Common Method Bias (CMB / CMV)
Common method bias (CMB), auch common method variance genannt, ist künstliche Kovarianz, die entsteht, wenn dieselben Befragten alle Ihre Fragen mit derselben Methode zur selben Zeit beantworten. Sie kann die Korrelationen zwischen Konstrukten aufblähen oder abschwächen. Harmans single-factor-Test zeigt ein Problem an, wenn ein Faktor 50% oder mehr der Varianz erklärt, doch der Test ist schwach und sollte nicht Ihr einziger Beleg sein. Stärkere Prüfungen modellieren die Methodenvarianz direkt: ein common latent factor (ULMC) oder, besser, eine gemessene marker variable.
Diese Seite ist eine Übersetzung des geprüften englischen Originals. Original ansehen (EN)
common method biasWas es ist
Common method bias (CMB), oder common method variance, ist die künstliche Kovarianz, die entstehen kann, wenn dieselben Befragten all Ihre Fragen mit derselben Methode zur selben Zeit beantworten. Sie kann Korrelationen zwischen Konstrukten aufblähen oder verringern und die Validität Ihrer Schlüsse gefährden. Sie schützen sich zuerst durch das Design — verschiedene Skalen, Anker, Quellen und Zeitpunkte — und prüfen dann statistisch darauf. Harmans single-factor-Test ist der meistzitierte Screen, aber der schwächste: Er erkennt Bias selten und sollte nicht als Beweis behandelt werden. Stärkere Optionen modellieren die Methodenvarianz direkt — ein ungemessenes latentes Methodenkonstrukt (der common latent factor / ULMC-Ansatz) oder, am besten, eine gemessene marker-Variable, die theoretisch nichts mit Ihren Konstrukten zu tun hat (Podsakoff et al., 2003; 2024).
Wann man es verwendet
- Alle Ihre Daten stammen von denselben Befragten aus einer einzigen self-report-Umfrage.
- Prädiktor und Ergebnis werden mit derselben Methode zur selben Zeit gemessen.
- Ein Gutachter hat Sie gebeten, common method bias zu behandeln.
- Sie wollen statistische Belege, um prozedurale Maßnahmen zu ergänzen.
Wann man es nicht verwendet
- Prädiktor und Ergebnis stammen aus verschiedenen Quellen oder Zeitpunkten — das Risiko ist durch das Design bereits gering.
- Sie haben nur objektive oder verhaltensbezogene Maße statt self-report.
Annahmen
- Ein self-report-Datensatz, bei dem Methodenvarianz plausibel ist.
- Genug Indikatoren, um ein Messmodell zu schätzen (für den CLF-Ansatz).
- Prozedurale Maßnahmen wurden zuerst bedacht — statistische Screens sind eine Ergänzung, keine Heilung.
Schwellenwerte & Grenzwerte
| Criterion | Rule of thumb | Source |
|---|---|---|
| Harmans single factor | Ein einzelner Faktor, der < 50% der Varianz erklärt, ist beruhigend, doch der Test ist schwach — verlassen Sie sich nicht allein darauf | Podsakoff et al. (2003; 2024) |
| Common latent factor (CLF / ULMC) | Vergleichen Sie die Ladungen mit vs. ohne einen ungemessenen latenten Methodenfaktor; große Verschiebungen signalisieren Bias | Podsakoff et al. (2003; https://doi.org/10.1037/0021-9010.88.5.879) |
| Marker-Variablen-Technik | Nutzen Sie einen theoretisch unverbundenen marker, um die Methodenvarianz herauszupartialisieren (die bevorzugte statistische Kontrolle) | Lindell & Whitney (2001); Podsakoff et al. (2024) |
Wie man es in APA berichtet
Common method bias wurde zuerst mit Harmans single-factor-Test als vorläufige Prüfung beurteilt; der erste Faktor erklärte XX% der Varianz, unter der 50%-Schwelle. Da dieser Test nicht eindeutig ist, wurde dem Messmodell anschließend ein common latent factor hinzugefügt, und die standardisierten Ladungen verschoben sich um weniger als .XX, was darauf hindeutet, dass common method bias die Ergebnisse wahrscheinlich nicht gefährdet (Podsakoff et al., 2003).
Wie Explonia es berechnet
Explonia prüft auf common method bias im Browser auf den Daten, die Sie erheben oder hochladen. Es führt Harmans single-factor-Test aus und berichtet die vom ersten Faktor erklärte Varianz, und es kann Ihrem Messmodell einen common latent factor hinzufügen, um die Ladungen mit und ohne ihn zu vergleichen. Die Ergebnisse entwerfen eine APA-„Article description”, die Sie prüfen und bearbeiten können. Da CFA, Reliabilität und HTMT daneben liegen, können Sie Belege zu Validität und Methoden-Bias zusammen präsentieren. Export nach SPSS (.sav) und R ist in den bezahlten Tarifen verfügbar.
Häufig gestellte Fragen
Reicht Harmans single-factor-Test für common method bias?
Nein. Harmans single-factor-Test gilt weithin als unzureichend — er hat geringe Power, Bias zu erkennen, und ist bestenfalls ein Minimum, kein Beweis. Kombinieren Sie ihn mit prozeduralen Maßnahmen und einer stärkeren statistischen Kontrolle wie dem common latent factor (ULMC) oder, vorzugsweise, einer gemessenen marker-Variable (Podsakoff et al., 2003; 2024).
Was macht der common-latent-factor-Ansatz (CLF)?
Er fügt einen latenten Faktor hinzu, der mit jedem Indikator verbunden ist, und vergleicht die Ladungen mit und ohne ihn. Kleine Änderungen deuten darauf hin, dass der Methoden-Bias begrenzt ist; große Änderungen deuten auf ein Problem hin.
Wie verhindere ich common method bias vor der Analyse?
Das Design hilft am meisten: Trennen Sie Prädiktor und Ergebnis nach Quelle oder Zeit, variieren Sie die Skalenanker, schützen Sie die Anonymität und formulieren Sie Items klar. Statistische Screens kommen nach diesen prozeduralen Maßnahmen.
Wie viel Varianz aus einem Faktor ist zu viel?
Bei Harmans Test ist ein einzelner Faktor, der 50% oder mehr der Varianz erklärt, das übliche Warnzeichen (Podsakoff et al., 2003). Darunter ist beruhigend, aber für sich allein nicht eindeutig.
Last updated: September 2026
Führen Sie CMB mit Ihren eigenen Daten durch
Sammeln oder laden Sie Ihre Daten hoch, führen Sie die Analyse in Ihrem Browser durch und erhalten Sie einen APA-Absatzentwurf, den Sie bearbeiten können. Kostenlos starten. Keine Kreditkarte.
Kostenlos starten