Lade Inhalt...

Moderator- vs. Mediatoreffekte in kausalanalytischen Untersuchungen

von B.Sc. Philip Sipos (Autor) Isabell Glombitza (Autor)

Seminararbeit 2012 42 Seiten

BWL - Offline-Marketing und Online-Marketing

Leseprobe

Inhaltsverzeichnis

ABBILDUNGSVERZEICHNIS

TABELLENVERZEICHNIS

ABKÜRZUNGSVERZEICHNIS

1. EINLEITUNG

2. KONZEPTUALISIERUNG VON DRITTVARIABLENEFFEKTEN IM RAHMEN DER KAUSALANALYSE
2.1 Strukturgleichungsmodelle als multivariates Analyseverfahren zur Abbildung von Drittvariableneffekten
2.2 Konzeptionelle Abgrenzung von Moderator- und Mediatoreffekten
2.3 Mediierte Moderation und moderierte Mediation als integrierte Formen der Moderator- und Mediatoranalyse

3. DRITTVARIABLENEFFEKTE ALS UNTERSUCHUNGSGEGENSTAND KAUSAL- ANALYTISCHER FRAGESTELLUNGEN IM DIENSTLEISTUNGSKONTEXT
3.1 Moderatoreffekt-fokussierte Strukturgleichungsmodellanalysen im
Anwendungsfeld der Marktforschung im Dienstleistungssektor
3.2 Mediatoreffekt-fokussierte Strukturgleichungsmodellanalysen im
Anwendungsfeld der Marktforschung im Dienstleistungssektor
3.3 Integrierte Strukturgleichungsmodellanalysen im Anwendungsfeld der Marktforschung im Dienstleistungssektor
3.4 Potenzielle Problemfelder bei der Untersuchung von Moderator- und Mediatoreffekten

4. FAZIT
4.1 Implikationen für marktforschungsbezogene empirische Anwendungen
4.2 Limitationen und Forschungsausblick

LITERATURVERZEICHNIS

ANHANG

Abbildungsverzeichnis

Abbildung 1: Systematische Darstellung eines Moderator- und Mediatoreffekts

Abbildung 2: Prinzipien der mediierten Moderation und moderierten Mediation

Abbildung 3: Vergleich konkurrierender Modellalternativen zur Mediationsanalyse

Abbildung 4: Auszug aus der Moderator- und Mediatoranalyse (vereinfacht)

Abbildung 5: Complementary Mediation vs. Competitive Mediation

Abbildung 6: Beispielhafte Darstellung zur analytischen Schematisierung multipler Drittvariableneffekte

Abbildung 7: Zitationshäufigkeit von Baron und Kenny (1986) nach Jahren

Tabellenverzeichnis

Tabelle 1: Journalbeiträge von 2010-2012 zu kausalanalytischen Untersuchungen von Drittvariableneffekten mit Dienstleistungsbezug (mit elektronischem Zugang)

Tabelle 2: Typologisierende Darstellung und Beispiele für potenzielle multiple Drittvariableneffekte

Tabelle 3: Autorzentrierte Literatursynopse

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Die Untersuchung kausaler Zusammenhänge ist für eine hypothesenprüfende und theo- riegeleitete Wissenschaft, wie sie die Wirtschaftswissenschaften darstellen, von zentra- ler Bedeutung. Werden die aus der Theorie abgeleiteten Hypothesen mit Hilfe eines empirischen Datensatzes überprüft, so wird dies als Kausalanalyse bezeichnet. Der the- oretischen Fundierung wird dabei eine besonders wichtige Rolle zugesprochen (Iacobucci/Saldanha/Deng 2007, S. 148; Markus 2010, S. 673). Oftmals reicht es bei der Analyse jedoch nicht aus, lediglich den Zusammenhang zwischen einer abhängigen und einer unabhängigen Variable zu untersuchen. Vielmehr gilt es, sogenannte Drittva- riableneffekte zu berücksichtigen. Im Kontext der Marktforschung werden die aus der Theorie abgeleiteten Modelle häufig einer Moderator- und/oder Mediatoranalyse unter- zogen (vgl. hierzu u.a.: Brady/Vorhees/Brusco 2012, S. 88ff.; Suwelack/Hogreve/Hoyer 2011, S. 468ff.). Dies verdeutlicht die Relevanz der angesprochenen Thematik

