< Zurück   INHALT   Weiter >

5.4.5 Kreuze in der Skalenmitte

Wie jede Skala mit einer ungeraden Anzahl von Items muss sich die verwendete 7er Skala der Vermutung aussetzen lassen, dass es eine Tendenz gibt, in der Mitte der Skala (hier 4) anzukreuzen, wenn der Befragte keine klare Meinung zu einer Frage hat. Daher wurden alle Items überprüft, ob es Häufungen in der Skalenmitte gibt. Allgemein werden mehr als 2/3 der Kreuze in der Skalenmitte als kritisch angesehen. Über alle Items gibt es Keines, das auch nur annähernd 30% der Antworten auf die Mitte vereint. Dies ist ein hervorragender Wert.

5.4.6 Mittelwerte

Sind die Mittelwerte weit von der Skalenmitte entfernt, deutet dies auf eine ungeeignete Verteilung hin und müsste kritisch betrachtet werden. Eine an den Rand der Skala verschobene Verteilung hat beispielsweise geringe Möglichkeiten eine hohe Varianz zu erzeugen. Da eine Faktoranalyse von dieser profitiert, ist ein extremer Mittelwert, wenn möglich, zu vermeiden.

Dabei gelten Werte unter 2.5 oder über 5.5 bei einer 7er Skala als auffällig. Die trifft im vorliegenden Fall auf keines der Items zu. Alle Mittelwerte liegen im Bereich von 3,01 bis 5,50. Die selektierten 85 Items entsprechen demnach alle dem Kriterium.

5.4.7 Standardabweichungen

Die Standardabweichungen liegen bei allen Items zwischen 1,31 und 1,85 und sind damit ordentlich. Eine hohe Streuung ist Grundvoraussetzung, damit überhaupt Zusammenhänge zwischen den einzelnen Dimensionen der Innovation gefunden werden können. Items mit hoher Streuung erlauben eine stärkere Differenzierung zwischen den Befragten und den dahinter stehenden Unternehmen.

5.4.8 Schlussfolgerungen aus den Itemkennwerten

Verglichen mit ähnlichen explorativen Analysen (vgl. Becker, 2005) wurden mindestens ebenso hohe Selektionskriterien an die Itembasis angelegt, an vielen Stellen sogar höhere. Schlussendlich hätten alle 146 Items für die folgende Faktoranalyse genutzt werden können. Lediglich 13 der gefilterten Items waren in mehr als einer Dimension außerhalb der definierten Werte, keines in mehr als zwei. Damit hat die Datenbasis an sich eine hohe statistische Qualität.

Dennoch wurde entschieden, die oben genannten hohen Maßstäbe an Itemkennwert (fehlende Werte, Kurtosis und Schiefe, Kreuze in der Skalenmitte, Mittelwerte, Standardabweichungen) und Zusammenspiel (Korrelationen, Measure of Sample Adequacy) anzusetzen und so die Ergebnisse der folgenden Faktoranalyse zu optimieren. Die 85 selektieren Items entsprechen in allen Dimensionen dem Optimum, das die Literatur für Faktoranalysen empfiehlt. Nach der Bereinigung von Items auf Basis der Itemkennwerte wurde nun die Datenqualität verbessert.

 
< Zurück   INHALT   Weiter >