Mehrdimensionale Konstrukte

Größe: px
Ab Seite anzeigen:

Download "Mehrdimensionale Konstrukte"

Transkript

1 17159u Seite :29:51 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke* Konzeptionelle Grundlagen und Möglichkeiten ihrer Analyse mithilfe von Strukturgleichungsmodellen Kausalanalyse; Konfirmatorische Faktorenanalyse höherer Ordnung; Konstrukte zweiter Ordnung; Mehrdimensionales Konstrukt; PLS; Strukturgleichungsmodell konzeptionellen Grundlagen mehrdimensionaler Konstrukte darzustellen, um darauf aufbauend Möglichkeiten ihrer Analyse im Rahmen von Strukturgleichungsmodellen zu erläutern. Jens Giere Bernd W. Wirtz Multidimensional constructs are increasingly applied in empirical business research in order to represent complex theoretical concepts. However, the analysis of multidimensional constructs in structural equation modeling is associated with difficulties. The objective of this paper is to discuss the foundations of multidimensional constructs and to illustrate avenues for their analysis within structural equation models. finden in der empirischen betriebswirtschaftlichen Forschung verbreitet Anwendung, um komplexe theoretische Konzepte abzubilden. Jedoch ist die Analyse mehrdimensionaler Konstrukte mithilfe von Strukturgleichungsmodellen mitunter mit Schwierigkeiten behaftet. Ziel des Beitrages ist es, zunächst die * Dipl.-Kfm. Jens Giere ist Doktorand am Forschungsinstitut für Strategisches Management, Universität Witten/Herdecke, Stockumer Str. 10, Witten, Prof. Dr. Bernd W. Wirtz ist Inhaber des Lehrstuhls für Informations- und Kommunikationsmanagement, DHV Speyer, Freiherr-vom-Stein-Str. 2, Speyer, Tel. +49 (0) , Dipl.-Kfm. Oliver Schilke ist Postdoktorand an der Stanford University, Stanford, CA 94305, USA. Für ihre wertvollen Hinweise danken wir den beiden anonymen Gutachtern sowie Prof. Cheryl Burke Jarvis, Richard Pelz, Dr. Bernd Storm und Dr. Roman Wecker. 1. Einführung In der betriebswirtschaftlichen Forschung werden mehrdimensionale Konstrukte immer häufiger im Rahmen der Konzeptionalisierung und Operationalisierung theoretischer Konstrukte angewendet. [1] Von einem mehrdimensionalen Konstrukt kann gesprochen werden, wenn unterschiedliche, jedoch verwandte Dimensionen als ein einheitliches Konstrukt aufgefasst werden. [2] Abzugrenzen sind mehrdimensionale Konstrukte dabei von unidimensionalen Konstrukten, [3] welche ein einzelnes Konzept abbilden (vgl. Abb. 1). Bei einem Vergleich zwischen unidimensionalem und mehrdimensionalem Konstrukt ist eine konzeptionelle Differenzierung festzustellen. So ist in der Literatur häufig parallel zur tieferen theoretischen 678 DBW 66 (2006) 6

2 17159u Seite :29:52 Uhr p1 In jeder Farbe Theoretisches Konstrukt Theoretisches Konstrukt Konzeptionelle Ebene Konzeptionelle Abstraktion Mehrdimensionales Konstrukt Empirische Abstraktion 2. Ordnung Empirische Abstraktion Unidimensionales Konstrukt Dimension 1 Dimension 2 Dimension m Empirische Abstraktion 1. Ordnung Beobachtbare Ebene Konzeptionelle Differenzierung Abb. 1: Mögliche Konzeptionalisierung theoretischer Konstrukte [6] Erschließung einer Thematik eine chronologische Weiterentwicklung von einem einfachen, unidimensionalen Konstrukt hin zu einem komplexeren, mehrdimensionalen Konstrukt zu beobachten. [4] Die Entscheidung, ein theoretisches Konstrukt unidimensional oder mehrdimensional zu konzeptionalisieren, ist letztlich davon abhängig, wie differenziert ein Sachverhalt im Rahmen des Forschungsvorhabens erfasst werden soll. Die Wahl wird also insbesondere dadurch beeinflusst, ob das betreffende Konstrukt im Fokus der Untersuchung steht oder nur einen Nebenaspekt abbildet. [5] Die Frage nach dem Nutzen mehrdimensionaler Konstrukte hat in der empirischen Forschung zu kontroversen Debatten geführt. [7] Kernargument der Befürworter ist, mehrdimensionale Konstrukte seien theoretisch besonders nützlich, da sie eine holistische Abbildung komplexer Phänomene und dadurch in vielen Fällen Fortschritte in der Theorieentwicklung gestatten. [8] Sie ermöglichen es dem Forscher, eine Vielzahl von Einflussgrößen einer Reihe von Ergebnisgrößen gegenüber zu stellen. Dadurch können latente (d. h. nicht direkt messbare) Konstrukte auf einer ähnlichen Abstraktionsstufe zusammen in einem nomologischen Netzwerk analysiert werden. [9] Weiterhin ermöglichen mehrdimensionale Konstrukte, Kovarianzen unter den Konstrukten 1. Ordnung zu erklären und in der Folge die durch das Modell erklärte Varianz in den Dimensionen zu erhöhen. [10] Kritiker hingegen konstatieren, mehrdimensionale Konstrukte seien konzeptionell mehrdeutig und täuschten über Beziehungen zu anderen Variablen hinweg, die eigentlich nur für einzelne Dimensionen gelten. Darüber hinaus könnten sie insgesamt nur weniger Varianz erklären als ihre Dimensionen zusammengenommen. [11] In der Literatur wird also eine Reihe von Punkten für und wider mehrdimensionale Konstrukte angeführt. Zielsetzung des Forschers sollte es daher sein, die Breite und Reichhaltigkeit mehrdimensionaler Konstrukte mit der Klarheit und Präzision einzelner Dimensionen in einem integrativen Konzept zu ver- DBW 66 (2006) 6 679

3 17159u Seite :29:53 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke einen. Dies kann durch die Anwendung multivariater Verfahren der 2. Generation, wie sie in Abschnitt 3 vorgestellt werden, geschehen. Diese Verfahren erlauben eine Betrachtung des mehrdimensionalen Konstrukts und seiner Dimensionen in demselben Modell. Daneben ist es durch diese Verfahren möglich, die tatsächliche Ausprägung vieler der Kritikpunkte anhand empirischer Gütekriterien zu quantifizieren. [12] Vor einer Beschreibung des spezifischen Vorgehens bei der empirischen Analyse auf Basis von Verfahren der 2. Generation soll zunächst eine Klärung der konzeptionellen Grundlagen mehrdimensionaler Konstrukte erfolgen. 2. Konzeptionelle Grundlagen mehrdimensionaler Konstrukte lassen sich anhand verschiedener Merkmale unterscheiden. Das wohl gängigste Differenzierungskriterium ist dabei die Art der Korrespondenzbeziehung zwischen dem mehrdimensionalen Konstrukt und seinen Dimensionen. [13] Im Folgenden wird eine Erläuterung alternativer Korrespondenzbeziehungen im Rahmen mehrdimensionaler Konstrukte vorgenommen. Im Anschluss daran wird kurz auf Probleme infolge von Fehlspezifikationen mehrdimensionaler Konstrukte eingegangen Korrespondenzbeziehungen im Rahmen mehrdimensionaler Konstrukte Für ein Verständnis der Natur der Korrespondenzbeziehungen ist es wichtig festzuhalten, dass ein mehrdimensionales Konstrukt nicht unabhängig von seinen Dimensionen existiert, [14] da es über diese Dimensionen konzeptionalisiert ist. Die Korrespondenzbeziehungen zwischen dem mehrdimensionalen Konstrukt und seinen Dimensionen»are not causal forces linking separate conceptual entities, but instead represent associations between a general concept and the dimensions that represent or constitute the construct.«[15] In Bezug auf die Korrespondenzbeziehung lassen sich reflektive und formative Beziehungen unterscheiden (vgl. Abb. 2). [16] Eine analoge Differenzierung wurde in der betriebswirtschaftlichen Forschung bereits auf 1. Abstraktionsebene also für Reflektives Modell Formatives Modell Dimension 1 Dimension 1 Dimension 2 Dimension 3 Dimension 2 Dimension 3 Abb. 2: Alternative Korrespondenzbeziehungen zwischen Dimensionen und Konstrukt 2. Ordnung [19] 680 DBW 66 (2006) 6

4 17159u Seite :29:54 Uhr p1 In jeder Farbe die Korrespondenzbeziehung zwischen Indikatoren und Konstrukt 1. Ordnung diskutiert. [17] Die Erkenntnisse aus dieser Diskussion lassen sich in weiten Teilen auch auf die abstraktere Ebene 2. Ordnung übertragen. [18] Das reflektive mehrdimensionale Konstrukt Reflektive mehrdimensionale Konstrukte [20] stehen auf einer höheren Abstraktionsstufe als die Dimensionen, durch die sie konstituiert sind. Die Dimensionen verhalten sich analog zu reflektiven Messitems, die als manifeste Indikatoren ihrer dahinter liegenden Konstrukte 1. Ordnung dienen. [21] Die Dimensionen stellen demnach Ausprägungen dar, die durch das mehrdimensionale Konstrukte erklärt werden. [22] Das reflektive mehrdimensionale Konstrukt entspricht somit dem Kerngedanken der klassischen Testtheorie, d. h., es ist empirisch durch die gemeinsame Varianz unter seinen Dimensionen definiert (visualisiert durch den schwarzen Bereich in Abb. 2). Die klassische Testtheorie unterstellt dabei, dass die Varianz in den Werten der Konstrukte 1. Ordnung eine Funktion der»wahren«werte plus Messfehler ist. Ein Beispiel für ein reflektives mehrdimensionales Konstrukt ist der von Segars/Grover (1998) konzeptionalisierte Erfolg der strategischen Planung. Dieser drückt sich durch die vier Dimensionen Alignment, Analysis, Cooperation und Capabilities aus. Weitere Beispiele sind Modelle zu kognitiven Fähigkeiten. So spezifizieren und testen McGrew et al. (1997) ein Modell, in dem ein genereller Fähigkeitsfaktor (Psychometric G) sieben spezifischeren kognitiven Fähigkeiten (Fluid Reasoning, Crystallized Intelligence, Visual Processing, Auditory Processing, Processing Speed, Short-term Memory, Long-term Memory) unterliegt. Das formative mehrdimensionale Konstrukt Während das reflektive mehrdimensionale Konstrukt unterstellt, dass die Dimensionen Manifestationen des mehrdimensionalen Konstrukts sind, ist das formative mehrdimensionale Konstrukt [23] als eine Zusammensetzung seiner Dimensionen zu verstehen. Keine der Dimensionen kann allein das Gesamtkonstrukt repräsentieren. Das formative mehrdimensionale Konstrukt existiert nur als Gesamtheit der Dimensionen. Empirisch drückt sich dies darin aus, dass das formative mehrdimensionale Konstrukt durch die gesamte Varianz seiner Dimensionen definiert ist (vgl. die gesamte graue Fläche in Abb. 2). Nur als Summe erfassen die Dimensionen den konzeptionellen Rahmen des formativen Konstrukts 2. Ordnung. Die Dimensionen stellen somit Komponenten des formativen mehrdimensionalen Konstrukts dar. Als Beispiel für ein formatives mehrdimensionales Konstrukt kann die Einstellung zum Blutspenden nach Bagozzi (1994) angeführt werden. Es besteht aus drei Konstrukten 1. Ordnung (Immediate External Pain, Immediate Internal Sickness, Lost Time), die negativ und einem Konstrukt 1. Ordnung (Social Normative Influence), das positiv auf die Einstellung zum Blutspenden wirkt. Ein weiteres Beispiel ist die Konzeptionalisierung des wahrgenommenen Werts von Online-Shopping-Angeboten nach Lin/Sher/ Shih (2005). Dieses Konstrukt umfasst die Dimensionen Monetary Sacrifice, Web Site Design, Fulfilment/Reliability, Security/Privacy sowie Consumer Service. Die meisten mehrdimensionalen Konstrukte fallen in eine der beiden genannten Typenklassen. Daneben sind jedoch auch mehrdimensionale Konstrukte denkbar, die verschiedene Eigenschaften der beschriebenen Typen kombinieren. [24] Ein Beispiel hierfür sind Multiple Indicator/Multiple Cause (MIMIC) Modelle, die sowohl Eigenschaften reflektiver als auch formativer mehrdimensionaler Konstrukte besitzen. [25] Die Art der Spezifikation eines mehrdimensionalen Konstrukts und damit dessen theoretische Bedeutung sind durch das Erkenntnisinteresse des Forschers determiniert. Am Beginn des Prozesses der Entwicklung eines mehrdimensionalen Konstrukts hat daher zunächst eine klare Definition des Konstrukts mit all seinen Facetten (Dimensionen) zu erfolgen. Die Dimensionen des Konstrukts und deren Korrespondenzbeziehungen zum übergeordneten Konstrukt bestimmen dabei nicht nur dessen inhaltlichen Bereich sondern auch die Reichweite der Aussagen, die aus dem Modell abgeleitet werden können. [26] DBW 66 (2006) 6 681