Die Auseinandersetzung mit Drittvariableneffekten kann auf eine lange Forschungshis- torie zurückblicken. Rozeboom (1956, S. 249) unternahm bereits 1956 den Versuch das „konzeptuelle Chaos“ der damals schon intensiv diskutierten „intervenierenden Variab- len“ zu beseitigen. Seitdem werden „Mythen von Wahrheiten“ zu trennen versucht (Ba- ron/Kenny, 1986, S. 1173; Zhao/Lynch Jr./Chen 2010, S. 197). Die Entwicklung und Weiterentwicklung von Analyseverfahren für Drittvariableneffekte stellen eine theoreti- sche Schwerpunktsetzung im Hinblick auf das betrachtete Themengebiet dar. Das Ziel ist es, die Güte anwendungsorientierter Forschungsergebnisse zu verbessern (vgl. hierzu u.a.: Lu et al. 2011, S. 258; Preacher/Zhang/Zyphur 2011, S. 163).

Es stellt sich die Frage, inwiefern neue Erkenntnisse in marktforschungsbezogenen Untersuchungen aufgegriffen werden und, ob von obsolet gewordenen Konventionen abgelassen wird. Die vorliegende Arbeit greift diese Fragestellung auf. Nachfolgend wird zunächst das Verfahren der Kausalanalyse zur Abbildung von Drittvariableneffekten erläutert und eine Abgrenzung von Moderator- und Mediatoreffekten vorgenommen. Im Anschluss werden diverse Marktforschungsstudien im Kontext des Dienstleistungsmarketing (DLM) hinsichtlich ihres Umgangs mit Drittvariableneffekten beleuchtet. Abschließend wird auf potenzielle Problemfelder hingewiesen, um daraus Implikationen für künftige Marktforschungsaktivitäten ableiten zu können.

2. Konzeptualisierung von Drittvariableneffekten im Rahmen der Kausalanalyse

2.1 Strukturgleichungsmodelle als multivariates Analyseverfahren zur Abbildung von Drittvariableneffekten

Im Rahmen der Kausalanalyse stellen Kausalmodelle eine theoretisch fundierte Unter- suchungsmethode zur Kombination von theoretischen Erkenntnissen mit empirischen Daten dar. Sie bieten eine effektivere und effizientere Möglichkeit, tiefgreifendes Wis- sen über kausale Zusammenhänge zu generieren, als dies mit herkömmlichen multiva- riaten Analysen (Anm. d. Verf. z.B. Faktoranalyse, multiple Regressionsanalyse etc.) möglich war (Hulland/Chow/Lam 1996, S. 182). Als spezielle Methode der Kausalmo- delle, werden im weiteren Verlauf Strukturgleichungsmodelle (fortlaufend abgekürzt durch SEM für Structural Equation Model) vorgestellt. Dieses strukturprüfende Verfah- ren bietet integrativen Charakter und u.a. die Möglichkeit, latente Variablen zu untersu- chen sowie systematische oder methodische Fehler in der Analyse aufzudecken (Bagozzi/Yi 2012, S. 12). Im Rahmen von SEMs werden zwei Modelltypen miteinander kombiniert: Das Strukturmodell zur Abbildung der Beziehung der latenten Variablen und die zu Grunde liegenden Messmodelle zur Operationalisierung der latenten Variab- len (Lu et al. 2011, S. 258f.). Hinsichtlich der im Hauptteil dieser Arbeit untersuchten Studien bieten SEMs die Vorteile der simultanen Analyse multipler Indikatoren und der Analyse direkter, indirekter und bi-direkter Effekte (Baumgartner/Homburg 1996, S. 158; Zoogah 2010, S. 164). Die Vorgehensweise bei SEMs kann vereinfacht in drei aufeinanderfolgende Ablaufschritte strukturiert werden: Modellformulierung, Parame- terschätzung und Beurteilung der Schätzergebnisse.

