Der Einfluss einer Sparnotwendigkeit auf das Käuferverhalten

Empirische Analyse 167
Dies hat zur Folge, dass beide Haupteffekte inhaltlich nicht interpretierbar sind
(Bortz/Schuster 2010, S. 245).
Um eine Varianzanalyse durchführen zu können, müssen verschiedene Vorrausetzungen
erfüllt sein. Die unabhängigen Variablen müssen nominal oder ordinal skaliert
sein. Dies ist im vorliegenden Fall gegeben (Sparstimulus; kein Sparstimulus;
Lebensmittel; Bekleidung). Die abhängigen Variablen müssen intervallskaliert sein.
Dies ergibt sich aus dem Grundprinzip der Varianzanalyse, wonach für die Quadratsummen
jeweils der Gruppenmittelwert notwendig ist (Kuckartz 2010, S. 180). Darüber
hinaus müssen die abhängigen Variablen normalverteilt sein. Dies kann mit
Hilfe des Kalmogorov-Smirnov-Tests überprüft werden. Dieser Test zeigt schon bei
geringen Abweichungen von einer perfekten Normalverteilung an, dass die Variable
nicht normalverteilt ist, vor allem wenn die Daten nur auf einer positiven Skala vorliegen
(Brosius 2008, S: 356).
Des Weiteren müssen die Residualvarianzen in der Stichprobe in allen (hier vier) Zellen
gleich sein. Mit anderen Worten bedeutet dies, dass sich die Varianzen in den
einzelnen Faktorenstufen nicht signifikant voneinander unterscheiden dürfen. Dies ist
deshalb wichtig, da bei der Berechnung der Fehlervarianz die Abweichungen der
einzelnen Werte vom Mittelwert der Gruppe eingehen. Zur Überprüfung der Varianzhomogenität
dient der Levene-Test (Kuckartz 2010, S. 180). Der F-Test der Varianzanalyse
ist jedoch relativ robust in Bezug auf Abweichungen dieser Voraussetzungen.
Dies bedeutet, dass auch bei keiner perfekten Normalverteilung oder einer
Varianzheterogenität der F-Test gute Ergebnisse liefert. Sofern die Stichprobe ausreichend
gross ist und die einzelnen Zellen die gleiche Stichprobengrösse haben,
sind die Ergebnisse mit der Varianzanalyse interpretierbar (Field 2009, S. 359f.). Eine
weitere Voraussetzung für die Varianzanalyse ist die Unabhängigkeit der
Messwerte in den einzelnen Szenarien. Über die randomisierte Zuteilung der Probanden
auf die einzelnen Gruppen ist auch diese Voraussetzung im vorliegenden
Experiment erfüllt (Rasch et al. 2010, S. 92).
Die Datenanalyse wird mit dem Statistikprogramm PASW Statistics 18.0 (ehemals
SPSS) durchgeführt. In der nachfolgenden Abbildung werden die verwendeten Symbole
und deren Bedeutung dargestellt. Ergebnisse gelten bei einer Irrtumswahrscheinlichkeit
von p�0.05 als signifikant. Bedingt signifikant sind Ergebnisse mit p�
0,10 (Bortz/Schuster 2010, S. 61).