Skalenniveau

Die Anwendung der Kleinst-Quadrate-Schätzung im Rahmen der Regressionsanalyse, setzt sowohl für die abhängige, als auch für die unabhängigen Variablen metrisches Skalennivau voraus.

Die im Fragebogen hauptsächlich verwendeten Rating-Skalen können nicht grundsätzlich als Intervallskalen, also als metrische Skalen bezeichnet werden. Es ist jedoch üblich von diesen anzunehmen, sie seien intervallskaliert und sie dann auch entsprechend zu behandeln.[1] „Hinter dieser ‚liberalen‘ Auffassung steht die Überzeugung, daß die Bestätigung einer Forschungshy­pothese durch die Annahme eines falschen Skalenniveaus eher erschwert wird.“[2] Dies ist in dieser Untersuchung umso berechtigter, als durch Verbindung mehrerer Items, von denen einige Intervallskalenniveau haben, die Annahme der Intervallskalierung noch bestärkt wird.

Bei den folgenden Untersuchungen wird deshalb davon ausgegangen, daß die verwendeten Daten intervallskalliert sind.


[1] vgl.: Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (1994), S. XIV

[2] Bortz, J., (1993), S. 27

Test auf Autokorrelation und Heteroskedastizität

Ein wichtiger Bestandteil der Regressionsanalyse sind die Residuen. Diese müssen eine ganze Reihe von Bedingungen erfüllen, damit die Schätzungen durch die Regressionsanalyse effizient sind.

Eine Prämisse des Regressionsmodells fordert, daß die Residuen, die ihre Ursache in den Störgrößen haben, nicht miteinander korrelieren. Wenn diese Prämisse nicht erfüllt ist, sprechen wir von Autokor­relation. Bei Zeitreihenanalysen gibt es eine sinnvolle Reihenfolge der Daten, wodurch zum Beispiel eine serielle Korrelation leicht nachgewiesen werden kann. Bei Querschnittsdaten ist die Reihenfolge der Fälle beliebig. „Das führt dazu, daß dort vorhandene Korrelationen kaum zu identifizieren sind.“[1] Aus diesem Grunde wird der Durbin/Watson-Test-Wert, der als Maßzahl der Autokorrelation üblich ist nicht berechnet. Dieser Test hat die Reihenfolge der Residuen der Beobachtungswerte zum Gegenstand der Analyse. Die Ausgangsdaten können aber durch Umstellung der Fälle beliebig geändert werden. Da die Reihenfolge der Eingabe der einzelnen Fälle rein zufällig erfolgte, hätte der Durbin/Watson-Test keine Aussagekraft. Es wird aus diesem Grunde angenommen, daß keine Autokorrelation besteht.

Eine weitere Voraussetzung des Regressionsmodells ist, daß die Varianz der Residuen homo­gen ist, das heißt, daß keine Heteroskedastizität vorliegt. Mit anderen Worten bedeutet dies, daß die Residualgröße nicht vom Betrag oder der Reihenfolge der Beobachtungen der unabhängigen Variablen beeinflußt werden darf.[2] Um diese Bedingung überprüfen zu können, eignen sich die standardisierten und studentisierten Residuen am besten.[3] Sowohl Backhaus[4], als auch Kockläuner[5] schlagen in erster Linie die Überprüfung dieser Bedingung mit Hilfe graphischer Hilfsmittel vor.

Wie oben schon ausgeführt, kann eine Abhängigkeit von der Reihenfolge der Beobachtungen ausgeschlossen werden. Zu überprüfen bleibt eine unter Umständen vorhandene Abhängigkeit vom Betrag. Die studentisierten Residuenwerte sind aufgrund ihrer Konstruktion mit den Vorhersagewerten leicht korreliert. Dies stört in diesem Fall jedoch nicht, da es nur darauf ankommt, daß die Residuenwerte mit konstanter Streuung zufällig um Null verteilt sind. Wenn sich in einem Streudiagramm eine abhängig von den Vorhersagewerten variierende Streuung der studentisierten Residuen findet, dann deutet das auf eine Verletzung der Annahme von Homoskedastizität hin.[6]

Sämtliche Diagramme zu den oben angegebenen Regressionen wurden überprüft. Keines der Streudiagramme läßt eine deutliche Abhängigkeit der Varianz von den Vorhersagewerten erkennen. Damit gilt die Bedingung der Homoskedastizität für alle Regressionsmodelle als erfüllt.


[1] Kockläuner, Gerhard, (1988), S. 70

[2] Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (1994), S. 35

[3] vgl.: Kockläuner, Gerhard, (1988), S. 67

[4] vgl.: Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R., (1994), S. 35

[5] vgl.: Kockläuner, Gerhard, (1988), S. 67

[6] vgl.: Kockläuner, Gerhard, (1988), S. 67

Test auf Multikollinearität

Eine weitere Voraussetzung für die Anwendbarkeit des Regressionsmodells ist die Abwesen­heit von Multikollinearität zwischen den unabhängigen Variablen. Das bedeutet, daß sich ein Regressor nicht als Linearkombination der übrigen Regressoren darstellen lassen darf. Multikol­linearität wird erst dann zum Problem, wenn eine starke lineare Abhängigkeit zwischen den Regressoren besteht.[1] Bei zwei Regressoren reicht es aus, anhand der Korrelationsmatrix zu überprüfen, ob Korrelationen bestehen. Bei drei oder mehr Regressoren läßt sich dieses Krite­rium durch die Auswertung der Toleranzen der Regressoren klären. Diese berechnen sich aus: 1-Bestimmt­heitsmaß einer Regressionsanalyse aller unabhängigen Variablen mit der jeweils zu untersuchenden unabhängigen Variablen als Regressand und den übrigen unabhängigen Varia­blen als Regressoren. Toleranzen nahe null deuten auf eine Multikollinearität der unabhängigen Variablen der eigentlichen Regressionsanalyse hin.[2]

weiblich

männlich

Regression

Regressoren

Toleranz

Toleranz

1.a

GEWTR_1

ABWPOURX

REIZBEX1

.963218

.961361

.961361

.914029

.983572

.909303

1.b

GEWTR_1

ABWPOURX

REIZBEX1

INVOLV_X

.833641

.940086

.957451

.814981

.784801

.967400

.904410

.765636

2.a

GEWTR_2

KONURS_X

RISLUSX1

.972883

.990093

.974331

.956431

.992608

.949542

2.b

GEWTR_2

KONURS_X

RISLUSX1

INVOLV_X

.701395

.988905

.962020

.720584

.786629

.991166

.945452

.803569

6.