Die Modellformulierung ist Bollen und Lennox (1991, S. 306) zufolge, bestimmt durch die Wahl von formativen Indikatoren/Kausal-Indikatoren (die Indikatoren beeinflussen die latente Variable) oder reflektiven Indikatoren/Effekt-Indikatoren (die Indikatoren sind abhängig/beeinflusst von der latenten Variablen). Sie sollten gemäß Fornell und Bookstein (1982, S. 441ff.) in Abhängigkeit davon gewählt werden, ob die Studie be- obachtbare oder abstrakte/nicht beobachtbare Varianzen erklärt. Dementsprechend wird die Wahl der Parameterschätzung beeinflusst. Abhängig von der Wahl der Indikatoren steht dabei der varianzanalytische Ansatz (z.B. Partial-Least-Squares (PLS)) dem kovarianzanalytischen Ansatz (z.B. LISREL) gegenüber. Bei der Beurteilung der Schätzergebnisse kommt es nicht selten vor, dass innerhalb einer Studie alternative kau- sale Modellstrukturen hinsichtlich ihrer Güte miteinander verglichen werden (vgl. u.a.: Zablah/Brown/Donthu 2010, S. 252). Bemängelt wird hierbei, dass es in der Regel meh- rere Modellstrukturen geben kann, die sich nur marginal im Hinblick auf die Modellgü- te unterscheiden (Jacobs et al. 2011, S. 132). Häufig verwendete Gütemaße zur globalen Überprüfung der getesteten Modellstrukturen sind u.a. der Chi-Quadrat-Wert (Ȥ2 ), der Goodness-of-Fit-Index, der Comparative-Fit-Index (CFI) und der Root-Mean-Square- Error of Approximation (RMSEA). Ein weiterer potenzieller Nachteil der Anwendung von SEMs besteht in der Festlegung der Faktorenanzahl. Wird bereits zu Beginn der Analyse eine falsche Entscheidung getroffen, wirkt sich dies z.B. im Sinne von Verzer- rungen (Bollen 2000, S.75) nachhaltig negativ auf das gesamte Modell aus. Dennoch wird dem SEM-Verfahren gegenüber reinen Regressionsansätzen im Hinblick auf die Mediationsanalyse Überlegenheit attestiert (Iacobucci/Saldanha/Deng 2007, S. 151). Diese zeigt sich bei einem Vergleich der Standardfehler der zu schätzenden Koeffizien- ten, einer höheren Sensitivität des Sobel-Tests (vgl. Sobel 1982, S. 308) und der größe- ren Wahrscheinlichkeit auch bei kleinen Stichprobengrößen vorhandene Mediations- strukturen aufzudecken (Iacobucci/Saldanha/Deng 2007, S. 144ff.).

Nachdem in diesem Abschnitt das SEM-Verfahren zur Abbildung von Drittvariableneffekten vorgestellt wurde, sollen nun mögliche Drittvariableneffekte voneinander differenziert werden.

