Research & Evidence

Methode suchen

Titel, Fragen, Gebiete und MSC-Kennungen durchsuchen.

    ← Alle Methoden
    METHODEN-DOSSIERMSC-P-008MesswissenschaftGeprüftes wissenschaftliches Dossier

    Wie validiert man eine Marketing-Messskala?

    Validierung verbindet Inhalt, Faktorstruktur, Reliabilität, konvergente und diskriminante Validität sowie bei Bedarf Gruppeninvarianz. Kein Einzelindikator genügt.

    Wissenschaftliche Redaktion: Marketing Science Center

    Direkte Antwort

    Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.

    Validierung verbindet Inhalt, Faktorstruktur, Reliabilität, konvergente und diskriminante Validität sowie bei Bedarf Gruppeninvarianz. Kein Einzelindikator genügt.

    Trizano-Hermosilla & Alvarado, 2016Edwards, Joyner & Schatschneider, 2021

    01

    Operative Zusammenfassung

    Wissenschaftliche Frage und Geltungsbereich

    Wie validiert man eine Marketing-Messskala?

    Vertretbar

    Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.

    Unzulässig

    Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.

    02

    Drei Leseebenen

    1. 01

      Entscheidungsebene — Ergebnis mit deklarierter Entscheidung, Nutzenschwelle und Fehlerkosten verbinden.

    2. 02

      Praxis — Population, Einheit, Horizont, verfügbare Variablen und Analyseregel vor der Berechnung festlegen.

    3. 03

      Analyse — Berechnung reproduzieren, Unsicherheit quantifizieren und Diagnosen, Fehlschläge sowie Sensitivitäten dokumentieren.

    03

    Konkrete Marketingsituation

    Validierung verbindet Inhalt, Faktorstruktur, Reliabilität, konvergente und diskriminante Validität sowie bei Bedarf Gruppeninvarianz. Kein Einzelindikator genügt.

    04

    Wissenschaftliche Frage und Geltungsbereich

    Wie validiert man eine Marketing-Messskala?

    Reliabilität und Konstruktvalidität für einen deklarierten Zweck

    Benötigte Daten

    Befragte Person × Item × Messzeitpunkt

    Population, Analyseeinheit, Ursprungsdatum und Horizont müssen im Ergebnis deklariert sein. Andernfalls ändert sich der Estimand unbemerkt.

    05

    Warum eine einfache Analyse scheitern kann

    • Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.
    • Sind die Beobachtungen unabhängig und für beide Scores gepaart?
    • Wurde die Screening-Schwelle vor Einsicht in die Korrelation festgelegt?
    • Werden Konstruktdefinitionen, Faktorstruktur und Messfehler getrennt untersucht?

    06

    Intuition der Methode

    Die Methode macht aus einer Assoziation nicht automatisch Evidenz. Sie verbindet eine deklarierte Frage mit Estimand, Spezifikation, kompatiblen Daten und begrenzter Interpretationsregel.

    Reliabilität und Konstruktvalidität für einen deklarierten Zweck

    07

    Benötigte Daten

    Wörterbuch wissenschaftlicher Symbole

    r
    Beobachtete Korrelation, die nur als vorab festgelegte Screening-Statistik zwischen zwei Konstruktwerten dient. Einheit: dimensionslos · Typ: Zahl in (−1, 1) · Rolle: Eingabe
    n
    Zahl unabhängiger gepaarter Beobachtungen, auf denen die Korrelation beruht. Einheit: Beobachtung · Typ: Ganzzahl größer als 3 · Rolle: Eingabe
    z_r
    Fisher-Transformation der beobachteten Korrelation. Einheit: dimensionslos · Typ: Zahl · Rolle: abgeleitet
    CI_r
    Näherungsweises Konfidenzintervall der Populationskorrelation nach inverser Fisher-Transformation. Einheit: dimensionslos · Typ: geordnetes Paar · Rolle: Ausgabe

