Design der Untersuchung

Der empirischen Überprüfung des Bezugsrahmens liegt eine in Zusammenarbeit mit der Deutschen Bahn AG durchgeführte schriftliche Befragung von Reisenden mit einer Fahrtlänge von über 100 km zugrunde.' Um dem Ziel einer prozeßorien-tierten Analyse der Kundenzufriedenheit zu entsprechen, wurde ein auf dem Bezugsrahmen der Untersuchung basierender Fragebogen entwickelt. Der detail-lierte Fragebogen sowie die Frageformulierungen wurden auf der Basis zufrie-denheitsorientierter Studien der Deutschen Bahn AG sowie aufgrund der Erkenntnisse aus Expertengesprächen konzipiert. Nach der Durchführung von Pretestinterviews und einer hierauf aufbauenden Anpassung des Befragungs-designs erfolgte die Ausgabe der Fragebögen im August 1996 auf ausgewählten innerdeutschen Strecken in den verschiedenen Zugarten des Fernverkehrs der Deutschen Bahn AG sowie in ausgewählten Reisebüros in Münster. Dabei wurden die Befragten gebeten, den Fragebogen in direktem Anschluß an ihre aktuelle

Die Vorgabe einer Mindestreiselänge von 100 km diente zum einen der eindeutigen Abgren-zung Bahnfernreisender von Teilnehmern des schienengebundenen Nahverkehrs. Vgl. zur Definition des Schienenpersonenfernverkehrs die Ausführungen in Kap. B 1.22 dieser Arbeit.

Zum anderen konnte auf diese Weise das kundenseitige Erleben eines Großteils der zu untersuchenden Kontaktpunkte sichergestellt werden.

Bahnreise auszufüllen und an die Forschungsstelle Bahnmarketing zurückzusenden. Von den zurückgesandten Fragebögen erwiesen sich 603 als auswertbar.² Die Zusammensetzung der Stichprobe kann Abbildung 22 ent-nommen werden.

lnterCltyExpress lnterCity/ Eurocity lnterRegio Gesamt

Stichprobenanteil: 45% 38% 17% n=603

Reiseanlaß:

• geschäftlich 25% 32% 15% 26%

• privat (inkl. F em- 75% 68% 85% 74%

oendlerl Reiseklasse:

• 1. Klasse 29% 26% 13% 25%

·2. Klasse 71% 74% 87% 75%

Geschlecht

•weiblich 42% 46% 43% 44%

•männlich 58% 54% 57% 56%

Alter:

• bis 26 Jahre 16% 22% 27% 20%

• 27-59 Jahre 67% 66% 60% 66%

• 60 Jahre und älter 17% 12% 13% 14%

Abb. 22: Zusammensetzung der Stichprobe

Der Schwerpunkt der Befragung lag auf standardisierten Fragen. Zur Ermittlung der Kundenzufriedenheit dienten für die vier Episoden einer Bahnreise vorge-gebene Kriterienkataloge. Die Zufriedenheitsurteile wurden anhand einer fünf-stufigen Ratingskala erfaßt, die in einem Kontinuum von .sehr zufrieden" bis „gar nicht zufrieden" die Einschätzung der Befragten mißt.³ Darüber hinaus wurden die Reisenden in offenen Fragen um eine nach den verschiedenen Episoden dif-ferenzierte Schilderung von positiven und negativen kritischen Ereignissen gebeten. Die weiteren Befragungsinhalte basieren auf den Bestimmungsfaktoren

Die Nettorücklaufquote betrug deutlich über 50% und ist damit als sehr hoch zu bezeichnen.

Vgl. Meffert, H., Marketingforschung und Käuferverhalten, a.a.O., S. 202. Die durchschnittliche Rücksendedauer lag unter drei Tagen, so daß von einem aktuellen Zufriedenheitsurteil der Befragten ausgegangen werden kann.