2.2 Konzeptionelle Abgrenzung von Moderator- und Mediatoreffekten

Nicht selten kommt es bei der Kausalanalyse zu komplexen Beziehungen, sodass die abhängige und unabhängige Variable von Drittvariablen signifikant beeinflusst werden. Bekannte Drittvariableneffekte sind Moderator- und der Mediatoreffekte (MacKin- non/Fairchild 2009, S. 87). Gemäß dem Standardwerk von Baron und Kenny (1986, S. 1174) ist ein Moderator eine qualitative oder quantitative Variable, die Richtung oder Stärke der Beziehung zwischen einer abhängigen und einer unabhängigen Variable be- einflusst. Sharma, Durand und Gur-Arie (1981, S. 292) teilen Moderatoren in zwei ver- schiedene Typen ein: Erstens der „klassische“ Typ Moderator, der auf die Stärke des Zusammenhangs eines Models wirkt und zweitens, der Typ Moderator, der die Form eines Models modifiziert. Zum Testen von Moderatoreffekten stellen Baron und Kenny (1986, S. 1174f.) vier verschiedene Möglichkeiten, in Abhängigkeit des Skalenniveaus der Variablen, vor. Sind Moderator und unabhängige Variable nominal skaliert, so kann ein Moderator durch einen Test auf Interaktion innerhalb einer Varianzanalyse (ANOVA) nachgewiesen werden. Ist der Moderator nominal und die unabhängige Vari- able stetig skaliert wird ein Signifikanztest nicht standardisierter Regressionskoeffizien- ten vorgenommen. Bei stetigem Niveau des Moderators und nominal skalierter unab- hängiger Variable beeinflusst der Moderator die Wirkungsbeziehung zwischen abhän- giger und unabhängiger Variable mittels eines funktionalen Zusammenhangs (linear, quadratisch oder treppenartig). Dies kann bei einer linearen Funktion durch die Auf- nahme des Produkts von Moderator und unabhängiger Variable in die Regressionsglei- chung und durch anschließende Prüfung auf Signifikanz nachgewiesen werden. Bei einer quadratischen Funktion findet die Methode der hierarchischen Regression An- wendung. Sind beide Variablen stetig wird eine Kombination der bereits genannten Verfahren vorgeschlagen. An dieser Stelle soll nur ein Einblick in verschiedene Verfah- ren der Moderatortests gegeben werden, da eine detaillierte Erklärung aller Tests den Rahmen dieser Arbeit sprengen würde. Als Beispiel für verschiedene Verfahren zum Testen von Moderation wurde hier die Studie von Baron und Kenny (1986, S.1173ff.) gewählt. Wegen ihrer hohen Relevanz (vgl. Zitationshäufigkeit; siehe auch Abschnitt 4.2) dient sie auch heute oftmals als Grundlage für die Analyse von Drittvariableneffekten (vgl. Frazier/Barron/Tix, 2004, S. 117; Sauer/Dick, 1993, S. 639).

Der Begriff des Mediators ist von dem des Moderators abzugrenzen. Ein Mediator ist nach Ansicht von Baron und Kenny (1986, S. 1176) eine Variable, die den Zusammen- hang zwischen abhängiger und unabhängiger Variable erklärt - d.h. warum oder wie entsteht ein Zusammenhang. Neben der Definition der Mediatorvariable, erarbeiteten Baron und Kenny (1986, S. 1176f.) einen Test, mit dem Mediation nachgewiesen wer- den kann. Die Basis bilden drei Regressionsgleichungen: Die Erste regressiert den Me- diator auf die unabhängige Variable (indirekter Effekt), die Zweite regressiert die ab- hängige Variable auf die unabhängige Variable (direkter Effekt). In der dritten Glei- chung wird die abhängige Variable auf den Mediator und die unabhängige Variable regressiert. Der Nachweis von Mediation erfordert drei Bedingungen: Zunächst muss die unabhängige Variable den Mediator in der ersten Gleichung signifikant beeinflus- sen. In der zweiten Gleichung muss die unabhängige Variable signifikant auf die ab- hängige Variable einwirken. Letztlich muss der Mediator in der dritten Gleichung die abhängige Variable beeinflussen. Ist der signifikante Effekt der unabhängigen Variablen auf die abhängige Variable in der dritten Gleichung geringer als in der Zweiten, so liegt partielle Mediation vor. Totale Mediation liegt vor, wenn die unabhängige Variable allein keinen Effekt auf die abhängige Variable hat (vgl. Baron/Kenny, 1986, S. 1177). Zum Testen des indirekten Effekts verwenden Baron und Kenny unterstützend den von Sobel (1982, S. 308) vorgestellten Sobel-Test, der nach wie vor Studien angewandt wird (vgl. Cadwallader et al. 2010, S. 230; Chan/Wan, 2012, S. 132). Dabei wird ein appro- ximierter Signifikanztest für den indirekten Effekt der unabhängigen auf die abhängige Variable durchgeführt. Es ist anzumerken, dass Zhao, Lynch Jr. und Chen (2010, S. 197) die Aussagekraft der Methode von Baron und Kenny (1986, S. 1177) in drei Punk- ten kritisieren. Diese beziehen sich auf mögliche Fehlinterpretationen eines signifikan- ten direkten Effekts, nicht beachtete Mediatoren und die geringe statistische Macht des Sobel-Tests (Zhao/Lynch Jr./Chen 2010, S. 205). Hierauf wird an geeigneter Stelle in den Abschnitten 2.3 und 3.4 genauer eingegangen.

