Beurteilung des Strukturmodells

Im Anschluss an die Schätzung des Messmodells wurde das Strukturmodell berechnet, mit dem die postulierten Wirkbeziehungen überprüft werden sollten.

Zur Beurteilung des Strukturmodells werden neben den Bestimmtheitsmaßen und Modellpara-metern auch Maße für seine Stabilität und Prognosefähigkeit herangezogen (HENSELER et al., 2009). Zum einen stellen die Bestimmtheitsmaße mit den dazugehörigen R²-Werten der endo-genen Variablen ein wesentliches Gütekriterium dar. Analog zur traditionellen Regressionsana-lyse, in der das Gütemaß den Anteil der erklärten Streuung an der Gesamtstreuung wiedergibt, setzt es sich innerhalb der PLS-Analyse aus der Höhe bzw. dem Anteil der erklärten Varianz der abhängigen latenten Variable zusammen und misst somit die Anpassungsgüte einer Re-gressionsfunktion an die empirisch gewonnenen manifesten Indikatoren (BOSSOW-THIES und PANTEN, 2009). Dementsprechend sollte eine endogene Variable, die anhand der berücksich-tigten Einflussfaktoren erklärt werden soll, ein möglichst hohes Bestimmtheitsmaß aufweisen,

Tab. 6-9: Güte der Messmodelle (Eigene Berechnungen, 2012)

142 ERGEBNISSE DER EMPIRISCHEN UNTERSUCHUNG

das aufgrund seiner Normierung Werte zwischen null und eins annehmen kann (KRAFFT et al., 2005). So gibt CHIN (1998) folgende R²-Werte zur Beurteilung von PLS-Modellen an: 0,19, 0,33 und 0,67 gelten als schwach, moderat und substanziell.

Darüber hinaus sind die Pfadkoeffizienten hinsichtlich ihrer Richtung, Höhe und Signifikanz zu bewerten (WEIBER und MÜHLHAUS, 2010). Auch ihre Interpretation lässt sich analog zu den Regressionskoeffizienten in einer Regressionsgleichung durchführen, wobei die einzelnen Pfadkoeffizienten wie standardisierte β-Koeffizienten interpretiert werden. Ihr Signifikanz- niveau wird dabei anhand der t-Werte überprüft, die sich ihrerseits mithilfe der sog. Bootstrap-ping-Prozedur berechnen lassen, indem n unterschiedliche Zufallsstichproben vom Umfang N jeweils zur Schätzung des PLS-Modells herangezogen werden. Anhand der so geschätzten Parameter lassen sich die aufgestellten Hypothesen folgendermaßen bestätigen oder zurück-weisen: Während nicht signifikante oder mit einem entgegengesetzten Vorzeichen versehenen Pfadkoeffizienten zur Ablehnung einer aufgestellten Hypothese führen, wird sie anhand signi-fikanter und vorzeichenkonformer Pfade bestätigt.

Neben den Signifikanzen erweisen sich die unterschiedlichen Effektstärken als wesentliche Gü-tekriterien des PLS-Modells, da hieraus abzuleiten ist, ob eine unabhängige latente Variable einen substanziellen Einfluss auf eine abhängige latente Variable ausübt (GÖTZ und L IEHR-GOBBERS, 2004). Als statistisches Maß hierfür dient die Effektgröße f², die das geänderte Bestimmtheitsmaß einer endogenen Variablen angibt, wenn der jeweilige Einfluss einer be-stimmten exogenen Variablen ausgeschlossen wird. Demzufolge lässt sich die Effektgröße ma-thematisch folgendermaßen ausdrücken (vgl. NITZL, 2010):

(11)

Je höher diese Effektgröße ist, desto größer ist der Einfluss der zugrunde liegenden exogenen Variablen. CHIN (1998) zufolge geben die entsprechenden Werte größer gleich 0,02, 0,15 sowie 0,35 an, ob eine exogene latente Variable einen schwachen, moderaten oder substanziellen Ein-fluss auf die ihr im Kausalmodell zugeordnete latente endogene Variable ausübt.

