Show Less
Open access

Einfluss von Kommunikationsmaßnahmen mit CSR-Bezug auf die Einstellung zur Marke

Entwicklung und Überprüfung eines konzeptionellen Modells

Series:

Marion Secka

Entscheidet sich ein Unternehmen Nachhaltigkeitsmaßnahmen zu kommunizieren, stellt sich die Frage, wie dies am effizientesten geschehen soll, um das Markenimage dauerhaft zu stärken. Die Kommunikation von Corporate Social Responsibility (CSR) ist eng mit dem Thema der Glaubwürdigkeit verknüpft. Jene in der CSR-Literatur noch wenig behandelten Fragen, wie z.B. die Frage nach dem Einfluss der CSR-Kommunikation auf die Einstellung zu Marken, greift diese Arbeit durch ein konzeptionelles Modell auf, das den Einfluss des Mediums auf die Wirkung zwischen CSR-Kommunikation und der Einstellung zur Marke überprüft. Im Anschluss daran wird das Modell mittels eines Experiments für zwei Dienstleistungsbranchen mit jeweils zwei verschiedenen Marken empirisch überprüft. Dies erbrachte den Nachweis, dass sich emotionale Werbegestaltung auf die emotionale Imagekomponente positiv auswirkt. Auch kann ein Einfluss der «nachhaltigen» Werbegestaltung auf die emotionale Imagekomponente gezeigt werden.
Show Summary Details
Open access

9. Überprüfung von Modellen

← 230 | 231 → 9. Überprüfung von Modellen

Die formulierten Hypothesen wurden mit dem Verfahren der Regressionsanalyse überprüft. Obwohl die Regressionsanalyse als das beliebteste multivariate Analyseverfahren gilt und zahlreiche Vorteile aufweist, hat sie den Nachteil, Beziehungen mehrerer unabhängiger und abhängiger Variablen nicht simultan testen zu können. Es können nur einfache Modelle (z.B. eine oder mehrere unabhängige Variable beeinflussen eine abhängige Variable) überprüft werden. Die Defizite der Regressionsanalyse führen zum Strukturgleichungsmodell, das sich in den letzten Jahren als beste Methode der Konstruktvalidierung durchgesetzt hat (Bagozzi, 1994, S. 317). Strukturgleichungsmodelle sind in der Lage, komplexe Abhängigkeiten zwischen (latenten) Ziel- und Erklärungsvariablen sowie zwischen den Erklärungsvariablen selbst abzubilden und simultan zu schätzen (Backhaus et al., 2006, S. 338; Homburg und Pflesser, 2000, S. 636). Die der Studie zugrunde liegenden Modelle werden deshalb mit Hilfe von Strukturgleichungsmodellen (Structural Equation Model – SEM) überprüft.

9.1. Modellprüfung mittels Strukturgleichungsmodellen

Strukturgleichungsmodelle werden aufgrund ihrer Überprüfung von kausalen Abhängigkeiten zwischen Variablen auch häufig als Kausalanalyse bezeichnet (Backhaus et al., 2008). Diese Bezeichnung weist auf die Möglichkeit, „mit Hilfe eines statistischen Verfahrens Kausalität zu untersuchen, was im strengen wissenschaftlichen Sinn nur mittels […] kontrollierter Experimente möglich ist“ hin (Homburg und Hildebrandt, 1998, S. 17; Ringle, 2004, S. 7; Edwards und Bagozzi, 2000, S. 157ff). Dieses statistische Verfahren deckt keine Beziehungen zwischen Kausalitäten, sondern zwischen Variablen, auf. Dennoch werden aufgrund der wissenschaftlichen Literatur unter dem Begriff „Kausalanalyse“ empirische Methoden zusammengefasst, die Strukturgleichungsmodelle mit latenten Variablen schätzen können (Ringle, 2004, S. 7). Strukturgleichungsmodelle haben sich als Quasi-Standard bei der Erforschung komplexer Wirkungszusammenhänge in den Wirtschafts- und Sozialwissenschaften entwickelt (Hair et al., 2012a). Ihre Stärke liegt in der Analyse von Beziehungen zwischen a priori nicht beobachtbaren und messbaren Größen, sogenannten latenten Konstrukten. Sie sind bislang die einzige Methode, die es erlaubt, komplexe Abhängigkeiten latenter Variablen zu analysieren (Homburg und Klarmann, 2006, S. 727). Erste betriebswirtschaftliche Anwendungen von Strukturgleichungsmodellen stammen aus dem Bereich des Marketings und wurden vor mehr als vier Jahrzehnten ← 231 | 232 → veröffentlicht (Chin et al., 2008, S. 287; Ringle, 2004a, S. 5; Fornell und Bookstein, 1981; Bagozzi, 1994). Die ständig wachsende Anzahl wissenschaftlicher Beiträge, die mit Strukturgleichungsmodellen arbeiten (Clement et al., 2008), verdeutlicht die breite Akzeptanz und zunehmende Relevanz dieses Ansatzes für die betriebswirtschaftliche Forschung (Hair et al., 2012b; Henseler et al., 2009; Ringle, 2004a, S. 37). Allerdings beschränkt sich die Analyse komplexer Ursache-­Wirkungsbeziehungen nicht nur auf die wissenschaftliche Forschung. Auch in der kommerziellen Marktforschungspraxis werden vermehrt Studien mit Strukturgleichungsmodellen ausgewertet (Hildebrandt und Görz, 1999, S. 1).

9.2. Aufbau eines Strukturgleichungsmodells

Der Aufbau eines Kausalmodells findet sich in Abbildung 60. Die korrekte Darstellung sieht vor, dass Ellipsen für latente Konstrukte, Rechtecke für manifeste Variablen und Kreise für Fehlerterme stehen. Weiters wird zwischen exogenen (äußere) und endogenen (innere) Variablen im Messmodell (dunkelgraue Schattierung) unterschieden. Das Strukturmodell hat diese Unterscheidung nicht, sondern bildet die aufgestellten Hypothesen in Form von kausalen Beziehungen (vgl. Pfade) ab (Jahn, 2007, S. 9f).

Abbildung 60: Aufbau eines vollständigen Kausalmodells in Anlehnung an Fuchs (2011, S. 6)

Art_Se_060.tif 

← 232 | 233 → Eine weitere Unterscheidung zwischen formativen und reflektiven Indikatoren ist ebenfalls von Bedeutung, da durch diese Entscheidung die grundlegende Logik des Modells spezifiziert wird (Albers und Hildebrandt, 2006). Im Fall des reflektiven Messmodells ist die Richtung der Kausalität vom Konstrukt zu den Indikatoren, während beim formativen Messmodell die Kausalität von den Indikatoren zum Konstrukt verläuft (Huber et al., 2007a, S. 34; Jahn, 2007, S. 9). Ein einfaches Beispiel, welches zur Veranschaulichung herangezogen wird, ist die „Trunkenheit“ (Abb. 61).

Eine Erhöhung der latenten Variable „Trunkenheit“ führt im reflektiven Messmodell zu einer Erhöhung der Indikatorvariable „Blutalkohol“, zur Abnahme der „Reaktionsfähigkeit“ und der „Sprachgewandtheit“. Würde man eine der Indikatorvariablen eliminieren, so würde sich das Konstrukt „Trunkenheit“ damit nicht ändern. Anders ist es bei der Darstellung der latenten Variable „Trunkenheit“ im formativen Messmodell. Die „Trunkenheit“ wird dabei durch die Indikatorvariablen „Konsumierte Biermenge“, „Konsumierte Weinmenge“ etc. bestimmt. Würde man eine Indikatorvariable (z.B. die konsumierte Weinmenge) erhöhen, so würde sich automatisch auch die latente Variable „Trunkenheit“ erhöhen. Die einzelnen Indikatorvariablen sind dabei unabhängig voneinander. Würde eine Indikatorvariable eliminiert werden, so wäre die Aussagekraft der latenten Variable eingeschränkt. Die folgende Abbildung stellt formative und reflektive Messmodelle am Beispiel „Trunkenheit“ gegenüber (Chin, 1998a, S. 9; Ringle, 2004a, S. 22; Schlegl, 2010a, S. 221). In der Arbeit von Schlegl (2010, S. 223) findet sich ein hilfreicher Fragenkatalog zur Spezifizierung der Indikatoren.

Abbildung 61: Darstellung eines reflektiven und eines formativen Konstrukts (in Anlehnung an Schlegl, 2011)

Art_Se_061.tif

In der betriebswirtschaftlichen Forschung werden vermehrt mehrdimensionale Konstrukte (häufig zweiter Ordnung) zur Reduktion der Komplexität eingesetzt. ← 233 | 234 → Konstrukte zweiter Ordnung bestehen „aus mehreren unkorrelierten Dimensionen (Konstrukte erster Ordnung) […], die wiederum mit verschiedenen untereinander korrelierten Indikatoren gemessen werden“ (Albers und Götz, 2006, S. 670f). Das Konstrukt zweiter Ordnung wird dabei nicht direkt von den einzelnen Indikatoren beeinflusst, sondern hochkorrelierende Indikatoren werden zuerst zu Dimensionen (Konstrukten erster Ordnung) zusammengefasst und erst diese beeinflussen in weiterer Folge das Konstrukt (Albers und Götz, 2006, S. 670ff; Jarvis et al., 2003, S. 204f). Dieser Vorgang ist in der folgenden Abbildung für vier unterschiedliche Typen von Konstrukten zweiter Ordnung dargestellt.