Eine zusammenfassende systematische Darstellung der hier angesprochenen Drittvariableneffekte kann in Abbildung 1 im Anhang 1 eingesehen werden.

2.3 Mediierte Moderation und moderierte Mediation als integrierte For- men der Moderator- und Mediatoranalyse

Wie im vorangegangenen Abschnitt 2.2 dargelegt, lassen sich Drittvariablen in Abhän- gigkeit ihrer Wirkungsweise (vgl. Abbildung 1 Anhang 1) eindeutig in die Kategorien Moderator beziehungsweise Mediator einordnen. Dies schließt nicht aus, dass eine Va- riable sowohl als Moderator als auch als Mediator fungieren kann (James/Brett 1984, S. 314; Preacher/Rucker/Hayes 2007; S. 194f.). Des Weiteren lässt sich aus dieser Katego- risierung nicht schlussfolgern, dass innerhalb desselben Modells nicht beide Effekte auftreten können. Beispiele finden sich im Kontext der kausalanalytischen Forschung anwendungsfeld-übergreifend (vgl. hierzu u.a.: Homburg/Klarmann/Schmitt 2010, S. 202; Suwelack/Hogreve/Hoyer 2011, S. 463). So weist die Studie von Suwelack, Hogreve und Hoyer (2011, S. 469) die indirekte Wirkung der Interaktion zwischen Geld-Zurück-Garantien und des Gütertyps (Such- vs. Erfahrungsgut) als Moderator auf die Zahlungsbereitschaft nach, wobei das empfundene finanzielle Risiko die Mediator- rolle einnimmt. Zur Beschreibung des parallelen Auftretens von Moderator- und Media- toreffekten führten James und Brett (1984, S. 310) den Begriff „moderated mediation“ ein. Baron und Kenny (1986, S. 1179) stellten diesem Konzept die Begriffskombination „mediated moderation“ gegenüber.

Die mangelnde Trennschärfe der vorgeschlagenen Definitionen zeigt sich in der Ausei- nandersetzung aktueller Studien mit dem Problem der eindeutigen Differenzierung bei- der Konzepte (vgl. hierzu: Muller/Judd/Yzerbyt 2005, S. 852; Preacher/Rucker/Hayes 2007, S. 195). Eine intuitive Abgrenzung lässt sich vornehmen, wenn nach dem Aus- gangspunkt der Analyse differenziert wird. Im Fall „mediated moderation“ startet die Untersuchung mit einer vollständigen Moderation, welche dann durch einen Mediator unterbrochen wird. Dahingegen besteht der Ausgangspunkt bei „moderated mediation“ aus einer Hypothese hinsichtlich eines Mediatoreffekts. Darauf aufbauend wird unter- sucht, ob sich der Mediatoreffekt als Funktion des Moderators verändert (Judd/Kenny 2010, S. 123). Abbildung 2 im Anhang 2 dient der Veranschaulichung beider Prinzi- pien. Dennoch verweisen Muller, Judd und Yzerbyt (2005, S. 852) wie auch Judd und Kenny (2010, S. 123f.) auf die Tatsache, dass beide Konzepte im Grunde zwei Seiten einer Medaille darstellen. Viel bedeutsamer sei es, der Frage nachzugehen, an welcher Stelle im Modell der Moderatoreffekt mediiert beziehungsweise der Mediatoreffekt moderiert wird (Judd/Kenny 2010, S. 124). Diese Auffassung teilen auch Preacher, Rucker und Hayes (2007, S. 186), wobei sie die Termini „mediated moderation“ und „moderated mediation“ unter dem Überbegriff „indirekte bedingte Effekte“ zusammen- fassen. Im Hinblick auf statistische Inferenz schlagen Preacher, Rucker und Hayes (2007, S. 191) vor, sich analog zu Testsituationen bei einfacher Mediation oder Modera- tion wegen der höheren statistischen Macht (Zhao/Lynch Jr./Chen 2010, S. 205) des Bootstrapping zu bedienen.