GEWTR_1

ABWPOURX

REIZBEX1

.963218

.993834

.961361

.914029

.983572

.909303

Tab. 2 (Toleranzen)

„Eine exakte Grenze für ‚ernsthafte Multikollinearität‘ läßt sich nicht angeben.“[3] Bei derart hohen Werten, wie sie sich in der oben abgedruckten Übersicht finden, kann eine starke Kollinearität ausgeschlossen werden. Auffällig sind lediglich die Werte des Involvements und die Werte der Gewöhnung, wenn das Involvement mit in die Untersuchung einbezogen wird. Im weiteren wird davon ausgegangen, daß keine Multikollinearität zwischen den unab­hängigen Variablen besteht.


[1] vgl.: Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (1994), S. 33

[2] vgl.: Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (1994), S. 41

[3] Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (1994), S. 42

Normalverteilung der Variablen in der Grundgesamtheit

Voraussetzung für die Anwendung von t-Test und F-Test im klassischen Regressionsmodell ist eine Normalverteilung der Residuen. Diese Normalverteilungsannahme ist zur Kleinst-Quadrate-Schätzung der Koeffizienten des linearen Regressionsmodells an sich nicht erforderlich. Wenn diese Annahme jedoch erfüllt ist, ist der Kleinst-Quadrate-Schätzer identisch mit dem Größte-Dichte-Schätzer (=Maximum-Likelihood-Schätzer).[1]

Sowohl Backhaus[2] als auch Kockläuner[3] empfehlen zur Überprüfung der Normalvertei­lungs­an­nahme die Überprüfung anhand von graphischen Hilfsmitteln. Zu diesem Zweck bieten sich vor allem zwei graphische Unterstützungen an. An erster Stelle steht hier das Histogramm der standartisierten Residuenwerte, das über den Regressionsbefehl von SPSS zu erreichen ist. Dabei wird die Verteilung der Residuenwerte einer stilisierten Normalverteilung gegenübergestellt. Auf der anderen Seite stellt SPSS unter dem Regressionsbefehl den Normal Probability (P-P) Plot zur Verfügung. Dieses Diagramm entsteht dadurch, daß die vorliegenden standartisierten Residuenwerte der Größe nach geordnet werden, um auf der vertikalen Achse die zugehörigen Werte ihrer empirischen Verteilungsfunktion abtragen zu können. Auf der horizontalen Achse werden diesen die Funktionswerte der standartisierten Normalverteilung gegenübergestellt. Dies ist die empirische Verteilungsfunktion der Erwartungs­werte von n Ordnungsstatistiken. Letztere ergeben sich aus der größenmäßigen Anordnung von n unabhän­gigen standartisierten normal­verteilten Zufallsvariablen. Prozentpunkte deren Verteilung liefern die angesprochenen Erwartungswerte. Normal Probability Plots sind dann wie folgt zu interpre­tieren: Nach Konstruktion der Achsen sind alle Koordinatenpaare immer dann auf der stilisier­ten Gerade liegend zu erwarten, wenn die eingehenden Beobachtungen Realisationen unabhän­gig standardisierter normalverteilter Zufallsvariablen darstellen.[4]

Grundsätzlich ist davon auszugehen, daß die Normalverteilungsannahme in der Regel verletzt sein wird, weil Normalverteilungen in der Realität kaum vorkommen. Der zentrale Grenz­wertsatz liefert aber die Argumentation dafür, daß die Störgrößen im Regressionsmodell wenigstens als näherungsweise normalverteilt gelten können.[5] In diesem Zusammenhang ist je­doch die Gefahr der Supernormalität zu beachten. Kurz zusammengefaßt ist darunter zu verstehen, daß bei großen Stichproben die Residuenwerte als gewichtete Summe der Störgrö­ßen auch dann annähernd normalverteilt sein können, wenn die Störgrößen nicht einer Normal­verteilung genügen. Daher läßt die Verteilung der Residuen oft nicht die Verletzung der Nor­malverteilungsannahme erkennen. Hinzu kommt in dieser Untersuchung, daß die Konstrukte aus mehreren Items gebildet werden, was die Nicht-Normalität weiter verschleiert. „Trotzdem bleibt diese Verteilung das einzige Instrument zur Überprüfung der Normalverteilungs­annahme, die für alle n Störgrößen ui und damit n einzelne Verteilungen gelten soll.“[6] Auf die weiteren statistischen Bedingungen für die Überprüfung der Normalverteilungsannahme wird an dieser Stelle nicht eingegangen, da diese statistischen Feinheiten nicht Thema einer inhaltlichen Arbeit sein können und den Umfang der Arbeit sprengen würden. Der interessierte Leser sei auf Kockläuner[7] verwiesen. Nur soviel soll hier angemerkt werden: Für die Überprüfung der Normalitätsannahme werden die intern studentisierten Residuen betrachtet, um konstante Varianzen sicherzustellen[8]. Außer­dem sollte die Normalitätsbedingung nach Kockläuner die zuletzt zu überprüfende Bedingung sein. Dies hat den Vorteil, daß nicht von n einzelnen Verteilungen, also für jede einzelne Störgröße eine, ausgegangen werden muß, zu denen jeweils nur ein Residuenwert zur Verfü­gung steht, sondern von einem Verteilungsmodell, zu dessen Überprüfung n Residuenwerte vorliegen.[9]

Die Überprüfung der graphischen Darstellungen führte zu folgenden Ergebnissen: Weitgehend lassen die Normal Probability Plots und vor allem die Histogramme eine relativ gute Anpassung an die Normalverteilung erkennen. Stärkere Abweichungen sind vor allem bei der 3. Regression und männlichem Geschlecht und bei der 5. Regression und weiblichem Geschlecht zu erkennen. Die Graphiken sind nicht in dieser Arbeit abgedruckt, können jedoch mit Hilfe der Syntax auf der beigefügten Diskette problemlos dargestellt werden.

Zur Überprüfung der Residuen auf Normalverteilung, soll zusätzlich der Kolmogorov-Smirnov-Anpassungstest durchgeführt werden. Dieser ist für kleine Stichproben besser geeignet als der Markentreue Statistik Symbol1-Test, da letzterer nur approximativ arbeitet.[10] Im Falle eines Ablehnens der Normal­verteilungsannahme durch diesen, kann im Anschluß noch eine weitere Verteilungsüberprüfung über Schiefe und Exzeß durchgeführt werden.