Abbildung 62: Vier Typen eines mehrdimensionales Messmodell zweiter Ordnung in Anlehnung an Albers und Götz (2006, S. 671)

Art_Se_062.tif 

Von einem Konstrukt zweiter Ordnung kann nur gesprochen werden, wenn die Dimensionen verschiedene Facetten darstellen, die das Konstrukt formen oder daraus resultieren. Danach stellt sich wiederum die Frage, ob die Dimensionen reflektiv oder formativ spezifiziert sind (Albers und Götz, 2006, S. 673). Am häufigsten sind Typ I und III in der Literatur zu finden, wobei die Modellierung nach Typ I wenig Sinn macht, da auch auf erster Ebene ohne Informationsverlust moderiert werden kann (Huber et al., 2007a, S. 29). Diese Modellierung sollte zur einfacheren Darstellung von komplexen, reflektiven Konstrukten verwendet werden. Typ III ist ebenfalls ein gängiges Modell in der Forschung. Die erste Ordnung misst formativ, während die zweite Ordnung mittels reflektiver Indikatoren operationalisiert wird (Huber et al., 2007a, S. 29f). Albers und Götz (2006, S. 673f) sehen Typ III ähnlich kritisch wie Typ I.

← 234 | 235 → 9.3. Schätzung von Strukturgleichungsmodellen

Zur Schätzung von Strukturgleichungsmodellen kommt mit der Partial Least Squares Analyse4 ein in der Marketingforschung gängiges Analyseinstrument zum Einsatz (Hair et al., 2012a). Dieses Verfahren beruht auf einem varianzbasierten Ansatz, während die Kovarianzstrukturanalyse auf Grundlage von Kovarianzen berechnet wird. Beide Verfahren folgen den grundsätzlichen, formalen Überlegungen zum Strukturmodell, unterscheiden sich in ihren Schätzmethoden und in den anwendbaren Messmodellen für latente exogene Variablen (Ringle, 2004a; Rohr, 2005).

Die grundlegenden Implikationen für Strukturmodelle sind über die unterschiedlichen Verfahren hinweg identisch. Beide setzen sich aus einem Strukturmodell sowie jeweils einem Messmodell für die latenten exogenen und die latenten endogenen Variablen zusammen. Die Verfahrensunterschiede beziehen sich auf die Messmodelle und die Schätzverfahren der latenten exogenen (unabhängigen) Variablen.

Während sich das Verfahren der Kovarianzstrukturanalyse (AMOS, Lisrel) anfangs immer mehr durchgesetzt hat, hat der varianzbasierte PLS-Ansatz weniger Verbreitung gefunden (Herrmann et al., 2006, S. 35). Einen Überblick über weitere software-technische Umsetzungen für Strukturgleichungsmodelle finden sich u.a. bei Lei und Wu (2007, S. 40f) und Schlegl (2010a, S. 225f; Schlegl, 2010b; Schlegl, 2010c). Heutzutage bestehen für das Partial Least Squares Verfahren leicht zu bedienende, benutzerfreundliche Softwareunterstützungen. Im deutschsprachigen Raum findet das kostenlose, statistische Softwareprogramm SmartPLS (Ringle et al., 2005) häufig Anwendung. Mit zunehmendem Wissen über das Risiko von fehlspezifizierten Konstrukten hat das PLS-Verfahren an Bedeutung in internationalen Publikationen gewonnen (Hair et al., 2012b).

Mit dem Verfahren der Kovarianzstrukturanalyse können ausschließlich reflektive Messmodelle geschätzt werden, das Partial Least Squares Verfahren ermöglicht sowohl die Verwendung reflektiver als auch formativer Messmodelle (Ringle, 2004, S. 32). Der wichtigste Grund für die Methodenwahl ist daher die Art der Spezifikation der Messmodelle für die latenten exogenen Variablen.

Formal setzt sich das PLS-Modell – prinzipiell dem Verfahren der Kovarianzstrukturanalyse entsprechend – aus einem inneren Strukturmodell und zwei äußeren ← 235 | 236 → Messmodellen der latenten Variablen zusammen (Ringle, 2004, S. 18f; Henseler, 2004, S. 4f).

9.4. Vor- und Nachteile von Partial Least Squares Verfahren

Der entscheidende Vorteil des Partial-Least Squares Verfahrens im Vergleich zur Kovarianzstrukturanalyse ist, dass die restriktiven und realitätsfremden Modellprämissen reduziert werden (Hair et al, 2012a; Herrman, et al. 2006, S. 44). Damit wird das Verfahren zur Modellschätzung zwar statistisch weniger genau, jedoch erlauben die vereinfachten Modellprämissen einen größeren Anwendungsspielraum und mehr Berechnungsmöglichkeiten (Ringle, 2004, S. 33f). Das PLS-Verfahren trifft geringere empirische Verteilungsannahmen als die Kovarianzstrukturanalyse. Es kann selbst dann zur Anwendung kommen, wenn keine Multinormalverteilung der manifesten Indikatorvariablen vorliegt (Henseler, 2005, S. 70; Ringle, 2004, S. 27; Götz und Liehr-Gobbers, 2004, S. 717).

Das Partial Least Squares (PLS) Verfahren benötigt kleinere Stichproben als das Verfahren der Kovarianzanalyse. Sogar Modelle mit nur 30 Fällen lassen sich mit der PLS-Methode bereits zufrieden stellend schätzen (Hair et al., 2012b). Die erforderliche Stichprobengröße bemisst sich nach der Anzahl der Regressoren der komplexesten Regression im Modell. Diese müssen mit 10 multipliziert werden, um die erforderliche Stichprobengröße zu bestimmen (vgl. Henseler, 2005, S. 70).

Das PLS-Verfahren ist insbesondere für explorative Forschung im Frühstadium geeignet, wenn die angewandte Theorie zu den Wirkungsbeziehungen im Strukturmodell noch nicht ausgereift ist. Das Verfahren kann auch dann zum Einsatz kommen, „wenn angenommene Ursache-Wirkungsbeziehungen nur vage Annahmen darstellen“ (Götz und Liehr-Gobbers, 2004, S. 721).

Da PLS nicht wie die Kovarianzstrukturanalyse die Kovarianzmatrix unter­sucht, sondern die Rohdatenmatrix analysiert, erlaubt das Verfahren neben der Ermittlung der Stärke der Wirkungszusammenhänge auch eine Schätzung der Werte der latenten Variablen. PLS-Verfahren ermitteln im Gegensatz zur Kovarianzstrukturanalyse explizit Werte für die latenten Variablen (Henseler, 2005, S. 70ff).

Partial Least Squares Verfahren weisen auch eine Reihe von Nachteilen auf (Scholderer und Balderjahn, 2006). PLS schätzt weniger genau als die Kovarianzstrukturanalyse und überprüft tatsächliche Zusammenhänge zwischen latenten Variablen somit etwas unexakter (Huber et. al., 2007, S. 9ff). „So wird etwa die Möglichkeit, Strukturmodelle mit einer (fast) beliebigen Anzahl formativer Konstrukte schätzen zu können, mit der Annahme erkauft, diese Konstrukte ← 236 | 237 → ließen sich fehlerfrei durch ihre Indikatoren messen“ (Temme, 2006, S. 184; dazu auch Götz und Liehr-Gobbers, 2004, S. 719). Die Korrelation zwischen den latenten exogenen Variablen kann im PLS-Modell nicht gemessen werden (Ringle, 2004, S. 20).

PLS unterstellt eine fehlerfreie Messung des formativen Messmodells. Die latente Variable kann jedoch nicht immer vollständig anhand der formativen Indikatoren erfasst werden. Die Indikatoren im formativen Messmodell haben daher keinen Residualwert und weisen somit keinen Fehlerterm aus (Götz und Liehr-Gobbers, 2004, S. 719).

Reflektive Modelle sind ab drei Indikatorvariablen ausreichend identifiziert und Parameter lassen sich faktoranalytisch schätzen. Das formative Messmodell ist statistisch unteridentifiziert und lässt sich nur schätzen, wenn es in ein komplexeres Modell eingebettet ist, aus dem Effekte für die latente Variable abgeleitet werden können.