5 17159u Seite :29:54 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke Aspekte Varianz des mehrdimensionalen Konstrukts (mit Verweis auf Abb. 2) Natur der Dimensionen Messfehler Richtung der Pfeile im Pfaddiagramm Reflektives mehrdimensionales Konstrukt Nur die gemeinsame Varianz der Dimensionen (schwarze Fläche). Die spezifische Varianz der Dimensionen (weiße Fläche) und die von den Dimensionen geteilte Varianz (schraffierte Fläche) sowie zufällige Varianz werden als Messfehler betrachtet. Die Dimensionen stellen Manifestationen des Konstrukts dar. Messfehler werden auf Ebene der Dimensionen berücksichtigt. Die Pfeile sind vom Konstrukt auf die Dimensionen gerichtet. Formatives mehrdimensionales Konstrukt Die gemeinsame Varianz der Dimensionen, die spezifische Varianz der Dimensionen sowie die von den Dimensionen geteilte Varianz (graue Fläche). Nur zufällige Varianz wird als Messfehler betrachtet. Die Dimensionen sind Komponenten des mehrdimensionalen Konstrukts. Messfehler werden auf Ebene des Konstrukts berücksichtigt. Die Pfeile sind von den Dimensionen auf das Konstrukt gerichtet. Tab. 1: Zusammenfassung der Eigenschaften reflektiver und formativer mehrdimensionaler Konstrukte [27] Tabelle 1 fasst die wesentlichen Eigenschaften reflektiver und formativer mehrdimensionaler Konstrukte noch einmal zusammen. Die Unterscheidung der beiden Typen mehrdimensionaler Konstrukte bereitet immer wieder Schwierigkeiten. [28] Um die inhaltliche Bedeutung des mehrdimensionalen Konstrukts abschätzen zu können, muss es jedoch zwingend bis hin zu seiner höchsten Abstraktionsstufe spezifiziert werden. [29] Dazu ist wie bei Albers/Götz (2006) im Detail erläutert eine Bestimmung der Korrespondenzbeziehung sowohl für die erste als auch für die zweite Ebene notwendig. Zur Unterscheidung zwischen formativen und reflektiven Zuordnungen empfehlen Jarvis/MacKenzie/ Podsakoff (2003) folgende vier Entscheidungsregeln: [30] a) die kausale Richtung zwischen dem Konstrukt und seinen Indikatoren/Dimensionen, b) die Austauschbarkeit der Indikatoren/Dimensionen, c) die Kovarianz unter den Indikatoren/Dimensionen und d) die Einbindung der Indikatoren/Dimensionen in ein gemeinsames nomologisches Netz. [31] Anhand dieses Kriterienkataloges ist es möglich, die Natur des mehrdimensionalen Konstrukts auf seinen verschiedenen Abstraktionsstufen zu bestimmen Fehlspezifikationen mehrdimensionaler Konstrukte Die inhaltliche Bedeutung eines reflektiven mehrdimensionalen Konstrukts ist konzeptionell eine andere als die eines formativen. Bei der reflektiven Modellierung sind die Dimensionen Realisationen des mehrdimensionalen Konstrukts. Beim formativen mehrdimensionalen Konstrukt hingegen formen die Dimensionen das übergeordnete Konstrukt. In den meisten bisherigen Arbeiten, die mehrdimensionale Konstrukte untersuchen, ist die reflektive Sichtweise vorherrschend, [32] obwohl oftmals eine formative Spezifikation sinnvoller erscheinen würde. [33] Gleichfalls ist es denkbar, dass ein eigentlich reflektives Messmodell fälschlicherweise formativ spezifiziert wird. Beide Fehlspezifikationen sind mit einer Reihe von Problemen verbunden. 682 DBW 66 (2006) 6

6 17159u Seite :29:55 Uhr p1 In jeder Farbe Bei einer irrtümlicherweise vorgenommenen reflektiven Spezifikation käme es zur Anwendung von Skalenbereinigungsprozessen der klassischen Testtheorie. Dimensionen mit einer geringen Korrelation würden nach der Logik interner Konsistenz entfernt. Für formative Konstrukte ist jedoch eine Korrelation explizit nicht zwingend. [34] Infolgedessen würde die Elimination von Dimensionen zu einer Vernachlässigung wichtiger Aspekte des Konstrukts führen und somit die Validität der Messung vermindern. [35] Wird ein Konstrukt andererseits fälschlicherweise als formativ spezifiziert, hätte dies im Umkehrschluss die Folge, dass gültige Empfehlungen der reflektiven Skalenbildung und damit zentrale Gütemaße unbeachtet bleiben würden. Eine hohe interne Konsistenz des Konstrukts wäre nicht gewährleistet, da unreliable Dimensionen beibehalten würden. [36] Darüber hinaus kann eine formative Fehlspezifikation zu falschen Aussagen über Beziehungen zwischen dem mehrdimensionalen Konstrukt und anderen Konstrukten im nomologischen Netzwerk führen. [37] So konnte im Rahmen von Simulationsstudien gezeigt werden, dass eine unterschiedliche Spezifikation der Korrespondenzbeziehungen im mehrdimensionalen Konstrukt zu abweichenden Parameterwerten bei der Analyse von Strukturgleichungsmodellen führt. [38] Darüber hinaus kann eine Fehlspezifikation des mehrdimensionalen Konstrukts auch zu Störungen bei der Messung anderer Konstrukte führen. [39] 3. Analyse mehrdimensionaler Konstrukte mithilfe der Strukturgleichungsanalyse Nach der Diskussion der konzeptionellen Grundlagen mehrdimensionaler Konstrukte widmet sich der nachfolgende Teil des Beitrages dem Vorgehen bei ihrer empirischen Analyse. können mithilfe der Verfahren der Strukturgleichungsanalyse untersucht werden. Strukturgleichungsmodelle mit latenten Variablen haben inzwischen eine starke Verbreitung gefunden und entwickelten sich in den Wirtschafts- und Sozialwissenschaften zu einem Quasistandard bei der Erforschung komplexer Wirkungszusammenhänge. [40] Im Rahmen ihrer Anwendung bei mehrdimensionalen Konstrukten sind verschiedene Phasen zu durchlaufen, die in Folge vorgestellt werden (vgl. Abbildung 3). [41] In einer ersten Phase ist das mehrdimensionale Konstrukt umfassend zu definieren und sein Wirkungsbereich einzugrenzen. Aufbauend darauf sind die einzelnen Dimensionen zu identifizieren und gleichfalls ausführlich zu beschreiben. Anschließend müssen Indikatoren zur Messung der Dimensionen ermittelt werden. Die Bearbeitung dieser Teilaufgaben sollte vor dem Hintergrund einer umfassenden Literaturrecherche erfolgen. Ferner bieten sich in dieser Phase Expertengespräche und Beobachtungen an, um eine hohe Inhaltsvalidität sowie Indikatoren-Verständlichkeit sicherzustellen. Die zweite Phase betrifft die Spezifizierung der Korrespondenzbeziehungen zwischen Konstrukt 2. Ordnung und den Dimensionen sowie zwischen den Dimensionen und den Indikatoren. Zur Differenzierung zwischen formativen und reflektiven Korrespondenzbeziehungen stehen die vier oben genannten Entscheidungsregeln nach Jarvis/MacKenzie/Podsakoff (2003) zur Verfügung, deren Prüfung im Sinne von Gedankenexperimenten zur Kausalitätsrichtung erfolgt. Erst nach dem Durchlaufen dieser Phase kann auch die Konzeptionalisierung des mehrdimensionalen Konstrukts als abgeschlossen angesehen werden. Die dritte Phase zielt auf die Generierung prüfbarer empirischer Daten ab. Hierzu existieren verschiedenste Datenerhebungstechniken. [43] In der Betriebswirtschaftslehre ist dabei eine besonders häufige Anwendung von Fragebogenstudien im Rahmen strukturgleichungsmodellbasierter Untersuchungen zu beobachten. In der vierten Phase kommen die statistischen Verfahren der Strukturgleichungsanalyse zum Einsatz. Diese Phase soll nachfolgend differenzierter betrachtet werden. Zunächst hat eine Datenvorbereitung stattzufinden. Die Datenvorbereitung beinhaltet eine Betrachtung der zugrunde liegenden Verteilung, eine Untersuchung möglicher Ausreißer in den Daten sowie eine Analyse und ein Ersetzen fehlender Werte. [44] Anschließend ist das anzuwendende Strukturgleichungsverfahren zu wählen. Innerhalb der Verfahrensgruppe der Analyse von Strukturgleichungsmodellen stehen dabei zwei alternative Ansätze zur Ver- DBW 66 (2006) 6 683

7 17159u Seite :29:56 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke Entwicklung eines mehrdimensionalen Konstrukts 1a Vorgehensweise Definition des Konstrukts 2. Ordnung und Spezifikation seiner Bestandteile Mögliche Techniken/Methoden Umfassende Literaturrecherche, Expertengespräche, Beobachtungen 1b Beschreibung des Konstrukts 2. Ordnung Definition der einzelnen Dimensionen und Spezifikation ihrer Indikatoren Umfassende Literaturrecherche, Expertengespräche, Beobachtungen Beschreibung des mehrdimensionalen Konstrukts 2 Spezifikation der Korrespondenzbeziehungen (reflektiv/formativ) der verschiedenen Abstraktionsstufen Gedankenexperimente zur Kausalitätsrichtung 3 Vollständige Konzeptionalisierung des mehrdimensionalen Konstrukts Design und Durchführung einer empirischen Studie Primärdatenerhebung, Sekundärdatenerhebung Empirische Daten zum mehrdimensionalen Konstrukt 4 Auswahl und Anwendung eines geeigneten Verfahrens zur Überprüfung des mehrdimensionalen Konstrukts Datenvorbereitung (Verteilungs-, Ausreißer-, Missing Data-Analyse), LISREL, PLS Finales Messmodell des mehrdimensionalen Konstrukts zur weiteren Verwendung in einem Strukturmodell Abb. 3: Möglicher Ablauf der empirischen Entwicklung und Überprüfung mehrdimensionaler Konstrukte in Strukturgleichungsmodellen [42] fügung, um die Parameter eines mehrdimensionalen Konstrukts zu schätzen: die Kovarianzstrukturanalyse (implementiert in Softwarepakten wie AMOS, LISREL und EQS) sowie die Varianzstrukturanalyse (implementiert in Softwarepakten wie PLS-Graph, VisualPLS und Smart-PLS). [45] Diese Verfahren ge- 684 DBW 66 (2006) 6

8 17159u Seite :29:57 Uhr p1 In jeder Farbe hören zu den multivariaten Analysemethoden der 2. Generation und erlauben eine konfirmatorische Anwendung. [46] Es ist festzuhalten, dass beide Methoden prinzipiell dazu geeignet sind, sowohl reflektive als auch formative und ebenfalls gemischte Modelle mehrdimensionaler Konstrukte zu spezifizieren und zu prüfen. [47] Da die beiden Methoden mit spezifischen Vor- und Nachteilen verbunden sind, [48] muss der Anwender ihren Einsatz vor dem Hintergrund seiner individuellen Forschungsziele sowie der gegebenen Datenlage abwägen. [49] So eignen sich Kovarianzstrukturanalysen insbesondere zum Theorietest. [50] Im Rahmen des Verfahrens wird versucht, die durch das spezifizierte Modell vorgegebene Kovarianzmatrix der empirisch ermittelten möglichst präzise anzupassen. Die Hypothese, dass das spezifizierte Modell das richtige ist und die beiden Kovarianzmatrizen übereinstimmen, kann nun anhand statistischer Kriterien überprüft werden. [51] Dies ist innerhalb der eher prognoseorientierten Varianzstrukturanalyse nicht der Fall. Hier werden die Modellparameter unter den strukturellen Restriktionen des Strukturmodells so bestimmt, dass die Rohdatenmatrix optimal reproduziert und damit die Vorhersagegenauigkeit erhöht wird. [52] Chin/Newsted (1999) empfehlen bezugnehmend auf Lohmöller (1992) die Verwendung einer Varianzstrukturanalyse, wenn einer oder mehrere der folgenden Umstände vorliegen: [53] Zunächst ist die Varianzstrukturanalyse dann zu bevorzugen, wenn das zu erforschende Phänomen neuartig ist, bewährte Messansätze noch nicht vorliegen und das primäre Untersuchungsziel ist, Vorhersagen durch das Modell zu treffen. Weiterhin sprechen eine hohe Modellkomplexität mit einer großen Zahl an Indikatoren sowie das Nicht-Vorhandensein einer Multinormalverteilung der Daten für die Wahl der Varianzstrukturanalyse. Letztlich ist die Varianzstrukturanalyse vorzuziehen bei fehlender Unabhängigkeit der Beobachtungswerte, einer relativ kleinen Stichprobe sowie der Existenz latenter Variablen, die mit formativen Messmodellen operationalisiert werden. Vor dem Hintergrund, dass sich die Modellprüfung zwischen reflektiven und formativen Konstrukten sowie zwischen kovarianz- und varianzbasierten Verfahren nicht unerheblich unterscheidet, soll die Prüfung nachfolgend anhand zweier prototypischer Beispiele erläutert werden. Dabei soll zunächst ein reflektives mehrdimensionales Konstrukt analysiert werden, dessen Dimensionen ebenfalls reflektiv operationalisiert sind (Typ I bei Albers/Götz (2006)). Im Anschluss wird als Kontrapunkt auf ein rein formatives mehrdimensionalen Konstrukts eingegangen. Dieses verfügt auf Ebene der Konstrukte 1. Ordnung auch über ein formatives Messmodell (Typ IV bei Albers/Götz (2006)). Vor dem Hintergrund der Empfehlungen von Chin/Newsted (1999) wird die Analyse des formativen mehrdimensionalen Konstrukts mittels einer Varianzstrukturanalyse vorgenommen [54], während die rein reflektive Modellierung mithilfe kovarianzbasierter Verfahren untersucht wird Analyse reflektiver mehrdimensionaler Konstrukte Eine Möglichkeit zur empirischen Analyse reflektiver mehrdimensionaler Konstrukte basiert auf der konfirmatorischen Faktorenanalyse 2. Ordnung oder allgemeiner der konfirmatorischen Faktorenanalyse höherer Ordnung. [55] Die konfirmatorische Faktorenanalyse kann dabei als Spezialfall von Strukturgleichungsmodellen aufgefasst werden. [56] Die historischen Wurzeln der Analyse reflektiver mehrdimensionaler Konstrukte im Rahmen der konfirmatorischen Faktorenanalyse 2. Ordnung lassen sich bis Jöreskog (1970) zurückverfolgen, [57] der hierfür die theoretischen Grundlagen gelegt hat. Gerbing/Anderson (1984) und Rindskopf/Rose (1988) entwickelten diese theoretische Basis weiter und beschäftigten sich in ihren Arbeiten mit der Bedeutung der Faktoren sowie deren Interpretation. Die ersten empirischen Arbeiten, die Verfahren zur Analyse von Strukturgleichungsmodellen einsetzen, stammen von Weeks (1978), Weeks (1980) sowie Bentler/Weeks (1980). [58] Die Hauptvorteile der konfirmatorischen Faktorenanalyse höherer Ordnung sind insbesondere die Möglichkeiten, Hypothesen zu testen sowie das zu überprüfende Modell a priori zu spezifizieren. [59] Anders als traditionelle Methoden der Überprüfung auf höhere Faktoren, die auf mathematische Kriterien abstellen und versuchen, eine optimale Rotation zu DBW 66 (2006) 6 685

