zum Download

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