Advertisement

Empirische Untersuchung von Markenimagekonfusion

Auszug

Zielsetzung des folgenden Kapitels ist es, die auf Basis theoretischer Überlegungen abgeleiteten Untersuchungshypothesen empirisch zu überprüfen. Die Empirie kann in diesem Sinne als jenes Glied einer Untersuchung verstanden werden, das auf der Suche nach wissenschaftlicher Erkenntnis die Theorie mit der objektiven Realität verbindet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Bibliography

  1. 532.
    Die Wahl der für die empirische Untersuchung zu Grunde gelegten Situation stellt dabei allerdings immer nur einen Ausschnitt der objektiven Realität dar. Vgl. Mayntz, R. / Holm, K. / Hübner, P. (1978): Einführung in die Methoden der empirischen Soziologie, 5. Aufl., Opladen, S. 30; Hahn, E. (1968): Historischer Materialismus und marxistische Soziologie: Studien zu methodologischen und erkenntnistheoretischen Grundlagen der soziologischen Forschung, Berlin, S. 163 ff.Google Scholar
  2. 534.
    Vgl. Homburg, C. / Krohmer, H. (2003): Marketingmanagement: Strategie, Instrumente, Umsetzung, Unternehmensführung, Wiesbaden, S. 187 ff.Google Scholar
  3. 536.
    Damit wurde dem Vorschlag von Rohrmann gefolgt, der bei einer Befragung von nicht ausschließlich akademischen Probanden für Rating-Skalen mit fünf Skaleneinheiten plädiert; vgl. Rohrmann, B. (1978): Empirische Studien zur Entwicklung von Antwortskalen für die sozialwissenschaftliche Forschung, in: Zeitschrift für Sozialpsychologie, Bd. 9, S. 222–245.Google Scholar
  4. 537.
    Als Anreiz zur Teilnahme wurde die Befragung mit einem Gewinnspiel verknüpft. Der erste Preis bestand aus einem langen Wochenende für 2 Personen in Paris mit Unterbringung in einem 4-Sterne-Hotel, inklusive Flug. Als 2.-10. Preis wurden hochwertige Edelstahltöpfe verlost. 538 Gruppenunterschiede wurden auf Basis des Chi-Quadrat-Tests nach Pearson überprüft. Sämtliche Chi-Quadrat-Werte waren höchst unsignifikant (p > 0,05). Zum Testverfahren vgl. Janßen, J. / Laatz, W. (2005): Statistische Datenanalyse mit SPSS für Windows: eine anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests, 5. Aufl., Berlin [u.a.], S. 254 ff.Google Scholar
  5. 539.
    Vgl. Edwards, J. R. / Bagozzi, R. P. (2000): On the Nature and Direction of Relationships between Constructs and Measures, in: Psychological Methods, Bd. 5, Nr. 2, S. 155–174, S. 156.CrossRefGoogle Scholar
  6. 541.
    Vgl. Böhler, H. (2004): Marktforschung, 3. Aufl., Stuttgart, S. 111; Homburg, C. / Giering, A. (1996) a.a.O., S. 6; Lamnek, S. (1980): Sozialwissenschaftliche Arbeitsmethoden, Weinheim [u.a.], S. 110.Google Scholar
  7. 542.
    Vgl. Lienert, G. A. / Raatz, U. (1998): Testaufbau und Testanalyse, 6. Aufl., Weinheim, S. 9.Google Scholar
  8. 544.
    Vgl. Churchill, G. A. (1979): A Paradigm for Developing Better Measures of Marketing Constructs, in: Journal of Marketing Research, Bd. 16, Nr. 1, S. 64–73, S. 65; Peter, J. / Churchill, G. (1986): Relationships among Research Design Choices and Psychometric Properties of Rating Scales: A Meta-Analysis, in: Journal of Marketing Research, Bd. 23, S. 1–10, S. 4.CrossRefGoogle Scholar
  9. 545.
