Zusammenfassung
Wie durch die bisherigen Ausführungen deutlich geworden ist, scheint innerhalb der Forschung zur internationalen Marketingstandardisierung bzw. -differenzierung bislang kein Beitrag zu existieren, der den Fit-Ansatz und eine normative Theorie kombiniert, um – basierend auf einer expliziten Definition von Erfolg – eine situationsspezifisch erfolgreiche Marketingstandardisierung bzw. -differenzierung systematisch herzuleiten. Unter Fokussierung auf die internationale Produktstrategie und den ausländischen Produktgewinn von Unternehmen sollte diese Forschungslücke in Kapitel 3 geschlossen werden. Hierzu wurde ein theoretisches Modell entwickelt, das situationsspezifische Gestaltungsempfehlungen hinsichtlich einer produktgewinnmaximierenden internationalen Produktstandardisierung bzw. -differenzierung ermöglicht. Damit diese Gestaltungsempfehlungen nicht nur theoretisch, sondern auch empirisch fundiert sind, werde ich das entwickelte Modell im vorliegenden Kapitel einer empirischen Überprüfung unterziehen. Konkret verfolge ich mit der empirischen Untersuchung drei Hauptziele:
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
Notes
- 1.
Vgl. hierzu erneut die Ausführungen in Kapitel 2 und dabei insbesondere Abbildung 11 in Abschnitt 2.4.2 sowie Anhang 5.
- 2.
- 3.
Vgl. in diesem Zusammenhang insbesondere zur Klein- bzw. Großländerproblematik – wenn auch in einem anderen Kontext – Kutschker & Schmid (2011), S. 281. Vgl. ferner zum Country-of-Origin-Effekt z.B. Verlegh & Steenkamp (1999), Zentes et al. (2004), S. 14-15, Zentes et al. (2010), S. 50 und S. 380-381, sowie Mai (2011).
- 4.
Vgl. zum Erhebungszeitraum sowie zur Stichprobengröße Abschnitt 4.3.
- 5.
Vgl. zu einer Unterscheidung zwischen latenten Variablen (synonym: hypothetischen Konstrukten) und manifesten Variablen z.B. Backhaus et al. (2011a), S. 517-521.
- 6.
Vgl. zur Faktorenanalyse z.B. Hüttner & Schwarting (2008), S. 241-270, Backhaus et al. (2011a), S. 329-393, sowie Backhaus et al. (2011b), S. 117-168.
- 7.
Vgl. zur Regressionsanalyse z.B. Backhaus et al. (2011a), S. 55-118.
- 8.
Vgl. in diesem Zusammenhang zu so genannten „MIMIC-Modellen“ z.B. Jöreskog & Goldberger (1975) sowie Bohrnstedt (1977).
- 9.
Vgl. zur grundsätzlichen Problematik von Datenverzerrungen auch die Ausführungen in Abschnitt 4.4.2.3.
- 10.
Vgl. in diesem Zusammenhang auch die Ausführungen in Abschnitt 4.4.2.3.
- 11.
Vgl. zur Validität sowie zu weiteren Gütekriterien in der sozialwissenschaftlichen Forschung erneut Bortz & Döring (2006), S. 195-202.
- 12.
An dem Pre-Test beteiligten sich acht Personen aus der Wissenschaft und zehn Personen aus der Unternehmenspraxis. Unter den Praxisvertretern befanden sich zwei Unternehmensberater, drei Manager aus der Pflege- und Reinigungsmittelindustrie, drei Manager aus der Nahrungs- und Genussmittelindustrie sowie zwei Manager aus anderen Industrien. Auf die Erkenntnisse aus dem Pre-Test werde ich im Laufe dieses Abschnitts an entsprechender Stelle eingehen.
- 13.
Vgl. zum Zusammenhang zwischen Befragungsdauer und Rücklaufquote z.B. Dillman et al. (1993), Biner & Kidd (1994) sowie Smith et al. (2003).
- 14.