Wie bereits bei den Vorteilen des PLS-Verfahrens erwähnt, kommt PLS mit weniger restriktiven Forderungen aus als die Kovarianzstrukturanalyse. Der Grund dafür liegt im PLS-Algorithmus, der Teilschätzungen der Regressionen im Modell vornimmt. Damit ist aber auch die Beurteilung der Modellgüte nur anhand partieller Gütekriterien möglich. Im Gegensatz zur Kovarianzstrukturanalyse kann beim PLS-Verfahren auf keine globalen Gütemaße wie Godness-of-Fit (GF) zurückgegriffen werden, was als großer Kritikpunkt an der Methode aufzufassen ist. Der PLS-Ansatz ist der Kovarianzstrukturanalyse bei der Beurteilung der Modellgüte unterlegen. Anstelle von inferenzstatistischen Tests auf Basis von Verteilungen kommen nichtparametrische Tests zur Beurteilung der Ergebnisse zum Einsatz. Um Aussagen über die Signifikanz treffen zu können, muss auf eine Hilfsprozedur (Bootstrapping) ausgewichen werden (Conze, 2007, S. 108; Götz und Liehr-Gobbers, 2004, S. 718).

9.5. Modellschätzung mit dem Partial Least Squares Verfahren

Die Partial Least Squares Methode geht auf die Arbeiten von Wold et al. (2001, S. 132f) zurück, wurde weiterentwickelt und vor allem durch die Arbeiten rund um Christian Ringle von der Technischen Universität Hamburg-Harburg (z.B. Entwicklung von SmartPLS) im deutschsprachigen Raum etabliert. Die Partial Least Squares Methode wird in wachsendem Maße zur Analyse von Pfadmodellen eingesetzt (Hair et al., 2011).

Der PLS-Schätzalgorithmus zielt darauf ab, den Grad der Übereinstimmung von hypothetischen (latenten) Beziehungen mit empirisch ermittelten Daten zu erklären (Betzin und Henseler, 2005). Ziel ist es, die Parameter im Modell mittels ← 237 | 238 → empirischer Daten zu bestimmen. PLS basiert darauf, „Fallwerte der Rohdatenmatrix mit Hilfe einer Kleinst-Quadrate-Schätzung, die auf der Hauptkomponentenanalyse und der kanonischen Korrelationsanalyse aufbaut, möglichst genau zu prognostizieren“ (Backhaus et al., 2006, S. 415). Dazu werden partielle Kleinstquadratschätzungen (Partial Least Squares) vorgenommen, die die Residualvarianzen minimieren. Lineare Regressionsgleichungen modellieren die Beziehungen zwischen den Variablen (Backhaus et al., 2008, S. 515).

9.6. Modellbeurteilung im Partial Least Squares Verfahren

Im Folgenden soll auf die Kriterien, anhand derer PLS-Modelle beurteilt werden, eingegangen werden. Der Modellbeurteilung kommt im PLS-Verfahren eine zentrale Rolle zu. Die Gütebeurteilung zeigt, inwieweit das spezifizierte Modell die Wirkungen zwischen den beobachteten Variablen zu beschreiben vermag. Nachfolgend wird eine Zusammenstellung der Vorgehensweise zur Überprüfung der Modellbeurteilung vorgestellt und durch Grenzwerte aus der Literatur ergänzt.

Die Messmodelle und das Strukturmodell müssen dabei einzeln beurteilt werden. Bei der Beurteilung der Messmodelle unterscheidet PLS zwischen formativen und reflektiven Messmodellen (Henseler et al., 2009, S. 279ff). Aufgrund der Relevanz in der empirischen Studie der vorliegenden Arbeit wird an dieser Stelle auf reflektive Messmodelle eingegangen.

Abbildung 63: Ablauf zur Beurteilung von PLS-Modellschätzungen (in Anlehnung an Fuchs, 2011b)

Art_Se_063.tif 

Unabhängig, ob ein Konstrukt formativ oder reflektiv formuliert in das Modell aufgenommen wird, sollte vorab die Inhaltsvalidität überprüft werden. Mittels ← 238 | 239 → explorativer Faktorenanalyse (z.B. mittels IBM SPSS Statistics 20) kann die Eindimensionalität der Konstrukte überprüft und gegebenenfalls optimiert werden.

9.7. Beurteilung von reflektiven Messmodellen

Um reflektive Messmodelle auf ihre Güte hin überprüfen zu können, stehen Indikatorreliabilität, Konvergenzkriterien und die Diskriminanzvalidität zur Verfügung (o.V., 2012, S. 12).

Für die Überprüfung der Indikatorreliabilität gilt es, hohe und signifikante ladende Indikatoren auf die einzelnen latenten Konstrukte auszumachen und gegebenenfalls nicht geeignete Indikatoren zu eliminieren (Nitzl, 2010, S. 24). Dafür bietet das Programm SmartPLS die Funktion „Bootstrapping“ an, die die angegebene Höhe an Zufallsstichproben aus den eingelesenen Rohdaten zieht und daraus Werte der t-Verteilung zur Überprüfung der Signifikanz abbildet. Voraussetzungen, die für den Einsatz des Bootstrappings gegeben sein müssen, sind:

Strichprobenumfang N sollte hinreichend groß sein (größer als N=100)

hinreichend große Zahl an Bootstrap-Stichproben (zumindest 1.000 Samples)

Größe n* der Bootstrap-Stichproben vergleichbar mit Stichprobengröße N (gewählte Anzahl der Stichproben soll um ein Fünffaches größer sein, N=300, n=1.500)

Im reflektiven Modell sollten die t-Werte über 1,66 (Signifikanzniveau 10 % für zweiseitigen Test) liegen. Die Ladungen der Indikatoren sollten einen Wert von 0,7 überschreiten, können aber auch bei Erfüllung der Konvergenzkriterien darunter liegen (o.V., 2012, S. 15). Hair (2010, S. 695) beschreibt die Untergrenze für die Indikatorreliabilität mit 0,5, die aber idealerweise über 0,7 liegen sollte. Homburg und Giering (1996, S. 13; siehe auch Bruhn und Martin, 2010, S. 140) verlangen in ihrem Beitrag eine geringere Indikatorreliabität von größer gleich 0,4.

Unter dem Begriff der Konvergenzkriterien werden die durchschnittlich erfasste Varianz (Average Variance Extracted – AVE) und die Konstruktreliabilität (ρ) subsumiert. Mittels AVE wird überprüft, wie hoch der durch einen Faktor erklärte Anteil der Varianz manifester Variablen (Indikatoren) in Relation zu der nicht erklärten Varianz ist. Idealerweise liegt der Wert der AVE über 0,8, wird aber bereits ab einem Wert größer 0,5 akzeptiert. Die Konstruktreliabilität ist ein Maß zur Beurteilung der Faktoreignung, d.h. des zu ihm gehörenden Blocks an reflektiv formulierten Indikatoren (interne Konsistenz) und sollte höher als ein Wert von 0,7 sein (o.V., 2012, S. 16). Im Vergleich zur durchschnittlich erfassten Varianz stellt die Konstruktreliabilität das strengere Gütemaß dar (Chin, 1998a; Nitzl, 2010).

← 239 | 240 → Zur Überprüfung der Diskriminanzvalidität werden das Fornell-Larcker-Kriterium und Kreuzladungen herangezogen. Das Fornell-Larcker-Kriterium besagt, dass die AVE eines reflektiven Konstrukts größer sein soll als jede quadrierte Korrelation der untersuchten Variablen mit einem anderen latenten Konstrukt. Als eine „rule of thumb“, legt Chin (1998a) fest, dass “the square root of the AVE of each construct should be much larger than the correlation of the specific construct with any of the other constructs in the model” und diese zumindest 0,50 betragen soll (Fornell und Larcker, 1981). Neben diesem Kriterium sollten zur Prüfung der Diskriminanzvalidität Kreuzladungen herangezogen werden, falls höhere Ladungen auf das betreffende Konstrukt als auf die übrigen latenten Konstrukte nachgewiesen werden (Nitzl, 2010, S. 27; o.V., 2012, S. 19). Die Kreuzladungen können dem Bericht, den SmartPLS erstellt, unter der Rubrik „cross loadings“ entnommen werden.

Die Vorhersagevalidität gibt an, wie gut eine Rekonstruktion der latenten Variable durch die zugeordneten Indikatoren möglich ist. Für diesen Zweck wird die Prüfgröße Stone-Geissers Q² (Communality) eingesetzt, die größer Null sein sollte. Ermittelt wird Stone-Geissers Q² mittels der in SmartPLS verfügbaren Blindfolding-Prozedur (o.V., 2012, S. 20ff).

9.8. Beurteilung des Strukturmodells

Nach der Überprüfung der Gütekriterien auf Ebene des Messmodells erfolgt die Beurteilung des Strukturmodells. Auf dieser Ebene wird über das Beibehalten und das Ablehnen der Forschungshypothesen entschieden. Zur Überprüfung werden die mittels Bootstrapping-Prozedur gewonnenen Pfadkoeffizienten herangezogen. Es wird ein zweiseitiger t-Test zugrunde gelegt und dementsprechend sind die kritischen Werte für 1 % Irrtumswahrscheinlichkeit bei 2,58, für 5 % bei 1,96 und für 10 % bei einem Wert über 1,66. Verworfene Forschungshypothesen (Pfade oder Konstrukte verworfener Forschungshypothesen) werden nicht aus dem Strukturmodell entfernt, da dieses aufgrund theoretischer Überlegungen zustande gekommen ist (o.V., 2012, S. 27).

