zum Download
zum Download
zum Download
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5 MULTIVARIATE AUSWERTUNG<br />
In den vorangegangenen Kapiteln wurde eine umfangreiche uni- und bivariate Auswertung des<br />
Datenmaterials vorgenommen. In diesem Kapitel wird nun eine multivariate Vorgehensweise gewählt.<br />
Diese hat das Ziel, Haupteinflussdimensionen der KundInnenzufriedenheit zu identifizieren. Hierfür<br />
wird erstens eine Faktorenanalyse zur Dimensionsreduktion der Variablen durchgeführt. Zweitens<br />
werden die gefundenen Faktoren mittels einer multiplen Regression auf die allgemeine<br />
Zufriedenheitsfrage regressiert.<br />
Generell sind die meisten erhobenen Daten ordinalskaliert. Wir sind uns bewusst, dass für einige<br />
statistische Verfahren die Meinung strittig ist, ob ordinalskalierte Daten verwendet werden dürfen. Wir<br />
halten uns bei dieser Diskussion an Bortz (Bortz 1984 vgl.S.124f), der die Kontroverse zwischen<br />
„Puristen“, die davon ausgehen, dass Rating-Skalen nicht intervallskaliert sind, und „Pragmatikern“,<br />
die der Meinung sind, dass der Unterschied zwischen intervallskalierten und ordinalskalierten Daten bei<br />
Ranking-Skalen nicht groß ist und die Verwendung daher vertretbar ist, beschreibt. Wir folgen bei<br />
unserer Vorgehensweise den „Pragmatikern“ und gehen davon aus, dass unsere Daten hinreichend<br />
intervallskaliert sind. Die Daten werden daher im Weiteren wie metrisch skalierte Variable behandelt.<br />
Die Faktorenanalyse setzt selbst keine Annahmen bezüglich der Verteilungsform der Daten (Backhaus<br />
et.al. 2008 S.333). Trotzdem sollte eine Normalverteilung oder <strong>zum</strong>indest eine Gleichartigkeit der<br />
Verteilungen der Daten gegeben sein, da eine Korrelationsmatrix die Ausgangsbasis darstellt. Diese<br />
wird der gängigen Berechnung nach Pearson folgend auf Basis von Mittelwerten berechnet. Die Items<br />
im vorhandenen Datensatz sind zwar nicht normal verteilt jedoch gleichförmig verteilt und eignen sich<br />
daher für eine Faktorenanalyse.<br />
5.1 FAKTORENANALYSE<br />
Mit Hilfe der hier durchgeführten Faktorenanalyse (Hauptkomponentenanalyse) soll die große Zahl der<br />
Variablen auf eine kleinere Zahl von unabhängigen Faktoren reduziert werden. Die errechneten<br />
Faktorwerte werden als neue Variable gespeichert und danach für eine Regressionsanalyse verwendet.<br />
Zunächst wurden aus sachlogischen Gründen alle 16 Variable zur Bewertung der Zufriedenheit in die<br />
Analyse einbezogen. In weiteren Modellen wurden allerdings die Variable „Eine verantwortliche<br />
Ansprechperson ist vorhanden“, wie schon 2007 aus der Faktorenanalyse herausgenommen, da keine<br />
eindeutige Zuordnung zu einem Faktor gegeben war. Sichtlich wird das Vorhandensein einer<br />
verantwortlichen Ansprechperson einerseits strukturellen Rahmenbedingungen zugeordnet,<br />
andererseits aber auch dem Verhalten bzw. Kompetenz der jeweiligen Pflegeperson vor Ort<br />
zugesprochen. Die jeweilige Pflegeperson wir dieser Interpretation zufolge selbst als verantwortliche<br />
Ansprechperson erlebt. Weiters wurde diesmal die Variable „gute persönliche Beziehung“ im letztlich<br />
berücksichtigten Modell nicht mehr verwendet, da sie auf beide Faktoren relativ gleich hoch läd und<br />
somit keine eindeutige Zuordnung gegeben ist. Sichtlich wird im Vergleich zur letzten Erhebung die<br />
gute persönliche Beziehung nicht mehr nur ausschließlich als durch die betreuende/n Person/en<br />
bedingt gesehen. Die Rahmenbedingungen, die vielleicht eine gute Beziehung ermöglichen können<br />
oder eben vielleicht auch verhindern, treten hier etwas stärker in den Vordergrund als früher. Als<br />
dritte Variable wurde diesmal „Pünktlichkeit“ herausgenommen, das sie ebenfalls, wie die Variable<br />
„Eine verantwortliche Ansprechperson ist vorhanden“ bei keinem der beiden Faktoren hoch läd. Es<br />
scheint wiederum so zu sein, dass Pünktlichkeit nicht eindeutig den betreuenden Personen oder den<br />
Rahmenbedingungen zugeordnet werden kann, was letztlich vermutlich auch der Realität entspricht.<br />
Weiters wurde, wie aus den vorangegangenen Studien bekannt, die Variable „Zufriedenheit mit der<br />
Pflege und Betreuung“ von Beginn an nicht berücksichtigt, da diese als zu erklärende Dimension in der<br />
multiplen Regression verwendet wird. Im endgültigen Modell verblieben somit 13 Variable.<br />
Das vorhandene Datenmaterial eignete sich auch diesmal gemäß dem Kaiser-Meyer-Olkin Kriterium<br />
und der Anti-Image Korrelations- bzw. Kovarianzmatrix für eine Faktorenanalytische Betrachtung. Das<br />
50