9 17159u Seite :29:57 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke bestimmen, die eventuell keine inhaltliche Bedeutung besitzt, kann man eine konfirmatorische Faktorenanalyse höherer Ordnung dazu verwenden, konkurrierende Vorstellungen über die Dimensionalität eines mehrdimensionalen Konstrukts systematisch miteinander zu vergleichen. Die konfirmatorische Faktorenanalyse höherer Ordnung geht von der Annahme aus, dass die Beziehungen zwischen den Konstrukten 1. Ordnung durch die Existenz eines oder mehrerer übergeordneter Konstrukte erklärbar sind, die selbst keine direkte Verbindung zu den Indikatorvariablen aufweisen. [60] Demnach ist eine konfirmatorische Faktorenanalyse höherer Ordnung als Spezialfall einer konfirmatorischen Faktorenanalyse 1. Ordnung zu interpretieren. Während bei Letzterer die Beziehungen zwischen den Konstrukten 1. Ordnung lediglich als Korrelationen spezifiziert werden, fügt die konfirmatorische Faktorenanalyse höherer Ordnung zusätzliche Restriktionen in die Modellstruktur ein und postuliert, dass die Interkorrelationen zwischen den Konstrukten 1. Ordnung auf einen oder mehrere übergeordnete Faktoren zurückzuführen sind. [61] Die Konstrukte 1. Ordnung fungieren damit als Indikatoren für die ihnen zugeordneten Konstrukte 2. Ordnung. Somit erlaubt die konfirmatorische Faktorenanalyse höherer Ordnung die empirische Überprüfung einer hierarchischen Beziehungsstruktur zwischen beobachteten Variablen, Konstrukten 1. Ordnung und Konstrukten 2. Ordnung. [62] Für die Analyse eines reflektiven mehrdimensionalen Konstrukts mittels Kovarianzstrukturanalysen lässt sich der in Abb. 4 abgebildete Ablauf heranziehen. Dieser orientiert sich an den grundlegenden Empfehlungen der einschlägigen Literatur. [63] Die Anwendung der Kovarianzstrukturanalyse setzt die Einhaltung einer Reihe von Bedingungen voraus. [65] So muss unter anderem eine Multinormalverteilung in den Daten gegeben, [66] der Stichprobenumfang vergleichsweise hoch und das Modell identifiziert sein. Gerade der letzte Punkt stellt bei komplexen Konstrukten häufig eine besondere He- Untersuchung der einzelnen Dimensionen Untersuchung des Gesamtmodells Konfirmatorische Faktorenanalyse erster Ordnung pro Dimension Globale und lokale Anpassungsmaße erfüllt? ja Entfernen des Indikators mit der geringsten Indikatorreliabilität nein Konfirmatorische Faktorenanalyse erster Ordnung für alle Dimensionen Globale, lokale Anpassungsmaße/ Fornell/Larcker erfüllt? ja Modellmodifikation hinsichtlich nicht diskriminant-valider Dimensionen nein Konfirmatorische Faktorenanalyse zweiter Ordnung Globale, lokale Anpassungsmaße erfüllt? Signifikante Faktorladungen? ja Finales Messmodell mit finaler Anzahl von Dimensionen Ausschluss der Dimensionen mit nicht-signifikanten Faktorladungen nein Abb. 4: Vorgehensweise zur Prüfung rein reflektiver mehrdimensionaler Konstrukte mittels kovarianzbasierter Verfahren [64] 686 DBW 66 (2006) 6

10 17159u Seite :29:58 Uhr p1 In jeder Farbe rausforderung dar. [67] Um die Identifiziertheit des Gesamtmodells zu überprüfen, ist das Gesamtmodell gedanklich in seine Teilmodelle zu zerlegen. Im Falle einer konfirmatorischen Faktorenanalyse 2. Ordnung hätte dies eine Zweiteilung zur Folge: der erste Teil setzt die beobachteten Variablen mit den Konstrukten 1. Ordnung in Beziehung, der zweite Teil die Konstrukte 1. Ordnung mit den Konstrukten 2. Ordnung. Für beide Teile gelten die allgemeinen Regeln der Identifiziertheit. Das Gesamtmodell ist identifiziert, wenn alle Teilmodelle identifiziert sind. [68] So müssen einem Konstrukt 2. Ordnung mindestens vier Konstrukte 1. Ordnung zugeordnet sein. [69] Sind nur drei Konstrukte 1. Ordnung einem Konstrukt 2. Ordnung zugeordnet, so ist das Konstrukt 2. Ordnung zwar identifiziert, es lassen sich aber keine Tests für den Goodness of Fit des Gesamtmodells zur Überprüfung für das mehrdimensionale Konstrukt 2. Ordnung durchführen. Mit zwei Konstrukten 1. Ordnung ist das mehrdimensionale Konstrukt 2. Ordnung unteridentifiziert. [70] Bei Nicht-Erfüllung einiger der genannten Voraussetzungen kovarianzbasierter Verfahren lassen sich prinzipiell ebenfalls varianzbasierte Verfahren heranziehen, um Modellparameter im Rahmen reflektiver mehrdimensionaler Modell zu schätzen. [71] Dabei realisieren die varianzbasierten Verfahren die Konzeptionalisierung durch die wiederholte Nutzung von manifesten Variablen. [72] 3.2. Analyse formativer mehrdimensionaler Konstrukte Aufgrund der Umkehr der Korrespondenzbeziehung unterscheidet sich die Gütebeurteilung formativer Messmodelle stark von der reflektiver Messmodelle. [73] Im Vergleich zu den relativ etablierten Gütekriterien für reflektive Messmodelle existieren für durchgängig formativ operationalisierte mehrdimensionale Konstrukte bisher nur einzelne Richtlinien und Hinweise in der Literatur. Nichtsdestotrotz können insbesondere drei notwendige Schritte zur Bewertung formativer Messmodelle identifiziert werden: die Überprüfung auf Multikollinearität, auf Indikatorgüte sowie auf externe Validität (vgl. Abbildung 5). [74] Bei der Prüfung formativer mehrdimensionaler Konstrukte mittels varianzbasierter Verfahren ist zunächst ebenfalls zwischen der Untersuchung einzelner Dimensionen und der anschließenden Untersuchung des Gesamtmodells zu differenzieren. Der Untersuchungsablauf beginnt mit einer Prüfung auf Multikollinearität (Grad linearer Abhängigkeit) der formativen Indikatoren. Während bei reflektiven Konstrukten eine hohe Indikatorkorrelation wünschenswert ist, kann bei formativen Messmodellen eine hohe Korrelation zwischen den Indikatoren zu verzerrten Parameterschätzungen führen. [75] Daher werden bei Überschreiten eines Grenzwertes von 10 beim Multikollinearitätsprüfmaß des so genannten Variance Inflation Factors (VIF) Indikatoren mit den höchsten Korrelationswerten eliminiert. [76] Der nächste Schritt hat eine quantitative Beurteilung der Indikatoren zum Ziel. Hierzu werden die Gewichte (Grenzwert: > 0,1), das postulierte Vorzeichen sowie die Signifikanzen (p-wert der Signifikanz < 0,1) herangezogen. [77] Eine Elimination von Indikatoren im Falle eines Nicht-Einhaltens der Grenzwerte soll jedoch nur dann vorgenommen werden, falls inhaltlich nicht erklärbare Ergebnisse vorliegen bzw. der konzeptionelle Inhalt des Konstrukts nicht beeinträchtigt wird. [78] Andernfalls dienen die Gütekriterien ausschließlich der quantitativen Interpretation der Bedeutung einzelner Indikatoren. Schließlich erfolgt als letzter Schritt der Beurteilung auf Dimensionsebene eine Untersuchung der externen Validität. Hierzu werden in der Literatur drei Verfahren diskutiert. Zum einen kann eine Berechnung bivariater Korrelationen mit einer zusätzlich erhobenen Kontrollfrage durchgeführt werden. Wird eine starke und signifikante Beziehung zwischen Indikatoren und Prüffrage nachgewiesen, kann von einer ausreichenden externen Validität ausgegangen werden. [79] Als Alternativen zur Untersuchung der externen Validität mithilfe einer Kontrollfrage bieten sich grundsätzlich ebenfalls das MIMIC-Modell [80] sowie das Zwei-Konstrukt-Modell [81] an. Zur Modellierung formativer Konstrukte 2. Ordnung in PLS auf Gesamtmodellebene existieren verschiedene Verfahren, wobei bislang noch keine Einigung auf einen gemeinsamen Standard im Schrifttum abzusehen ist. Besondere Beachtung haben je- DBW 66 (2006) 6 687

11 17159u Seite :29:58 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke Untersuchung der einzelnen Dimensionen Untersuchung des Gesamtmodells Prüfung auf Multikollinearität Bestimmung eines Faktorwerts für das Konstrukt 2. Ordnung nein VIF<10? ja Validierung des Konstrukts 2. Ordnung Elimination von Indikator Indikatorgüte Gewicht >0,1? Postuliertes Vorzeichen? p-wert <0,05? nein, Hinweis auf geringe Bedeutung von Indikator ja Korrelationen der Konstrukte 1. Ordnung mit Konstrukt 2. Ordnung hoch und signifikant? nein, Hinweis auf geringe Bedeutung ja von Dimension Externe Validität gegeben? nein Elimination von Dimension Externe Validität ja Finales Messmodell mit finaler Anzahl von Dimensionen nein Externe Validität gegeben? ja Abb. 4: Vorgehensweise zur Prüfung rein formativer mehrdimensionaler Konstrukte mittels varianzbasierter Verfahren doch folgende beide Ansätze gefunden: das Hierarchical Component Model sowie der Faktorwert-basierte Ansatz. Das Hierarchical Component Model nach Wold (1980) definiert die Indikatoren der Konstrukte 1. Ordnung direkt als manifeste Variablen des übergeordneten Konstrukts 2. Ordnung. [82] Daher wird dieser Ansatz auch häufig als Repeated Indicators Approach bezeichnet. Er gilt als eines der unkompliziertesten Verfahren zur Spezifizierung formativer Konstrukte 2. Ordnung, und er kann auf Basis des Standard-PLS-Algorithmus berechnet werden. [83] Dieser Ansatz ist insbesondere dann heranzuziehen, wenn die Messmodelle aller Dimensionen gleich viele Indikatoren umfassen. [84] In diesem Fall findet keine implizite Gewichtung der Konstrukte 1. Ordnung durch eine unterschiedliche Indikatorenanzahl statt. Der zweite Ansatz eliminiert eine Ebene von Messmodellen und nutzt die Faktorwerte der Konstrukte 1. Ordnung als direkte Indikatoren des Konstrukts 2. Ordnung. [85] Im Weiteren würde dann das so spezifizierte Konstrukt 2. Ordnung die gleichen Untersuchungsschritte wie bereits dessen Konstrukte 1. Ordnung durchlaufen. Dieser spezielle Ansatz soll hier näher betrachtet werden, da er auch für mehrdimensionale Konstrukte verwendet werden kann, deren Dimensionen unterschiedlich viele Indikatoren aufweisen. [86] Folgende Schritte sind bei diesem Verfahren zu durchlaufen: [87] In einem ersten Schritt ist für jede 688 DBW 66 (2006) 6