Die H0 des Kolmogoroff- Smirnov-Anpassungstest lautet, daß die empirisch ermittelte Vertei­lung gleich der Normalverteilung ist. Die Alternativhypothese lautet, daß sich die beiden Verteilungen für mindestens einen Wert der unabhängigen Variable unterscheiden. Die Hypo­these H0 wird nun zum Niveau Markentreue Statistik Symbol2 verworfen, wenn Dn multipliziert mit der Wurzel aus der Anzahl der Beobachtungen, größer oder gleich dem aus der Tabelle[11] zu entnehmenden kritischen Wert ist. „Die Größe Dn gibt den größten vertikalen Abstand zwischen hypothetischer und empirischer Verteilungsfunktion an.“[12] Nun ist das Signifikanzniveau zu bestimmen. Üblicherweise wird ein Signifikanzniveau von 1% oder 5% gewählt. An dieser Stelle ist zu beachten, daß es hier darum geht, die Normalverteilungsannahme zu überprüfen und dabei den Markentreue Statistik Symbol3-Fehler, das heißt eine fälschliche Beibehaltung der Nullhypothese zu minimieren. Da sich der Markentreue Statistik Symbol3-Fehler aus 1- Markentreue Statistik Symbol2-Fehler berechnet, erscheint es sinnvoll, das Signifikanzniveau an dieser Stelle höher anzusetzen. Im Rahmen der dieser Arbeit wird deshalb ein Signifikanzniveau von 10% zur Ablehnung der Normalverteilungsannahme angesetzt.

 

weiblich

männlich

Regression

K-S-z

Signif.-Ni­veau

K-S-z

Signif.-Ni­veau

1.a

1.1021

.1761

0.8518

.4626

1.b

0.4965

.9662

0.6876

.7317

2.a

0.8341

.4898

1.0320

.2373

2.b

1.0907

.1851

0.7863

.5666

3.

1.0867

.1884

1.1211

.1618

4.

0.7999

.5444

0.7258

.6680

5.

1.0018

.2681

0.6126

.8472

6.

0.9536

.3230

0.7569

.6156

Tab. 3 (Kolmogoroff-Smirnov-Test-Wert)

Für sämtliche Regressionen liegen die Kolmogoroff-Smirnov-z-Prüfgrößen und die entspre­chenden Signifikanzniveaus über dem geforderten Mindestmaß[13]. Kritisch sind vor allem die Kolmogoroff-Smirnov-z-Prüfgrößen für die Regression 1.a (weiblich), die Regression 5. (weiblich), da hier ja nur 38 Werte in die Untersuchung eingehen und Regression 3. (männlich). Die Normalverteilungsannahme für die Residuenwerte wird trotzdem für alle Regressionen als bestätigt angesehen. Auch das dritte und fünfte Regressionsmodell werden weiter verfolgt, auch wenn vor allem bei dem dritten Modell die Werte auf eine schlechte Erfüllung der Nor­malverteilungsannahme hindeuten.


[1] vgl.: Gruber, Josef, (1982), S. 58

[2] vgl.: Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R., (1994), S. 32

[3] vgl: Kockläuner, Gerhard, (1988), S. 58 ff

[4] vgl.: Kockläuner, Gerhard, (1988), S. 58 ff

[5] vgl.: Hartung, J., (1982), S. 122

[6] Kockläuner, Gerhard, (1988), S. 73

[7] Kockläuner, Gerhard, (1988), S. 60-76

[8] vgl.: Kockläuner, Gerhard, (1988), S. 63

[9] Kockläuner, Gerhard, (1988), S. 73

[10] vgl.: Hartung, J., (1982), S. 183

[11] vgl.: Hartung; J. (1982), S. 184

[12] Hartung; J. (1982), S. 184

[13] vgl.: Hartung; J. (1982), S. 184

Prüfung der Regressionsfunktion als ganzes (F-Test)

Nachdem die Prämissen des linearen Regressionsmodells weitgehend gesichert sind, muß nun der Zusammenhang zwischen Regressoren und Regressand näher untersucht werden.

An erster Stelle wird nun überprüft, ob die Regressoren insgesamt überhaupt einen Einfluß auf den Regressanden haben. Dabei wird die Nullhypothese, die besagt, daß die Regressions­funktion als ganzes unbrauchbar ist, gegen die Alternativhypothese, daß die Regressoren einen Einfluß auf den Regressanden haben, getestet. Als Signifikanzniveau wird hier .99 festgelegt. Dadurch wird erreicht, daß eine Ablehnung der Nullhypothese mit 99 %-iger Wahrschein­lichkeit nicht zu unrecht erfolgt.

In der folgenden Tabelle sind für beide Geschlechter jeweils in der ersten Spalte, der Anteil der durch die Regressoren erklärte Streuung, bereinigt um die Einflüsse durch die Anzahl der Regressoren wiedergegeben. In den darauf folgenden Spalten sind zuerst der F-Wert und danach das dazu gehörige Signifikanzniveau dargestellt.

weiblich

männlich

Regression

Adjusted R

Square

F

Signif F

Adjusted R

Square

F

Signif F

1.a

.11899

5.63696

.0013

.18846

9.05052

.0000

1.b

.41877

19.55244

.0000

.32525

13.53285

.0000

2.a

.29286

15.21892

.0000

.26307

13.37552

.0000

2.b

.29092

11.56449

.0000

.28397

11.31143

.0000

3.

.26416

37.97533

.0000

.06655

8.41488

.0046

4.

.43459

27.67024

.0000

.20778

13.85188

.0005

5.

.13298

6.67470

.0140

.01627

1.81021

.1848

6.

.34825

19.34569

.0000

.34989

19.65775

.0000

Tab. 4 (Bestimmtheitsmaß und F-Test)

Besonders ins Auge fallen die Ergebnisse bezüglich der Regressionen 1.a, 3. und 5.. Da die Ergebnisse der 5. Regression sowohl bezüglich des Bestimmtheitsmaßes, als auch bezüglich des Signifikanzniveaus nicht befriedigend sind, soll diese Regression aus der weiteren Analyse ausgeschlossen werden. Aufgrund der Daten in der Stichprobe muß davon ausgegan­gen werden, daß die Regressoren in der 5. Regression keinen Einfluß auf den Regressanden haben. Die Ergebnisse der 1. und 3. Regression sollen weiter untersucht werden, um unter Umständen später eine Erklärung, vor allem für die niedrigen Werte des Bestimmtheitsmaßes zu finden. Auffällig ist, daß vor allem die Regressionen, die schlechte Werte bei der Überprüfung der Normalverteilungsannahme zeigten, auch beim F-Test schlechte Werte zeigen. Wie schon vorher angemerkt wurde, führt eine Verletzung der Normalverteilungsannahme nicht dazu, daß die Kleinst-Quadrate-Regression nicht effizient ist, sondern nur dazu, daß F-Test und t-Test weniger aussagekräftig sind. Aus diesem Grunde werden die Ergebnisse bei Regression 1. und Regression 3. toleriert.

Prüfung der Regressionskoeffizienten im einzelnen (t-Test)

Nachdem bestätigt ist, daß die Regressoren insgesamt einen Einfluß auf den Regressanden haben, bleibt nun zu überprüfen, wie der Einfluß der einzelnen Regressoren einzuschätzen ist und ob die Richtung des Einflusses mit den Hypothesen übereinstimmt.

weiblich

männlich

Re­gres­sion

Regressoren

Beta

T

Sig T

Beta

T

Sig T

1.a

GEWTR_1

ABWPOURX

REIZBEX1

.290050

-.255284

-.008455

3.078

-2.752

-.090

.0027

.0070

.9288

.405656

-.178608

-.071942

4.390

-2.005

-.777

.0000

.0476

.4392

1.b

GEWTR_1

ABWPOURX

REIZBEX1

INVOLV_X

.071241

-.124639

.027043

-.603364

.866

-1.609

.352

-7.251

.3886

.1109

.7254

.0000

.212831

-.129943

-.043150

-.426594

2.265

-1.587

-.509

-4.634

.0257

.1157

.6116

.0000

2.a

GEWTR_2

KONURS_X

RISLUSX1

-.561661

.110919

.134159

-6.686

1.332

1.598

.0000

.1859

.1131

-.524450

.086420

-.005601

-6.0931

.023

-.065

.0000

.3088

.9484

2.b

GEWTR_2

KONURS_X

RISLUSX1

INVOLV_X

-.527141

.095841

.144335

.081043

-5.646

1.124

1.700

.852

.0000

.2636

.0923

.3962

-.418910

.029124

-.021382

.202651

-4.185

.330

-.250

1.987

.0001

.7417

.8031

.0497

3.

SUMAFF_X

-.520865

-6.162

.0000

-.274823

-2.901

.0046

4.

SUMAFF_X

-.659232

-5.260

.0000

-.473236

-3.722

.0005

6.

GEWTR_1

ABWPOURX

REIZBEX1

.514688

.076574

-.228024

6.350

.960

-2.811

.0000

.3395

.0059

.539957

-.153865

-.101771

6.529

-1.277

-1.856

.0000

.2047

.0664

Tab. 5 (Regressionskoeffizient und t-Test)

In der obigen Tabelle, sind getrennt nach Geschlecht für jeden Regressor in jeder Regression die standardisierten Koeffizienten, die T-Werte und die entsprechenden Signifikanzniveaus angege­ben. Auf die Konfidenzintervalle wird nicht näher eingegangen werden. In der Tabelle sind lediglich die Koeffizienten, bei denen die Konfidenzintervalle besonders gering sind, markiert.

Die Ergebnisse des T-Test werden im folgenden Kapitel interpretiert.

Zusammenstellung der Variablen

Aus den aufgestellten Hypothesen ergibt sich die Notwendigkeit, eine ganze Reihe von Varia­blen in die Untersuchung mit einzubeziehen. Ganz kurz sollen die Variablen an dieser Stelle nochmals genannt und charakterisiert werden.

Abwechslungsaffekt (teilweise abhängige, teilweise unabhängige Variable)

Der Abwechslungsaffekt kommt aufgrund der Erregung durch neue, ungewöhnliche usw. Reize zustande. Er wird deshalb durch das Abwechslungspotential des Produktes bedingt. Er wird meist als positiv empfunden. Der negative Affekt aufgrund von Langeweile, wird aufgrund der später vorgenommenen Operationalisierung lediglich die Möglichkeit haben, als besonders niedriger positiver Affekt in Erscheinung zu treten.

Risikoaffekt (teilweise abhängige, teilweise unabhängige Variable)

Der Risikoaffekt kommt aufgrund der Erregung durch gefährliche, unangenehme usw. Reize zustande. Er wird deshalb durch das Risikopotential des Produktes bedingt. Er wird immer als negativ empfunden.

Gesamtaffekt (teilweise abhängige, teilweise unabhängige Variable)

Der Gesamtaffekt ist die Summe der Affekte, die für die Einstellung für oder gegen die aktuelle Marke verantwortlich sind. Die Einstellung ist von der Orientierung und der Stärke des Gesamt­affektes abhängig. Wie alle Affekte, gründet auch der Gesamtaffekt sich auf ein Erregungs­potential; in diesem Fall auf das Erregungspotential des Produktes. Von den Affekten, die in den Gesamtaffekt eingehen, werden in dieser Untersuchung nur der Abwechslungsaffekt und der Risikoaffekt behandelt.

Gewöhnung (nur unabhängige Variable)

Es wird davon ausgegangen, daß die Erregung sich reziprok proportional zur Gewöhnung verändert. Da die Operationalisierung der Erregung schwierig und im Rahmen einer Befragung kaum möglich ist, wird statt dessen die Gewöhnung operationalisiert. Je größer die Gewöhnung, desto geringer ist annahmegemäß das Erregungspotential und damit die Erregung. Gewöhnung wird deshalb in dieser Untersuchung als ein Maß für die Erregung benutzt.

Wiederkaufwahrscheinlichkeit (nur abhängige Variable)

Wiederkaufwahrscheinlichkeit ist die Einstellung zu einem möglichen zukünftigen Wiederkauf der gleichen Marke. In dieser Untersuchung ist diese Einstellung in erster Linie von Abwechs­lungs- und Risikoaffekt abhängig. Daneben werden extrinsische Motivationen nur am Rande behandelt und andere Einflußfaktoren werden ganz außen vor gelassen.

ursprüngliches Abwechslungspotential (nur unabhängige Variable)

Das aktuelle Abwechslungspotential eines Produktes ist unter anderem davon abhängig, wie das Abwechslungspotential ursprünglich wahrgenommen wurde und in welchem Maße der Konsument Gelegen­heit hatte sich an das Produkt zu gewöhnen und damit das Abwechslungspotential abzubauen. Die Hypothese ist, daß der Gesamtaffekt, in den der Abwechslungsaffekt eingeht, bezogen auf die Entwicklung des Erregungspotentials, eine Kurve in Form eines umgedrehten Us beschreibt. Diese Hypothese bezieht sich jedoch nur auf ein bestimmtes Individuum. Da die Beobachtung eines Individuums über eine längere Zeit im Rahmen dieser Untersuchung nicht möglich ist, werden statt dessen viele einzelne Indivi­duen befragt werden. Deren Daten sollen jedoch später auf einer gemeinsamen Gewöhnungs- oder Erregungsskala eingetragen werden. Damit trotzdem die Chance besteht, daß sich die Ç-Kurve zeigt, müssen die Daten um verschiedene Einflüsse bereinigt werden. Einer dieser Einflüsse ist das individuell empfundene, ursprüngliche Abwechslungspotential.

ursprüngliches Risikopotential (nur unabhängige Variable)

Das aktuelle Risikopotential eines Produktes ist unter anderem davon abhängig, wie das Risikopotential ursprünglich wahrgenommen wurde und in welchem Maße der Konsument Gelegenheit hatte, sich an das Produkt zu gewöhnen und damit das Risikopotential abzubauen. Die Begründung für die Verwendung dieser Variablen ist identisch mit der Begründung, wie sie für das ursprüngliche Abwechslungspotential angeführt worden ist.

Reizbedürfnis (nur unabhängig Variable)

Es wird davon ausgegangen, daß jeder Mensch ein ganz individuelles Bedürfnis nach Reizauf­nahme hat. Außerdem wird davon ausgegangen, daß es im Normalfall nicht möglich ist, den Level der optimalen Reizaufnahme zu überschreiten. Das bedeutet, daß immer ein nicht befriedigtes Bedürfnis nach Reizaufnahme besteht. Wenn nun von einer Situation mit einem feststehenden Reizpotential ausgegangen wird, dann wird diese Situation annahmegemäß umso angenehmer empfunden, je besser die Situation das Reizbedürfnis befriedigt. Das heißt, jemand mit einem eher niedrigen Reizbedürfnis wird die Situation tendenziell als angenehmer empfinden, als jemand mit einem eher hohen Reizbedürfnis, weil das Bedürfnis des ersteren besser befriedigt wird. Wie die ursprünglichen Erregungspotentiale, ist auch diese Variable notwendig, um die Affekte, die von verschiedenen Individuen geäußert werden, untereinander vergleichen und auf einer Skala abtragen zu können. Das Reizbedürfnis bezieht sich auf den Abwechslungsaffekt.

Risikotoleranz (nur unabhängige Variable)

So wie jeder Mensch ein individuelles Bedürfnis nach Reizen hat, so hat jeder Mensch auch ein spezifisches Maß an Risiko, daß er toleriert. Je näher das Risikopotential einer Situation an diese Risikotoleranzschwelle heranreicht, desto unangenehmer wird diese Situation empfunden, desto negativer sind also die mit dieser Situation verbundenen Affekte. Je höher die individuelle Toleranzschwelle liegt, desto weniger unangenehm wird tendenziell eine gegebene Risikositua­tion empfunden. Auch diese Variable ist wieder dazu gedacht, die individuell geäußerten Affekte zu nivellieren. Die Risikotoleranz bezieht sich auf den Risikoaffekt.

Involvement (nur unabhängige Variable)

Die Variable Involvement wurde im theoretischen Teil kaum behandelt und es wurden auch keine expliziten Hypothesen dazu abgeleitet. Trotzdem wird sie operationalisiert und später auch ausgewertet werden, da es durchaus möglich ist, daß sie einen Einfluß auf den hier unter­suchten Zusammenhang hat. In bezug auf diese Variable, ist die Untersuchung eher hypothesen-generierend als hypothesen-überprüfend gedacht.

Die anderen in der Untersuchung verwendeten Variablen sind lediglich mathematische Trans­formationen aus den oben angeführten. Ihre Bedeutung ergibt sich damit aus der angewandten Formel und den obigen Ausführungen zu den entsprechenden Variablen.

Vorwort Entwicklung des Fragebogens

Zunächst wurden – dies ist im vorigen Kapitel dargestellt worden – die zu untersuchenden Variablen festgelegt. Daran anschließend wurde entschieden, für welche Produkte oder Produktkategorien die Daten erhoben werden sollten. Parallel zur Entscheidung über das Produkt, wurde zu jeder Variablen ein Pool von Items entwickelt. Durch Abwägung, Vergleich und einen kleinen Pretest wurde versucht, schwerwiegende Probleme und Verzerrungen bei der Bearbeitung des Fragebogens auszu­schließen.

Auswahl der Produkte

Bei der Auswahl der Produkte wurde vor allem auf zwei Kriterien Wert gelegt. Zum einen sollte das Produkt eine gewisse „soziale Sichtbarkeit“ besitzen und zum anderen sollte es sich um ein Produkt handeln, bei dem man, unter anderem aufgrund der sozialen Sichtbarkeit, davon ausgehen kann, daß das Involvement beim Kauf relativ groß ist.

Das Involvement soll sicherstel­len, daß es sich bei den Kaufhandlungen nicht um habituelle Kaufhandlungen handelt, sondern daß immer noch ein bewußter Entscheidungsprozeß abläuft. Die „soziale Sichtbarkeit“ stellt zumindest sicher, daß der Bereich des sozialen Risikos mehr oder weniger bei allen Befragten zu erwarten ist.

Daß Produkte ausgewählt wurden, bei denen auf der einen Seite Markentreue und auf der anderen Seite gelegentlicher Produktwechsel zu erwarten ist, geht aus dem Untersuchungsziel hervor. Zusätzlich mußte es sich um Produkte mit einer überschaubaren Kauffrequenz handeln. Das heißt, der Befragte muß auf der einen Seite eine ungefähre Vorstellung davon haben, wie oft er das Produkt schon konsumiert hat, auf der anderen Seite darf die Zeitspanne zwischen einzelnen Kaufhandlungen nicht so groß sein, daß der Konsument sich nicht mehr an die vorige Kaufhandlung erinnern kann. Ob die Länge der Zeitspanne zwischen den Kaufhandlungen einen Einfluß auf die Wiederkaufwahr­scheinlichkeit hat, ist umstritten. Es gibt Fälle, in denen durch eine längere Zeit die Wiederkauf­wahr­schein­lichkeit abnimmt. Es gibt auch Fälle, in denen diese Zeitspanne keinen Einfluß auf die Wahrscheinlichkeit hat.[1] Nach Kuehn[2] wäre es auch durchaus vertretbar zu behaupten, daß die Wiederkaufwahr­schein­lich­keit mit der Länge der Zeitspanne zwischen den Kaufaktionen zunimmt. Aus diesem Grund werden Produkte ausge­wählt, bei denen die Zeitspanne zwischen den Kaufhandlungen im Rahmen einer Fragebogen­aktion als angemessen erscheint. Die Befragten sollten sich an mehrere aufeinanderfolgende Kauf­handlungen erinnern können. Der Effekt aufgrund der Länge der Zeitspanne wird nicht weiter untersucht werden. Es sollte sich darüber hinaus um ein Produkt handeln, daß von einem großen Teil der Befragten in mehr oder minder großem Umfang benutzt wird.

Die Produkte in der ausgewählten Produktkategorie sollten weitgehend eindeutig markiert sein. Kroeber-Riel geht davon aus, daß die Markentreue umso größer ist, je stärker die Markierung bei dem Produkt hervortritt.[3]

Aufgrund der oben genannten Kriterien, wurden nach der ausführlichen Diskussion im Collo­quium und Nachbereitung der Argumente im engeren Kreis, zwei Produkte ausgewählt. Statt dem Befragten, wie ursprünglich geplant, freie Auswahl zwischen alternativen Produkten zu lassen, wurde die Zuordnung der Produkte an das Geschlecht gebunden. Es wurde ein Produkt für Frauen und eines für Männer festgelegt. Dieses Vorgehen sollte die technische Durchfüh­rung der Befragung erheblich erleichtern und die Anzahl der Daten je Produktkategorie von vornherein sicherstellen.

Für Männer wurde After Shave als geeignete Produktkategorie ausgewählt. Durch seinen Geruch besitzt dieses Produkt eine gewisse „soziale Sichtbarkeit“, da gerade der Geruch der allgemeinen Kritik preisgegeben ist. Schon aus diesem Grunde ist von einem Involvement beim Kauf von Produkten aus dieser Produktkategorie auszugehen. Die „soziale Sichbarkeit“ trägt vermutlich sehr stark zur Markentreue in diesem Bereich bei, da ein neuer Geruch immer ein gewisses Maß an Mut erfordert, diesen auch vor anderen Menschen zu präsentieren. Auf der anderen Seite kann man davon ausgehen, daß die soziale Umwelt im Zuge von Mode­entwicklungen, ein gewisses Maß an Abwechslung verlangt. Unterstützt wird dieser Effekt dadurch, daß zum einen der Geruch, als auch das Markenimage einem Sättigungsprozeß unterliegen. Die Marken­images neuer Marken sind oft darauf angelegt, Neugier zu erzeugen. Darüber hinaus wird das Involvement dadurch gefördert, daß der Kauf eines After Shaves, je nach Marke, auch finanzielle Bedeutung haben kann.

Die meisten After Shaves sind durch ein eindeutig ausgeprägtes Markenimage ausgezeichnet, was nach Meinung Kroeber-Riels die Markentreue fördert. Die Zeitspanne zwischen zwei Kaufaktionen ist meist durchaus überschaubar, zumal oft eine neue Marke gekauft wird bevor das alte Produkt aufgebraucht ist.

Bei den Frauen fiel die Wahl auf die Produktkategorie der Nylonstrümpfe.

Nylonstrümpfe besitzen eine gewisse „soziale Sichtbarkeit“, zumal sich in den letzten Jahren immer stärker auch aufwändig gemusterte Produkte im Markt etabliert haben. Es besteht ein er­höhtes soziales und psychologisches Risiko, da Laufmaschen bei wichtigen Gelegenheiten als peinlich empfunden werden. Darüber hinaus ist besonders bei auffällig gemusterten Strümpfen das gleiche zu sagen, was auch schon bei der Produktkategorie des After Shaves gesagt wurde. Die soziale Umwelt kritisiert unter Umständen einen Wechsel, verlangt diesen jedoch teilweise auch.

Das Markenimage ist meist nicht so stark ausgeprägt, wie dies im Bereich des After Shaves der Fall ist. Demgegenüber ist jedoch auch nicht damit zu rechnen, daß das Bedürfnis nach Ab­wechslung so stark entwickelt ist. Es ist davon auszugehen, daß die Kauffrequenz durchschnitt­lich höher liegt als im Bereich des After Shaves. Da bei Nylonstrümpfen die Haltbarkeit eine große Rolle spielt, wird bei positiven Erfahrungen die Markentreue durch diesen Faktor unterstützt. Der finanzielle Faktor kann, je nach Marke, eine große Rolle spielen, da der Preis, wenn man die meist sehr kurze Haltbarkeit bedenkt, sehr hoch sein kann.

Bei beiden Produktkategorien ist grundsätzlich die Wahrnehmung eines hohen Abwechslungspotentials und eines hohen Risikopotentials zu Beginn möglich. Damit kann gemäß Kapitel „Zusammenfassung der Hypothesen“ eine ∩-Kurve erwartet werden.


[1] vgl.: Wierenga, B., (1974), S. 214

[2] vgl.: Kuehn, A. A., (1962)

[3] vgl.: Kroeber-Riel, W., (1992), S. 393

Konstruktion des Fragebogens und Operationalisierung der Variablen

Der Fragebogen besteht hauptsächlich aus vier Fragekomplexen und ist, bis auf den ein­führenden Text, für beide Geschlechter identisch:

persönliche Verhaltensweisen des Konsumenten in der Produktkategorie

persönliche Affekte des Konsumenten gegenüber der aktuellen Marke und der gesam­ten Produktkategorie

persönliche Veranlagung bezüglich Risikotoleranz und Reizbedürfnis

demographische Angaben über die eigene Person

( sonstige Konstrukte)

Der Fragebogen enthält insgesamt 102 Items.

Bei folgenden Items ist von vornherein nicht geplant sie auszuwerten, sondern sie dienen nur zur Motivation und Führung der Befragten.

So dient das erste Item „Bitte nenne die Marke, die Du zuletzt konsumiert hast.“ dazu, daß der Befragte sich von vornherein eindeutig auf ein Produkt festlegt.

Des weiteren wird das Item „Wenn Du diese Aussage mit ‚richtig‘ eingestuft hast, dann stelle bitte kurz dar, warum es keine freie Entscheidung war.“ nur dazu genutzt, zu überprüfen, ob das Item davor richtig verstan­den wurde.

Die offenen Fragen zum evoked set und den Eigenschaften der Marke werden zunächst nur bezüglich der erinnerten Anzahl und nicht bezüglich der Inhalte erfaßt. (EVOKED, EIGENSCH)[1]

Durch die Angabe der Matrikelnummer soll eine gewisse Bindung hergestellt werden, die dazu führen soll, daß der Fragebogen gewissenhafter ausgefüllt wird. Dieses Item wird nicht ausge­wertet. (MATRI-NR)

Die beiden oben zuerst genannten Fragenkomplexe wurden innerhalb des Fragebogens nicht jeweils als Block zusammengefaßt, sondern unter Rücksichtnahme auf mögliche Positionseffek­te vermischt und vor und nach dem dritten Fragenkomplex angeordnet. Der dritte und vierte Fragenkomplex wurde jeweils als Block zusammengefaßt. Die Items der sonstigen Konstrukte wurden zwischen den Items der ersten und zweiten Kategorie verstreut.

Eine kurze Zuordnung und Erläuterung der Items findet im folgenden statt. Die genaue Formu­lierung der Items kann dem Fragebogen im Anhang entnommen werden. Die dort angegebenen Bezeichnungen der Items waren auf den verteilten Fragebögen nicht abgedruckt und dienen nur dem Zweck der besseren Übersicht im Rahmen der Auswertung.

Persönliches Verhalten

In dem Fragenkomplex zu den persönlichen Verhaltensweisen geht es vor allem um die Erhe­bung von Verhaltensweisen in der Vergangenheit. (KAUFVER1 bis KAUFVER5)

So kann es wichtig sein zu wissen, ob die Marke selber eingekauft oder von jemand anderem mitgebracht wird, ob auf Vorrat oder nach Bedarf und ob diese Marke auch für andere Personen eingekauft wird, usw..

Um eine genauere Vorstellung über die bisherigen Konsumerfahrungen mit der Marke zu erhalten, wird die Kauffrequenz und die Kaufhäufigkeit erhoben. (WIEDKAU1 bis WIEDKAU3)

Persönliche Affekte

Im Mittelpunkt stehen die Affekte, die durch Neuartigkeit, Komplexität, Ungewöhn­lichkeit etc. der Marke auf der einen Seite und dem mit der Marke verbundenen Risikopotential auf der anderen Seite hervorgerufen werden. Die Stärke dieser Affekte wird ermittelt.

Die Ermittlung der Affekte erfolgt sowohl auf die Gegenwart, als auch auf die Ver­gangenheit bezogen. Da die Erfragung von Vergangenheitsdaten immer mit Verzerrungen der verschieden­sten Art ver­bunden ist, werden ersatzweise die durchschnittlichen Potentiale für die Produktka­tego­rie zum aktuellen Zeitpunkt erfragt. Da die aktuelle Marke vor dem ersten Kauf, ein Teil dieser Menge von weitgehend unbekannten Marken war, kann durch die Ermittlung dieser Durchschnittspotentiale auf die mit der Marke zu Beginn verbundenen Potentialen geschlossen werden. Zusätzlich werden einzelne Items eingefügt, die sich auf die Vergangenheitswerte der betrachteten Marke beziehen.

Die Ermittlung des aktuellen Abwechslungspotentials erfolgt durch eine ganze Reihe paralleler Items, die alle auf positiv bewertete Aspekte der Neuartigkeit, Ungewöhnlichkeit und Komple­xität abzielen. Die Item sind unter folgenden Bezeichnungen im Fragebogen zu finden: abwaff_1, abwaff_2, abwaff_3, abwaff_4, abwaff_5, abwaff_6, abwaff_7, abwaff_8, abwaff_9. Das Item ABWAFF_2 wurde in seiner Orientierung geändert um einer Antworttendenz entgegenzuwirken. Der Abwechslungsaffekt wird durch die Summation der neun Items ermittelt.

Die Operationalisierung des ursprünglichen Abwechslungspotentials erfolgt zum einen durch ein Item, das direkt auf das ursprüngliche Abwechslungspotential abzielt (ABWPOUR1) und zum anderen durch drei Items, die das Abwechslungspotential des Marktes allgemein abfragen, ohne auf spezielle Marken einzugehen. (ABWPOUR2, ABWPOUR3, ABWPOUR4). Diese Operationalisierung ist deshalb angebracht, weil davon auszugehen ist, daß das Abwechslungs­potential aller unbekannten Marken im Markt in etwa vergleichbar ist.

Die Operationalisierung des Risikopotentials erfolgt gemäß dem Vorschlag von Cunnigham[2] durch die Faktoren Unsicherheit und Konsequenzen. Die Unsicherheit wird mehrfach parallel operationalisiert und möglichst wertneutral erhoben. Dies geschieht durch die folgenden Items: unsich_1, unsich_2, unsich_3, UNSICH_4, UNSICH_5.

Die Konsequenzen werden durch die nach verschiedenen Bereichen aufgespalteten Affekte, die mit der Kaufsituation verbunden sind, operationalisiert. Eine affektive Bewertung ist bei diesen Items im Gegensatz zu den Unsicherheits-Items beabsichtigt. Dies geschieht durch folgende Items: riaffzei, riafffin, riaffphy, riaffpsy, riaffsoz, RIAFF__1, RIAFF__2, RIAFFQU1, RIAFFQU2. Neben den im theoretischen Teil besprochenen fünf Risikokategorien, wurde auch die dort abgegrenzte qualitative Risikoka­tegorie durch die zwei Items RIAFFQU1, RIAFFQU2 operationalisiert und in die Auswertung mit einbezogen. Wie schon im theoretischen Teil angedeutet, ist die Trennung zwar für ein besseres Verständnis notwendig, für die empirische Betrachtung ist die Erhebung des qualitativen Risikos jedoch durchaus sinnvoll. Die Items RIAFF__2 und RIAFF_1 fassen nochmals einen eher diffusen Risikoaffekt zusammen.

Um die Bedeutung dieser Konsequenzen individuell genauer differenzieren zu können, wird ein Item erhoben, das die Gewichtung dieser Konsequenzen bei der Kaufentscheidung wiedergibt: riaffgew.

Die Konsequenzen ergeben sich sodann aus der Multiplikation der Summe der einzelnen Konsequenzen mit der Gewichtung.

Der Risikoaffekt besteht aus der Multiplikation der Unsicherheit mit den Konsequenzen. Die genaue mathematische Umsetzung kann aus dem Abschnitt „Aufbereitung der Daten“ entnom­men werden.

[PK1]

Auch der aktuell empfundene Risikoaffekt ist abhängig von dem Risikoaffekt zu Beginn der Markentreue. Die Operationalisierung des ursprünglichen Risikopotentials erfolgt parallel zu dem aktuellen Risikoaffekt, unterteilt in die verschiedenen Risikoarten. Allerdings wird in allen Bereichen nur die allgemein auf die Produktklasse bezogene Risikoempfindung erhoben und nicht explizit nach der Risikoempfindung zu Beginn der Markentreue gefragt. Neben den fünf Kategorien von Konsequenzen soll auch die Kategorie „qualitative Konsequenzen“ in die Berechnung mit eingehen. Die Items lauten wie folgt: konfinur, konphyur, konpsyur, konquaur, konsozur, konzeiur

Das Konzept sieht eine Zusammenfassung von Abwechslungs- und Risikoaffekt vor. Diese beiden Affekte sollen zu einem Gesamtaffekt beitragen. Damit ein Abgleich stattfinden kann, wird auch der Gesamtaffekt erhoben. (GESAFF_1 bis GESAFF_4).

Risikotoleranz und Reizbedürfnis

Diese beiden persönlichen Konstanten werden mit Hilfe eines von Brengelmann entwickelten Instrumentes operationalisiert.[3] Er konnte 29 Items auf drei Faktoren reduzieren: Reizsuche, Reizgenuß und Risiko­lust. Alle 29 Items wurden übernommen. Obwohl ein Item doppelt auftauchte, wurde auch dieses so übernommen (REIZSU_9, REIZGE_3). Zwar wurden die Items der verschiedenen Faktoren untereinander, unter Rücksichtnahme auf Positionseffekte, gemischt, es wurden jedoch keine Items aus den anderen Fragekomplexen eingefügt. Durch die Mischung von Items der Reizsuche und des Reizgenusses auf der einen Seite und der Risikolust auf der anderen Seite, wurde der Akquieszenz entgegengewirkt, die bei einer derartig großen Zahl von Items mit ähnlichem Inhalt leicht entstehen kann.

Die eigentlich zur Messung dieser Parameter vorgesehene Sensation-Seeking Scale von Zucker­man[4], die in der englischsprachigen Literatur weit verbreitet ist, existiert nicht in einer deut­schen, validierten Version. Da Brengelmann sein Instrument jedoch schon mehrfach mit Erfolg validiert hat, erscheint es durchaus geeignet für diese Untersuchung.

Der Bereich, den Brengelmann Risikolust nennt, besteht aus fünf Items, die wörtlich als Operationalisierung der Risikotoleranz übernommen werden. Die entsprechenden Items im Fragebogen lauten: rislus_1, rislus_2, rislus_3, rislus_4, rislus_5. In die Auswertung gehen später die aus diesen Items durch Faktoranalyse ermittelten „Factor Scores“ ein. Die daraus hervorgehende Variable wird RISLUSX1 heißen.

Die Variable, die in dieser Arbeit Reizbedürfnis genannt wird, setzt sich bei Brengelmann aus zwei Bereichen zusammen: Reizgenuß (REIZGE_1 bis REIZGE_9) und Reizsuche (REIZSU_1 bis REIZSU15). Beide Instrumente werden gemeinsam in eine Faktorenanalyse eingehen und es wird ein ge­meinsamer Faktor aus diesen beiden Bereichen extrahiert werden. Die „Factor Scores“ werden als Variable REIZBEX1 in die weitere Untersuchung einfließen.

Demographische Angaben

In diesem Fragenkomplex wurden weitgehend die üblichen Angaben abgefragt (ALTER, FAMSTAND, GESCHL, WOHNVERH). Darüber hinaus wurde der Zeitungs- und Zeitschrif­tenkonsum (ZEITUNG) ermittelt, da dies als Indikator für das Informati­onsbedürfnis des Konsumenten gewertet werden kann.

Gewisse Probleme könnte es bezüglich der Frage nach der finanziellen Ausstattung (BUDGET) geben, wenn gleichzeitig nach der Matrikelnummer (MATRI-NR) gefragt wird. Wenn darauf­hin eine der beiden Angaben nicht gemacht wird, ist dies für die Brauchbarkeit der übrigen Daten jedoch nicht ausschlaggebend.

Gewöhnung

Gewöhnung ist weder bei Verhalten noch bei Affekten einzuordnen, eher handelt es sich um eine Verhaltensprädisposition, die aus einem komplexen Gefüge von verschiedenen Faktoren resultiert. Gewöhnung ist ein hypothetisches Konstrukt, dessen Definition einerseits auf der Hand liegt, deren genaue Abgrenzung jedoch Probleme bereiten könnte. Aus diesem Grunde liegt auch die Operationalisierung nicht direkt auf der Hand. Im folgenden wird Ge­wöhnung operational durch die vier Items definiert. Eine direkte Befragung nach der Gewöh­nung an ein Produkt soll vermieden werden. Aus diesem Grunde wird die Gewöhnung durch die Aus­prägung von verschiedenen Items gemessen, die das Wissen über die Marke wiederge­ben: gewoe_1, gewoe_2, gewoe_4, GEWOEH_3.

Die Problematik der Operationalisierung der Gewöhnung und den damit verbundenen Validi­tätsproblemen erörtert Bleiker.[5] Sie gibt zum Beispiel zu bedenken, daß ein Produkt nie gekauft zu haben, nicht gleichbedeutend damit ist, keine Kriterien zur Produkt­beurteilung zu haben. Optimal ist vermutlich eine Kombination kognitiver und verhaltens­abhängiger Operatio­nalisierungen.

Wiederkaufwahrscheinlichkeit

Auch die im Fragebogen durch vier Items operationalisierte Wiederkaufwahrscheinlichkeit ist kein Verhalten, sondern eine Einstellung. Bei dieser Einstellung tritt jedoch die konotative Komponente weit in den Vordergrund. Die Operationalisierung erfolgt auf der einen Seite so, daß die Befragten auf verschiedene Art und Weise gebeten werden, die Wiederkaufwahr­scheinlichkeit einzuschätzen (WKW1 und WKW4). Auf der anderen Seite werden sie mit einer Sieben-Punkte-Skala in bezug auf zwei Aussagen konfrontiert, die ihnen einen Markenwechsel unterstellen. (WKW2 und WKW3).

Weitere Items und Konstrukte

Neben den oben angeführten Angaben, wurde das Involvement durch vier Items operationali­siert, die von Bleiker[6] übernommen wurden. (INVOLV_1 bis INVOLV_4)

Auch die schon mehrfach erwähnten extrinsischen Motivationen werden operationalisiert. Dabei findet eine Beschränkung auf die Motivationen statt, die in diesem Untersuchungszusammen­hang die größte Bedeutung haben (EXTRI_1 bis EXTRI_4).


[1] Die im folgenden verwandten Abkürzungen verweisen auf die entsprechenden Bezeichnungen der Items im Fragebogen, der im Anhang zu finden ist.

[2] vgl.: Cunningham, S.M., (1967b)

[3] vgl.: Brengelmann, J. C.; von Quast, C., (1987), S. 79-81

[4] vgl.: Zuckerman, M., (1964)

[5] vgl.: Bleiker, U., (1993), S. 183ff

[6] vgl.: Bleiker, U., (1983)