Zusammenfassend bietet die Thematik der integrierten Moderator- und Mediatoranalyse hohen Diskussionsbedarf. In dem sich anschließenden Kapitel erfolgt eine Auseinandersetzung mit diversen Marktforschungsstudien aus dem Dienstleistungskontext im Hinblick auf ihre Schwerpunktsetzung untersuchter Drittvariableneffekte. Dabei steht abschließend die Frage im Vordergrund, inwiefern eine isolierte Betrachtung zu einschränkend ist und, ob eine effekt-integrierende Systematisierung, die Präzision in marktforschungsbezogenen Untersuchungen zu fördern vermag.

3. Drittvariableneffekte als Untersuchungsgegenstand kausalana- lytischer Fragestellungen im Dienstleistungskontext

3.1 Moderatoreffekt-fokussierte Strukturgleichungsmodellanalysen im Anwendungsfeld der Marktforschung im Dienstleistungssektor

Die moderator- und mediatoreffekt-fokussierte Analyse ist Bestandteil zahlreicher Stu- dien im Dienstleistungskontext. Ausgangspunkt für die Auswahl hier analysierter Studi- en war eine online-basierte Suche in allen mit „A+“ und „A“ bewerteten marketingna- hen Journals nach dem VHB Jourqual 2011. Aus den Ergebnissen der Suche nach den Begrifflichkeiten „structural*“ UND „service*“ UND „mediat*“ ODER „moderat*“ der Jahre 2010-2012 werden auf diese Kriterien zutreffende Beiträge zur Thematik Front- line Employees beispielhaft herausgegriffen.1 UND/ODER stellen boole’sche Operato- ren und * eine Trunkierung für eine unbegrenzte Anzahl an nachfolgenden Zeichen dar.

Fokus der moderatoreffekt-fokussierten Strukturgleichungsmodellanalysen im Dienst- leistungssektor sind direkte Beziehungen zwischen Kunden und Servicemitarbeitern oder Dienstleistungen an sich. Diese Beziehungen werden oftmals von Moderatoreffekten, wie z.B. kulturellen Wertvorstellungen oder emotionaler Intelligenz beeinflusst (Chan et al. 2010, S. 49; Gabbott/Tsarenko/Mok, 2011, S. 237). Frontline Employees stellen im Grunde einen Mediator per se dar: Sie agieren als Mittelsmann für das Unternehmen nach außen. So erbringen sie gemeinsam mit dem als externen Faktor zu integrierenden Kunden, der gemäß der „service dominant logic“ auch als Koprodu- zent bezeichnet wird (Vargo/Lusch 2004, S.10), die Dienstleistung. Zugleich stellen sie einen internen Dienstleister dar, indem sie Kundeninformationen in den für den Kunden nicht ersichtlichen Teil des Unternehmens weiterleiten. Allerdings sollten stets auch moderierende Einflüsse, die das Verhältnis zwischen Mittelmann und Kunde steuern, für Unternehmen von Interesse sein. Wang et al. (2011, S. 312f.) thematisieren die Schlechtbehandlung von Servicemitarbeiter durch Konsumenten. Sie untersuchen die daraus resultierende Sabotage der Servicemitarbeiter an Konsumenten, was sich negativ auf deren Beziehung auswirkt. Das Zentrum der Untersuchung stellen nicht der direkte Effekt, sondern die Moderatoreffekte dar. Diese werden differenziert nach emotionsba- sierten Charaktermerkmalen der Mitarbeiter (z.B. Selbstbewusstsein bei der Emotions- regulierung) und ressourcenbasierten Merkmalen (z.B. Anstellungsart im Job). Emoti- onsbasierte und ressourcenbasierte Moderatoren wurden direkt in das Regressionsmo- dell integriert und durch anschließende Signifikanztests nachgewiesen (vgl. Ba- ron/Kenny 1986, S. 1174f.). In engen Zusammenhang mit dem Verhalten von Frontline Employees steht die wünschenswerte Fähigkeit dieser, beidhändig agieren zu können. Hierunter ist das gleichzeitige Verfolgen scheinbar konfliktärer Ziele zu verstehen wie z.B. die simultane Erbringung von After-Sale-Services und Ausnutzung von Up-/Cross- Selling Potenzialen (Jasmand/Blazevic/de Ruyter 2012, S. 21). Die Fähigkeit konfliktäre Ziele zu verfolgen wird verstärkt, wenn ein Mitarbeiter als Charaktermerk- mal einen Tatendrang gemäß dem Motto „Just do it!“ aufweist. Der direkte Effekt wie- derum wird durch eine Begutachtungsorientierung als Charaktermerkmal gemäß dem Motto „do the right thing“ in Form eines Interaktionseffekts verstärkt. Auf die Bezie- hung zwischen den Charaktermerkmalen wirken wiederum Moderatoren ein, welche die Motivation zur Verfolgung konfliktärer Ziele beeinflussen: Teamzugehörigkeit und be- schränkte Diskretion (Jasmand/Blazevic/de Ruyter 2012, S. 23ff.). Unter Anwendung von SEMs für latente Variablen wurden die Moderationseffekte in die Regression inte- griert und deren Signifikanz nachgewiesen (vgl. Baron/Kenny 1986, S. 1174f.).