12 17159u Seite :29:59 Uhr p1 In jeder Farbe Dimension des mehrdimensionalen Konstrukts ein Faktorwert pro Beobachtung zu berechnen. [88] Dieser gibt als standardisierter Wert die Ausprägung des Faktors für jeden Fall an. Im zweiten Schritt ist der Faktor 2. Ordnung als formatives Konstrukt zu spezifizieren, als dessen Indikatoren die zuvor berechneten Faktorenwerte der Konstrukte 1. Ordnung fungieren. Nun kann allerdings das Problem auftreten, dass unter diesen künstlichen Indikatoren hohe Multikollinearität gegeben ist und die Schätzung der Gewichte unzuverlässig wird. [89] Um diesem Problem zu begegnen, bietet es sich an, das mehrdimensionale Konstrukt als Mittelwert der basierend auf den Ladungen der Dimensionen gewichteten Faktorwerte der Dimensionen zu berechnen. Dazu sind in einem dritten Schritt im Rahmen einer Hauptkomponentenanalyse die Ladungen der künstlichen Indikatoren zu bestimmen. In einem vierten Schritt werden die zuvor berechneten Faktorwerte mit den jeweiligen Ladungen multipliziert und damit zu einem einzigen Wert für das Konstrukt 2. Ordnung aggregiert. [90] Der auf diese Weise bestimmte Faktorwert des Konstrukts 2. Ordnung (auch Composite Score genannt) geht dann im Weiteren als manifester Wert in die Berechnung von Strukturbeziehungen ein. Die Validierung des Konstrukts 2. Ordnung kann nachfolgend anhand verschiedener Tests geschehen. [91] Zum einen sollten die Korrelationen des Konstrukts 2. Ordnung mit seinen Dimensionen hoch und signifikant sein. Zum anderen sollte die externe Validität des Konstrukts 2. Ordnung sichergestellt werden. Hierzu kann überprüft werden, ob das Konstrukt 2. Ordnung mit einer zusätzlich erhobenen Kontrollfrage korreliert. Ferner sollte das Konstrukt 2. Ordnung in sein nomologisches Netz eingebettet und der (theoretisch begründete) Zusammenhang zwischen dem Konstrukt 2. Ordnung und einer weiteren latenten Variablen innerhalb des Modells untersucht werden. 4. Zusammenfassung Die Zielsetzung des Beitrags bestand darin, die Analyse von Strukturgleichungsmodellen mit mehrdimensionalen Konstrukten näher zu beleuchten. Zentraler Punkt war dabei neben der Vorstellung konzeptioneller Grundlagen, eine Hilfestellung für das Vorgehen im Rahmen der empirischen Untersuchung zu bieten. Dabei können zur Analyse mehrdimensionaler Konstrukte sowohl varianzbasierte als auch kovarianzbasierte Verfahren verwendet werden. Die Entscheidung für und wider das jeweilige Verfahren ist vor allem vor dem Hintergrund der Datenlage und der individuellen Zielsetzung der Untersuchung zu treffen. Anmerkungen [1] Vgl. Law/Wong (1999), S. 145; Edwards (2001), S Beispiele für Anwendungen mehrdimensionaler Konstrukte in der betriebswirtschaftlichen Forschung jüngster Zeit finden sich z. B. bei Guinot/Latreille/Tenenhaus (2001); Yi/Davis (2003); Cui/Griffith/Cavusgil (2005); Fritz/Dees (2005); Wirtz/Mathieu (2005); Doty et al. (2006); Erdogan/Liden/Kraimer (2006); Luo/Slotegraaf/Pan (2006); Pavlou/Fygenson (2006); Tanriverdi (2006). [2] Vgl. Law/Wong/Mobley (1998), S [3] Vgl. Hattie (1985), S. 140f. [4] Vgl. Bagozzi (1984), S. 11f.; Bagozzi (1994), S [5] Vgl. MacKenzie/Podsakoff/Jarvis (2005), S. 713f. [6] In Anlehnung an MacKenzie/Podsakoff/Jarvis (2005), S. 714f. [7] Für eine ausführliche Diskussion sei auf Edwards (2001), S. 148ff. sowie Albers/Götz (2006) hingewiesen. [8] Vgl. Roznowski/Hanisch (1990), S. 361; Ones/Viswesvaran (1996); Edwards (2001), S [9] Vgl. Chin (1998a), S. X. [10] Vgl. Chin (1998a), S. X.; Edwards (2001), S [11] Vgl. hierzu Hunter/Gerbing (1982); Hattie (1985), S. 140ff.; Johns (1998), S. 454f. [12] Vgl. Edwards (2001), S [13] Vgl. Ones/Viswesvaran (1996); Schneider/Hough/Dunnette (1996); Law/Wong/Mobley (1998), S. 741; Law/ Wong (1999), S. 143; Edwards (2001), S [14] Vgl. Edwards (2001), S. 145f. [15] Edwards (2001), S [16] Law/Wong/Mobley (1998) identifizieren neben reflektiven und formativen mehrdimensionalen Konstrukten noch den weiteren Typ des Profil-Modells. Vgl. Law/ Wong/Mobley (1998), S In der betriebswirtschaftlichen Forschung wurden bisher jedoch fast ausschließlich reflektive und formative Konzeptionalisierungen mehrdimensionaler Konstrukte empirisch behandelt. Vgl. Law/Wong (1999), S. 143f.; Edwards (2001), S Daher beschränkt sich dieser Beitrag im Weiteren auf diese beiden Typen. DBW 66 (2006) 6 689

13 17159u Seite :30:00 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke [17] Vgl. Fornell/Bookstein (1982b); Bollen/Lennox (1991); Diamantopoulos/Winklhofer (2001); Jarvis/MacKenzie/Podsakoff (2003). [18] Vgl. Jarvis/MacKenzie/Podsakoff (2003), S. 204; Lin/ Sher/Shih (2005), S [19] In Anlehnung an Law/Wong (1999), S [20] In der Literatur werden diese Konstrukte auch unter den Begrifflichkeiten»Latent Model«,»Factor Model«oder»Superordinate Constructs«geführt. Vgl. Law/ Wong/Mobley (1998), S. 742; Law/Wong (1999), S. 144; Edwards (2001), S [21] Vgl. Bollen/Lennox (1991), S. 305f.; Edwards/Bagozzi (2000). [22] Vgl. Law/Wong/Mobley (1998), S [23] In der Literatur werden diese Konstrukte auch unter den Begrifflichkeiten»Aggregate Model«,»Composite Model«oder»Emergent Model«geführt. Vgl. Chin/ Gopal (1995), S. 49; Law/Wong/Mobley (1998), S. 743; Law/Wong (1999), S. 145f. [24] Vgl. Edwards (2001), S [25] Vgl. Jöreskog/Goldberger (1975). [26] Vgl. Albers/Hildebrandt (2006), S. 10f. [27] Vgl. Lin/Sher/Shih (2005), S [28] Vgl. Law/Wong (1999), S [29] Vgl. Law/Wong/Mobley (1998), S [30] Vgl. Jarvis/MacKenzie/Podsakoff (2003), S Die ursprünglich für die Beziehung zwischen Indikatoren und unidimensionalem Konstrukt formulierten Entscheidungsregeln nach Jarvis/MacKenzie/Podsakoff (2003) lassen sich verallgemeinern und können auch für die zweite Abstraktionsebene herangezogen werden. Vgl. MacKenzie/Podsakoff/Jarvis (2005), S. 713; Lin/Sher/Shih (2005), S [31] Trotz Kritik (vgl. beispielsweise Herrmann/Huber/ Kressmann (2004), S. 13f.) hat dieser Kriterienkatalog im Schrifttum weite Anerkennung gefunden. Ähnliche Kriterienkataloge zur Gewinnung der Spezifikationshypothese aus der Theorie finden sich beispielsweise bei Edwards/Bagozzi (2000), S. 157ff. und Eberl (2004), S. 17ff. [32] Vgl. Law/Wong (1999), S [33] Vgl. MacKenzie/Podsakoff/Jarvis (2005), S [34] Vgl. Bollen (1984), S [35] Vgl. Diamantopoulos/Winklhofer (2001), S. 271; Eggert/Fassott (2003), S. 10; Eberl (2004), S. 13f. [36] Vgl. Eberl (2004), S. 13. [37] Vgl. Law/Wong/Mobley (1998), S [38] Vgl. MacCallum/Browne (1993); Law/Wong (1999), S. 156; Lin/Sher/Shih (2005). [39] Vgl. Law/Wong (1999); MacKenzie/Podsakoff/Jarvis (2005), S. 716ff. [40] Vgl. Bliemel et al. (2005), S. 10. [41] Neben der hier vorgestellten deduktiven Vorgehensweise gibt es auch Situationen, in den mehrdimensionale Konstrukte erst ex post im Rahmen der Datenanalyse modelliert werden, um beobachtete Kovarianzen unter den Konstrukten 1. Ordnung zu erklären. Siehe zu dieser eher induktiven Vorgehensweise beispielsweise Homburg/Giering (1996), S. 17; Fritz (1995), S. 259ff.; Fritz/Dees (2005), S [42] Vgl. im Folgenden Churchill (1979), S. 66ff.; Diamantopoulos/Winklhofer (2001), S. 271ff.; DeVellis (2003), S. 60ff.; Hair et al. (2006), S. 734ff. [43] Für eine Übersicht vgl. Schnell/Hill/Esser (1999), S. 297ff. [44] Zur Vorgehensweise bei der Datenvorbereitung vgl. Kline (2005), S. 48ff. [45] Vgl. Guinot/Latreille/Tenenhaus (2001). [46] Vgl. Fornell/Bookstein (1982a); Fornell (1987), S Für eine detailliertere Darstellung der Kovarianzstrukturanalyse siehe beispielsweise Bagozzi (1980) oder Bollen (1989). Für die Varianzstrukturanalyse sei auf Wold (1982a), Wold (1982b), Lohmöller (1989), Chin (1998b) und Chin/Newsted (1999) verwiesen. [47] Vgl. Scholderer/Balderjahn (2005), S. 93; Scholderer/ Balderjahn (2006). [48] Vgl. für einen ausführlichen Methodenvergleich siehe Chin/Newsted (1999), S. 314; Scholderer/Balderjahn (2006). [49] Vgl. Scholderer/Balderjahn (2005), S. 98. [50] Vgl. Fornell (1987), S [51] Vgl. Jöreskog (1970), S. 239ff.; Homburg/Baumgartner (1995), S [52] Vgl. Fassott (2005), S. 26. [53] Vgl. Lohmöller (1992), S. 347; Chin/Newsted (1999), S [54] Es soll noch einmal betont werden, dass formative Messmodelle grundsätzlich jedoch auch im Rahmen von Kovarianzstrukturanalysen angewendet werden können. Zur Vorgehensweise vgl. z. B. Diamantopoulos/Winklhofer (2001). [55] Vgl. Bagozzi (1994), S [56] Vgl. Fritz (1995), S. 145; Byrne (2001), S. 58ff.; Kline (2005), S [57] Er führte die konfirmatorische Faktorenanalyse 2. Ordnung ein, wobei er sich auf Arbeiten von Thurstone stützte (vgl. Thurstone (1947). Siehe hierzu sowie auch generell zur historischen Entwicklung Bentler (1980), S. 433; Gerbing/Hamilton/Freeman (1994), S [58] Neben der konfirmatorischen Faktorenanalyse höherer Ordnung lassen sich in der Literatur mindestens zwei weitere Verfahren finden, um reflektive mehrdimensionale Konstrukte zu untersuchen. Vgl. dazu Marsh/ Hocevar (1985), S [59] Vgl. Marsh/Hocevar (1985), S [60] Vgl. Bollen (1989), S [61] Vgl. Rindskopf/Rose (1988), S. 56; Byrne (2001), S [62] Für eine ausführliche, formale Darstellung der konfirmatorischen Faktorenanalyse 2. Ordnung vgl. beispielsweise Fritz (1995), S. 147ff. und 208ff. [63] Vgl. beispielsweise Churchill (1979), S. 68ff.; Gerbing/ Anderson (1988), S. 187ff.; Homburg/Giering (1996), 690 DBW 66 (2006) 6

