logistische oder multiple Regression als Beispiele für Verfahren der ersten Generation genannt; Weiber, R. / Mühlhaus, D. (2014), S. 24.

  41. 41.

    Vgl. Fantapié Altobelli, C. (2017), S. 37 zu den Bedingungen und Aspekten des Kausalitätsbegriffs im sozialwissenschaftlichen (nicht! naturwissenschaftlichen) Sinne.

  42. 42.

    Vgl. Becker, F. (2016), S. 136; Hair, J.F. et al. (2017), S. 27.

  43. 43.

    Vgl. Fantapié Altobelli, C. (2017), S. 300.

  44. 44.

    Vgl. Fazel, L. (2014), S. 185 f.

  45. 45.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 45.

  46. 46.

    Vgl. Fantapié Altobelli, C. (2017), S. 301.

  47. 47.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 46.

  48. 48.

    Weiber, R. / Mühlhaus, D. (2014), S. 42.

  49. 49.

    Vgl. Töpfer, A. (2012), S. 288.

  50. 50.

    Vgl. Fantapié Altobelli, C. (2017), S. 96 ff.

  51. 51.

    Vgl. in Anlehnung an Fazel, L. (2014), S. 246.

  52. 52.

    Vgl. Churchill, G.A.Jr. (1979), S. 65 f.; Fantapié Altobelli, C. (2017), S. 98 f.

  53. 53.

    Vgl. Berekoven, L. et al. (2009), S. 83.

  54. 54.

    Vgl. Töpfer, A. (2012), S. 291 f.

  55. 55.

    Vgl. Hair, J.F. et al. (2017), S. 96.

  56. 56.

    Vgl. Töpfer, A. (2012), S. 292; Hair, J.F. et al. (2017), S. 96 f.; Weiber, R. / Mühlhaus, D. (2014), S. 136 f.

  57. 57.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 142.

  58. 58.

    Vgl. Becker, F. (2016), S. 140.

  59. 59.

    Vgl. Hair, J.F. et al. (2017), S. 97.

  60. 60.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 139; Töpfer, A. (2012), S. 292.

  61. 61.

    Vgl. Fantapié Altobelli, C. (2017), S. 96.

  62. 62.

    Vgl. Töpfer, A. (2012), S. 293.

  63. 63.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 143; Becker, F. (2016), S. 140.

  64. 64.

    Vgl. Hair, J.F. et al. (2017), S. 97 f.

  65. 65.

    Vgl. Hair, J.F. et al. (2017), S. 98 f.

  66. 66.

    Vgl. Hair, J.F. et al. (2017), S. 273.

  67. 67.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 155.

  68. 68.

    Vgl. Hair, J.F. et al. (2017), S. 99.

  69. 69.

    Vgl. Hair, J.F. et al. (2017), S. 100 ff.

  70. 70.

    Vgl. Henseler, J. et al. (2015), S. 121 ff.

  71. 71.

    Vgl. Hair, J.F. et al. (2017), S. 102 ff.

  72. 72.

    Vgl. Diamantopoulos, A. / Winklhofer, H.M. (2001), S. 271 f.

  73. 73.

    Vgl. Hair, J.F. et al. (2017), S. 120 ff, die hier vorgeschlagene Überprüfung der Konvergenzvalidität anhand der Korrelation der formativ spezifizierten Konstrukte mit einer reflektiven Messung desselben Konstruktes kann nicht durchgeführt werden, da im Rahmen dieser Arbeit keine reflektive Indikatorvariable berücksichtigt wurde, mit der eine Redundanzanalyse umgesetzt werden könnte.

  74. 74.

    Vgl. Hair, J.F. et al. (2017), S. 278 f.

  75. 75.

    Vgl. Diamantopoulos, A. / Winklhofer, H.M. (2001), S. 273 ff.

  76. 76.

    Vgl. Hair, J.F. et al. (2017), S. 131.

  77. 77.

    Vgl. Schloderer, M.P. et al. (2009), S. 582 f.; Hair, J.F. et al. (2017), S. 127 ff.

  78. 78.

    Vgl. Groß, M. (2017), S. 130 f.