9.9. Beurteilung des Gesamtmodells

Zur Beurteilung des Gesamtmodells werden Größen der erklärten Varianz (R²) und der Vorhersagevalidität (Q²) sowie der Multikollinearität untersucht. Die erklärte Varianz (R²) gibt den Anteil der Varianz eines latenten Konstrukts an, der durch seine Indikatoren erklärt werden kann. Aus diesem Grund ist diese Variable nur für endogene Konstrukte der Strukturmodelle prüfbar und sollte ← 240 | 241 → einen Wert größer 0,25 aufweisen. Bei R²-Werten unter 0,25 liegt die Vermutung nahe, dass weitere nicht im Modell enthaltene Indikatoren vorhanden sind, die das latente Konstrukt beeinflussen. Die Erklärungsgüte des Gesamtmodells wird durch geringe Varianzklärung nur bedingt eingeschränkt (o.V., 2012, S. 28f). Die Vorhersagevalidität/Prognose-relevanz (Q²) wird auf Ebene der endogenen, reflektiven Konstrukte überprüft. Wie im Fall der Überprüfung des Messmodells wird auf die Prüfgröße Stone-Geissers Q² zurückgegriffen, die auch auf dieser Ebene größer Null sein sollte. Im Vordergrund der Berechnung der Kenngröße steht im Fall des Gesamtmodells die Redundanz der Konstrukte (o.V., 2012, S. 29f). Die Multikollinearität wird mittels Regressionsanalyse überprüft, um diese zwischen den Indikatoren eines endogenen latenten Konstrukts zu kontrollieren. Eine Überprüfung erfolgt bei zwei oder mehr Indikatoren. Es wird die Größe Varianzinflationsfaktor (VIF) gemessen (o.V., 2012, S. 30ff).

Die Prüfung der Effektgröße f² zeigt, ob die im Modell enthaltenen Einflussgrößen einen zumindest geringen Effekt auf eine andere enthaltene Variable ausüben. Die Formel zur Berechnung der Effektstärke lautet (Ringle, 2004b, S. 19):

img

Die Interpretation der Effektgröße erfolgt anhand der Überlegung nach Chin (1998b, S. 317):

≥ 0,02 → geringer Einfluss

≥ 0,15 → mittlerer Einfluss

≥ 0,35 → großer Einfluss

Zur Berechnung der Effektgröße wird das Modell zuerst mit und dann ohne der aufzunehmenden exogenen Variable geschätzt. Die Änderungen beim Bestimmtheitsmaß R² werden dann miteinander verglichen und der Effekt anhand der Formel mit der unabhängigen Variable auf die abhängige latente Variable berechnet (Krafft et al., 2005; Weiber und Mühlhaus, 2010, S. 257).

9.10. Moderation mittels SmartPLS

Eine moderierende Variable verstärkt oder schwächt den Einfluss eines exogenen Konstrukts auf ein endogenes Konstrukt. Mit Hilfe von SmartPLS hat der/die Foscher/in die Möglichkeit zwischen zwei Vorgangsweisen zur Berechnung von moderierenden Variablen zu wählen. Die erste Möglichkeit wird von Chin im Jahr 2003 beschrieben, in der er einen Gruppenvergleich und die Messung ← 241 | 242 → der daraus resultierendenden Unterschiede vorschlägt. Die zweite Möglichkeit beschäftigt sich mit der Generierung eines Interaktionsterms im Modell in Anlehnung an Baron und Kenny (1986, S. 1174). Vergeicht man die beiden Vorgangsweisen ähneln sich diese, wobei die Methode mit dem Interaktionsterm zuverlässiger erscheint und somit vorzuziehen ist (Henseler und Fassott, 2010, S. 721).

Zur Überpürung der Güte von erwarteten moderienden Effekten werden die Pfadkoeffinzienten und deren Signifikanz (t>1,66; p<0,10) herangezogen. Die Höhe des Pfadkoeffizienten ergibt sich aus dem gebildeten Interaktionsterm zwischen der unabhängigen Variable und der Moderatorvariable. Ändert sich etwa der Wert der Moderatorvariable um z.B. eine Standardabweichung, ändert sich bei Vorliegen eines signifikanten moderierenden Effekts auch der Pfadkoeffizient der abhängigen Variable (Eggert et al., 2005).

Im Fall von signifikant moderierenden Effekten kann ähnlich der Vorgangsweise der Effektstärke im Strukturmodell die Effektstärke für die Moderation berechnet werden. Die Formel zur Berechnung der Effektstärke der Moderation lautet (Henseler und Fassott, 2010, S. 732):

img

Die Interpretation der Effektgröße erfolgt ebenfalls anhand der systematischen Einteilung nach Chin (1998b, S. 317):

≥ 0,02 → geringer Einfluss

≥ 0,15 → mittlerer Einfluss

≥ 0,35 → großer Einfluss

Weiters halten Chin et al. (2003, S. 211) fest, dass selbst eine Moderation mit geringer Effektstärke bedeutend sein kann, wenn „the resulting beta changes are meaningful, then it is important to take these conditons into account“.

9.11. Durchführung der Analyse mittels SmartPLS

Zur Messung der Einstellung zur Markenkommunikation wurden in Frage 11 (LEH) 15 Items und in Frage 18 (Banken) 14 Items anhand einer 6-stufigen Skala von 1=trifft überhaupt nicht zu bis 6=trifft völlig zu auf die beiden Marken (Variante Bank: Bank Austria oder Raiffeisen Bank und Variante Lebensmitteleinzelhandel: Hofer oder Spar) zugeordnet. Um zu überprüfen, ob die Struktur der Daten der theoretischen Annahme einer 3-Faktoren-Lösung mit einer ← 242 | 243 → CSR-Werbe-Komponente entspricht, wurde eine Faktorenanalyse durchgeführt. Die Ergebnisse wurden weiters einer Reliabilitätsanalyse der ersten Ordnung (Cronbachs Alpha) unterzogen.

Die Faktorenanalyse für die Einstellung zur Markenkommunikation über alle vier Marken hinweg liefert eine 3-Faktoren-Lösung (KMO=0,923) und erklärt 65 % der Varianz (vgl. Tab. 60). Alle MSA-Werte liegen über 0,4. Faktor 1 stellt die emotionale Komponente dar, Faktor 2 die CSR-Komponente und Faktor 3 bildet die kognitive Komponente ab (vgl. Tab. 61).

Tabelle 60: KMO-Wert Einstellung zur Markenkommunikation

KMO- und Bartlett-Test

Maß der Stichprobeneignung nach Kaiser-Meyer-Olkin.

,923

Bartlett-Test auf Sphärizität

Ungefähres Chi-Quadrat

5791,789

df

105

Signifikanz nach Bartlett

,000

Tabelle 61: Rotierte Faktorlösung Einstellung zur Markenkommunikation

img

img

← 243 | 244 → Extraktionsmethode: Hauptkomponentenanalyse.

Rotationsmethode: Varimax mit Kaiser-Normalisierung.

a. Die Rotation ist in 4 Iterationen konvergiert.

Auf Basis dieser drei Faktoren wurde Cronbachs Alpha als Maß der internen Konsistenz berechnet. Faktor 1 bis 3 weisen ein zufriedenstellendes Ergebnis auf (vgl. Tabelle 62-64). Anzumerken ist, dass zu Faktor 3 neben dem Begriff „informativ“, auch die doppelt ladenden Items „weckt Interesse“ und „verständlich“ aufgrund sachlogischer Überlegungen gezählt werden.

Tabelle 62: Cronbachs Alpha Faktor 1 Einstellung zur Markenkommunikation

Reliabilitätsstatistiken

Cronbachs Alpha

Cronbachs Alpha für standardisierte Items

Anzahl der Items

,907

,907

8

Tabelle 63: Cronbachs Alpha Faktor 2 Einstellung zur Markenkommunikation

Reliabilitätsstatistiken

Cronbachs Alpha

Cronbachs Alpha für standardisierte Items

Anzahl der Items

,813

,813

4

← 244 | 245 → Tabelle 64: Cronbachs Alpha Faktor 3 Einstellung zur Markenkommunikation

Reliabilitätsstatistiken

Cronbachs Alpha

Cronbachs Alpha für standardisierte Items

Anzahl der Items

,715

,715

3

Da das Programm SmartPLS (Ringle et al., 2005) keine unterschiedlichen Werte für Missing Values einlesen kann, wurden diese vorab einheitlich auf 999 umkodiert. Im Anschluss wurde die spv.-Datei in eine für SmartPLS lesbare .csv-Datei umgewandelt und in das kostenlos verfügbare Programm SmartPLS eingelesen.