14 17159u Seite :30:00 Uhr p1 In jeder Farbe S. 12f. Für eine ausführlichere Darstellung des Ablaufschemas vgl. Mathieu (2004). [64] In Anlehnung an Mathieu (2004), S [65] Vgl. Fornell/Bookstein (1982b), S. 440; Fornell (1987), S. 413; Chin (1998b); Chin/Newsted (1999), S. 314; Hulland (1999), S. 195f. [66] Die Mehrzahl der Software-Anwendungen auf Basis der Kovarianzstrukturanalyse verwendet Maximum Likelihood (ML)-Schätzer, die eine Multinormalverteilung in den Daten voraussetzen. Bei fehlender Multinormalverteilung besteht grundsätzlich die Möglichkeit, eine Korrektur der resultierenden Statistiken und Standardfehler mittels der Satorra-Bentler-X 2 -Statistik vorzunehmen. Vgl. Satorra/Bentler (1994). [67] Im Rahmen der Varianzstrukturanalyse tritt bei rekrusiven Modellen dieses Problem nicht auf, da nur jede Teilregression identifiziert sein muss. Vgl. hierzu Chin/Newsted (1999), S. 313; Herrmann/Huber/Kressmann (2006), S. 42. [68] Vgl. Rindskopf/Rose (1988), S. 53. [69] Vgl. Marsh/Hocevar (1985), S. 572; Rindskopf/Rose (1988), S. 53f. [70] Vgl. Bagozzi (1994), S [71] Vgl. Chin (1998b); Fornell/Bookstein (1982b); Guinot/ Latreille/Tenenhaus (2001), S. 253f. [72] Vgl. Wold (1982a); Lohmöller (1989); Guinot/Latreille/ Tenenhaus (2001); Tenenhaus et al. (2005). [73] Vgl. Diamantopoulos (1999), S. 453f.; Hulland (1999), S [74] Vgl. Diamantopoulos/Winklhofer (2001), S. 271ff.; Eggert/Fassott (2003), S. 6ff.; Götz/Liehr-Gobbers (2004), S. 728ff.; Herrmann/Huber/Kressmann (2004), S. 25; Fassott/Eggert (2005), S. 40ff.; Helm (2005), S. 246ff.; Krafft/Götz/Liehr-Gobbers (2005), S. 76ff.; Wecker (2006), S. 249ff. Diese Prüfschritte setzen voraus, dass im Vorfeld eine ausreichende Expertenvalidität durch Pretests gesichert wurde. Vgl. Krafft/Götz/Liehr-Gobbers (2005), S. 76f. [75] Vgl. Diamantopoulos/Winklhofer (2001), S. 272;Backhaus et al. (2003), S. 88f.; Jarvis/MacKenzie/Podsakoff (2003), S. 202; Götz/Liehr-Gobbers (2004), S. 729; Fassott/Eggert (2005), S. 40. [76] Vgl. Kleinbaum et al. (1998), S. 214; Diamantopoulos/ Winklhofer (2001), S. 272; Gujarati (2003), S. 362; Götz/Liehr-Gobbers (2004), S. 729; Helm (2005), S. 249; Hair et al. (2006), S. 227ff. Dieser in der Literatur eingeführte Grenzwert von 10 ist dabei als relativ großzügig anzusehen. Es werden vielfach sehr viel niedrigere Grenzwerte genannt. Vgl. Hair et al. (2006), S. 230; Schneider (2006), S Als weitere Verfahren zur Prüfung auf Multikollinearität schlagen Krafft/ Götz/Liehr-Gobbers (2005) eine Betrachtung der Korrelationsmatrix, eine Verwendung eines Konditionsindex sowie eine Varianzzerlegung vor. Vgl. Krafft/ Götz/Liehr-Gobbers (2005), S. 79f. [77] Vgl. Seltin/Keeves (1994), S. 4356; Chin (1998b), S. 307; Chin/Marcolin/Newsted (2003), S. 190; Götz/ Liehr-Gobbers (2004), S. 728; Helm (2005), S Standardfehler werden im PLS-Algorithmus nicht standardmäßig berechnet, sondern erfordern ein Bootstrapping-Verfahren. Vgl. Tenenhaus et al. (2005), S. 176f. Bei einem geforderten Signifikanzniveau von mindestens 0,1 und einem zweiseitigen t-test sowie über 200 Bootstrapping-Stichproben beträgt der kritische t-wert 1,645. [78] Vgl. Diamantopoulos/Winklhofer (2001), S. 273; Ravinchandran/Lertwongsatien (2005), S. 252ff. [79] Vgl. Spector (1992). [80] Vgl. Jöreskog/Goldberger (1975), S. 631ff.; Diamantopoulos (1999), S. 450ff.; Diamantopoulos/Winklhofer (2001), S. 272ff.). [81] Vgl. Eggert/Fassott (2003), S. 9; Fassott/Eggert (2005), S. 41; Helm (2005), S. 252f. [82] Vgl. Chin (1997); Lohmöller (1989), S ; Wold (1982a), S. 39. [83] Vgl. Chin (1997); Reinartz/Krafft/Hoyer (2004), S [84] Vgl. Chin (1997). [85] Anstelle von Faktorwerten werden z. T. auch Mittelwerte oder Summen der Indikatoren der Konstrukte 1. Ordnung verwendet, wobei diese Verfahren mit einer Reihe von Problemen behaftet sind. Vgl. Homburg/ Baumgartner (1995). [86] Zu diesem Ansatz vgl. insbesondere Fornell/Bookstein (1982b), S. 440ff.; Agarwal/Karahanna (2000), S. 665ff.; Edwards (2001), S. 147ff.; Yi/Davis (2003), S. 159ff. [87] Vgl. hierzu Yi/Davis (2003), S. 159ff.; Storm (2006). [88] Dies kann innerhalb des PLS-Algorithmus erreicht werden, indem das gesamte Strukturmodell in zwei Teilmodelle zerlegt wird. Das erste Teilmodell umfasst die Dimensionen des mehrdimensionalen Konstrukts und alle vorgelagerten latenten Konstrukte. Das zweite Teilmodell beinhaltet das Konstrukt 2. Ordnung und alle nachgelagerten latenten Konstrukte. Nun können die Parameter des ersten Teilmodells mit dem PLS- Algorithmus bestimmt und die standardmäßig ausgegebenen Faktorwerte für die Konstrukte 1. Ordnung weiter verwendet werden. [89] Vgl. Chin (1998b), S [90] Dieser Schritt ist außerhalb des PLS-Algorithmus notwendig, da die gängigen PLS-Programme die Verwendung von Ladungen statt der Gewichte zur Bestimmung des Faktorwerts formativer Konstrukte nicht direkt unterstützen. [91] Vgl. Chin (1998a), S. x; Diamantopoulos/Winklhofer (2001); Krafft/Götz/Liehr-Gobbers (2005), S. 82; Pavlou/Fygenson (2006), S Verzeichnis der zitierten Literatur Agarwal, Ritu/Karahanna, Elena (2000): Time Flies When You re Having Fun: Cognitive Absorption and Beliefs DBW 66 (2006) 6 691

15 17159u Seite :30:01 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke About Information Technology Usage. In: MIS Quarterly, 24. Jg (2000), Nr. 4, S Albers, Sönke/Götz, Oliver (2006): Messmodelle mit Konstrukten zweiter Ordnung in der betriebswirtschaftlichen Forschung. In: Die Betriebswirtschaft, 66. Jg (2006), Nr. 6. Albers, Sönke/Hildebrandt, Lutz (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), Nr. 2, S Anderson, James C./Gerbing, David W. (1991): Predicting the Performance of Measures in a Confirmatory Factor Analysis With a Pretest Assessment of Their Substantive Validities. In: Journal of Applied Psychology, 76. Jg (1991), Nr. 5, S Backhaus, Klaus/Erichson, Bernd/Plinke, Wulff/Weiber, Rolf (2003): Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. 10. Aufl. Berlin u. a Bagozzi, Richard P. (1980): Causal Models in Marketing. New York u.a Bagozzi, Richard P. (1984): A Prospectus for Theory Construction in Marketing. In: Journal of Marketing, 48. Jg (1984), Nr. 1, S Bagozzi, Richard P. (1994): Structural Equation Models in Marketing Research: Basic Principles. In: Bagozzi, Richard P. (Hrsg.): Principles of Marketing Research. Cambridge, Mass. u. a. 1994, S Bagozzi, Richard P./Yi, Youjae/Nassen, Kent D. (1999): Representation of measurement error in marketing variables: Review of approaches and extension to three-facet designs. In: Journal of Econometrics, 89. Jg (1999), Nr. 1/ 2, S Bentler, Peter M. (1980): Multivariate Analysis with Latent Variables: Causal Modeling. In: Annual Review of Psychology, 31. Jg (1980), Nr. 1, S Bentler, Peter M./Weeks, David G. (1980): Linear Structural Equations with Latent Variables. In: Psychometrika, 45. Jg (1980), Nr. 3, S Bliemel, Friedhelm/Eggert, Andreas/Fassott, Georg/Henseler, Jörg (2005): Die PLS-Pfadmodellierung: Mehr als eine Alternative zur Kovarianzstrukturanalyse. In: Henseler, Jörg (Hrsg.): Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Stuttgart 2005, S Bollen, Kenneth A. (1984): Multiple Indicators: Internal Consistency or No Necessary Relationship. In: Quality and Quantity, 18. Jg (1984), Nr. 4, S Bollen, Kenneth A. (1989): Structural Equations With Latent Variables. New York u. a Bollen, Kenneth A./Lennox, Richard (1991): Conventional Wisdom on Measurement: A Structural Equation Perspective. In: Psychological Bulletin, 110. Jg (1991), Nr. 2, S Byrne, Barbara M. (2001): Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming. Mahwah, NJ u.a Carnap, Rudolf (1966): Philosophical Foundations of Physics: An Introduction to the Philosophy of Science. 2. pr. New York u.a Cattell, Raymond Bernard (1978): The Scientific Use of Factor Analysis in Behavioral and Life Sciences. New York u.a Chin, Wynne W. (1997): Overview of the PLS Method. /disc-nt.cba.uh.edu/chin/plsintro.htm, Abruf am: Chin, Wynne W. (1998a): Issues and Opinion on Structural Equation Modeling. In: MIS Quarterly, 22. Jg (1998), Nr. 1, S. VII XVI. Chin, Wynne W. (1998b): The Partial Least Squares Approach to Structural Equation Modeling. In: Marcoulides, George A. (Hrsg.): Modern Methods for Business Research. Mahwah, New Jersey 1998, S Chin, Wynne W./Gopal, Abhijit (1995): Adoption Intention in GSS: Relative Importance of Beliefs. In: ACM SIGMIS Database, 26. Jg (1995), Nr. 2/3, S Chin, Wynne W./Marcolin, Barbara L./Newsted, Peter R. (2003): A Partial Least Squares Latent Variables Modeling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/Adoption Study. In: Information Systems Research, 14. Jg (2003), Nr. 2, S Chin, Wynne W./Newsted, Peter R. (1999): Structural Equation Modeling Analysis With Small Samples Using Partial Least Squares. In: Hoyle, Rick H. (Hrsg.): Statistical Strategies for Small Sample Research. Thousand Oaks, Calif. 1999, S Churchill, Gilbert A., Jr. (1979): A Paradigm for Developing Better Measures of Marketing Constructs. In: Journal of Marketing Research, 16. Jg (1979), Nr. 1, S Cui, Anna Shaojie/Griffith, David A./Cavusgil, S. Tamer (2005): The Influence of Competitive Intensity and Market Dynamism on Knowledge Management Capabilities of Multinational Corporation Subsidiaries. In: Journal of International Marketing, 13. Jg (2005), Nr. 3, S DeVellis, Robert F. (2003), Scale Development: Theory and Applications. 2. Aufl. Thousand Oaks Diamantopoulos, Adamantios (1999): Export Performance Measurement: Reflective versus Formative Indicators. In: International Marketing Review, 16. Jg (1999), Nr. 6, S Diamantopoulos, Adamantios/Winklhofer, Heidi M. (2001): Index Construction with Formative Indicators: An Alternative to Scale Development. In: Journal of Marketing Research, 38. Jg (2001), Nr. 2, S Doty, D. Harold/Bhattacharya, Mousumi/Wheatley, Kathleen K./Sutcliffe, Kathleen M. (2006): Divergence Between Informant and Archival Measures of the Environment: Real Differences, Artifact, or Perceptual Error? In: Journal of Business Research, 59. Jg (2006), Nr. 2, S Eberl, Markus (2004): Formative und reflektive Indikatoren im Forschungsprozess: Entscheidungsregeln und die Dominanz des reflektiven Modells. Ludwig-Maximilians- 692 DBW 66 (2006) 6