Fehlervariable stellen Platzhalter für nicht durch ein Modell erfasste Einflussgrößen dar. Diese Einflussgrößen können entweder auf der Ebene der Messvariablen (in Form von Messfehlern) oder auf der Ebene der Modellvariablen (in Form unberücksichtigter Einflüsse auf die abhängige Variable) angesiedelt sein. Vgl. hierzu z.B. Weiber & Mühlhaus (2010), S. 8 und S. 44-45.
- 15.
Vgl. hierzu erneut die Ausführungen in Abschnitt 4.2.3. Als faktorenanalytische Extraktionsmethode wird im Rahmen des varianzanalytischen Ansatzes das Hauptkomponentenverfahren verwendet. Die entsprechenden Berechnungen stellen damit keine Faktorenanalysen i.e.S., sondern auf Linearkombinationen beruhende Hauptkomponentenanalysen dar. Vgl. hierzu Scholderer & Balderjahn (2006), S. 59-60. Vgl. zu einer Unterscheidung zwischen Faktorenanalysen i.e.S. (die auf dem Hauptachsenverfahren basieren) und Hauptkomponentenanalysen auch Backhaus et al. (2011a), S. 355-357.
- 16.
Vgl. zum Zusammenhang zwischen Befragungsdauer und Rücklaufquote erneut Dillman et al. (1993), Biner & Kidd (1994) sowie Smith et al. (2003).
- 17.
Vgl. zu einer ähnlichen Kombination mehrerer Fit-Konzeptualisierungen innerhalb ein und derselben empirischen Untersuchung Xu et al. (2006).
- 18.
Vgl. zur Industrie-/Branchen- und Unternehmenskultur internationaler Unternehmen z.B. Schmid (1996), S. 115-227, sowie Kutschker & Schmid (2011), S. 679, S. 686-701 und S. 809-810.
- 19.
Der Eigenwert eines Faktors gibt an, welche Bedeutung dieser Faktor für die Erklärung der Varianz aller betrachteten Variablen einnimmt. Vgl. hierzu z.B. Hüttner & Schwarting (2008), S. 253-254, sowie Backhaus et al. (2011a), S. 339, S. 359 und S. 390-391.
- 20.
Der MSA-Wert (= Measure of Sampling Adequacy) gibt an, zu welchem Grad eine Indikatorvariable mit den übrigen Indikatorvariablen desselben Konstrukts „zusammenhängt“. Vgl. hierzu z.B. Backhaus et al. (2011a), S. 342-343.
- 21.
Die Inter-Item-Korrelation bezeichnet im gegebenen Kontext die durchschnittliche Korrelation zwischen allen Indikatorvariablen eines Konstrukts. Vgl. hierzu z.B. Weiber & Mühlhaus (2010), S. 111-112.
- 22.
Die Item-to-Total-Korrelation bezeichnet die Korrelation einer Indikatorvariablen mit der Summe der Indikatorvariablen des jeweiligen Konstrukts. Bei der korrigierten Item-to-Total-Korrelation wird dieser Wert um die Selbstkorrelation der entsprechenden Indikatorvariablen bereinigt. Vgl. hierzu z.B. Weiber & Mühlhaus (2010), S. 112.
- 23.
Cronbachs Alpha (synonym: Coefficient Alpha) misst – basierend auf zufälligen Stichprobenteilungen und Inter-Korrelationsanalysen – die interne Konsistenz eines Konstrukts. Vgl. hierzu z.B. Cronbach (1951) sowie Weiber & Mühlhaus (2010), S. 110-111.
- 24.
Vgl. zum Hauptachsenverfahren – auch in Abgrenzung zum Hauptkomponentenverfahren – erneut Backhaus et al. (2011a), S. 355-357.
- 25.
Die schiefwinklige Promax-Rotation zeichnet sich – z.B. im Gegensatz zur rechtwinkligen Varimax-Rotation – dadurch aus, dass die extrahierten Faktoren nicht unkorreliert sein müssen. Vgl. hierzu z.B. Weiber & Mühlhaus (2010), S. 107-108, sowie Backhaus et al. (2011a), S. 362-364.
- 26.
