Recenze Behavioral Pricing im Voice Commerce. Die Relevanz von Preisfairness, Produktwert und Word-of-Mouth-Intention

Textprobe:4Empirische Untersuchung des Forschungsmodells4.1Zur Wahl der Varianz- und Regressionsanalyse als geeignete AnalysemethodenZur Prüfung der postulierten modelltheoretischen Wirkungsmechanismen ist eine empirische Analyse notwendig. Diverse Analysemethoden existieren in der Konsumentenforschung, deren Anwendung in Abhängigkeit des mathematisch-statistischen Untersuchungszwecks und des angestrebten Forschungsziels erfolgt (Backhaus et al., 2016, S. 14). Für eine optimale Aussagekraft der Abhängigkeitsstrukturen eignen sich multivariate Analyseverfahren, die den simultanen Einfluss mehrerer unabhängiger Variablen auf abhängige Variablen in Beziehung setzen und quantitativ untersuchen (Backhaus et al., 2016, S. 8; Timm, 2002, S. 1 f.). Speziell für die Marketingforschung und Marketingpraxis zeigt sich die Relevanz der Varianz- und Regressionsanalyse zur Auswertung von empirisch gewonnenen Daten (Backhaus et al., 2016, S. 8; Herrmann et al., 2006, S. 34; Schendera, 2011, S. 5).Multivariate Analysemethoden lassen sich, je nach Gegenstand der Fragestellung, in strukturentdeckende und strukturprüfende Verfahren unterscheiden (Backhaus et al., 2016, S. 15). Erstere beziehen sich auf eine Identifizierung und Entdeckung relevanter Zusammenhänge, unabhängig von Vorstellungen und Erwartungen der Forschenden. Im Gegensatz dazu verifizieren oder falsifizieren strukturprüfende Verfahren zuvor bereits postulierte Wirkungsrichtungen, deren Herleitung auf Grundlagen theoretischer und wissenschaftlicher Erkenntnisse beruhen (Backhaus et al., 2016, S. 15; Herrmann et al., 2006, S. 58). Sogenannte strukturprüfende Verfahren dienen dazu a priori postulierte kausalanalytische Abhängigkeiten respektive Dependenzen einer oder mehrerer unabhängiger Variablen auf eine oder mehrere abhängige Variablen an der Realität zu testen (Backhaus et al., 2016, S. 16; Kuß, 2012, S. 236). Die letztgenannte Kategorie der strukturprüfenden Verfahren lassen sich in die, für die vorliegende Studie relevante, Varianz- und Regressionsanalyse subsumieren (Kuß, 2012, S. 236).Die Besonderheit der Varianzanalyse stellt die Messung unabhängiger Variablen in sogenannten Faktoren auf nominalem Skalenniveau dar, die abhängige metrische Variablen determinieren (Backhaus et al., 2016, S. 17). Klassische Experimente separieren Experimentalgruppen in diverse Ausprägungen der Faktoren, in der Statistik präsent unter dem Terminus Faktorstufen (Huber et al., 2014, S. 26). In verschiedenen Szenarien findet a priori eine gezielte Manipulation der unabhängigen Variablen in eindeutig klassifizierbare, voneinander distinktive Attribute statt. Um einer Verzerrung der Ergebnisse vorzubeugen, bedarf es einer taktischen Gestaltung der Szenarien, indem sich die Faktorstufen einer unabhängigen Variablen lediglich in einem Attribut, der interessierenden Manipulation, differenzieren (Janczyk & Pfister, 2015, S. 48). Hierbei überprüft die Varianzanalyse simultan die Wirkung alternativer Faktorstufen auf die Zielvariablen (Backhaus et al., 2016, S. 24). Kernaspekt der Varianzanalyse stellt ein Mittelwertvergleich der jeweiligen Faktorstufen in Hinblick auf die Zielvariablen dar. Entscheidend für eine Falsifizierung ist eine ausreichend hohe Varianz der Gruppenmittelwerte der manipulierten Gruppen mit weiteren Vergleichsgruppen (Keselman et al., 1998, S. 359). Zur erfolgreichen Realisierung des Forschungsziels spielt eine profunde Zusammenstellung eines experimentellen Versuchsdesigns eine entscheidende Rolle (Huber et al., 2014, S. 9 f.).Für experimentelle Versuchsdesigns spielen einfaktorielle und mehrfaktorielle Varianzanalysen, die in Abhängigkeit der Anzahl der Faktoren variieren (Berekoven et al., 2009, S. 204 f.), eine große Rolle. Während die Analysis of Variance (ANOVA) eine einfache, univariate Analyse lediglich einer abhängigen Variable darstellt, definiert eine Multivariate Analysis of Variance (MANOVA) eine mehrfaktorielle Varianzanalyse mehrerer Zielgrößen (Backhaus et al