Ein weiteres Kriterium zur Modellbeurteilung von reflektiv gemessenen endogenen Variablen stellt die Prognoserelevanz Q² dar, die anhand des sog. Stone-Geisser-Kriteriums quantifiziert wird (WEIBER und MÜHLHAUS, 2010). Ausschlaggebend hierfür ist das grundlegende Prinzip, dass PLS die Prognose der Rohdaten anstrebt und nicht wie im LISREL-Ansatz auf die Repro-duktion der Kovarianzstrukturen fokussiert (BOSSOW-THIES und PANTEN, 2009). Berechnet wird das Stone-Geisser-Kriterium mithilfe der sog. Blindfolding-Prozedur, worin ein Teil der Rohdatenmatrix zunächst systematisch als fehlend angenommen wird und die so ermittelten

61

al., 2009). Zum einen stellen die Bestimmtheitsmaße mit den dazugehörigen R²-Werten der endogenen Variablen ein wesentliches Gütekriterium dar. Analog zur traditionellen Regressi-onsanalyse, in der das Gütemaß den Anteil der erklärten Streuung an der Gesamtstreuung wiedergibt, setzt es sich innerhalb der PLS-Analyse aus der Höhe bzw. dem Anteil der erklär-ten Varianz der abhängigen laerklär-tenerklär-ten Variable zusammen und misst somit die Anpassungsgüte einer Regressionsfunktion an die empirisch gewonnenen manifesten Indikatoren (BOSSOW -THIES und PANTEN, 2009). Dementsprechend sollte eine endogene Variable, die anhand der berücksichtigten Einflussfaktoren erklärt werden soll, ein möglichst hohes Bestimmtheitsmaß aufweisen, das aufgrund seiner Normierung Werte zwischen null und eins annehmen (KRAFFT et al., 2005). So nennt CHIN (1998) folgende R²-Werte zur Beurteilung von PLS-Modellen an: 0,19, 033 und 0,67 als schwach, moderat und substanziell.

Darüber hinaus sind die Pfadkoeffizienten hinsichtlich ihrer Richtung, Höhe und Signifikanz zu bewerten (WEIBER und MÜHLHAUS, 2010). Auch ihre Interpretation lässt sich analog zu den Regressionskoeffizienten in einer Regressionsgleichung durchführen, wobei die einzelnen Pfadkoeffizienten wie standardisierte ȕ-Koeffizienten interpretiert werden. Ihr Signifikanzniveau wird dabei anhand der t-Werte überprüft, die sich ihrerseits mithilfe der sog. Bootstrapping-Prozedur berechnen lassen, indem n unterschiedliche Zufallsstichproben vom Umfang N jeweils zur Schätzung des PLS-Modells herangezogen werden. Anhand der so geschätzten Parameter lassen sich die aufgestellten Hypothesen folgendermaßen bestätigen oder zurückweisen: Während nicht signifikante oder mit einem entgegengesetztem Vorzei-chen versehen Pfadkoeffizienten zur Ablehnung einer aufgestellten Hypothese führen, wird sie anhand signifikanter und vorzeichenkonforme Pfade bestätigt.

Neben den Signifikanzen erweisen sich die unterschiedlichen Effektstärken als wesentliche Gütekriterien des PLS-Modells, da hieraus abzuleiten ist, ob eine abhängige latente Variable einen substanziellen Einfluss auf eine abhängige latente Variable ausübt (GÖTZ und LIEHR -GOBBERS, 2004). Als statistisches Maß hierfür dient die Effektgröße f², die das geänderte Bestimmtheitsmaß einer endogenen Variablen angibt, wenn der jeweilige Einfluss einer be-stimmten exogenen Variablen ausgeschlossen wird. Demzufolge lässt sich die Effektgröße mathematisch folgendermaßen ausdrücken (vgl. NITZL, 2010):

݂^ଶ ൌ ܴ௘௜௡௚௘௦௖௛௟௢௦௦௘௡ଶ െܴ௔௨௦௚௘௦௖௛௟௢௦௦௘௠ଶ

ͳ െܴ௘௜௡௚௘௦௖௛௟௢௦௦௘௡ଶ

143 ERGEBNISSE DER EMPIRISCHEN UNTERSUCHUNG

Parameterschätzungen im darauffolgenden Schritt zur Vorhersage der als fehlend angenom-menen Rohdaten eingesetzt werden (GÖTZ und LIEHR-GOBBERS, 2004). Die Prognoserelevanz fungiert somit als Maß für die Rekonstruktionsgüte des zugrunde liegenden Modells und be-rechnet sich wie folgt (vgl. NITZL, 2010):

(12)

Die Prognosefehler werden dabei mithilfe der verbleibenden Daten aus der Blindfolding-Pro-zedur mittels eines Vergleichs zu den tatsächlichen Werten bestimmt (KRAFFT et al., 2005).