Zudem zeigt die Anwendung des Fornell/Larcker-Kriteriums, dass im vorliegenden Fall von einer ausreichenden Konvergenz- und Diskriminanzvalidität ausgegangen werden kann. Vgl. zum Fornell/Larcker-Kriterium Fornell & Larcker (1981), S. 45-46, sowie zur Konvergenz- und Diskriminanzvalidität Weiber & Mühlhaus (2010), S. 132-137.
- 27.
Der VIF-Wert (= Variance Inflation Factor) misst im gegebenen Kontext den Grad der Multikollinearität zwischen den Indikatorvariablen eines Konstrukts. Vgl. hierzu z.B. Backhaus et al. (2011a), S. 93-96, sowie Weiber & Mühlhaus (2010), S. 207-208.
- 28.
Vgl. zu einem ähnlichen Vorgehen erneut Xu et al. (2006).
- 29.
Die Effektstärke gibt an, wie stark der Effekt ist, den eine bestimmte Variable auf eine andere Variable ausübt. Konkret wird dabei gemessen, wie stark sich das Bestimmtheitsmaß für eine endogene Variable reduziert, wenn die betreffende exogene Variable aus dem Modell entfernt wird. Vgl. hierzu z.B. Chin (1998), S. 316, sowie Weiber & Mühlhaus (2010), S. 257.
- 30.
Das Bestimmtheitsmaß misst die Güte der Anpassung einer Regressionsfunktion an die empirischen Daten und gibt im vorliegenden Kontext den Anteil der erklärten Varianz an der Gesamtvarianz einer endogenen Variablen an. Beim korrigierten Bestimmtheitsmaß wird dieser Anteil um die Stichprobengröße und die Anzahl an Einflussvariablen bereinigt, so dass die Werte für unterschiedliche Stichproben und Modelle sinnvoll miteinander vergleichbar sind. Vgl. hierzu z.B. Chin (1998), S. 323, Weiber & Mühlhaus (2010), S. 256-257, sowie Backhaus et al. (2011a), S. 72-76.
- 31.
Der Standardfehler misst die durchschnittliche Abweichung eines geschätzten Pfadkoeffizienten vom wahren Wert des Pfadkoeffizienten. Auf diese Weise gibt der Standardfehler Auskunft über die Genauigkeit der Schätzung. Vgl. hierzu z.B. Backhaus et al. (2011a), S. 80.
- 32.
Auf einige dieser „Kontrollvariablen“ werde ich weiter unten noch zu sprechen kommen.
- 33.
Die Prognosegüte (auch „Stone-Geisser-Kriterium“) eines Modells in Bezug auf eine endogene Modellvariable gibt an, ob das Modell die Ausgangsdaten der endogenen Modellvariablen besser, genauso gut oder schlechter prognostizieren kann als eine Schätzung über Mittelwerte. Vgl. hierzu z.B. Stone (1974), Geisser (1975) sowie Weiber & Mühlhaus (2010), S. 257-258.
- 34.
Im Falle der Modifikationskosten erfolgt die Stichprobenteilung auf Basis der arithmetischen Mittel aller acht Indikatorvariablen des formativen Konstrukts.
- 35.
Vgl. zu einem ähnlichen Vorgehen erneut Xu et al. (2006).
- 36.
Eine Moderationsanalyse auf Basis der am Ende jeder Fragebogen-Seite erhobenen „Antwortsicherheit“ (vgl. Abschnitt 4.3.1.2) führt zu keinen zusätzlich signifikanten Ergebnissen im Hinblick auf die Hypothesen 1 bis 4.
- 37.
Vgl. zu verschiedenen Rollen und Aufgaben ausländischer Tochtergesellschaften z.B. Bartlett & Ghoshal (1986), Gupta & Govindarajan (1991), Ferdows (1997) sowie zusammenfassend und teilweise kritisch Schmid et al. (1998) sowie Kutschker & Schmid (2011), S. 340-365.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2012 Gabler Verlag | Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kotulla, T. (2012). Empirische Untersuchung. In: Strategien der internationalen Produktstandardisierung und -differenzierung. mir-Edition. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-8349-4438-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-8349-4438-2_4
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-8349-4437-5
Online ISBN: 978-3-8349-4438-2
eBook Packages: Business and Economics (German Language)