  79. 79.

    Vgl. Hair, J.F. et al. (2017), S. 127 ff.

  80. 80.

    Vgl. Hair, J.F. et al. (2017), S. 131.

  81. 81.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 24 f.

  82. 82.

    Vgl. Herrmann, A. et al. (2006), S. 37; Töpfer, A. (2012), S. 302.

  83. 83.

    Vgl. Fazel, L. (2014), S. 197.

  84. 84.

    Vgl. Herrmann, A. et al. (2006), S. 38; für eine weiterführende Betrachtung hinsichtlich der konkreten Berechnungen sei auf bspw. Weiber, R. / Mühlhaus, D. (2014), S. 67 ff. verwiesen.

  85. 85.

    Vgl. Groß, M. (2017), S. 134 f; Bliemel, F.W. et al. (2005), S. 11.

  86. 86.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 73 f.

  87. 87.

    Vgl. Hair, J.F. et al. (2011), S. 144; Herrmann, A. et al. (2006), S. 45; Weiber, R. / Mühlhaus, D. (2014), S. 78.

  88. 88.

    Vgl. Töpfer, A. (2012), S. 304; allerdings sollte die Anzahl aus theoretischer und forschungsökonomischer Hinsicht nicht zu groß sein, siehe auch Hair, J.F. et al. (2017), S. 128 f.

  89. 89.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 76.

  90. 90.

    Vgl. Hair, J.F. et al. (2017), S. 19.

  91. 91.

    Vgl. Chin, W.W. (2010), S. 661.

  92. 92.

    Vgl. Töpfer, A. (2012), S. 303 f.

  93. 93.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 78; Groß, M. (2017), S. 136. Dieser Effekt beschreibt die Verbesserung der Konsistenz und Güte varianzbasierter Modellbildungen bei hoher Indikatorenzahl und hoher Grundgesamtheit. Demnach nähern sich die über die Modellbildung generierten Schätzwerte (Expected Values) zunehmend den wahren Werten (True Values) an.

  94. 94.

    Ringle, C.M. et al. (2015); Die hier verwendeten Verfahren werden gemäß der Empfehlungsvorgaben von Hair, J.F. et al. (2017) im Programm (Grundeinstellungen) gewählt.

  95. 95.

    Vgl. Hair, J.F. et al. (2017), S. 164 ff; Fazel, L. (2014), S. 264.

  96. 96.

    Falls VIF > 5 wird die Elimination des Konstruktes, Zusammenfassung verschiedener Konstrukte oder die Entwicklung von Konstrukten höherer Ordnung empfohlen. Vgl. Hair, J.F. et al. (2017), S. 167 f.

  97. 97.

    Vgl. Hair, J.F. et al. (2017), S. 169 f.

  98. 98.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 327; Henseler, J. et al. (2009), S. 303 f.

  99. 99.

    Vgl. Hair, J.F. et al. (2017), S. 272.

  100. 100.

    Vgl. Prein, J. (2011), S. 139; Weiber, R. / Mühlhaus, D. (2014), S. 327.

  101. 101.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 328.

  102. 102.

    Vgl. Hair, J.F. et al. (2017), S. 171.

  103. 103.

    Vgl. Henseler, J. et al. (2009), S. 303.

  104. 104.

    Vgl. Henseler, J. et al. (2009), S. 303 f; Weiber, R. / Mühlhaus, D. (2014), S. 329.

  105. 105.

    Vgl. Herrmann, A. et al. (2006), S. 58.

  106. 106.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 329 f.; Hair, J.F. et al. (2017), S. 174 ff., bzgl. des Blindfolding sollten folgende Faustregeln eingehalten werden: bei der Auslassungsdistanz der Datenpunkte sollte die Division der Stichprobengröße durch die Auslassungsdistanz keine ganze Zahl ergeben – die Auslassungsdistanz sollte zwischen fünf und 10 gewählt werden.

  107. 107.