Darüber hinaus wurde den Befragten die Möglichkeit gegeben, auf eine Antwortkategorie .trifft nicht zu/kein Urteil" auszuweichen. Da im Fragebogen explizit um eine Beurteilung der aktuellen Bahnreise gebeten wurde, sollte auf diese Weise gewährleistet werden, daß die Befragten nur die im Rahmen dieser konkreten Bahnreise erlebten Kontaktpunkte beurteilen.

der Kundenzufriedenheit mit Verkehrsdienstleistungen und der bekundeten Loya-lität gegenüber der Verkehrsdienstleistung „Bahnreise". Dabei wurden folgende Fragenkomplexe erfaßt:

• Spezifische Reisesituation der Befragten,

• Verhaltensabsichten gegenüber der Deutschen Bahn AG,

• Einstellungen, wahrgenommenes Risiko und lnvolvement gegenüber einer Bahnreise,

• Allgemeines Reiseverhalten der letzten 12 Monate sowie

• soziodemographische Merkmale der Befragten.

Die Einbindung der einzelnen Variablengruppen in das Befragungsdesign, die konkreten Fragenformulierungen und die eingesetzten Ratingskalen sind dem Fragebogen im Anhang II dieser Arbeit zu entnehmen.

1.2 Methoden der statistischen Auswertung

Mit dem Ziel, die Struktur und die Dynamik der Kundenzufriedenheit mit Ver-kehrsdienstleistungen zu untersuchen, verbinden sich hohe Anforderungen an die Leistungsfähigkeit der zu diesen Zwecken einzusetzenden Verfahren. So kommen einerseits nur solche Analysetechniken in Betracht, die es ermöglichen, das Beziehungsgeflecht einer Vielzahl von möglichen abhängigen und unabhängigen Variablen gleichzeitig zu untersuchen. Zum anderen sollten diese Verfahren den Forscher in die Lage versetzen, zwischen beobachtbaren und nicht-beobacht-baren (latenten) Variablen und damit zwischen den zu untersuchenden Kon-strukten und ihrer Operationalisierung unterscheiden zu können.• Für die dieser Arbeit zugrunde liegenden Fragestellungen sind daher insbesondere Verfahren der Dependenzanalyse in Erwägung zu ziehen.⁵

Vgl. Büschken, J., Multipersonale Kaufentscheidungen - Empirische Analyse zur Operationa-lisierung von Einflußbeziehungen im Buying Center, Wiesbaden 1994, S. 133 und 141 f.;

Korte, Ch., Customer Satisfaction Measurement: Kundenzufriedenheitsmessung als Informa-tionsgrundlage des Hersteller- und Handelsmarketing am Beispiel der Automobilwirtschaft, a.a.O., S. 174 f.

Während der Dependenzanalyse die Annahme eines Kausalzusammenhanges zwischen unabhängigen Variablen und von ihnen abhängigen Variablen zugrunde liegt, ist die Analyse wechselseitiger Beziehungen zwischen Variablengruppen Gegenstand der lnterdependenz-analyse. Zu den Verfahren der Dependenzanalyse zählen insbesondere die Varianz-, Regres-sions- und Kausalanalyse. Verfahren der lnterdependenzanalyse stellen z.B. die Korrelations-, Cluster- und Faktorenanalyse dar. Vgl. z.B. Berekoven, L., Eckert, W., Ellenrieder, P., Marktforschung: methodische Grundlagen und praktische Anwendung, a.a.O., S. 210 ff.

Die Beziehungsstruktur zwischen den einzelnen Kontaktpunktzufriedenheiten auf der einen Seite und deren Einfluß auf die entsprechenden Episodenzufrieden-heiten auf der anderen Seite sowie die Zusammenhänge dieser Art auf der Transaktionsebene lassen eine ausschließliche Untersuchung der verschiedenen Konstellationen mit Hilfe einfacher multivariater Verfahren wie z.B. der Regres-sionsanalyse nur eingeschränkt zu. So besteht eine zentrale Voraussetzung der Regressionsanalyse in der Forderung nach der statistischen Unabhängigkeit der zur Erklärung eines Konstruktes (endogene Variable) herangezogenen (exogenen) Variablen.⁶ Dies würde z.B. bedeuten, daß in die Analyse der Episo-denzufriedenheiten statistisch voneinander unabhängige Kontaktpunktzufrieden-heiten einfließen würden. Die bisherigen Ausführungen zu dem Konstrukt der Kundenzufriedenheit auf der theoretischen Sprachebene beruhen jedoch auf der zentralen Annahme eines signifikanten Zusammenhangs zwischen diesen Teil-zufriedenheiten. Daher ist es notwendig, auf Ansätze zurückzugreifen, die die mögliche Existenz solcher Beziehungen explizit berücksichtigen. In der Literatur werden derartige Analysetechniken c;1ls multivariate Verfahren der „zweiten Gene-ration" bezeichnet und in jüngeren Arbeiten der Marketingforschung zunehmend berücksichtigt.7 Zu diesen Ansätzen zählen die Verfahren der Kausalanalyse.•