    Vgl. Heeler, R. M. / Ray, M. L. (1972): Measure validation in marketing, in: Journal of Marketing Research, Bd. 9, Nr. 4, S. 361–370, S. 361.CrossRefGoogle Scholar
  10. 547.
    Vgl. Peter, J. (1979): Reliability: A Review of Psychometric Basics and Recent Marketing Practices, in: Journal of Marketing Research, Bd. 16, S. 6–17, S. 6.CrossRefGoogle Scholar
  11. 548.
    Vgl. 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, Bd. 58, S. 2–33, S. 2 ff.; 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, Bd. 30, S. 199–218, S. 200; Homburg, C. / Giering, A. (1996) a.a.O., S. 6.Google Scholar
  12. 549.
    Bollen/Lennox sprechen in diesem Zusammenhang auch von „cause indicators“; vgl. Bollen, K. / Lennox, R. (1991): Conventional Wisdom on Measurement: A structural Equation Perspective, in: Psychological Bulletin, Bd. 110, Nr. 2, S. 305–314, S. 306.CrossRefGoogle Scholar
  13. 552.
    Vgl. Eggert, A. / Fassott, G. (2003): Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen, in: Kaiserslauterer Schriftenreihe Marketing. Nr. 20, S. 1–24, S. 4.Google Scholar
  14. 554.
    Vgl. Gefen, D. / Straub, D. / Boudreau, M. (2000): Structural Equation Modeling and Regression: Guidelines for Research Practice, in: Communications of the Association for Information Systems, Bd. 5, S. 1–79, S. 4.Google Scholar
  15. 555.
    Als Randnotiz sei kurz erwähnt, dass das Kausalitätsprinzip durch den Empirismus, verwiesen sei hier insbesondere auf den Begründer David Hume (Hume, D. (1748): An enquiry concerning human understanding: a critical edition, Oxford), stark in die Kritik geraten ist. Trotzdem hat der Kausalitätsbegriff in Wissenschaft und Philosophie aber keinen Bedeutungsverlust erfahren. Als epistemologisches Konstrukt ist das Kausalitätsprinzip nach wie vor von herausragender Bedeutung. „Gäbe es nicht faktische Kausalität, wäre unser technischer Handlungserfolg ein reines Wunder und jede technische Planung ein völlig irrationales Verhalten“, (Heidelberger, M. (1992): Kausalität. Eine Problemübersicht, in: Neue Hefte für Philosophie 32/33, Göttingen, S. 137). Allerdings hat der Kausalitätsbegriff insofern eine Wandlung erfahren, als dass Kausalität weniger deterministisch verstanden wird. Vgl. ausführlich zum Kausalitätsbegriff bspw. Wuketits, F. M. (1980): Kausalitätsbegriff und Evolutionstheorie: die Entwicklung des Kausalitätsbegriffes im Rahmen des Evolutionsgedankens, Berlin.Google Scholar
  16. 556.
    Vgl. Herrmann, A. / Huber, F. / Kressmann, F. (2006): Varianz-und kovarianzbasierte Strukturgleichungsmodelle — Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung, in: Zeitschrit für die betriebswirtschaftliche Forschung, Bd. 58, S. 34–66, S. 34 ff.Google Scholar
  17. 558.
    Vgl. Götz, O. / Liehr-gobbers, K. (2004): Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen, in: Krafft, M. (Hrsg.), Arbeitspapiere des Instituts für Marketing: Marketing Centrum Münster, S. 1–32, S. 4.Google Scholar
  18. 559.
    Dies ist bei varianzbasierten Verfahren allenfalls mittels Hilfsprozeduren wie bspw. dem Jackknife Verfahren möglich; vgl. Herrmann, A. / Huber, F. / Kressmann, F. (2006) a.a.O., S. 55.Google Scholar
  19. 566.
    Vgl. Edwards, A. L. (1957): Techniques of attitude scale construction, New York.Google Scholar
  20. 567.
    Vgl. Schnell, R. / Hill, P. B. / Esser, E. (1999): Methoden der empirischen Sozialforschung, 6. Aufl., München [u.a.], S. 326.Google Scholar
  21. 570.