9.11.1. Markenmodelle

In einem ersten Schritt wird überprüft, ob ein Einfluss der CSR-Kommunikation auf die Markenbeurteilung besteht. Für die Überprüfung wurde der gesamte Datensatz (zusammengefasst über Produktgruppen, Marke und Medium) herangezogen. Modell 1, welches sich im Anhang 8 befindet, zeigt einen signifikanten, positiven Einfluss der CSR-Kommunikation auf das von den Probanden wahrgenommene CSR-Image der Marken (beta=0,288, p<0,01). Weiters konnte ein signifikanter, positiver Einfluss der emotionalen (beta=0,246, p<0,01) und informativen Kommunikation (beta=0,073, p<0,10) auf die jeweilige Imagedimension der Marke festgestellt werden. Auch konnte ein signifikanter, positiver Einfluss der CSR-Kommunikation auf die emotionale Imagedimension der Marke ausgemacht werden (beta=0,152, p<0,01). Dieser Studie liegt ein experimentielles Design zugrunde, in dem bewusst unterschiedlich wahrgenommene Branchen (LEH – neutral, Banken – negativ) und unterschiedlich wahrgenommene Marken (Hofer – positiv, Spar – neutral, Raiffeisen Bank – neutral, Bank Austria – negativ) untersucht wurden. Um diesem Umstand Rechnung zu tragen, folgt die weitere Auswertung und Dokumentation der PLS-Modelle der bottom-up-Logik, d.h. zuerst erfolgt die Auswertung auf Markenebene, dann auf Branchenebene. In weiterer Folge wird sich auch zeigen, ob die Überprüfung eines Gesamtmodells sinnvoll erscheint.

Ausgangspunkt des latenten Konstrukts „Kommunikation“ wird die eben gezeigte Faktorenanalyse mit drei Dimensionen sein. Auch bei dem latenten Konstrukt „Marke“ werden die Ergebnisse der Faktorenanalyse des Hypothesentests mit multivariaten Verfahren aus dem Abschnitt 8.2. herangezogen.

← 245 | 246 → 9.11.1.1. Bank Austria

Bevor das Strukturmodell geschätzt werden konnte, musste das Messmodell bereinigt werden. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität mussten die Indikatoren „Eine Bank Austria Filiale ist nicht weit entfernt von meinem Wohnort oder Arbeitsplatz.“, „Die Bank Austria unterstützt kulturelle Projekte.“ und „Die Bank Austria unterstützt Sportler und Sportveranstaltungen.“ bei den latenten Variablen der Marke entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren (mean replacement), welches reliable Ergebnisse liefert, ersetzt (Parwoll und Wagner, 2012, S. 543).

In Abb. 64 wird ein direkter Einfluss der drei Dimensionen der Kommunikationsbeurteilung auf die adäquate Dimension der Markenbeurteilung unterstellt. Zusätzlich wird ein direkter Effekt der CSR-Dimensionen aus der Kommunikationsbeurteilung auf die emotionale und informative Dimension der Markenbeurteilung erwartet. Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,356, p<0,01). Weiters zeigt sich ein signifikanter, positiver Einfluss der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,156, p<0,05). Auch kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,234, p<0,05) ausgemacht werden.

← 246 | 247 → Abbildung 64: Teilmodell Bank Austria

Art_Se_064.tif 

*** p≤0,01, ** p≤0,05

Bei Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,5 und 0,7. Die Konstruktreliabilität ist über alle Konstrukte größer 0,7. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,46 liegt und somit kleiner als die Konstruktreliabilität dieses Konstruktes (0,58) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,4 ergibt und somit deutlich über dem geforderten Mindestniveau von Null liegt.

← 247 | 248 → Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke.

Tabelle 65: Hypothesenprüfung auf Strukturmodellebene Bank Austria

 

Pfadkoeffizienten

t-Werte

Kommunikation_CSR -> Image_CSR

0,234

2,259

Kommunikation_emo -> Image_emotional

0,356

5,092

Kommunikation_info -> Image_informativ

0,166

2,225

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 5 % und 19 % liegt und somit unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wurde dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5). Die Effektstärke f² zeigt einen großen Einfluss der emotionalen und informativen Kommunikationsdimension (f²>0,35), während kein substantieller Einfluss der CSR-Kommunikationsdimension festgestellt werden konnte.

Der moderiende Einfluss kommt duch die erwartete unterschiedliche Stärke des Einfluss des Mediums auf die einzelnen Dimensionen der Markebeurteilung zustande. Die manifeste Variable Moderator wird zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 64). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Effektstärke der Moderation berechnet werden.

9.11.1.2. Raiffeisen Bank

Bevor das Strukturmodell geschätzt wurde, wurde das Messmodell überprüft. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität mussten der Indikator „Über Raiffeisen Bank kenne ich keine negativen Schlagzeilen in den Medien“ für die latente Variable „Image_CSR“ entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren (mean replacement) geschätzt.

← 248 | 249 → Abbildung 65: Teilmodell Raiffeisen Bank

Art_Se_065.tif 

*** p≤0,01, ** p≤0,05, * p≤0,10

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,315, p<0,01). Weiters zeigt sich ein direkter, positiver Effekt der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,165, p<0,10). Auch kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,308, p<0,01) festgestellt werden. Die CSR-Kommunikationsdimension beeinflusst weiters die emotionale Dimension der Marke (beta=0,196, p<0,05).

Bei Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die Variablen „langweilig“ (0,69) und „informativ“ ← 249 | 250 → (0,67) weisen etwas geringere Ladungszahlen auf, wurden aber aufgrund sachlogischer Überlegungen im Modell behalten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,6 und 0,8. Die Kon­struktreliabilität ist über alle Konstrukte größer 0,8. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,54 liegt und somit kleiner als die AVE für dieses Konstrukt (0,63) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,3 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Weiters konnte ein signifikant, negativer Einfluss des Mediums auf die CSR- und informative Beurteilungsdimension der Marke festgestellt werden.

Tabelle 66: Hypothesenprüfung auf Strukturmodellebene Raiffeisen Bank

 

Pfadkoeffizienten

t-Werte

Kommunikation_CSR -> Image_CSR

0,308

3,719

Kommunikation_CSR -> Image_emotional

0,196

2,188

Kommunikation_emo -> Image_emotional

0,316

3,446

Kommunikation_info -> Image_informativ

0,166

1,699

Medium -> Image_CSR

-0,146

1,857

Medium -> Image_informativ

-0,148

1,981

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 13 % und 21 % liegt und somit unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wurde dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,343).

← 250 | 251 → Die manifeste Variable Moderator wird im Anschluss zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 65). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung festgestellt werden, weil kein signifikanter Wert für die Berechnung der Werbebeurteilungsdimensionen in Kombination mit dem Medium ausgewiesen wurde. Aufgrund der fehlenden signifikanten Werte kann keine Effektstärke berechnet werden. Es zeigt sich aber ein direkter, negativer Einfluss des Mediums auf die informative (beta=-0,148, p<0,05) und CSR-Dimension der Marke (beta=-0,146, p<0,10). Das negative Vorzeichen weist darauf hin, dass es für die Marke Raiffeisen Bank besser ist, die Kommunikation mittels Anzeige mit CSR-Bezug im Vergleich zu einem Advertorial im Rahmen der CSR-Kommunikation einzusetzen.

9.11.1.3. Hofer

Im Fall der Marke Hofer wurde bevor das Strukturmodell geschätzt wurde, das Messmodell überprüft. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität mussten die Indikatoren „zahlreiche Produkte aus Österreich“, „unterstützt kulturelle Projekte“, „unterstützt Sportler und Sportveranstaltungen“ und „häufig Sonderangebote“ aus dem Modell entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren ersetzt.

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,296, p<0,01). Weiters konnte ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,352, p<0,01) festgestellt werden.

Bei Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die Variablen „umfangreiches Angebot an Bioprodukten“ (0,56), „leichte Erreichbarkeit des Geschäfts“ (0,60), „umweltbewusstes Unternehmen“ (0,42), „professionell gestaltet“ (0,56) und „wirbt für gesellschaftliches Anliegen“ (0,59) weisen etwas geringere Ladungszahlen auf, wurden aber aufgrund sachlogischer Überlegungen im Modell behalten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,5 und 0,6. Beim Konstrukt CSR_Image wurde eine AVE von 0,49 festgestellt. Die Konstruktreliabilität ist über alle Konstrukte größer 0,8. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das ← 251 | 252 → Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,30 liegt und somit kleiner als die AVE für dieses Konstrukt (0,58) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,35 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

Abbildung 66: Teilmodell Hofer

Art_Se_066.tif 

*** p≤0,01, ** p≤0,05

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke.

← 252 | 253 → Tabelle 67: Hypothesenprüfung auf Strukturmodellebene Hofer

 

Pfadkoeffizienten

t-Werte

Kommunikation_CSR -> Image_CSR

0,352

5,187

Kommunikation_emo -> Image_emotional

0,296

2,788

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 8 % und 14 % liegt und somit unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wurde dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen und CSR-Kommunikationsdimension (f²>0,35).

Die manifeste Variable Moderator wird im Anschluss zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 66). Die verwendeten Indikatoren, die die moderierende Variable bilden, wurden standardisiert. Es kann ein Einfluss der Moderation auf die emotionale Dimension der Markenbeurteilung festgestellt werden (beta=-0,186, p<0,05). Wird ein Advertorial in der Kommunikation eingesetzt, verschlechtert sich die Wahrnehmung der emotionalen Dimension der Markenbeurteilung von Hofer. Die Effektstärke der Moderation liegt bei 0,29 und ist nach dem Schema von Chin (1998b, S. 317) als mittelstark einzustufen.