Die grundsätzliche Zielsetzung der Kausalanalyse besteht in der Untersuchung der Beziehungen zwischen latenten Variablen. Solche nicht-beobachtbare Varia-ble stellen z.B. die Kontaktpunkt- und Episodenzufriedenheiten oder die Trans-aktionszufriedenheit einer Bahnreise dar. Zur Analyse der aus theoretischen Vor-überlegungen abgeleiteten Beziehungsstrukturen erfolgt die Formulierung eines sog. Kausalmodells häufig in Form eines graphisches Pfaddiagrammes, das dann in ein lineares Gleichungssystem umgesetzt und damit einer mathematischen Analyse zugänglich gemacht wird.⁹ Neben dem Vorteil einer simultanen Analyse mehrerer latenter Variablen ist durch die explizite Trennung der Konstrukte und

Vgl. Nader, G., Zufriedenheit mit Finanzdienstleistungen: Erfolgswirksamkeit, Messung, Modellierung, a.a.O., S. 55. Zu den Problemen eines ausschließlichen Einsatzes der Regres-sionsanalyse zur Analyse von Zusammenhangsstrukturen vgl. Homburg, Ch., Die Kau-salanalyse: Eine Einführung, in: WiSt, Jg.21, H. 10, 1992, S. 499 f.; Wöllenstein, St., Betriebstypenprofilierung in vertraglichen Vertriebssystemen: Eine Analyse von Einflußfaktoren und Erfolgswirkungen auf der Grundlage eines Vertragshändlersystems im Automobilhandel, Frankfurt am Main u.a. 1996, S. 272 f.

Vgl. Homburg, Ch., Giering, A., Konzeptualisierung und Operationalisierung komplexer Kon-strukte, a.a.O., S. 8.

Einen Überblick über Einsatzfelder der Kausalanalyse in der Kaufverhaltensforschung liefert Büschken, J., Multipersonale Kaufentscheidungen - Empirische Analyse zur Operationalisie-rung von Einflußbeziehungen im Buying Center, a.a.O., S. 132 f.

Vgl. Balderjahn, 1., Das umweltbewußte Konsumentenverhalten - Eine empirische Studie, Berlin 1986, S. 72.

der zu ihrer Operationalisierung herangezogenen Indikatoren die Möglichkeit gegeben, Meßfehler dieser lndikatorvariablen in die Analyse einzubeziehen.

Daher wurde im Rahmen der vorliegenden Untersuchung die Kausal- oder auch Strukturgleichungsanalyse als ein geeigneter Ansatz zur Spezifizierung der Beziehungen zwischen den verschiedenen Zufriedenheitskonstrukten der Kun-denprozeßhierarchie eingesetzt.¹⁰ Dies gilt analog für ausgewählte Bestim-mungsfaktoren der Kundenzufriedenheit sowie die bekundete Verhaltensabsicht gegenüber der Deutschen Bahn AG, deren jeweilige Zusammenhangsstruktur mit dem Zufriedenheitskonstrukt anhand des Verfahrens der Kausalanalyse unter-sucht werden kann. Als hypothesenprüfendes statistisches Verfahren kommt in der vorliegenden Arbeit der EQS-Ansatz (Equations based Structural Program) von BENTLER zum Einsatz. ¹¹

Aufgrund der inzwischen häufigen Verwendung der Kausalanalyse in der empi-rischen Kaufverhaltensforschung kann auf eine Darstellung des Verfahrens ver-zichtet werden, da dies bereits an anderer Stelle in ausführlicher Weise erfolgt ist. ¹² Zur Schätzung der Modellparameter und deren Gütebeurteilung werden in

10

11

12

In der wissenschaftlichen Literatur hat sich der Begriff der „Kausalanalyse" durchgesetzt, wenngleich diese Bezeichnung und damit die Annahme kausaler Beziehungen aus wissen-schaftstheoretischer Sicht nicht unproblematisch ist. Zum sog. Kausalitätsproblem vgl.