    Vgl. Hair, J.F. et al. (2017), S. 164, 179 wird keine Goodness-Fit-Prüfung (wie bei kovarianzanalytischen Verfahren) durchgeführt. Demnach erfolgt keine Beurteilung des Gesamtmodells mithilfe eines (globalen) Maßes, weil die dafür vorliegenden PLS-SEM-basierten Gütemaße (z. B. SRMR-Index) noch in einer frühen Entwicklungsphase sind.

  108. 108.

    Vgl. Hair, J.F. et al. (2017), S. 247.

  109. 109.

    Vgl. Groß, M. (2017), S. 138.

  110. 110.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 286.

  111. 111.

    Vgl. Hair, J.F. et al. (2017), S. 246 ff.

  112. 112.

    Vgl. Hair, J.F. et al. (2017), S. 283, für eine Auflistung der Multigruppen-Analyse-Ansätze s. S. 249.

  113. 113.

    Vgl. Henseler, J. et al. (2009), S. 308 f.

  114. 114.

    Vgl. Hair, J.F. et al. (2017), S. 249, die PLS-MGA umfasst eine große Anzahl an paarweisen Gruppenvergleichen (bei 5000 Bootstrap-Subsamples 25.000.000 Vergleiche für jeden Parameter).

  115. 115.

    Vgl. Henseler, J. (2012), S. 3 f.; Groß, M. (2017), S. 140.

  116. 116.

    Vgl. Henseler, J. (2012), S. 499 f.

  117. 117.

    Vgl. Hair, J.F. et al. (2017), S. 234 ff.; Groß, M. (2017), S. 145.

  118. 118.

    Vgl. Drabe, D. (2015), S. 227 f.

  119. 119.

    Vgl. Hair, J.F. et al. (2017), S. 235.

  120. 120.

    Vgl. Groß, M. (2017), S. 145; Hair, J.F. et al. (2017), S. 236.

  121. 121.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 132.

  122. 122.

    Der Indikator ERLEB_7 wurde trotz akzeptabler Werte aus der weitergehenden Analyse ausgeschlossen, da er zu einem bedenklichen Ausmaß an Multikollinearität bei dem Konstrukt „Erlebnisorientierung“ beitrug – die Entfernung hat keine Auswirkungen auf die Messung des formativen Gesamtkonstrukts, da die verbleibenden Indikatoren den Inhalt ausreichend abbilden, vgl. Tabelle 5.10.

  123. 123.

    Vgl. Ringle, C.M. et al. (2012), S. 5; Becker, J.-M. et al. (2012), S. 361; Hair, J.F. et al. (2017), S. 240 f. Zudem haben die Autoren auch noch eine Erweiterung des Repeated-Indicator-Ansatzes entwickelt, den Extended-Repeated-Indicator-Ansatz, dessen Anwendung aber auch v.a. bei weiteren, dem Konstrukt zweiter Ordnung vorgelagerten Variablen empfohlen wird. Vgl. dazu Sarstedt, M. et al. (2019).

  124. 124.

    Vgl. Becker, J.-M. et al. (2012), S. 376.

  125. 125.

    Vgl. Hair, J.F. et al. (2017), S. 240 f.; zudem konnte der ebenfalls von Giere, J. et al. (2006), S. 688 f. vorgeschlagene Faktorwert-basierte Ansatz (ähnlich dem Two-Stage-Ansatz; empfohlen, wenn sich die Indikatorenanzahl der Konstrukte erster Ordnung unterscheiden) keine anderen Parameterschätzergebnisse hervorrufen als der Repeated-Indicator-Ansatz.

  126. 126.

    Vgl. Becker, J.-M. et al. (2012), S. 365.

  127. 127.

    Vgl. Hair, J.F. et al. (2017), S. 240.

  128. 128.

    Vgl. Hair, J.F. et al. (2011), S. 146.

  129. 129.

    Vgl. Herrmann, A. et al. (2006), S. 58; Hair, J.F. et al. (2017), S. 189.

  130. 130.

    Vgl. dazu Hair, J.F. et al. (2017), S. 240; in formativ-formativen HCM-Designs wird die fast die gesamte Varianz des Konstrukts höherer Ordnung durch die Konstrukte niedrigerer Ordnung erklärt.

  131. 131.