16 17159u Seite :30:01 Uhr p1 In jeder Farbe Universität München, Institut für Unternehmensentwicklung und Organisation, München Edwards, Jeffrey R. (2001): Multidimensional Constructs in Organizational Behavior Research: An Integrative Analytical Framework. In: Organizational Research Methods, 4. Jg (2001), Nr. 2, S Edwards, Jeffrey R./Bagozzi, Richard P. (2000): On the Nature and Direction of Relationships Between Constructs and Measures. In: Psychological Methods, 5. Jg (2000), Nr. 2, S Eggert, Andreas/Fassott, Georg (2003): Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen. Ergebnisse einer Metaanaylse und Anwendungsempfehlungen. Kaiserslauterner Schriftenreihe Marketing, Nr. 20, Kaiserslautern Erdogan, Berrin/Liden, Robert C./Kraimer, Maria L. (2006): Justice and Leader-Member Exchange: The Moderating Role of Organizational Culture. In: Academy of Management Journal, 49. Jg (2006), Nr. 2, S Fassott, Georg (2005): Die PLS-Pfadmodellierung: Entwicklungsrichtungen, Möglichkeiten, Grenzen. In: Bliemel, Friedhelm/Eggert, Andreas/Fassott, Georg/Henseler, Jörg (Hrsg.): Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Stuttgart 2005, S Fassott, Georg/Eggert, Andreas (2005): Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Bestandsaufnahme und Anwendungsempfehlungen. In: Bliemel, Friedhelm/Eggert, Andreas/ Fassott, Georg/Henseler, Jörg (Hrsg.): Handbuch PLS- Pfadmodellierung: Methoden, Anwendung, Praxisbeispiele. Stuttgart 2005, S Fornell, Claes (1987): A Second Generation in Multivariate Analysis: Classification of Methods and Implications for Marketing Research. In: Houston, M. J. (Hrsg.): Review of Marketing. Chicago 1987, S Fornell, Claes/Bookstein, Fred L. (1982a): A Comparative Analysis of Two Structual Equation Models: LISREL and PLS Applied to Market Data. In: Fornell, Claes (Hrsg.): A Second Generation of Multivariate Analysis. New York, NY 1982, S Fornell, Claes/Bookstein, Fred L. (1982b): Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory. In: Journal of Marketing Research, 19. Jg (1982), Nr. 4, S Fritz, Wolfgang (1995): Marketing-Management und Unternehmenserfolg: Grundlagen und Ergebnisse einer empirischen Untersuchung. 2. Aufl. Stuttgart Fritz, Wolfgang/Dees, Heiko (2005): Die Standardisierung des Marketing im internationalen E-Commerce. In: Amelingmeyer, Jenny/Harland, Peter E. (Hrsg.): Technologiemanagement & Marketing: Herausforderungen eines integrierten Innovationsmanagements. Wiesbaden 2005, S Gerbing, David W./Anderson, James C. (1984): On the Meaning of Within-Factor Correlated Measurement Errors. In: Journal of Consumer Research, 11. Jg (1984), Nr. 1, S Gerbing, David W./Anderson, James C. (1988): An Updated Paradigm for Scale Development Incorporating Unidimensionality and Its Assessment. In: Journal of Marketing Research, 25. Jg (1988), Nr. 2, S Gerbing, David W./Hamilton, Janet G./Freeman, Elizabeth B. (1994): A Large-scale Second-order Structural Equation Model of the Influence of Management Participation on Organizational Planning Benefits. In: Journal of Management, 20. Jg (1994), Nr. 4, S Götz, Oliver/Liehr-Gobbers, Kerstin (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-Least- Squares(PLS)-Methode. In: Die Betriebswirtschaft, 64. Jg (2004), Nr. 6, S Guilford, J.P. (1981): Higher-order structure-of-intellect abilities. In: Multivariate Behavioral Research, 16. Jg (1981), Nr. 4, S Guinot, Christiane/Latreille, Julie/Tenenhaus, Michel (2001): PLS Path modelling and multiple table analysis: Application to the cosmetic habits of women in Ile-de- France. In: Chemometrics and Intelligent Laboratory Systems, 58. Jg (2001), Nr. 2, S Gujarati, Damodar N. (2003): Basic Econometrics. 4. Aufl. Boston, Mass. u. a Hair, Joseph F./Black, William/Babin, Barry J./Anderson, Rolph E./Tatham, Ronald L. (2006): Multivariate Data Analysis. 6. Aufl. Upper Saddle River, NJ u.a Hattie, John (1985): Methodological Review: Assessing Unidimensionality of Tests and Items. In: Applied Psychological Measurement, 9. Jg (1985), Nr. 2, S Helm, Sabrina (2005): Entwicklung eines formativen Messmodells für das Konstrukt Unternehmensreputation. In: Bliemel, Friedhelm/Eggert, Andreas/Fassott, Georg/ Henseler, Jörg (Hrsg.): Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Stuttgart 2005, S Hempel, Carl G. (1974): Grundzüge der Begriffsbildung in der empirischen Wissenschaft. Düsseldorf Herrmann, Andreas/Huber, Frank/Kressmann, Frank (2004): PLS Ein Leitfaden zur Spezifikation, Schätzung und Beurteilung varianzbasierter Strukturgleichungsmodelle. St. Gallen Herrmann, Andreas/Huber, Frank/Kressmann, Frank (2006): Varianz- und kovarianzbasierte Strukturgleichungsmodelle Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung. In: Zeitschrift für betriebswirtschaftliche Forschung, 58. Jg (2006), Nr. 2, S Homburg, Christian/Baumgartner, Hans (1995): Die Kausalanalyse als Instrument der Marketingforschung: Eine Bestandsaufnahme. In: Zeitschrift für Betriebswirtschaft, 65. Jg (1995), Nr. 10, S Homburg, Christian/Giering, Annette (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte: Ein Leitfaden für die Marketingforschung. In: Marketing ZFP, 18. Jg (1996), Nr. 1, S Hulland, John (1999): Use of Partial Least Squares (PLS) in Strategic Management Research: A Review of Four Re- DBW 66 (2006) 6 693

17 17159u Seite :30:02 Uhr p1 In jeder Farbe Jens Giere/Bernd W. Wirtz/Oliver Schilke cent Studies. In: Strategic Management Journal, 20. Jg (1999), Nr. 2, S Hunter, John E./Gerbing, David W. (1982): Unidimensional Measurement, Second Order Factor Analysis, and Causal Models. In: Staw, Barry M./Cummings, L.L (Hrsg.): Research in Organizational Behavior. Greenwich, CT 1982, S Jarvis, Cheryl Burke/MacKenzie, Scott B./Podsakoff, Philip 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 Johns, Gary (1998): Aggregation or aggravation? The relative merits of a broad withdrawal construct. In: Journal of Organizational Behavior, 19. Jg (1998), Nr. 5, S Jöreskog, Karl G. (1970): A General Method for Analysis of Covariance Structures. In: Biometrika, 57. Jg (1970), Nr. 2, S Jöreskog, Karl G./Goldberger, Arthur S. (1975): Estimation of a Model with Multiple Indicators and Multiple Causes of a Single Latent Variable. In: Journal of the American Statistical Association, 70. Jg (1975), Nr. 351, S Kleinbaum, David G./Kupper, Lawrence L./Muller, Keith E./ Nizam, Azhar (1998): Applied Regression Analysis and Other Multivariable Methods. 3. Aufl. Pacific Grove u. a Kline, Rex B. (2005): Principles and Practice of Structural Equation Modeling. 2. Aufl. New York, NY u.a Krafft, Manfred/Götz, Oliver/Liehr-Gobbers, Kerstin (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes. In: Bliemel, Friedhelm/Eggert, Andreas/Fassott, Georg/Henseler, Jörg (Hrsg.): Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Stuttgart 2005, S Law, Kenneth S./Wong, Chi-Sum (1999): Multidimensional Constructs in Structural Equation Analysis: An Illustration Using the Job Perception and Job Satisfaction Constructs. In: Journal of Management, 25. Jg (1999), Nr. 2, S Law, Kenneth S./Wong, Chi-Sum/Mobley, William H. (1998): Toward a Taxonomy of Multidimensional Constructs. In: Academy of Management Review, 23. Jg (1998), Nr. 4, S Lin, Chien-Hasin/Sher, Peter J./Shih, Hasin-Yu (2005): Past Progress and Future Diretions in Conceptualizing Customer Perceived Value. In: International Journal of Service Industry Management, 16. Jg (2005), Nr. 4, S Lohmöller, Jan-Bernd (1989): Latent Variable Path Modeling with Partial Least Squares. Heidelberg u. a Lohmöller, Jan-Bernd (1992): Die PLS-Methode für Pfadmodelle mit latenten Variablen Analysen zur Nutzung ökologischer Information. In: Hildebrandt, Lutz/Rudinger, Georg/Schmidt, Peter (Hrsg.): Kausalanalysen in der Umweltforschung: Beiträge eines Methodenworkshops am Wissenschaftszentrum Berlin. Stuttgart u. a. 1992, S Luo, Xueming/Slotegraaf, Rebecca J./Pan, Xing (2006): Cross-Functional»Coopetition«: The Simultaneous Role of Cooperation and Competition Within Firms. In: Journal of Marketing, 70. Jg (2006), Nr. 2, S MacCallum, Robert C./Browne, Michael W. (1993): The Use of Causal Indicators in Covariance Structure Models: Some Practical Issues. In: Psychological Bulletin, 114. Jg (1993), Nr. 3, S MacKenzie, Scott B./Podsakoff, Philip M./Jarvis, Cheryl Burke (2005): The Problem of Measurement Model Misspecification in Behavioral and Organizational Research and Some Recommended Solutions. In: Journal of Applied Psychology, 90. Jg (2005), Nr. 4, S Marsh, Herbert W./Hocevar, Dennis (1985): Application of Confirmatory Factor Analysis to the Study of Self-Concept: First- and Higher Order Factor Models and Their Invariance Across Groups. In: Psychological Bulletin, 97. Jg (1985), Nr. 3, S Mathieu, Alexander (2004): Strategie in High Velocity Märkten: Konzeptionalisierung, Operationalisierung und Erfolgswirkung. Wiesbaden McGrew, Kevin S./Flanagan, Dawn P./Keith, Timothy Z./ Vanderwood, Mike (1997): Beyond g: The Impact of Gf- Gc Specific Cognitive Abilities Research on the Future Use and Interpretation of Intelligence Test Batteries in the Schools. In: School Psychology Review, 26. Jg (1997), Nr. 2, S Nunnally, Jum C./Bernstein, Ira H. (1994): Psychometric Theory. 3rd ed. New York u.a Ones, Deniz S./Viswesvaran, Chockalingam (1996): Bandwidth-fidelity dilemma in personality measurement for personnel selection. In: Journal of Organizational Behavior, 17. Jg (1996), Nr. 6, S Pavlou, Paul A./Fygenson, Mendel (2006): Understanding and Predicting Electronic Commerce Adoption: An Extension of the Theory of Planned Behavior. In: MIS Quarterly, 30. Jg (2006), Nr. 1, S Ravinchandran, T./Lertwongsatien, Chalermsak (2005): Effect of Information Systems Resources and Capabilities on Firm Performance: A Resource-Based Perspective. In: Journal of Management Information Systems, 21. Jg (2005), Nr. 4, S Reinartz, Werner/Krafft, Manfred/Hoyer, Wayne D. (2004): The Customer Relationship Management Process: Its Measurement and Impact on Performance. In: Journal of Marketing Research, 41. Jg (2004), Nr. 3, S Rindskopf, David/Rose, Tedd (1988): Some Theory and Applications of Confirmatory Second-Order Factor Analysis. In: Multivariate Behavioral Research, 23. Jg (1988), Nr. 1, S Roznowski, Mary/Hanisch, Kathy A. (1990): Building Systematic Heterogeneity Into Work Attitudes and Behavior Measures. In: Journal of Vocational Behavior, 36. Jg (1990), Nr. 3, S Satorra, Albert/Bentler, Peter M. (1994): Corrections to Test 694 DBW 66 (2006) 6

18 17159u Seite :30:02 Uhr p1 In jeder Farbe Statistics and Standard Errors in Covariance Structure Analysis. In: Eye, Alexander von/clogg, Clifford C. (Hrsg.): Latent Variables Analysis: Applications for Developmental Research. Thousand Oaks, CA u. a. 1994, S Schneider, Holger (2006): Nachweis und Behandlung von Multikollinearität. In: Albers, Sönke/Klapper, Daniel/ Konradt, Udo/Walter, Achim/Wolf, Joachim (Hrsg.): Methodik der empirischen Forschung. Wiesbaden 2006, S Schneider, Robert J./Hough, Leaetta M./Dunnette, Marvin D. (1996): Broadsided by broad traits: How to sink science in five dimensions or less. In: Journal of Organizational Behavior, 17. Jg (1996), Nr. 6, S Schnell, Rainer/Hill, Paul B./Esser, Elke (1999), Methoden der empirischen Sozialforschung. 6. Aufl. München Scholderer, Joachim/Balderjahn, Ingo (2005): PLS versus LISREL: Ein Methodenvergleich. In: Bliemel, Friedhelm/ Eggert, Andreas/Fassott, Georg/Henseler, Jörg (Hrsg.): Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Stuttgart 2005, S Scholderer, Joachim/Balderjahn, Ingo (2006): Was unterscheidet harte und weiche Strukturgleichungsmodelle nun wirklich? Ein Klärungsversuch zur LISREL-PLS- Frage. In: Marketing ZFP, 28. Jg (2006), Nr. 1, S Spector, Paul E. (1992): Summated Rating Scale Construction: An Introduction. Newbury Park, Calif. u. a Storm, Bernd (2006): Internetbasierte Anwendungen in der FuE-Kooperation Eine empirische Analyse basierend auf der Adaptive Structuration Theory. Wiesbaden Tanriverdi, Hüseyin (2006): Performance Effects of Information Technology Synergies in Multibusiness Firms. In: MIS Quarterly, 30. Jg (2006), Nr. 1, S Tenenhaus, Michel/Vinzi, Vincenzo Esposito/Chatelin, Yves-Marie/Lauro, Carlo (2005): PLS Path Modeling. In: Computational Statistics & Data Analysis, 48. Jg (2005), Nr. 1, S Thurstone, L. L. (1947): Multiple-Factor Analysis: A Development and Expansion of The Vectors of the Mind. Chicago, Ill., Wecker, Roman (2006): Internetbasiertes Supply Chain Management: Konzeptionalisierung, Operationalisierung und Erfolgswirkung. Wiesbaden Weeks, David G. (1980): A Second-Order Longitudinal Model of Ability Structure. In: Multivariate Behavioral Research, 15. Jg (1980), Nr. 3, S Wirtz, Bernd W./Mathieu, Alexander (2005): Strategie in High Velocity Märkten. In: Die Betriebswirtschaft, 65. Jg (2005), Nr. 5, S Wold, Herman (1980): Model Construction and Evaluation When Theoretical Knowledge is Scarce: Theory and Application of PLS. In: Kmenta, Jan/Ramsey, James B. (Hrsg.): Evaluation of Econometric Models. New York 1980, S Wold, Herman (1982a): Soft Modeling: The Basic Design and Some Extensions. In: Jöreskog, Karl G./Wold, Herman (Hrsg.): Systems under Indirect Observation: Causality, Structure, Prediction. Amsterdam u. a. 1982, S Wold, Herman (1982b): Systems Under Indirect Observation Using PLS. In: Fornell, Claes (Hrsg.): A Second Generation of Multivariate Analysis. New York, NY 1982, S Yi, Mun Y./Davis, Fred D. (2003): Developing and Validating an Observational Learning Model of Computer Software Training and Skill Acquisition. In: Information Systems Research, 14. Jg (2003), Nr. 2, S Yi, Youjae (1989): An investigation of the structure of expectancy-value attitude and its implications. In: International Journal of Research in Marketing, 6. Jg (1989), Nr. 2, S DBW 66 (2006) 6 695

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012

Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Seminar für Wirtschaftsinformatiker (Master/Diplom) Sommersemester 2012 Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung Julius-Maximilians-Universität Würzburg 07.02.2012 Erwerb von Kompetenzen

Mehr

LISREL/CFA: Modelltest

LISREL/CFA: Modelltest LISREL/CFA: Modelltest im Rahmen des Interdisziplinären Seminars Multivariate Statistik bei psychologischen Fragestellungen Martina Feilke, Martina Unterburger, Christoph Burkhardt Dozenten: Prof. Dr.