    Exakte versiegelte Engine-Eingaben

    trust_satisfaction_correlation
    Wert: 0.94 · Einheit: dimensionslos · Typ: Zahl · Datenstatus: synthetisch
    separation_threshold
    Wert: 0.85 · Einheit: dimensionslos · Typ: Zahl · Datenstatus: deklarierter Parameter
    sample_size
    Wert: 30 · Einheit: befragte Person · Typ: Ganzzahl · Datenstatus: synthetisch

    08

    Formales Modell

    Formales Modell

    z_r = atanh(r); CI_r = tanh(z_r ± 1.959964 / sqrt(n − 3))

    Belegte Aussagen: MSC-P008-C01 · MSC-P008-C02 · MSC-P008-C03 · MSC-P008-C04 · MSC-P008-C05 · MSC-P008-C06

    Wissenschaftliche Frage und Geltungsbereich

    Reliabilität und Konstruktvalidität für einen deklarierten Zweck

    09

    Deklarierte Berechnung

    1. 01

      Eine unabhängige gepaarte Stichprobe, eine endliche Korrelation strikt zwischen −1 und 1, n > 3 und eine vorab festgelegte Screening-Schwelle prüfen.

    2. 02

      r mit Fisher-z transformieren, das Normalintervall berechnen und beide Grenzen auf die Korrelationsskala zurücktransformieren.

    3. 03

      Die Schwellenüberschreitung nur als Screening berichten und HTMT, CFA und inhaltliche Evidenz für diskriminante Validität verlangen.

    10

    Zahlenbeispiel oder Anwendungsfall

    Berechnetes Beispiel — synthetische Daten oder deklarierte Parameter; keine realen Beobachtungen

    Versiegelte Eingaben

    • trust_satisfaction_correlation=0.94 [dimensionslos]
    • separation_threshold=0.85 [dimensionslos]
    • sample_size=30 [befragte Person]

    Reproduzierbare Ergebnisse

    • Fisher_CI95=[0.876591; 0.971327]
    • threshold_excess=0.09
    • screening_signal=true

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    11

    Validitätsannahmen

    • Sind die Beobachtungen unabhängig und für beide Scores gepaart?
    • Wurde die Screening-Schwelle vor Einsicht in die Korrelation festgelegt?
    • Werden Konstruktdefinitionen, Faktorstruktur und Messfehler getrennt untersucht?

    12

    Diagnostik und Unsicherheit

    Diagnostik und Unsicherheit

    Sind die Beobachtungen unabhängig und für beide Scores gepaart? · Wurde die Screening-Schwelle vor Einsicht in die Korrelation festgelegt? · Werden Konstruktdefinitionen, Faktorstruktur und Messfehler getrennt untersucht?

    Begrenzte Diagnose

    Nur Korrelations-Screening; weder HTMT noch CFA noch Beleg eines Mangels an diskriminanter Validität.

    Expliziter Unsicherheitsvertrag · quantified

    Methode: Deterministische Berechnung der Referenz-Engine auf dem versiegelten Eingabeausschnitt.

    Ziel: Stichprobenunsicherheit des beobachteten Korrelations-Screenings.

    Engine-Nachweis: metric.correlation_ci_lower= · metric.correlation_ci_upper=

    Interpretation: Das Fisher-Intervall quantifiziert nur Korrelationsunsicherheit; es ist kein HTMT- oder CFA-Validitätstest.

    Stoppen, wenn

    Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.

    13

    Ergebnisinterpretation

    • Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.
    • Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    14

    Vertretbare und unzulässige Schlussfolgerung

    Vertretbar

    Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.

    Unzulässig

    Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.

    15

    Mögliche Marketingentscheidung

    1. 01

      Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.

    2. 02

      Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    16

    Wann einsetzen — wann stoppen

    Einsetzen, wenn

    Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist.