Eine hinreichende Prognosefähigkeit des Modells ist bei einem Wert von größer null gegeben, während Werte kleiner als null auf eine geringe Prognosegüte der überprüften Modellstruktur hindeuten (WEIBER und MÜHLHAUS, 2010). Ein Wert von null besagt indes, dass die empirisch erhobenen Daten nicht besser vorhergesagt werden als mittels einer Schätzung per Mittelwert.

Mit der Gütebeurteilung des Kausalmodells auf seiner Strukturebene gilt der Validierungspro-zess innerhalb der PLS-Analyse als abgeschlossen.

Für das Bestimmtheitsmaß der zentralen endogenen Variablen Bewerbungsabsicht resultiert ein Wert von 0,576. Demnach kann hier ein als substanziell einzustufendes Bestimmtheitsmaß ermittelt und die Bewerbungsabsicht mit dem aufgestellten Modell zufriedenstellend erklärt werden. Auch das zweite besonders relevante endogene Konstrukt, die wahrgenommenen Ar-beitgeberattraktivität, weist mit einem R²-Wert von 0,648 einen substanziellen Erklärungsanteil auf. Demgegenüber können die übrigen Konstrukte des Strukturmodells erwartungsgemäß nur zu einem geringen Anteil erklärt werden. Zugleich lässt sich anhand des hieraus resultierenden Stone-Geisser-Kriteriums zeigen, dass der Q²-Wert oberhalb von null liegt und das aufgestell-te Modell zur Erklärung der Bewerbungsabsicht somit eine Vorhersagerelevanz besitzt. Aus den im Strukturmodell resultierenden Pfadkoeffizienten geht zudem hervor, dass bis auf eine Hypothese alle postulierten direkten Wirkbeziehungen bestätigt werden können. Während die Pfadkoeffizienten aller übrigen angenommenen Wirkbeziehungen größtenteils sehr signifikant oder gar hoch signifikant ausfallen, ist der Pfadkoeffizient zwischen dem Branchenruf und dem organisationalen Prestige nicht signifikant. Die Hypothese 19, der zufolge der Branchenruf der Ernährungsindustrie direkt das organisationale Prestige eines mittelständischen Unternehmens aus dieser Branche beeinflusst, wird somit zurückgewiesen. Zur weiterführenden Einschätzung, ob eine exogene Variable einen bedeutenden Einfluss auf die endogenen Variablen hat, wurden für alle endogenen Variablen, die mehr als eine Beziehung zu einer latent exogenen Variablen aufweisen, die Effektgrößen f² berechnet.

62 (11)

Je höher diese Effektgröße ist, desto größer ist der Einfluss der zugrunde liegenden exogenen Variablen. Chin (1998) zufolge geben die entsprechenden Werte größer gleich 0,02, 0,15 so-wie 0,35 an, ob eine exogene latente Variable einen schwachen, moderaten oder substanziel-len Einfluss auf die ihr im Kausalmodell zugeordnete latente endogene Variable ausübt.

Ein weiteres Kriterium zur Modellbeurteilung stellt die Prognoserelevanz Q² von reflektiv gemessenen endogenen Variablen dar, die anhand des sog. Stone-Geisser-Kriteriums quanti-fiziert wird (WEIBER und MÜHLHAUS, 2010). Ausschlaggebend hierfür ist das grundlegende Prinzip, dass PLS die Prognose der Rohdaten anstrebt und nicht wie im LISREL-Ansatz auf die Reproduktion der Kovarianzstrukturen fokussiert (BOSSOW-THIES und PANTEN, 2009).

Berechnet wird das Stone-Geisser-Kriterium mithilfe der sog. Blindfolding-Prozedur, worin ein Teil der Rohdatenmatrix zunächst systematisch als fehlend angenommen wird und die so ermittelten Parameterschätzungen im darauffolgenden Schritt zur Vorhersage der als fehlend angenommenen Rohdaten eingesetzt werden (GÖTZ und LIEHR-GOBBERS, 2004). Die Prognoserelevanz fungiert somit als Maß für die Rekonstruktionsgüte des zugrunde liegenden Modells und berechnet sich wie folgt:

ܳ^ଶ ൌ ͳ െσ ܧ஽ ஽

σ ܱ஽ ஽

(12)

