• search hit 5 of 12
Back to Result List

Heterogenität im Antwortverhalten bei Kundenzufriedenheitsbefragungen - Ein bayesianischer Mixture-Modell-Ansatz

Heterogeneous response behavior in Customer Satisfaction Surveys - A Bayesian mixture model approach

  • Im Marketing und anderen Sozialwissenschaften ist die Anwendung von Strukturgleichungsmodellen zur Analyse von Kausalmodellen gängige 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 begründet werden. Bisherige Anwendungen des LISREL-Modells gehen stets von je einer einzigen kausalen Struktur aus. Die Modellierung von Heterogenität beschränkt sich dabei allerdings auf die Parameterausprägungen. Dazu werden beispielsweise hierarchische Modelle oder sogenannte Finite Mixture-Modelle eingesetzt. Die vorliegende Arbeit erweitert die Modellierung vonIm Marketing und anderen Sozialwissenschaften ist die Anwendung von Strukturgleichungsmodellen zur Analyse von Kausalmodellen gängige 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 begründet werden. Bisherige Anwendungen des LISREL-Modells gehen stets von je einer einzigen kausalen Struktur aus. Die Modellierung von Heterogenität beschränkt sich dabei allerdings auf die Parameterausprägungen. 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) Heterogenität der Skalenverwendung sowie 2) Heterogenität der kausalen Struktur modelliert und am Beispiel der Untersuchung von Kundenzufriedenheitstreibern demonstriert. Die Berücksichtigung konkurrierender Theorien durch die Modellierung heterogener Kausalstrukturen kann großen Einfluss auf die Schlussfolgerungen von Strukturgleichungsmodellen haben. In der betriebswirtschaftlichen Praxis werden sehr häufig Zusammenhänge zwischen Teil- und Gesamtzufriedenheiten untersucht, um relevante Treiber von Zufriedenheit zu identifizieren. Eine Konzentration auf relevante Treiber von Zufriedenheit ermöglicht einen besseren Einsatz knapper Ressourcen. Der Erfolg von Unternehmen hängt daher auch von der Qualität der Analysen ab. Werden Fragebatterien eingesetzt, sodass sich jeweils mehrere Fragen auf eine Teilzufriedenheitsdimension bzw. Domäne beziehen, so bieten sich Strukturgleichungsmodelle zur Analyse der Gesamtzufriedenheitstreiber an. Ziel solcher Modelle ist die Inferenz bezüglich des Strukturmodells – welches in diesem Fall den Zusammenhang von Gesamtzufriedenheit und Teilzufriedenheitsdimensionen beschreibt. Diesem Treibermodell steht das Halo-Modell als konkurrierende Theorie gegenüber. Das Halo-Modell geht davon aus, dass alle Bewertungen sich durch einen Faktor – etwa dem Gesamteindruck bezüglich eines Produktes oder Services – erklären lassen. Die Teilzufriedenheitsdimensionen liefern in diesem Modell keinen eigenständigen Informationsbeitrag. Das Halo-Modell muss jedoch nicht auf alle Teilzufriedenheitsdimensionen zutreffen. Es werden daher folgende Strukturmodelle bei der Untersuchung von Daten einer Zufriedenheitsbefragung berücksichtigt: 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 bezüglich vier unterschiedlicher Pizzarestaurants legt nahe, dass alle drei untersuchten Kausalmodelle (und somit die zugrundeliegenden Muster des Bewertungsverhaltens) existieren. Ferner ändern sich Schlussfolgerungen über relevante Treiber der Gesamtzufriedenheit im Treibermodell, sodass Pizzarestaurantbetreibern die Investition in andere Aspekte ihres Services nahegelegt werden kann.show moreshow less
  • In marketing and other social sciences, structural equation models are frequently used to analyze causal models. In particular, the flexible LISREL Structural Equation model is a popular tool. It consists of two elements: (1) a measurement model which links latent factors to observed measurement items and (2) a structural model, which describes linear relationships among endogenous and exogenous latent factors. Both elements can be presented using a path model. The structure of this path models always needs to be grounded in theory. Previous applications of the LISREL model assume that there is a single causal structure. Heterogeneity is only addressed with regard to parameters using hierarchical models or finite mixture models. This research extents SEM literature in two ways: 1) Heterogeneity of scale usage and 2) heterogeneity