Empirische Studie 69
__________________________________________________________________________
al., 1998). Die Selbstbeurteilungsversion hat eine gute interne Konsistenz (Cronbach
Alpha .86) und korreliert signifikant mit anderen Messinstrumenten zur Erfassung der
Angst (Bandelow, 2000).
Aus diesen drei Fragebogenmaßen wurde bei der Berechnung des Pfadana-
lysemodells die latente Variable „Therapieergebnis“ gebildet. Zur Bestimmung des
Therapieergebnisses wurden die Differenzen aus Post-Messung und dem jeweils
ersten Messzeitpunkt gebildet.
Statistische Datenanalyse
Die statistischen Analysen wurden mit den Softwareprogrammen SPSS 19 (SPSS
Inc., Chicago, IL, USA) und SmartPLS (Ringle, et al., 2006) durchgeführt. Die „Partial
Least Squares“ (PLS) Pfadanalyse ist ein statistisches Verfahren zur Schätzung von
Kausalmodellen. Dabei wird versucht, die tatsächlichen Fallwerte für ein Kausal-
modell mit Hilfe der Least-Squares-Schätzung genau zu prognostizieren. Durch die
Verknüpfung hypothetischer Konstrukte mit direkt messbaren Größen, die als deren
Indikatoren bezeichnet werden, können latente Variablen gebildet werden. PLS kann
dann Kausalketten zwischen diesen latenten Variablen überprüfen, was wiederum
Rückschlüsse auf Zusammenhänge mit den entsprechenden Indikatoren erlaubt.
Nachdem Schätzwerte für die latenten Variablen feststehen, erfolgt die Bestimmung
der Faktorladungen und Pfadkoeffizienten mittels der Kleinste-Quadrate-Regression.
Danach werden Mittelwerte und Parameter der Regressionsfunktionen geschätzt.
Das Partial-Least-Squares-Verfahren wurde der Kovarianzstrukturanalyse vorge-
zogen, da aufgrund der partiellen Schätzung einzelner Elemente des Kausalmodells
weniger empirisch erhobene Fälle benötigt werden (Chin & Newsted, 1999). Eine
Limitierung von PLS ist jedoch, dass die anhand dieser Analysen getroffenen
Aussagen nur auf die hier aufgestellten Kausalmodelle bezogen werden dürfen,
wodurch die Generalisierbarkeit der Ergebnisse eingeschränkt ist.
Comentarios a estos manuales