Büschken, J., Multipersonale Kaufentscheidungen - Empirische Analyse zur Operationalisie-rung von Einflußbeziehungen im Buying Center, a.a.O., S. 141; Hildebrandt, L., Trommsdorff, V., Konfirmatorische Analysen in der empirischen Forschung, in: Innovative Marktforschung, Forschungsgruppe Konsum und Verhalten (Hrsg.), Würzburg, Wien 1983, S. 139 f.

Vgl. Bentler, P.M., Theory and Implementation of EQS. A Structural Equations Program, Los Angeles 1985. Bentler, P.M., EQS Structural Equations Program Manual, Multivariate Software lnc., Encino 1995. Dem Verfasser stand für die Datenanalyse die windows-gestützte Programmversion EQS 5.3 zur Verfügung, die sich gegenüber dem in der Marktforschung häufig eingesetzten LISREL-Ansatz der Kausalanalyse durch flexiblere Modellannahmen und eine deutlich höhere Bedienungsfreundlichkeit auszeichnet. So beinhaltet die eingesetzte Programmversion u.a. eine graphische Benutzeroberfläche (,.Diagrammer"), die der Erstellung graphischer Pfaddiagramme dient. Diese werden dann durch das Programm in die ent-sprechende Befehlssyntax umgesetzt und die Modellparameter sowie Anpassungsmaße berechnet. Methodisch stellen der LISREL-Ansatz und der EQS-Ansatz eng verwandte Ver-fahren dar. So ist der LISREL-Ansatz als ein Sonderfall des EQS-Modells anzusehen. Zu einem Vergleich dieser Verfahren vgl. Homburg, Ch., Sütterlin, St., Kausalmodelle in der Marktforschung: EQS als Alternative zu LISREL ?, in: Marketing ZFP, Jg.12, H. 3, 1990,

s. 181 ff.

Des weiteren ist in diesem Zusammenhang der PLS-Ansatz (Partial Least Square) von Wald zu nennen. Während der LISREL-Ansatz sowie der EQS-Ansatz auf einer Analyse von Kova-rianzstrukturen beruhen, basiert der PLS-Ansatz auf einer Kleinste-Quadrate-Schätzung. Zum letzteren vgl. Wald, H., Soft Modeling: The Basic Design and Same Extensions, in: Systems under lndirect Observation: Causality, Structure, Prediction, Jöreskog, K.G., Wald, H. (Hrsg.), 2. Aufl., Amsterdam 1982, S. 1 ff.; Lohmüller, G.B., Path models with Latent Variables and Partial Least Squares (PLS) Estimation, Würzburg 1984.

Vgl. z.B. Hildebrandt, L., Konfirmatorische Analysen von Modellen des Konsumentenverhal-tens, Berlin 1983, Homburg, Ch., Die Kausalanalyse: Eine Einführung, a.a.O., S. 499 ff.;

Backhaus, K. et al., Multivariate Analysemethoden - Eine anwendungsorientierte Einführung, 8.

der Literatur zahlreiche Konzepte diskutiert, die im Hinblick auf ihre Eignung für die Durchführung und Bewertung eines Kausalmodells unterschiedlich einge-schätzt werden.¹³ Da die auszuwertende Datendatei nicht normalverteilte Varia-blen enthält, wurde im Rahmen dieser Arbeit von den in EQS implementierten Schätzverfahren der AGLS-Ansatz ausgewählt, da diese Methode gegenüber anderen Verfahren auf keiner Verteilungsannahme beruht.¹⁴ In Abhängigkeit vom verwendeten Schätzalgorithmus stehen in EQS verschiedene Kriterien für die Beurteilung der Parameterschätzungen und der Anpassungsgüte von der modelltheoretischen und der vorliegenden empirischen Kovarianzmatrix zur Ver-fügung, auf die im Kontext der spezifizierten Kausalmodelle zur Analyse der Kun-denzufriedenheit mit Verkehrsdienstleistungen näher eingegangen wird.¹⁵

Unter Berücksichtigung des jeweiligen Skalenniveaus wurde darüber hinaus das Softwarepaket SPSS zur Durchführung von Mittelwertvergleichstests sowie wei-terer multivariater Verfahren (z.B. Korrelationsanalyse) im Rahmen der sta-tistischen Datenauswertung eingesetzt. ¹⁶

2. Phasenbezogene Analyse der Zufriedenheit mit