
Nun zu meinem Problem: Ich habe eine Befragung mit 80 Teilnehmern durchgeführt und möchte die Auswirkungen von Zufriedenheit mit einer Marke und Vertrauén in eine Marke auf die Kundenbindung messen. (je größer, desto...)
Dazu habe ich mit Hilfe von mehreren Items anhand von endpunktbenannten 5er Skalen (stimme überhaupt nicht zu - stimme voll und ganz zu) die Zufriedenheit, das Vertrauen und die Kundenbindung "erfragt".
Ich codiere nun die einzelnen Antworten (von 1 = stimme überhaupt nicht zu bis 5 = stimme voll und ganz zu). Addiere z.B. die Ergebnisse der Items der Zufriedenheit und teile durch die Anzahl der Items. So bekomme ich für jeden Befragten die Zufriedenheit, Vertrauen und Kundenbindung.
Es handelt sich ja bei den Daten um ordinal skalierte Daten - d. h. die multiple lineare Regressionsanalyse kann ich nicht verwenden. Ich muss dazu sagen, dass ich auch nicht "annehmen" möchte, dass die Daten intervallskaliert sind (wie es in vielen Beiträgen hier vorgeschlagen worden ist).
Welche Möglichkeiten habe ich um einen Zusammenhang zwischen Zufriedenheit und Kundenbindung und Vertrauen und Kundenbindung nachzuweisen?
Mein erster Schritt wäre: Korrelationskoeffizientmatrix (Kendalls Tau oder Spearman)
Mein zweiter Schritt? (Ich dachte an logisitsche Regression? Oder gibt es andere Möglichkeiten Untersuchungshypothesen meiner Masterarbeit zu überprüfen? Beispielshypothese a la "Je größer die Zufriedenheit, desto größer die Markenbindung") Weil, wenn ich die logitische Regression durchführe, muss ich ja "Intervalle" (abhängige Variable: Kundenbindung) festlegen. Wenn ich nur 5 Werte hätte, wär das ja kein Problem. Dadurch, dass ich allerdings die einzelnen Items summiere und dann durch die Itemanzahl dividiere, kommen bis zu 20 unterschiedliche "Gruppen" (5; 4,75; 4,5; 4; ... ) heraus...?!
Bittttöööööö helft mirr!
Vielen, vielen Dank schonmal für eure Hilfe!!!

Grüße
Johann