Es wird deutlich, dass Moderatoren in wissenschaftlichen Studien unterschiedlich be- achtet werden: So existieren a) Moderatoren, die auf den direkten Effekt einwirken und b) Moderatoren, die wiederum einen Moderatoreffekt beeinflussen. In Abschnitt 4.1 wird die Thematik der moderierten Moderation abermals aufgegriffen. Zunächst soll jedoch der Logik dieser Arbeit folgend die isolierte Analyse von Mediatoren erfolgen.

3.2 Mediatoreffekt-fokussierte Strukturgleichungsmodellanalysen im Anwendungsfeld der Marktforschung im Dienstleistungssektor

Der mediatoreffekt-fokussierten Kausalanalyse im Dienstleistungskontext kommt nach Tabelle 1 in Anhang 3 eine große Bedeutung zu. Die Untersuchung des Mediatoreffekts erfolgt dabei nicht immer auf die gleiche Art und Weise. Iaccobucci, Saldanha und Deng (2007, S. 140) wie auch Zhao, Lynch Jr. und Chen (2010, S. 199) weisen darauf hin, dass z.T. a priori nicht explizit auf eine Mediatoranalyse hingewiesen, sondern die- se vielmehr ad hoc vorgenommen wird. Zugleich bemängeln sie die oftmals fehlende Dokumentation hinsichtlich des genauen Vorgehens bei der Mediatoranalyse. Daher wird in diesem Abschnitt der Umgang mit Mediatoreffekten in ausgewählten Studien analysiert. Dabei wird ein thematischer Fokus auf Frontline Employees gelegt. Gerade aufgrund ihrer in Abschnitt 3.1 angesprochenen „Mediator-per-se“ Eigenschaft eignen sie sich besonders für die folgende Analyse hier betrachteter Mediatorvariablen.2

[...]


1 Die quantitative Auswertung dieser Recherche kann in Tabelle 1 in Anhang 3 eingesehen werden.

2 Die wesentlichen Ergebnisse der im Folgenden analysierten Artikel finden sich auch als kurze Zusammenfassung in der Literatursynopse (Tabelle 3) in Anhang 10 dieser Arbeit.

Details

Seiten
42
Jahr
2012
ISBN (eBook)
9783656235545
ISBN (Buch)
9783656240211
Dateigröße
1.1 MB
Sprache
Deutsch
Katalognummer
v197398
Institution / Hochschule
Universität Hohenheim
Note
1,3
Schlagworte
Mediator Marktforschung Marketing Strukturgleichungsmodelle Structural Equation Modelling Dienstleistungsmarketing Frontline Employees Moderatoreffekt Mediatoreffekt Mediated Moderation Moderated Mediation

Autoren

Zurück

Titel: Moderator- vs. Mediatoreffekte in kausalanalytischen Untersuchungen