Die Prognosefehler werden dabei mithilfe der verbleibenden Daten aus der Blindfolding-Prozedur mittels eines Vergleichs zu den tatsächlichen Werten bestimmt (KRAFFT et al., 2005). Eine hinreichende Prognosefähigkeit des Modells ist bei einem Wert von größer null gegeben, während Werte kleiner als null auf eine geringe Prognosegüte der überprüften Mo-dellstruktur hindeuten (WEIBER und MÜHLHAUS, 2010). Ein Wert von null besagt indes, dass die empirisch erhobenen Daten nicht besser vorhergesagt werden als mittels einer Schätzung per Mittelwert. Mit der Gütebeurteilung des Kausalmodells auf seiner Strukturebene gilt der Validierungsprozess innerhalb der PLS-Analyse als abgeschlossen.

Für das Bestimmtheitsmaß der zentralen endogenen Variablen Bewerbungsabsicht resultiert ein Wert von 0,576. Demnach konnte hier ein als substanziell einzustufendes Bestimmtheits-maß ermittelt und die Bewerbungsabsicht mit dem aufgestellten Modell zufriedenstellend erklärt werden. Auch das zweite besonders relevante endogene Konstrukt, die wahrgenom-menen Arbeitgeberattraktivität, weist mit einem R²-Wert von 0,648 einen substanziellen Er-klärungsanteil auf. Demgegenüber konnten die übrigen Konstrukte des Strukturmodells

er-144 ERGEBNISSE DER EMPIRISCHEN UNTERSUCHUNG

6Ͳ3ErklärungBewerbungsabsicht Signifikanzniveau: *p < 0,05; **p < 0,01; ***p < 0,001; N=671

R²=0,576 Q²=0,572

Abb. 6-3: Parameterschätzungen des Kausalmodells nach Bootstrapping mit 200 Stichproben (Eigene Berechnungen, 2012)

Betrachtet man die wahrgenommene Arbeitgeberattraktivität, so lässt sich der Einfluss der exo-genen Variablen Person-Organisation-Passung auf eine substanzielle Effektstärke von 0,688 beziffern, während der Erklärungsbeitrag des organisationalen Prestiges mit einem f²-Wert von 0,102 eher gering ausfällt. Bei der Bewerbungsabsicht ergeben sich insgesamt deutlich geringe-re oder gar gänzlich unbedeutende Effektstärken, unter denen die wahrgenommeine Arbeitge-berattraktivität über den größten Einfluss verfügt. Die wahrgenommene ArbeitgeArbeitge-berattraktivität hat somit die größte Bedeutung für die Bewerbungsabsicht, wenngleich es sich dabei um einen eher moderaten Effekt handelt.

Im Gegensatz zur Kovarianzstrukturanalyse, in der gleich mehrere globale Fitindizes zur Beur-teilung der Gesamtgüte des betrachteten Modells bereitstehen, die ihrerseits anhand inferenz-statistischer Tests ermittelt werden, existiert innerhalb des PLS-Ansatzes aufgrund der wenig restriktiven Verteilungsannahmen ein solches Gütekriterium nicht (KRAFFT et al., 2005). Infol-gedessen erfolgt die Modellbeurteilung kumulativ entlang aller oben aufgezeigten Gütekrite-rien. Ein Gesamtmodell erweist sich somit dann als zuverlässig, wenn sämtliche als relevant eingestuften Gütekriterien sowohl im Mess- als auch im Strukturmodell hinreichend erfüllt

werden (HENSELER et al., 2009). Im Hinblick auf das hier überprüfte Kausalmodell wird aus einer solchen Gesamtbetrachtung deutlich, dass das Modell über eine akzeptable Eignung ver-fügt. Während bei den zugrunde liegenden reflektiven Messmodellen durchweg sehr zuverläs-sige und valide Kennwerte zu verzeichnen sind, ergeben sich im Strukturmodell vereinzelt auch nicht bedeutsame Wirkbeziehungen gepaart mit geringen Bestimmtheitsmaßen einiger endo-gener Konstrukte. Gleichwohl liegen für die beiden zentralen endogenen Variablen – wahrge-nommene Arbeitgeberattraktivität sowie Bewerbungsabsicht – zufriedenstellende statistische Kennwerte vor, sodass das aufgestellte Kausalmodell in seiner Erklärungskraft insgesamt als gut zu bewerten ist.