Im Teilmodell von Hofer ist ein Einfluss der Moderatorvariable Medium nachweisbar. Dieser entspricht jedoch nicht den theoretischen Überlegungen, da sich die Anzeige mit CSR-Bezug im Fall von Hofer als geeignetes Kommunikationsmittel im Vergleich zu einem Advertorial herausstellt.

9.11.1.4. Spar

Auch im Fall der Marke Spar wurde bevor das Strukturmodell geschätzt wurde, das Messmodell überprüft. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität musste der Indikator „Einhaltung ethischer Grundsätze“ aus dem Modell entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren ersetzt.

← 253 | 254 → Abbildung 67: Teilmodell Spar

Art_Se_067.tif 

*** p≤0,01, ** p≤0,05, * p≤0,10

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,214, p<0,01). Weiters konnte ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,407, p<0,01) festgestellt werden. Darüber hinaus gibt es einen signifikanten, positiven Einfluss der CSR-Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,153, p<0,10).

Bei Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die Variablen „Einhaltung ethischer Grundsätze“ (0,43) und „umweltbewusstes Unternehmen“ (0,51) weisen etwas geringere ← 254 | 255 → Ladungszahlen auf, wurden aber aufgrund sachlogischer Überlegungen im Modell behalten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,55 und 0,65. Beim Konstrukt CSR_Image wurde eine AVE von 0,40 festgestellt. Die Konstruktreliabilität ist über alle Konstrukte größer 0,76. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,50 liegt und somit kleiner als die AVE für dieses Konstrukt (0,60) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,40 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke.

Tabelle 68: Hypothesenprüfung auf Strukturmodellebene Spar

 

Pfadkoeffizienten

t-Werte

Kommunikation_CSR -> Image_CSR

0,407

6,788

Kommunikation_CSR -> Image_informativ

0,153

1,865

Kommunikation_emo -> Image_emotional

0,214

2,614

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 12,5 % und 20 % liegt und somit unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wurde dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,35).

Die manifeste Variable Moderator wird im Anschluss zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 67). Die verwendeten Indikatoren, die die moderierende Variable bilden, wurden standardisiert. Es kann ein Einfluss der Moderation auf die emotionale Dimension der Markenbeurteilung festgestellt werden (beta=-0,203, p<0,05). ← 255 | 256 → Auch zeigt sich ein Einfluss des Mediums auf die informative Dimension der Markenbeurteilung (beta=-0,263, p<0,01). Wird ein Advertorial in der Kommunikation eingesetzt, verschlechtert sich die Wahrnehmung der emotionalen und informativen Dimension der Markenbeurteilung von Spar. Die Effektstärke für die Moderation der emotionalen Dimension kann als mittelstark und jene der informativen Dimension als stark bezeichnet werden.

Im Teilmodell von Spar ist ein Einfluss der Moderatorvariable Medium nachweisbar. Dieser entspricht jedoch nicht den theoretischen Überlegungen, da sich die Anzeige mit CSR-Bezug im Fall von Spar als geeignetes Kommunikationsmittel im Vergleich zu einem Advertorial herausstellt.

Für alle Markenmodelle wurde ein positiver Einfluss der emotionalen, informativen und CSR-Beurteilungsdimension der Kommunikation auf die Mar­kenbeurteilungsdimension festgestellt. Für die Modelle Bank Austria und Raiffeisen Bank konnte kein Einfluss der moderierenden Variable Medium (1=Advertorial, 0=Anzeige) festgestellt werden. Für die Modelle Hofer und Spar konnte entgegen den theoretischen Überlegungen nachgewiesen werden, dass die Anzeige besser für die Kommunikation geeignet ist als ein Advertorial. Im Fall von Hofer konnte ein positiver Einfluss der Anzeige auf ← 256 | 257 → die emotionale Beurteilungsdimension der Marke festgestellt werden. Für die Marke Spar wurde ein positiver Einfluss der Anzeige auf die emotionale und informative Beurteilungsdimension der Marke durch das Strukturgleichungsmodell nachgewiesen. Die uneinheitlichen Ergebnisse werden auf die systematisch variierte Auswahl der Untersuchungsobjekte, die am österreichischen Markt zu den etablierten Marken zählen, zurückgeführt.

9.11.2. Branchenmodelle

Die gewonnenen Erkenntnisse der Markenmodelle werden nachfolgend auf aggregiertem Niveau für die Branchen Banken und Lebensmitteleinzelhandel überprüft.

9.11.2.1. Branche Banken

In das Branchenmodell Bank wurden die abhängigen Variablen Markenpräferenz, Weiterempfehlungsbereitschaft und Kaufwahrscheinlichkeit als Single-Items aufgenommen. Kein Indikator musste aufgrund mangelnder Faktor- bzw. Indikatorenreliabilität aus dem Messmodell entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren ersetzt.

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,284, p<0,01). Auch zeigt sich ein signifikanter, positiver Einfluss der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,120, p<0,10). Weiters kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,239, p<0,01) und auf die emotionale Beurteilungsdimension der Marke (beta=0,176, p<0,01) festgestellt werden (Abb. 68).

Bei der weiteren Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die Variable „Über die Bank kenne ich keine negativen Schlagzeilen in den Medien“ (0,55) weist eine etwas geringere Ladungszahl auf, wurde aber aufgrund sachlogischer Überlegungen im Modell behalten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,55 und 0,65. Die Konstruktreliabilität ist über alle Konstrukte größer 0,80. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,49 liegt und somit kleiner als die AVE für dieses Konstrukt (0,61) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0 ergibt und somit über dem geforderten Mindestniveau liegt.

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Weiters konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft festgestellt werden. Ein signifikant, positver Einfluss der emotionalen Imagedimension zeigte sich auf die abhängige Variable Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz). Die CSR-Imagedimension wirkt sich signifikant positiv auf die Weiterempfehlungsbereitschaft und signifikant positiv auf die Markenpräferenz aus.

← 257 | 258 → Tabelle 69: Hypothesenprüfung auf Strukturmodellebene Bank

 

Pfadkoeffizienten

t-Werte

Image_CSR -> MP

-0,152

2,576

Image_CSR -> WEB

0,144

2,471

Image_emotional -> KW

0,234

3,609

Image_emotional -> MP

-0,205

3,094

Image_emotional -> WEB

0,490

9,393

Kommunikation_CSR -> Image_CSR

0,239

3,930

Kommunikation_CSR -> Image_emotional

0,176

2,893

Kommunikation_emo -> Image_emotional

0,284

4,930

Kommunikation_info -> Image_informativ

0,120

1,713

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 6,7 % und 39,8 % liegt und somit teilweise unter dem geforderten 25 % Anteil an erklärter Varianz liegt. Die Erklärungsgüte wird dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,35). Weiters zeigt sich eine mittlere bis starke Effektgröße für die emotionale Imagedimension (0,15≥f²≥0,35). Eine schwache Effektgröße konnte bei der CSR-Imagedimension festgestellt werden (f²>0,02).

Die manifeste Variable Moderator wird zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 68; Für einen besseren Überblick wurden die Indikatoren aus dem Modell ausgeblendet.). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung für die Bankenbranche festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Aussage über die Effektstärke getroffen werden.

← 258 | 259 → Abbildung 68: Branchenmodell Banken

Art_Se_068.tif 

*** p≤0,01, ** p≤0,05

9.11.2.2. Branche Lebensmitteleinzelhandel

In das Branchenmodell Lebensmitteleinzelhandel (LEH) wurden die abhängigen Variablen Markenpräferenz, Weiterempfehlungsbereitschaft und Kaufwahrscheinlichkeit als Single-Items aufgenommen. Bevor das Strukturmodell geschätzt werden konnte, musste das Messmodell bereinigt werden. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität mussten folgende Indikatoren entfernt werden:

„erhöht die Attraktivität der Marke“

„modern“

„löst positive Empfindungen aus“

„weckt Interesse am Produkt bzw. Unternehmen“

„informativ“

„wirbt für ein wichtiges gesellschaftliches Anliegen“

„zahlreiche Produkte aus Österreich“

„Das Unternehmen (Hofer/Spar) unterstützt kulturelle Projekte.“

„Das Unternehmen (Hofer/Spar) unterstützt Sportler und Sportveranstaltungen.“

← 259 | 260 → Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren ersetzt.

Abbildung 69: Branchenmodell Lebensmitteleinzelhandel

Art_Se_069.tif 

*** p≤0,01, * p≤0,01

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,315, p<0,01). Weiters konnte ein signifikanter, positiver Einfluss der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,147, p<0,05) und ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,298, p<0,01) festgestellt werden. Darüber hinaus gibt es einen signifikanten, positiven Einfluss der CSR-Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,236, p<0,01) und auf die emotionale Beurteilungsdimension der Marke (beta=0,149, p<0,05).