of causal structures is implemented in a SEM. The analysis of customer satisfaction serves as a model case to demonstrate this modeling approach. Accounting for these two new forms of heterogeneity mayIn marketing and other social sciences, structural equation models are frequently used to analyze causal models. In particular, the flexible LISREL Structural Equation model is a popular tool. It consists of two elements: (1) a measurement model which links latent factors to observed measurement items and (2) a structural model, which describes linear relationships among endogenous and exogenous latent factors. Both elements can be presented using a path model. The structure of this path models always needs to be grounded in theory. Previous applications of the LISREL model assume that there is a single causal structure. Heterogeneity is only addressed with regard to parameters using hierarchical models or finite mixture models. This research extents SEM literature in two ways: 1) Heterogeneity of scale usage and 2) heterogeneity of causal structures is implemented in a SEM. The analysis of customer satisfaction serves as a model case to demonstrate this modeling approach. Accounting for these two new forms of heterogeneity may significantly affect inference in SEMs. Industry practitioners frequently try to learn about the relationship of partial satisfaction dimensions and overall satisfaction in order to identify significant drivers. Focusing on those drivers would allow for more effective allocation of resources within the company. The company's success is therefore also dependent on the quality of such analyses. When a battery of items is used, multiple items may refer to the same partial satisfaction dimensions (or domains). In this case SEMs can be used to identify drivers of overall satisfaction. The main goal is inference about the structural model which in this case related partial satisfaction dimensions and overall satisfaction. A competing alternative theory is the halo model. According to this model, all partial satisfaction dimensions are determined by a single factor, i.e. general impression with a product or service. The partial satisfaction dimensions do not deliver any additional information. However, not all partial dimensions need to be mainly dominated by the overall impression. Therefore three different mixture model components are analyzed: 1) a driver model, 2) a halo model and 3) a Multiple-Indicator-Multiple-Causes model, where “causes” are drivers of overall impression and “indicators” are dimensions dominated by the resulting overall impression. The mixture model is applied to a satisfaction data set which contains rating from 283 customers who evaluate one to four) pizza restaurant chains (depending on the knowledge). Results appear to confirm the existence of the above-mentioned alternative causal models (describing alternative evaluation styles). As a consequence, driver inference in the driver model changes. Therefore conclusions regarding the most important aspects to invest in change for pizza chain managers.show moreshow less

Download full text files

  • Ist bereits im PDF/A-Format. Original-PDF ist im ZIP-Anhang enthalten

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Hardt, Nino
URN:urn:nbn:de:bvb:824-opus-1006
Advisor:Prof. Dr. Büschken, Joachim
Document Type:Doctoral thesis
Language of publication:German
Online publication date:2011/12/19
Publishing Institution:Katholische Universität Eichstätt-Ingolstadt
Awarding Institution:Katholische Universität Eichstätt-Ingolstadt, Wirtschaftswissenschaftliche Fakultät
Date of final examination:2011/12/07
Release Date:2011/12/19
Tag:Finite Mixture-Modell; Halo; MIMIC
MCMC; Bayesian inference; Finite mixture model; Customer satisfaction; Structural equation model
GND Keyword:Verbraucherzufriedenheit; Bayes-Inferenz; Markov-Ketten-Monte-Carlo-Verfahren; Heterogenität; Strukturgleichungsmodell
Faculty:Wirtschaftswissenschaftliche Fakultät / Wirtschaftswissenschaften
Dewey Decimal Classification:3 Sozialwissenschaften / 33 Wirtschaft / 330 Wirtschaft
License (German):License LogoVeröffentlichungsvertrag für Publikationen ohne Print on Demand
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.