    Vgl. Hossinger, H. (1982): Pretests in der Marktforschung: die Validität von Pretestverfahren der Marktforschung unter besonderer Berücksichtigung der Tachistoskopie, Würzburg [u.a.], S. 21 f.; müller-hagedorn, L. (1993): Zur Validität von Conjoint-Analysen, in: Zeitschrift für die betriebswirtschaftliche Forschung, Bd. 45, Nr. 2, S. 123–148, S. 126.Google Scholar
  22. 571.
    Bagozzi, R. / Philipps, L. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, Bd. 27, S. 459–489, S. 468.CrossRefGoogle Scholar
  23. 573.
    Bagozzi, R. (1979): The Role of Measurement in Theory Construction and Hypothesis Testing: Toward a Holistic Model, in: Ferrell, O. / Brown, S. / Lamb, C. (Hrsg.), Conceptual and Theoretical Developments in Marketing, Chicago, S. 15–32, S. 14.Google Scholar
  24. 578.
    Zum Verfahren vgl. Cronbach, L. J. (1951): Coefficient Alpha and the Internal Structure of Test, in: Psychometrica, Bd. 16, Nr. 3, S. 297–334.CrossRefGoogle Scholar
  25. 579.
    Vgl. Malhotra, N. K. (1996): Marketing Research, 2. Aufl., Upper Sadle River, NJ, S. 305.Google Scholar
  26. 580.
    Vgl. Nunnally, J. C. (1978): Psychometric theory, 2. Aufl., New York, S. 245.Google Scholar
  27. 581.
    Zum Verfahren vgl. Homburg, C. / Pflesser, C. (2000): Strukturgleichungsmodelle mit latenten Variablen: Kausalanalyse, in: Herrmann, A. / Homburg, C. (Hrsg.), Marktforschung, Wiesbaden, S. 633–659.Google Scholar
  28. 583.
    Vgl. Gerbing, D. W. / Anderson, J. C. (1988): An Updated Paradigm for Scale Development Incorporating Unidimensionality and its Assessment, in: Journal of Marketing Research, Bd. 25, S. 186–192, S. 187 ff.CrossRefGoogle Scholar
  29. 584.
    Eine ausführliche Beschreibung des Programms findet sich bei Byrne, B. M. (2001): Structural Equation Modeling with AMOS, Basic Concepts, Applications, and Programming, New Jersey. Die übrigen statistischen Auswertungen erfolgen mittels der Software SPSS (Version 14.0). Für eine Beschreibung zu diesem Softwarepaket sei verwiesen auf Bühl, A. (2006): SPSS 14: Einführung in die moderne Datenanalyse, 10. Aufl., München [u.a.].Google Scholar
  30. 588.
    Vgl. Emrich, C. (2004): LISREL interaktiv: Einführung in die interaktive Modellierung komplexer Strukturgleichungsmodelle, Wiesbaden, S. 39.Google Scholar
  31. 589.
    Vgl. Homburg, C. / Baumgartner, H. (1995): Beurteilung von Kausalmodellen. Bestandsaufnahme und Anwendungsempfehlungen, in: Marketing — Zeitschrift für Forschung und Praxis, Bd. 17, Nr. 3, S. 162–176, S. 170.Google Scholar
  32. 590.
    Vgl. Bagozzi, R. / Yi, Y. (1988): On the Evaluation of Structural Equation Models, in: Journal of the Academy of Marketing Science, Bd. 16, Nr. 1, S. 74–94, S. 80.CrossRefGoogle Scholar
  33. 596.
    Vgl. hierzu ausführlich Fornell, C. / Larcker, D. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Errors, in: Journal of Marketing Research, Bd. 18, S. 39–50.CrossRefGoogle Scholar
  34. 603.
    Vgl. hierzu Bühl, A. / Zöfel, P. (2005): SPSS 12: Einführung in die moderne Datenanalyse unter Windows, 9. Aufl., München, S. 460 f.Google Scholar
  35. 605.
    Balderjahn führt in diesem Zusammenhang an, dass bei einem Stichprobenumfang von bereits über 400 Daten auch Indikatorreliabilitäten zwischen 0,2 und 0,4 vertretbar sind. Vgl. Balderjahn, I. (1986): Das umweltbewußte Konsumentenverhalten: eine empirische Studie, Berlin, S. 117.Google Scholar
  36. 606.
    Grundsätzlich spricht der niedrige erklärte Varianzanteil für eine mehrfaktorielle Struktur bei diesen Dimensionen. Nach Durchführung der explorativen Faktorenanalyse ist aber, wie gezeigt, nur ein Faktor mit einem Eigenwert größer eins extrahierbar. Im Schrifttum existieren zudem eine Reihe von publizierten Kausalmodellen, deren Konstruktdimensionen deutlich niedrigere erklärte Varianzen aufweisen. Vgl. hierzu bspw. Huber, F. / Herrmann, A. / Peter, S. (2003): Ein Ansatz zur Steuerung der Markenstärke, in: Zeitschrift für Betriebswirtschaft, Bd. 73, Nr. 4, S. 345–370, S. 357.Google Scholar
  37. 616.
    Vgl. Kline, R. B. (1998): Principles and practice of structural equation modeling, New York, NY [u.a.], S. 203.Google Scholar
  38. 623.
    Vgl. Festinger, L. / Aronson, E. (1997): A Theory of Cognitive Dissonance, in: The American Journal of Psychology, Bd. 110, Nr. 1, S. 127–136.CrossRefGoogle Scholar
  39. 624.
    Vgl. allgemein hierzu Sharma, S. / Durand, R. / Gur-arie, O. (1981): Identification and Analysis of Moderator Variables, in: Journal of Marketing Research, Bd. 18, Nr. 3, S. 291–300.CrossRefGoogle Scholar
  40. 628.
    Zur Restriktion der Signifikanzprüfung im Rahmen von Mehrgruppenstrukturmodellen bei Anwendung der ULS Schätzmethode vgl. Pieper, E. (1999): Eine für alle?: eine empirische Studie zur differentiellen Wirkung einer Kompetenzförderung bei Kindern mit unterschiedlichem sozioökonomischen Status, S. 159.Google Scholar
  41. 637.
    Bei der Beobachtung werden wahrnehmbare Sachverhalte, Verhaltensweisen und Eigenschaften von Personen planmäßig erfasst; vgl. Sumaski, W. (1977): Systematische Beobachtung: Grundlagen einer empirischen Methode, Hildesheim [u.a.]. Grundsätzlich kann zwischen Feld-und Laborbeobachtungen unterschieden werden. Bei Feldbeobachtungen erfolgt die Erfassung von Tatbeständen unter natürlichen, marktrealen Bedingungen, also direkt am Point of Sale. Dagegen finden Laborbeobachtungen in künstlich geschaffenen Situationen statt. Die Realität wird in der Versuchsanlage vereinfacht abgebildet, was die bessere Kontrolle des Beobachtungsfeldes ermöglicht. Vgl. Becker, W. (1973): Beobachtungsverfahren in der demoskopischen Marktforschung: ein Beitrag zur Methodendiskussion und praktischen Anwendung auf Lebensmittelmärkte, Stuttgart, S. 47 ff. Die Beobachtung als Datenerhebungsmethode ist damit unabhängig von der Auskunftsbereitschaft bzw. — fähigkeit der Versuchspersonen.Google Scholar
  42. 638.
    Zur Diskriminanzanalyse vgl. Decker, R. / Temme, T. (2000): Diskriminanzanalyse, in: Herrmann, A. / Homburg, C. (Hrsg.), Marktforschung: Methoden, Anwendungen, Praxisbeispiele, Wiesbaden, S. 295–335, S. 295 ff.Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler | GWV Fachverlage GmbH, Wiesbaden 2008

Personalised recommendations