← 260 | 261 → Bei der weiteren Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,7, die den kritischen Signifikanzwert überschreiten. Die Variable „Zu diesem Unternehmen habe ich Vertrauen.“ (0,40) weist eine etwas geringere Ladungszahl auf, wurde aber aufgrund sachlogischer Überlegungen im Modell behalten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,50 und 0,72. Die Konstruktreliabilität ist über alle Konstrukte größer 0,80. Da die Konstruktreliabilität das strenge Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da die höchste Zahl der Konstruktkorrelation bei 0,59 liegt und somit kleiner als die AVE für dieses Konstrukt (0,72) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,4 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Ein signifikant, positiver Einfluss der CSR-Kommunikationsdimension konnte auf die emotionale und informative Beurteilungsdimension der Marke festgestellt werden. Weiters konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf die Weiterempfehlungsbereitschaft und der informativen Imagedimension auf die Kaufwahrscheinlichkeit festgestellt werden.

Tabelle 70: Hypothesenprüfung auf Strukturmodellebene LEH

 

Pfadkoeffizienten

t-Werte

Image_emotional -> WEB

0,177

1,780

Image_informativ -> KW

0,121

1,676

Kommunikation_CSR -> Image_CSR

0,298

4,961

Kommunikation_CSR -> Image_emotional

0,149

2,517

Kommunikation_CSR -> Image_informativ

0,236

3,918

Kommunikation_emo -> Image_emotional

0,315

5,329

Kommunikation_info -> Image_informativ

0,147

2,305

← 261 | 262 → Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 1 % und 19 % liegt und somit unter den geforderten 25 % Anteil an erklärter Varianz liegt. Die Erklärungsgüte wird dadaruch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5,2). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen und CSR-Kommunikationsdimension (f²>0,35). Bei der informativen Kommunikationsdimension kann eine mittelstarke Effektgröße (f²>0,15) festgestellt werden. Weiters zeigt sich eine starke Effektgröße für die emotionale Imagedimension auf die Weiterempfehlungsbereitschaft (f²>0,35). Eine mittlere Effektgröße konnte bei der CSR-Imagedimension auf die Markenpräferenz festgestellt werden (f²>0,15).

Die manifeste Variable Moderator wird im Anschluss zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 69; Für einen besseren Überblick wurden die Indikatoren aus dem Modell ausgeblendet.). Die verwendeten Indikatoren, die die moderierende Variable bilden, wurden standardisiert. Es kann kein Einfluss der Moderation auf die Dimensionen der Markenbeurteilung für die Branche Lebensmitteleinzelhandel festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Aussage über die Effektstärke getroffen werden.

Über die beiden Branchenmodelle hinweg lassen sich Ähnlichkeiten im Strukturmodell ausmachen. Bei beiden Modellen zeigt sich ein direkter, positiver Einfluss der emotionalen, informativen und CSR-Beurteilungsdimension der Kommunikation auf die emotionale, informative und CSR-Dimension der Marke. Auch kann ein direkter Einfluss der CSR-Dimension der Kommunikation auf die emotionale (beide Modelle) und informative (Modell Lebensmittelhandel) Dimension der Einstellung zur Marke nachgewiesen werden. Für keines der Modelle kann ein positiver Einfluss des Mediums auf die Beurteilungsdimensionen der Marke festgestellt werden. Die Interpretation der Ergebnisse hat nur bedingt Aussagekraft, da sich das Messmodell für die Imagemessung der Marke (einzelne Indikatoren der latenten Konstrukte) für die beiden Branchen unterschiedlich gestaltet.

9.11.3. Gesamtmodell

In das Gesamtmodell wurden die abhängigen Variablen Markenpräferenz, Weiterempfehlungsbereitschaft und Kaufwahrscheinlichkeit als Single-Items ergänzend aufgenommen. Auch im Fall des Gesamtmodells musste das Messmodell ← 262 | 263 → bereinigt werden, bevor das Strukturmodell geschätzt werden konnte. Aufgrund von mangelnder Faktor- bzw. Indikatorenreliabilität musste der Indikator „Einhaltung ethischer Grundsätze“ und „Unterstützung von kulturellen Projekten“ bei der latenten Variable CSR-Image der Marke entfernt werden. Für die Schätzung der Parameter wurden die fehlenden Werte mittels Mittelwertverfahren (mean replacement), welches reliable Ergebnisse liefert, ersetzt (Parwoll und Wagner, 2012, S. 543).

In Abb. 70 (Für einen besseren Überblick wurden die Indikatoren aus dem Modell ausgeblendet.) wird ein direkter Einfluss der drei Dimensionen der Kommunikationsbeurteilung auf die adäquate Dimension der Markenbeurteilung unterstellt. Zusätzlich wird ein direkter Effekt der CSR-Dimensionen aus der Kommunikationsbeurteilung auf die emotionale Dimension der Markenbeurteilung erwartet. Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,254, p<0,01). Weiters zeigt sich ein signifikanter, positiver Einfluss der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,072, p<0,10). Auch kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,284, p<0,01) ausgemacht werden. Es zeigt sich ein direkter Einfluss der CSR-Beurteilungsdimension auf die emotionale Beurteilungsdimension der Marke (beta=0,143, p<0,01).

← 263 | 264 → Abbildung 70: Gesamtmodell

Art_Se_070.tif 

*** p≤0,01, ** p≤0,05, * p≤0,10

Bei der weiteren Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,55, die den kritischen Signifikanzwert überschreiten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,50 und 0,72. Die Konstruktreliabilität ist über alle Konstrukte größer 0,75. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da die höchste Zahl der Konstruktkorrelation bei 0,50 liegt und somit kleiner als die AVE für dieses Konstrukt (0,61) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,47 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

← 264 | 265 → Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Ein signifikant, positiver Einfluss der CSR-Kommunikationsdimension konnte auf die emotionale Beurteilungsdimension der Marke festgestellt werden. Weiters konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf Kaufwahrscheinlichkeit, Weiterempfehlungsbereitschaft und auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz) festgestellt werden. Es zeigt sich ein signifikant, positiver Einfluss der informativen Imagedimension auf Kaufwahrscheinlichkeit, Weiterempfehlungsbereitschaft und auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz).

Tabelle 71: Hypothesenprüfung auf Strukturmodellebene Gesamtmodell

 

Pfadkoeffizienten

t-Werte

Image_emotional -> KW

0,170

3,685

Image_emotional -> MP

-0,130

2,716

Image_emotional -> WEB

0,366

9,687

Image_informativ -> KW

0,092

2,252

Image_informativ -> MP

-0,070

1,739

Image_informativ -> WEB

0,122

3,242

Kommunikation_CSR -> Image_CSR

0,284

7,174

Kommunikation_CSR -> Image_emotional

0,143

3,364

Kommunikation_emo -> Image_emotional

0,254

6,109

Kommunikation_info -> Image_informativ

0,072

1,818

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 1,7 % und 20,5 % liegt und somit unter dem geforderten 25 % Anteil an erklärter Varianz liegt. Die Erklärungsgüte wird dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5,0). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,35). Weiters zeigt sich eine schwache Effektgröße für die emotionale Imagedimension auf die Markenpräferenz (f²>0,02) sowie eine starke Effektgröße auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft ← 265 | 266 → (f²>0,35). Darüber hinaus ergibt sich eine mittelstarke Effektgröße der emotionalen Imagedimension auf die Markenpräferenz und Weiterempfehlungsbereitschaft (f²>0,15) sowie eine schwache Effektgröße auf die Kaufwahrscheinlichkeit (f²>0,02).

Der moderiende Einfluss kommt duch die erwartete unterschiedliche Stärke des Einflusses des Mediums auf die einzelnen Dimensionen der Markebeurteilung zustande. Die manifeste Variable Moderator wird zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 70). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung im Gesamtmodell festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Aussage über die Effektstärke getroffen werden.

Zusammengefasst betrachtet konnte für das überprüfte Gesamtmodell ein signifikant positiver Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke festgestellt werden. Weiters zeigte sich ein signifikant, positiver Einfluss der CSR-Kommunikationsdimension auf die emotionale Beurteilungsdimension der Marke. Dies belegt einen positiven Ausstrahlungseffekt der CSR-Kommunikationsdimension auf die emotionale Beurteilung der Marke. Darüber hinaus konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf Kaufwahrscheinlichkeit, Weiterempfehlungsbereitschaft und auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz) festgestellt werden. Auch konnte ein signifikant, positiver Einfluss der informativen Imagedimension auf Kaufwahrscheinlichkeit, Weiterempfehlungsbereitschaft und auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz) bestätigt werden.

Da sich bei der Überprüfung der Daten mittels multivariaten Verfahren ein Einfluss des Geschlechts ergab, wurde dies auch für das Gesamtmodell überprüft. Zuerst wurde das Modell für die Teilstichprobe Männer überprüft (Abb. 71). Für einen besseren Überblick wurden die Indikatoren aus dem Modell ausgeblendet.

Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,254, p<0,01). Weiters kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,284, p<0,01) ausgemacht werden. Auch zeigt sich ein ein signifikanter, positiver Einfluss der informativen Beurteilung der Markenkommunikation auf die informative Beurteilungsdimension der Marke (beta=0,072, p<0,10). Darüber hinaus zeigt sich ein direkter Einfluss der CSR-Beurteilungsdimension auf die emotionale Beurteilungsdimension der Marke (beta=0,145, p<0,01).

← 266 | 267 → Bei der weiteren Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,55, die den kritischen Signifikanzwert überschreiten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,50 und 0,73. Die Konstruktreliabilität ist über alle Konstrukte größer 0,76. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Konstruktkorrelation bei 0,50 liegt und somit kleiner als die AVE für dieses Konstrukt (0,61) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,47 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

Abbildung 71: Gesamtmodell (Teilstichprobe Männer)

Art_Se_071.tif 

*** p≤0,01, ** p≤0,05, * p≤0,10

← 267 | 268 → Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Ein signifikant, positiver Einfluss der CSR-Kommunikationsdimension konnte auf die emotionale und informative Beurteilungsdimension der Marke festgestellt werden. Weiters konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft sowie auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz) festgestellt werden. Es zeigt sich ein signifikant, positiver Einfluss der informativen Imagedimension auf die Kaufwahrscheinlichkeit und die Weiterempfehlungsbereitschaft.

Tabelle 72: Hypothesenprüfung auf Strukturmodellebene Gesamtmodell (Teilstichprobe Männer)

 

Pfadkoeffizienten

t-Werte

Image_emotional -> KW

0,170

3,678

Image_emotional -> MP

-0,130

2,680

Image_emotional -> WEB

0,366

9,536

Image_informativ -> KW

0,092

2,213

Image_informativ -> MP

-0,069

1,702

Image_informativ -> WEB

0,122

3,188

Kommunikation_CSR -> Image_CSR

0,284

7,060

Kommunikation_CSR -> Image_emotional

0,143

3,322

Kommunikation_CSR -> Image_informativ

0,065

1,660

Kommunikation_emo -> Image_emotional

0,254

6,091

Kommunikation_info -> Image_informativ

0,072

1,760

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 1,5 % und 60 % liegt und somit teilweise unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wird dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5,0). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,35). Weiters zeigt sich eine schwache Effektgröße für die emotionale Imagedimension auf die Markenpräferenz (f²>0,02) sowie eine starke ← 268 | 269 → Effektgröße auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft (f²>0,35). Darüber hinaus ergibt sich eine schwache Effektgröße der informativen Imagedimension auf die Markenpräferenz, Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft (f²>0,02).

Der moderiende Einfluss kommt duch die erwartete unterschiedliche Stärke des Einflusses des Mediums auf die einzelnen Dimensionen der Markebeurteilung zustande. Die manifeste Variable Moderator wird zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 71). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung im Gesamtmodell festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Aussage über die Effektstärke getroffen werden.

Im Anschluss wurde das Gesamtmodell mit der Teilstichprobe Frauen berechnet (Abb. 72). Für einen besseren Überblick wurden die Indikatoren aus dem Modell ausgeblendet. Bei der Überprüfung der direkten Effekte zeigt sich ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,254, p<0,01). Weiters kann ein signifikanter, positiver Einfluss der CSR-Beurteilung der Markenkommunikation auf die CSR-Beurteilungsdimension der Marke (beta=0,284, p<0,01) ausgemacht werden. Auch kann ein signifikanter, positiver Einfluss der emotionalen Beurteilung der Markenkommunikation auf die emotionale Beurteilungsdimension der Marke (beta=0,072, p<0,10) nachgewiesen werden. Es zeigt sich ein direkter Einfluss der CSR-Beurteilungsdimension auf die emotionale Beurteilungsdimension der Marke (beta=0,145, p<0,01).

Bei der weiteren Überprüfung der Indikatorreliabilität für die direkten Effekte über die reflektiv formulierten Indikatoren zeigen sich Werte größer 0,55, die den kritischen Signifikanzwert überschreiten. Die durchschnittlich erfasste Varianz AVE ist bei allen Indikatoren zwischen 0,46 und 0,77. Die Konstruktreliabilität ist über alle Konstrukte größer 0,77. Da die Konstruktreliabilität das strengere Prüfkriterium ist, wurde keine Bereinigung der einzelnen Indikatoren mit geringer AVE vorgenommen (Chin, 1998a). Das Fornell-Larcker-Kriterium wurde für alle reflektiven Konstrukte erfüllt, da der höchste Wert der Kon­struktkorrelation bei 0,25 liegt und somit kleiner als die AVE für dieses Kon­strukt (0,62) ist. Die Überprüfung der Kreuzladungen ergab keine Auffälligkeiten. Für die Überprüfung der Vorhersagevalidität wurde die Blindfolding-­Methode (Obmission Distance=7) angewendet, die für alle reflektiven Konstrukte einen Wert größer 0,47 ergibt und somit über dem geforderten Mindestniveau von Null liegt.

← 269 | 270 → Abbildung 72: Gesamtmodell (Teilstichprobe Frauen)

Art_Se_072.tif 

*** p≤0,01, ** p≤0,05, * p≤0,10

Die Überprüfung des Strukturmodells ergab einen signifikant, positiven Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension auf die jeweilige Beurteilungsdimension der Marke. Ein signifikant, positiver Einfluss der CSR-Kommunikationsdimension konnte auf die emotionale und informative Beurteilungsdimension der Marke festgestellt werden. Weiters konnte ein signifikant, positiver Einfluss der emotionalen Imagedimension auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft sowie auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz) festgestellt werden. Es zeigt sich ein signifikant, positiver Einfluss der informativen Imagedimension auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft sowie auf die Markenpräferenz (negatives Vorzeichen, da 1=bester Rangplatz).

← 270 | 271 → Tabelle 73: Hypothesenprüfung auf Strukturmodellebene Gesamtmodell (Teilstichprobe Frauen)

 

Pfadkoeffizienten

t-Werte

Image_emotional -> KW

0,167

3,674

Image_emotional -> MP

-0,130

2,688

Image_emotional -> WEB

0,366

9,496

Image_informativ -> KW

0,092

2,265

Image_informativ -> MP

-0,070

1,735

Image_informativ -> WEB

0,122

3,212

Kommunikation_CSR -> Image_CSR

0,284

7,091

Kommunikation_CSR -> Image_emotional

0,143

3,327

Kommunikation_CSR -> Image_informativ

0,065

1,660

Kommunikation_emo -> Image_emotional

0,254

6,191

Kommunikation_info -> Image_informativ

0,072

1,792

Bei der Überprüfung der Erklärungsgüte des Strukturmodells zeigte sich, dass zwischen 1,5 % und 60 % liegt und somit teilweise unter dem geforderten 25 % Anteil an erklärter Varianz. Die Erklärungsgüte wird dadurch aber nur bedingt eingeschränkt. Weiters wurde die Redundanz in Form der Vorhersagevalidität/Prognoserelevanz untersucht, die das geforderte Mindestniveau von Null überschreitet. Es liegt geringe Multikollinearität zwischen den Einflussgrößen der endogenen Modellkonstrukte vor (VIF<5,0). Die Effektstärke f² zeigt einen starken Einfluss der emotionalen, informativen und CSR-Kommunikationsdimension (f²>0,35). Weiters zeigt sich eine schwache Effektgröße für die emotionale Imagedimension auf die Markenpräferenz (f²>0,02) sowie eine starke Effektgröße auf die Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft (f²>0,35). Darüber hinaus ergibt sich eine schwache Effektgröße der informativen Imagedimension auf die Markenpräferenz, Kaufwahrscheinlichkeit und Weiterempfehlungsbereitschaft (f²>0,02).

Der moderierende Einfluss kommt duch die erwartete unterschiedliche Stärke des Einflusses des Mediums auf die einzelnen Dimensionen der Markebeurteilung zustande. Die manifeste Variable Moderator wird zu einer Dummyvariable (0=Anzeige, 1=Advertorial) umcodiert, um die Interpretation der Moderation zu erleichtern (Abb. 72). Es kann kein Einfluss der Moderation auf die einzelnen Dimensionen der Markenbeurteilung im Gesamtmodell festgestellt werden. Aufgrund der fehlenden Signifikanz kann keine Aussage über die Effektstärke getroffen werden.

← 271 | 272 → Die beiden untersuchten Teilstichproben Männer und Frauen weisen ähnlich signifikante Ergebnisse auf. Die mittels multivariaten Verfahren überprüfte Hypothese, dass ein Einfluss des Geschlechts auf die Wahrnehmung der Kommunikation vorliegt, kann im Strukturmodell nicht bestätigt werden. Letztendlich spricht dies für die Stabilität der Ergebnisse der beiden Teilstichproben Männer und Frauen im Zusammenhang mit der Einstellung zur Markenkommunikation.

4In deutschsprachigen Veröffentlichungen wird fast ausschließlich die englischsprachige Bezeichnung verwendet. Eine Übersetzung des Verfahrens in „Partielle-Kleinste-Quadrate-Schätzungen“ wird auch in der vorliegenden Arbeit nicht angewendet.