Mehr

Kundenbindung im gewerblichen Automobilmarkt

Kundenbindung im gewerblichen Automobilmarkt Andreas Meyer Kundenbindung im gewerblichen Automobilmarkt Eine empirische Kausalanalyse it einem Geleitwort von Prof. Dr. Frank Wimmer GABLER RESEARCH XI Inhaltsverzeichnis Inhaltsübersicht t IX Inhaltsverzeichnis

Mehr

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII Inhaltsverzeichnis Abbildungsverzeichnis XVII Tabellenverzeichnis XXV Abkürzungsverzeichnis, XXVII 1 Einführung in die Problemstellung 1 1.1 Wiederentdeckung der ökonomischen Bedeutung von langfristigen

Mehr

Universität Hamburg. Gütemaße für den Partial Least Squares- Ansatz zur Bestimmung von Kausalmodellen

Universität Hamburg. Gütemaße für den Partial Least Squares- Ansatz zur Bestimmung von Kausalmodellen Universität Hamburg Institut für Industriebetriebslehre und Organisation Industrielles Management Arbeitspapier Nr. 16 Herausgeber: Christian Marc Ringle Gütemaße für den Partial Least Squares Ansatz zur

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Munich Business School

Munich Business School Munich Business School Das Wechselverhalten von Privathaushalten im Strommarkt Munich Business School Working Paper 2003-02 Carsten Rennhak Munich Business School Elsenheimerstrasse 61 D-80687 Munich E-Mail:

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Zusammenfassung der Dissertation "Convenience im Handel"

Zusammenfassung der Dissertation Convenience im Handel Zusammenfassung der Dissertation " im Handel" im Handel ist das vom Kunden wahrgenommene Ausmaß der Vermeidung von Einkaufskosten in Form von Zeit sowie physischer, kognitiver und emotionaler Mühe. Dieses

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION

Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Make-or-Buy bei Anwendungssystemen

Make-or-Buy bei Anwendungssystemen Björn Brandt Make-or-Buy bei Anwendungssystemen Eine empirische Untersuchung der Entwicklung und Wartung betrieblicher Anwendungssoftware Mit einem Geleitwort von Prof. Dr. Peter Buxmann GABLER RESEARCH

Mehr

Facetten von Designforschung Einblicke in den Stand der Dinge

Facetten von Designforschung Einblicke in den Stand der Dinge Hans Kaspar Hugentobler Designforschung: Vielfalt, Relevanz, Ideologie Facetten von Designforschung Einblicke in den Stand der Dinge Hans Kaspar Hugentobler Master of Design Diplom-Kommunikationswirt Bremen

Mehr

Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy

Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy Schriftenreihe Marketing Management Universität Hannover Lehrstuhl für ABWL und Marketing II Prof. Dr. Wiedmann M2 Marketing & Management Klaus-Peter Wiedmann Sabine Meissner Sascha Fusy Reputation : -

Mehr

2. Korrelation, lineare Regression und multiple Regression

2. Korrelation, lineare Regression und multiple Regression multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig

Mehr

Faktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007

Faktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007 Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Log-lineare Analyse I

Log-lineare Analyse I 1 Log-lineare Analyse I Einleitung Die log-lineare Analysemethode wurde von L.A. Goodman in den 60er und 70er Jahren entwickelt. Sie dient zur Analyse von Zusammenhängen in mehrdimensionalen Kontingenztafeln

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen

Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen Christopher Bayer Die Relevanz der Unternehmensreputation bei der Beschaffung von B2B-Dienstleistungen Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Abkürzungsverzeichnis XIX XXIII

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Mediator-Effekte in der Regressionsanalyse (direkte, indirekte und totale Effekte)

Mediator-Effekte in der Regressionsanalyse (direkte, indirekte und totale Effekte) Version 1.3; Januar 007 Mediator-Effekte in der Regressionsanalyse (direkte, indirekte und totale Effekte) von Dieter Urban und Jochen Mayerl 1 Zum Inhalt: In dieser Ergänzung werden auf praxisorientierte

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

B.A. Sozialwissenschaften. Reiseführer durch das Pflichtmodul 5: Methoden der empirischen Sozialforschung

B.A. Sozialwissenschaften. Reiseführer durch das Pflichtmodul 5: Methoden der empirischen Sozialforschung B.A. Sozialwissenschaften Reiseführer durch das Pflichtmodul 5: Methoden der empirischen Sozialforschung Modulverantwortung Modulverantwortlich für die Methoden der empirischen Sozialforschung in Marburg

Mehr

Anhang 1.3: Minor Bankbetriebslehre (24 LP) Prüfungs - form KL 6 24

Anhang 1.3: Minor Bankbetriebslehre (24 LP) Prüfungs - form KL 6 24 Anhang 1: Nebenfach Betriebswirtschaftslehre 24 Anhang 1.1: Minor Accounting (24 ) Betriebswirtschaftliche Steuerlehre I Betriebswirtschaftliche Steuerlehre II International Taxation Internationale Rechnungslegung

Mehr

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:

Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell: Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y

Mehr

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Fehlende Daten in der Multivariaten Statistik SS 2011 Allgemeines Das Seminar richtet sich in erster Linie an Studierende

Mehr

Disziplin: Alle Disziplinen (die verwendeten Beispiele im Kurs stammen vor allem aus dem Bereich Marketing/Management) Title Metaanalyse

Disziplin: Alle Disziplinen (die verwendeten Beispiele im Kurs stammen vor allem aus dem Bereich Marketing/Management) Title Metaanalyse Disziplin: Alle Disziplinen (die verwendeten Beispiele im Kurs stammen vor allem aus dem Bereich Marketing/Management) Title Metaanalyse Lecturer Martin Eisend (Europa-Universität Viadrina) Outline.1 Key

Mehr

SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1

SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1 SPSS-Beispiel zu Kapitel 6: Methoden der Reliabilitätsbestimmung 1 Karin Schermelleh-Engel & Christina S. Werner Inhaltsverzeichnis 1 Empirischer Datensatz... 1 2 Interne Konsistenz... 2 3 Split-Half-Reliabilität...

Mehr

Gestaltung von Computersimulationen

Gestaltung von Computersimulationen Gestaltung von Computersimulationen Prof. Dr. Günter Daniel Rey Professur E-Learning und Neue Medien 7. Gestaltung von Computersimulationen 1 Überblick Computersimulationen Probleme beim Lernen mit Simulationen

Mehr

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik

Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik Ludwig Fahrmeir, Nora Fenske Institut für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit dem Wahlfach Statistik 29. März 21 Hinweise:

Mehr

Hypothesenentwicklung und Fragebogengestaltung

Hypothesenentwicklung und Fragebogengestaltung Hypothesenentwicklung und Fragebogengestaltung 1 1 Hypothesen: Grundlagen 2 Die Entwicklung und Untersuchung von Hypothesen Typischer Forschungsablauf zur Untersuchung handelswissenschaftlicher Hypothesen

Mehr

Master of Science Business Administration

Master of Science Business Administration Master of Science Business Administration Marketing Abbildung der Studiengangstrukturen PO 2015 Bitte beachten Sie, dass es sich hierbei um vorläufige Übersichten der Studienstruktur handelt, die das WiSo-Studienberatungszentrum

Mehr

Varianzanalyse * (1) Varianzanalyse (2)

Varianzanalyse * (1) Varianzanalyse (2) Varianzanalyse * (1) Einfaktorielle Varianzanalyse (I) Die Varianzanalyse (ANOVA = ANalysis Of VAriance) wird benutzt, um Unterschiede zwischen Mittelwerten von drei oder mehr Stichproben auf Signifikanz

Mehr

An Introduction to Monetary Theory. Rudolf Peto

An Introduction to Monetary Theory. Rudolf Peto An Introduction to Monetary Theory Rudolf Peto 0 Copyright 2013 by Prof. Rudolf Peto, Bielefeld (Germany), www.peto-online.net 1 2 Preface This book is mainly a translation of the theoretical part of my

Mehr

Frailty Models in Survival Analysis

Frailty Models in Survival Analysis Aus dem Institut für Medizinische Epidemiologie, Biometrie und Informatik (Direktor: Prof. Dr. Johannes Haerting) Frailty Models in Survival Analysis Habilitation zur Erlangung des akademischen Grades

Mehr

Understanding the Requirements for Developing Open Source Software 17. JuniSystems

Understanding the Requirements for Developing Open Source Software 17. JuniSystems Understanding the Requirements for Developing Open Source Software Systems Integrations Engineering HFU-Furtwangen 17. Juni 2009 2009 1 / 16 1 Autor 2 Paper Thema des Papers Vorgehen des Autors 3 Inhalt

Mehr

Hans-Friedrich Eckey SS 2004. Skript zur Lehrveranstaltung Multivariate Statistik

Hans-Friedrich Eckey SS 2004. Skript zur Lehrveranstaltung Multivariate Statistik Hans-Friedrich Eckey SS 2004 Skript zur Lehrveranstaltung Multivariate Statistik Vormerkungen I Vorbemerkungen Das Manuskript beinhaltet den gesamten Stoff, der Bestandteil der Lehrveranstaltung "Multivariate

Mehr

Students intentions to use wikis in higher education

Students intentions to use wikis in higher education Students intentions to use wikis in higher education Christian Kummer WI2013, 27.02.2013 Motivation Problem Web 2.0 changed the way that students search for, obtain, and share information Uncertainty about

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

Lehrangebot am Institut für Marketing für Master of Science

Lehrangebot am Institut für Marketing für Master of Science Univ.-Prof. Dr. Anton Meyer Institut für Marketing Lehrangebot am Institut für Marketing für Master of Science - Informationen, Vorgehen, Richtlinien Stand: August 2012 www.marketingworld.de Übersicht

Mehr

Forschungsergebnisse der Wirtschaftsuniversität Wien 45

Forschungsergebnisse der Wirtschaftsuniversität Wien 45 Forschungsergebnisse der Wirtschaftsuniversität Wien 45 Der Einfluss von Kundenzufriedenheit auf die Kundenloyalität und die Wirkung der Wettbewerbsintensität am Beispiel der Gemeinschaftsverpflegungsgastronomie

Mehr

Lehrangebot am Institut für Marketing

Lehrangebot am Institut für Marketing Institut für Marketing Univ.-Prof. Dr. Anton Meyer Lehrangebot am Institut für Marketing für Master of Science - Informationen, Vorgehen, Richtlinien Stand: Oktober 2011 www.marketing.bwl.lmu.de Übersicht

Mehr

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Max. Gesamtpunktzahl: 28 (bestanden mit 14 Punkten) Matrikelnummer: - Bei Antwortmöglichkeiten mit müssen Sie jeweils alle die Kästchen

Mehr

Marketing-Forschung 1. Die Grundlagen der Marketing-Forschung. Prof. Dr. Hendrik Schröder

Marketing-Forschung 1. Die Grundlagen der Marketing-Forschung. Prof. Dr. Hendrik Schröder Marketing-Forschung 1. Die Grundlagen der Marketing-Forschung Prof. Dr. Hendrik Schröder 1 Die Grundlagen der Marketing-Forschung 1.1 Die Abgrenzung von Marktforschung und Marketing-Forschung 1.2 Die Aufgaben

Mehr

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer

Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer Delta-Gamma-Verfahren als Standard- Risikomodell für Lebensversicherer 1 Einleitung Im Rahmen des SST wird teilweise vereinfachend angenommen, dass der Zusammenhang zwischen der Veränderung des risikotragenden

Mehr

Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen

Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Die Interferenz von flexiblen Arbeitszeiten mit der Nutzbarkeit arbeitsfreier Zeit Ein Prädiktor für soziale Beeinträchtigungen Anna Wirtz*, Ole Giebel**, Carsten Schomann**, Friedhelm Nachreiner** *Bundesanstalt

Mehr

Untersuchungen zum Thema Tracking Error

Untersuchungen zum Thema Tracking Error Untersuchungen zum Thema Tracking Error J. Fulmek 24. August 2003 1 Einleitung Im Folgenden werden folgende Punkte untersucht: 1. verschiedene in der Literatur übliche Definitionen des Tracking Errors

Mehr

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung

Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten am Beispiel der Kreditwürdigkeitsprüfung Prof. Dr. Gerhard Arminger Dipl.-Ök. Alexandra Schwarz Bergische Universität Wuppertal Fachbereich Wirtschaftswissenschaft Fach Statistik Automatische Mustererkennung zur Klassifikation von Konsumentenverhalten

Mehr

Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM)

Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM) Assessment of disgn-flows in water management, Classical methods, nonstationary and multidimensional extensions of Extreme Value Modeling (EVM) Dr. Winfried Willems, IAWG Outline Classical Approach, short

Mehr

Schlüsselwörter: Internettestverfahren, Online-Assessment, Personalauswahl, Bewerberwahrnehmung, Fairness, Organizational Justice Theory

Schlüsselwörter: Internettestverfahren, Online-Assessment, Personalauswahl, Bewerberwahrnehmung, Fairness, Organizational Justice Theory Stefan Brünn: Internettestverfahren zur Personalauswahl. Einflussgrößen der Fairnesswahrnehmung und ihre Wirkung auf die Intentionen und Reaktionen der Bewerber ISBN 978-3-86618-472-5, ISBN 978-3-86618-572-2

Mehr

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 4. Messtheorie Messen in den Sozialwissenschaften, Operationalisierung und Indikatoren, Messniveaus,

Mehr

Hochschule Esslingen. Modulbeschreibung TBB Internationale Technische Betriebswirtschaft. Inhaltsverzeichnis. Kanalstr. 33 73728 Esslingen

Hochschule Esslingen. Modulbeschreibung TBB Internationale Technische Betriebswirtschaft. Inhaltsverzeichnis. Kanalstr. 33 73728 Esslingen Kanalstr. 33 73728 Esslingen Inhaltsverzeichnis Seite 1 von 6 TBB602 MD International Business 2 Int.Marketing/-Finance & Case Studies Int.Business 3 International Conmmercial Law 5 Erläuterungen 6 Modul

Mehr

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression

Institut für Soziologie. Methoden 2. Regressionsanalyse I: Einfache lineare Regression Institut für Soziologie Methoden 2 Regressionsanalyse I: Einfache lineare Regression Programm Anwendungsbereich Vorgehensweise Interpretation Annahmen Zusammenfassung Übungsaufgabe Literatur # 2 Anwendungsbereich

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001)

BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) AMOS - Bedienungsanaleitung 1 BEDIENUNGSANLEITUNG FÜR AMOS (Letzte Änderung: Mittwoch, 10. Februar 2001) A. Aufbau einer Inputdatei (Excel-Arbeitsblatt), welche eine Kovarianz- bzw. Korrelationsmatrix

Mehr

Übersicht. Hintergrund Der englische Goldsmiths Musical Sophistication Index. Übersetzungsprozess ins Deutsche und Erhebung einer Normstichprobe

Übersicht. Hintergrund Der englische Goldsmiths Musical Sophistication Index. Übersetzungsprozess ins Deutsche und Erhebung einer Normstichprobe Sind wir nicht alle ein bisschen musikalisch? Untersuchung musikalischer Erfahrenheit in Deutschland Nora K. Schaal, Katharina Bauer und Daniel Müllensiefen Übersicht Hintergrund Der englische Goldsmiths

Mehr

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1

Inhaltsverzeichnis. Regressionsanalyse. http://mesosworld.ch - Stand vom: 20.1.2010 1 Inhaltsverzeichnis Regressionsanalyse... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-8)... 2 1. Allgemeine Beziehungen... 3 2. 'Best Fit'... 3 3. 'Ordinary Least Squares'... 4 4. Formel der Regressionskoeffizienten...

Mehr

Kybernetik Das Kybernetische Modell

Kybernetik Das Kybernetische Modell Kybernetik Das Kybernetische Modell Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 05. 06. 2012 Das Modell Das Modell Was ist ein Modell? Ein Modell

Mehr

Die Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder

Die Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder 1 2 3 Die Quantitative und Qualitative Sozialforschung unterscheiden sich bei signifikanten Punkten wie das Forschungsverständnis, der Ausgangspunkt oder die Forschungsziele. Ein erstes Unterscheidungsmerkmal

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr Contemporary Aspects in Information Systems Introduction to the diploma and master seminar in FSS 2010 Chair of Business Administration and Information Systems Prof. Dr. Armin Heinzl Sven Scheibmayr Objective

Mehr

Die Modellierung von Strukturgleichungen. Grundlegende theoretische Konzepte und Anwendungen (EQS)

Die Modellierung von Strukturgleichungen. Grundlegende theoretische Konzepte und Anwendungen (EQS) Die Modellierung von Strukturgleichungen Grundlegende theoretische Konzepte und Anwendungen (EQS) Manuskript zum Structural Equation Modeling und einer Anwendungsmöglichkeit (EQS) Sirko Kupper 1997 Inhaltsverzeichnis

Mehr

Literaturhinweise zur quantitativen Datenanalyse

Literaturhinweise zur quantitativen Datenanalyse Fachbereich 05 Gesellschaftswissenschaften Methoden der empirischen Sozialforschung Prof. Dr. Volker Stocké Marc Graupner, M.A. Dipl.-Soz. Daniel Klein Dipl.-Soz. Ulrike Schwabe Dipl.-Soz. Lisa Währisch

Mehr

Remote Management. Stefan Morell

Remote Management. Stefan Morell Stefan Morell Remote Management Ein Verfahren zur Effizienzbestimmung in der verteilten Zusammenarbeit mittels Selbstwirksamkeit in der Automobilindustrie kassel university press Inhaltsverzeichnis Vorwort...III

Mehr

Bei Nichtbestehen der Prüfung müssen sowohl der schriftliche als auch der mündliche Teil der Prüfung wiederholt werden.

Bei Nichtbestehen der Prüfung müssen sowohl der schriftliche als auch der mündliche Teil der Prüfung wiederholt werden. Universität Mannheim Lehrstuhl Arbeits- und Organisationspsychologie Prof. Dr. Sabine Sonnentag Diplom Psychologie Die Prüfung in Arbeits- und Organisationspsychologie im Diplom-Studiengang umfasst im

Mehr

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt.

29. Mai 2006. 5. Bei Unterschleif gilt die Klausur als nicht bestanden und es erfolgt eine Meldung an das Prüfungsamt. L. Fahrmeir, C. Belitz Department für Statistik Bitte für die Korrektur freilassen! Aufgabe 1 2 3 4 Punkte Klausur zur Vorlesung Statistik III für Studenten mit Wahlfach Statistik 29. Mai 2006 Hinweise:

Mehr

Algorithmische Modelle als neues Paradigma

Algorithmische Modelle als neues Paradigma Algorithmische Modelle als neues Paradigma Axel Schwer Seminar über Philosophische Grundlagen der Statistik, WS 2010/11 Betreuer: Prof. Dr. Thomas Augustin München, den 28. Januar 2011 1 / 29 LEO BREIMAN

Mehr

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit

IT-basierte Erstellung von Nachhaltigkeitsberichten. Diplomarbeit IT-basierte Erstellung von Nachhaltigkeitsberichten Diplomarbeit zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen Fakultät der Leibniz Universität Hannover vorgelegt von

Mehr

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Regelstudienplan SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Propädeutikum 1 1 Grundlagen der Informatik I Informatik und

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Skills Resource Planning

Skills Resource Planning Skills Resource Planning Data Assessment Solutions GmbH Jena, 1.6.2015 Was wir machen Software Consulting Operations Management Skills- und Ressourcen-Management Data Analytics Daten- und Prozessintegration

Mehr

Master of Science Business Administration

Master of Science Business Administration Master of Science Business Administration Abbildung der Studiengangstrukturen PO 2015 Bitte beachten Sie, dass es sich hierbei um vorläufige Übersichten der Studienstruktur handelt, die das WiSo-Studienberatungszentrum

Mehr

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe

Accounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe Accounting course program for master students Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe 2 Accounting requires institutional knowledge... 3...but it pays: Lehman Bros. Inc.,

Mehr

Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen. Bachelorarbeit

Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen. Bachelorarbeit Analyse kritischer Erfolgsfaktoren für Enterprise Social Networking Anwendungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaften

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung

Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios. Bernd Rosenow, 3. Kölner Workshop Quantitative Finanzmarktforschung Modellierung von Korrelationen zwischen Kreditausfallraten für Kreditportfolios Bernd Rosenow Rafael Weißhaupt Frank Altrock Universität zu Köln West LB AG, Düsseldorf Gliederung Beschreibung des Datensatzes

Mehr

Forschungsüberblick zu Führung

Forschungsüberblick zu Führung Forschungsüberblick zu Führung 2 Eine Auseinandersetzung mit der historischen Entwicklung geteilter Führung beginnt schlüssigerweise mit einer Definition von Führung sowie mit einer Klassifikation der

Mehr

Wie schreibt man eine Literaturübersicht?

Wie schreibt man eine Literaturübersicht? Wie schreibt man eine Literaturübersicht? Hinweis: Eine Literaturübersicht kann sowohl ein eigenständiger Text oder Teil einer wissenschaftlichen Arbeit sein. Im zweiten Fall findet sich in der Arbeit

Mehr

Commercial Banking Übung 1 Kreditscoring

Commercial Banking Übung 1 Kreditscoring Commercial Banking Übung Kreditscoring Dr. Peter Raupach raupach@wiwi.uni-frankfurt.de Sprechzeit Dienstag 6-7:00 Uhr Raum 603 B Kreditscoring Gliederung Grundanliegen Das Sample Modellspezifikation Diskriminanzanalyse

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Safer Software Formale Methoden für ISO26262

Safer Software Formale Methoden für ISO26262 Safer Software Formale Methoden für ISO26262 Dr. Stefan Gulan COC Systems Engineering Functional Safety Entwicklung Was Wie Wie genau Anforderungen Design Produkt Seite 3 Entwicklung nach ISO26262 Funktionale

Mehr

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag

Alina Schneider. Erfolg in Data-Warehouse-Projekten. Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien. Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten Eine praxisnahe Analyse von Erfolgsfaktoren und -kriterien Diplomica Verlag Alina Schneider Erfolg in Data-Warehouse-Projekten: Eine praxisnahe Analyse

Mehr

Lösung zu Kapitel 11: Beispiel 1

Lösung zu Kapitel 11: Beispiel 1 Lösung zu Kapitel 11: Beispiel 1 Eine Untersuchung bei 253 Personen zur Kundenzufriedenheit mit einer Einzelhandelskette im Südosten der USA enthält Variablen mit sozialstatistischen Daten der befragten

Mehr

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall )

Regressionsanalysen. Zusammenhänge von Variablen. Ziel der Regression. ( Idealfall ) Zusammenhänge von Variablen Regressionsanalysen linearer Zusammenhang ( Idealfall ) kein Zusammenhang nichtlinearer monotoner Zusammenhang (i.d.regel berechenbar über Variablentransformationen mittels

Mehr

Additional Cycle Index (ACIX) Thomas Theuerzeit

Additional Cycle Index (ACIX) Thomas Theuerzeit Additional Cycle Index (ACIX) Thomas Theuerzeit Der nachfolgende Artikel über den ACIX stammt vom Entwickler des Indikators Thomas Theuerzeit. Weitere Informationen über Projekte von Thomas Theuerzeit

Mehr

Abschlussklausur (60 Minuten), 15. Juli 2014

Abschlussklausur (60 Minuten), 15. Juli 2014 Prof. Dr. Amelie Wuppermann Volkswirtschaftliche Fakultät Universität München Sommersemester 2014 Empirische Ökonomie 1 Abschlussklausur (60 Minuten), 15. Juli 2014 Bearbeitungshinweise Die Bearbeitungszeit

Mehr

Marktliquidität von Aktien

Marktliquidität von Aktien Marktliquidität von Aktien Inauguraldissertation zur Erlangung der Würde eines Doctor rerum oeconomicarum der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Bern Lukas Roth Die Fakultät

Mehr

Learning Analytics und Foren

Learning Analytics und Foren Learning Analytics und Foren Agathe Merceron Beuth Hochschule für Technik Berlin Margarita Elkina Hochschule für Wirtschaft und Recht Berlin Albrecht Fortenbacher Hochschule für Technik und Wirtschaft

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Bachelor of Science. Business Administration

Bachelor of Science. Business Administration Bachelor of Science Business Administration Media and Technology Abbildung der Studiengangstrukturen PO 2015 Bitte beachten Sie, dass es sich hierbei um vorläufige Übersichten der Studienstruktur handelt,

Mehr

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT

ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT April 2013 ZUR BEDEUTUNG VON TRENDS IM INNOVATIONSMANAGEMENT von Maren Weiß & Prof. Dr. Michael Durst Welche Rolle spielen Trends in den Frühen Phasen im Innovationsmanagement? Wie setzen Unternehmen Trends

Mehr

Multivariate Analysemethoden

Multivariate Analysemethoden Multivariate Analysemethoden 30.04.2014 Günter Meinhardt Johannes Gutenberg Universität Mainz Einführung Was sind multivariate Analysemethoden? Vorlesung Übung/Tut Prüfung Verfahrensdarstellung in Überblick

Mehr