    Vgl. Weiber, R. / Mühlhaus, D. (2014), S. 161 ff.

  132. 132.

    Vgl. Kornmeier, K. (2009), S. 257 mit einer ähnlichen Argumentation im Kontext von mobilen Zahlungssystemen.

  133. 133.

    Vgl. Hair, J.F. et al. (2017), S. 170; von einem mediierenden Effekt wird gesprochen, wenn eine dritte Variable in den bestehenden Zusammenhang zwischen einer unabhängigen und abhängigen Variablen geschaltet wird, vgl. Schloderer, M.P. et al. (2009), S. 592.

  134. 134.

    Die Konstrukte Vertrauen und Preis-Leistungs-Verhältnis haben in der Modellberechnung einen vergleichsweise geringen Einfluss auf die Bildung der wahrgenommenen Dienstleistungsqualität von DPVU, die Indikatoren allerdings weisen eine hohe Bedeutung auf. Dies kann damit zusammenhängen, dass die Konstrukte mit jeweils zwei Indikatoren gebildet wurden, wohingegen zum Beispiel die Familiarität mit fünf Indikatoren in die Modellbildung eingeht. Dies kann zu Verzerrungen bei der Bildung der HCM führen, die aber aufgrund der Vielzahl der formativen Indikatoren wenig Gewicht haben sollten, vgl. dazu auch Hair, J.F. et al. (2017), S. 242.

  135. 135.

    Siehe Anhang C im elektronischen Zusatzmaterial.

  136. 136.

    Vgl. Hair, J.F. et al. (2017), S. 249 f.; Groß, M. (2017), S. 195.

  137. 137.

    Vgl. Fazel, L. (2014), S. 275 f.

  138. 138.

    Zur Analyse des Moderators „Einkommen“ wurde mittels Median-Split vorgegangen. Der Median liegt hier bei 3 (2001 – 3000 Euro).

  139. 139.

    Vgl. Rammstedt, B. et al. (2012), S. 8 ff.

  140. 140.

    Zur Diskussion der Eignung von Skalen mit nur zwei Items und der besseren Eignung von Spearman-Brown im Vergleich zu Cronbachs Alpha zur Reliabilitätsmessung siehe Eisinga, R. et al. (2013), S. 637 ff.

  141. 141.

    Vgl. Rammstedt, B. et al. (2012), S. 21.

  142. 142.

    Vgl. Bruhn, M. (2018), S. 36 ff.

  143. 143.

    Die Datengrundlage der jeweiligen IPMA-Matrizen befindet sich in tabellarischer Form im Anhang E im elektronischen Zusatzmaterial.

  144. 144.

    Vgl. Martilla, J.A. / James, J.C. (1977), S. 78 f.; Matzler, K. et al. (2004), S. 272; Groß, M. (2017), S. 214.

  145. 145.

    Vgl. Matzler, K. et al. (2004), S. 272.

  146. 146.

    Vgl. Drabe, D. (2015), S. 231.

  147. 147.

    Vgl. Groß, M. (2017), S. 214.

  148. 148.

    Vgl. Becker, F. (2016), S. 183 f.

  149. 149.

    Vgl. Bruhn, M. (2018), S. 34 f.

  150. 150.

    Vgl. Hudson, S. (2017), S. 471.

  151. 151.

    Vgl. Bruhn, M. (2018), S. 36 f.

  152. 152.

    Vgl. Trommsdorff, V. / Teichert, T. (2011), S. 33.

Author information

Authors and Affiliations

  1. Hamburg, Deutschland

    Jennifer M. Schietzel-Kalkbrenner

Authors
  1. Jennifer M. Schietzel-Kalkbrenner
    View author publications

    You can also search for this author in PubMed Google Scholar

5.1 Elektronisches Zusatzmaterial

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Schietzel-Kalkbrenner, J.M. (2022). Empirische Analyse zur Akzeptanz von Privatunterkunftsvermittlern. In: Die Sharing Economy im Tourismus. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-37629-1_5

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-37629-1_5

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-37628-4

  • Online ISBN: 978-3-658-37629-1

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation