@phdthesis{Hardt2011, author = {Hardt, Nino}, title = {Heterogenit{\"a}t im Antwortverhalten bei Kundenzufriedenheitsbefragungen - Ein bayesianischer Mixture-Modell-Ansatz}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:824-opus-1006}, school = {Katholische Universit{\"a}t Eichst{\"a}tt-Ingolstadt}, year = {2011}, abstract = {Im Marketing und anderen Sozialwissenschaften ist die Anwendung von Strukturgleichungsmodellen zur Analyse von Kausalmodellen g{\"a}ngige Praxis. Ein gleichermaßen flexibler wie beliebter Ansatz zur Modellierung von Strukturgleichungsmodellen stellt das LISREL-Modell dar. Es besteht aus zwei Bestandteilen: 1) der Operationalisierung latenter Konstrukte durch Messmodelle sowie 2) einem Strukturmodell, welches Aussagen zu linearen Beziehungen zwischen endogenen und exogenen latenten Konstrukten abbildet. Beide Bestandteile lassen sich mittels eins Pfadmodells grafisch darstellen. Die Struktur eines solchen Pfadmodells muss dabei durch theoretische Annahmen begr{\"u}ndet werden. Bisherige Anwendungen des LISREL-Modells gehen stets von je einer einzigen kausalen Struktur aus. Die Modellierung von Heterogenit{\"a}t beschr{\"a}nkt sich dabei allerdings auf die Parameterauspr{\"a}gungen. Dazu werden beispielsweise hierarchische Modelle oder sogenannte Finite Mixture-Modelle eingesetzt. Die vorliegende Arbeit erweitert die Modellierung von Strukturgleichungsmodellen in zweifacher Hinsicht: Es wird 1) Heterogenit{\"a}t der Skalenverwendung sowie 2) Heterogenit{\"a}t der kausalen Struktur modelliert und am Beispiel der Untersuchung von Kundenzufriedenheitstreibern demonstriert. Die Ber{\"u}cksichtigung konkurrierender Theorien durch die Modellierung heterogener Kausalstrukturen kann großen Einfluss auf die Schlussfolgerungen von Strukturgleichungsmodellen haben. In der betriebswirtschaftlichen Praxis werden sehr h{\"a}ufig Zusammenh{\"a}nge zwischen Teil- und Gesamtzufriedenheiten untersucht, um relevante Treiber von Zufriedenheit zu identifizieren. Eine Konzentration auf relevante Treiber von Zufriedenheit erm{\"o}glicht einen besseren Einsatz knapper Ressourcen. Der Erfolg von Unternehmen h{\"a}ngt daher auch von der Qualit{\"a}t der Analysen ab. Werden Fragebatterien eingesetzt, sodass sich jeweils mehrere Fragen auf eine Teilzufriedenheitsdimension bzw. Dom{\"a}ne beziehen, so bieten sich Strukturgleichungsmodelle zur Analyse der Gesamtzufriedenheitstreiber an. Ziel solcher Modelle ist die Inferenz bez{\"u}glich des Strukturmodells - welches in diesem Fall den Zusammenhang von Gesamtzufriedenheit und Teilzufriedenheitsdimensionen beschreibt. Diesem Treibermodell steht das Halo-Modell als konkurrierende Theorie gegen{\"u}ber. Das Halo-Modell geht davon aus, dass alle Bewertungen sich durch einen Faktor - etwa dem Gesamteindruck bez{\"u}glich eines Produktes oder Services - erkl{\"a}ren lassen. Die Teilzufriedenheitsdimensionen liefern in diesem Modell keinen eigenst{\"a}ndigen Informationsbeitrag. Das Halo-Modell muss jedoch nicht auf alle Teilzufriedenheitsdimensionen zutreffen. Es werden daher folgende Strukturmodelle bei der Untersuchung von Daten einer Zufriedenheitsbefragung ber{\"u}cksichtigt: 1) ein klassisches Treibermodell, 2) ein reines Halo-Modell sowie 3) ein Multiple-Indicator-Multiple-Causes Modell, in dem Treiber als „Causes" und von der Gesamtzufriedenheit abgeleitete Teilbewertungen als „Indicators" aufgefasst werden. Die Untersuchung der Zufriedenheitsbewertungen von 283 Kunden bez{\"u}glich vier unterschiedlicher Pizzarestaurants legt nahe, dass alle drei untersuchten Kausalmodelle (und somit die zugrundeliegenden Muster des Bewertungsverhaltens) existieren. Ferner {\"a}ndern sich Schlussfolgerungen {\"u}ber relevante Treiber der Gesamtzufriedenheit im Treibermodell, sodass Pizzarestaurantbetreibern die Investition in andere Aspekte ihres Services nahegelegt werden kann.}, subject = {Verbraucherzufriedenheit; Bayes-Inferenz; Markov-Ketten-Monte-Carlo-Verfahren; Heterogenit{\"a}t; Strukturgleichungsmodell}, language = {de} }