    Befragte Person × Item × Messzeitpunkt

    Stoppen, wenn

    Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.

    Methodische Alternativen

    • HTMT mit Unsicherheitsintervall im deklarierten Messmodell schätzen.
    • Eingeschränkte und uneingeschränkte CFA-Spezifikationen vergleichen.
    • Konstruktdefinitionen und Iteminhalte überarbeiten, wenn die Überlappung theoretisch und nicht nur statistisch ist.

    17

    Reproduzierbarkeitsvertrag

    Python und R sind die ausführbaren Referenzen. SPSS und SAS bleiben Sekundärsyntax, bis sie mit denselben Daten, derselben Spezifikation und denselben Diagnosen geprüft sind.

    Die Engine wählt ausschließlich Slice und expliziten Zweig dieser Seite. Hash, Ausgaben und Diagnosen bleiben im atomaren Dossier versiegelt; ein generischer Fallback-Zweig ist unzulässig.

    Slice-Fingerabdruck: 6c4226a9ac9e8b9a7864d300b0ae6ac50507c3be5d2f56f712a48803584bdb32

    Verfügbare Ressource · MSC-007

    Synthetische Validitätsantworten

    Formales Modell

    z_r = atanh(r); CI_r = tanh(z_r ± 1.959964 / sqrt(n − 3))

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    18

    Erwartetes Endergebnis

    1. 01

      Wie validiert man eine Marketing-Messskala? — Befragte Person × Item × Messzeitpunkt

    2. 02

      r · n · z_r · CI_r

    3. 03

      z_r = atanh(r); CI_r = tanh(z_r ± 1.959964 / sqrt(n − 3))

    4. 04

      Sind die Beobachtungen unabhängig und für beide Scores gepaart? · Wurde die Screening-Schwelle vor Einsicht in die Korrelation festgelegt? · Werden Konstruktdefinitionen, Faktorstruktur und Messfehler getrennt untersucht?

    5. 05

      Entscheiden, ob ein zusammengesetzter Score für einen definierten Zweck und eine Population interpretierbar ist. / Eine Skala als universell valide erklären, weil Alpha über 0,70 liegt.

    19

    Wissenschaftliche Quellen und Evidenzstatus

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    1. MSC-P008-C01 — Tau-Äquivalenz lässt sich im deklarierten Einfaktormodell als gleiche Faktorladungen ausdrücken.
    2. MSC-P008-C02 — Die gezeigte Omega-Formel verwendet Faktorladungen und Fehlervarianzen der Items.
    3. MSC-P008-C03 — Alpha als Reliabilität zu lesen hängt von expliziten Modellannahmen ab.
    4. MSC-P008-C04 — HTMT ist eine explizite Diagnose diskriminanter Validität.
    5. MSC-P008-C05 — Das vorgeschlagene Kriterium wird durch Simulation bewertet.
    6. MSC-P008-C06 — HTMT wird mit etablierten Prüfungen diskriminanter Validität verglichen.
    1. Trizano-Hermosilla & Alvarado, 2016
    2. Edwards, Joyner & Schatschneider, 2021
    3. Henseler, Ringle & Sarstedt, 2015

    Datensatz · Werkzeug

    Datensatz · MSC-007Synthetische Validitätsantworten→

    Methodische Verbindungen

    Übergeordnetes GebietMesswissenschaft: valide Indikatoren entwickelnErfordertWie wird eine Messskala entwickelt und validiert?ValidiertAlpha oder Omega: Wie wird die Reliabilität einer Skala beurteilt?

    Als Nächstes

    MSC-H-005Messwissenschaft: valide Indikatoren entwickeln→MSC-P-005Wie misst man ein nicht direkt beobachtbares Marketingkonstrukt?→MSC-P-006Wie wird eine Messskala entwickelt und validiert?→MSC-P-007Alpha oder Omega: Wie wird die Reliabilität einer Skala beurteilt?→