Common Method Bias

Was versteht man unter Common Method Bias?

Common Method Bias (CMB), auch als Common Method Variance (CMV) bezeichnet, beschreibt eine systematische Verzerrung von Messergebnissen, die nicht aus den tatsächlichen Beziehungen zwischen den untersuchten Konstrukten stammt, sondern aus der Messmethode selbst. Das heißt: Wenn Prädiktor- und Kriteriumsvariablen mit derselben Methode, von denselben Personen, zum selben Zeitpunkt und im selben Kontext erhoben werden, kann ein Teil der beobachteten Zusammenhänge auf diese gemeinsame Messmethode zurückzuführen sein – und nicht auf echte inhaltliche Beziehungen.

Besonders häufig tritt CMB in Fragebogenstudien auf, bei denen Teilnehmende selbst sowohl unabhängige als auch abhängige Variablen einschätzen (Single-Source Self-Report Design). Typische Quellen des Common Method Bias sind:

• Soziale Erwünschtheit: Befragte antworten so, wie sie es für gesellschaftlich akzeptabel halten.
• Akquieszenz: Tendenz, unabhängig vom Inhalt zuzustimmen.
• Halo-Effekt: Eine positiv oder negativ wahrgenommene Eigenschaft färbt auf andere Urteile ab.
• Konsistenz-Motiv: Befragte passen ihre Antworten aneinander an, um widerspruchsfrei zu wirken.
• Salienz des Fragebogens: Reihenfolge oder Formulierung der Items beeinflusst spätere Antworten.

Warum ist Common Method Bias für statistische Analysen wichtig?

CMB ist für empirische Forschung aus mehreren Gründen ein ernstzunehmendes Problem:

Verzerrte Korrelationen und Regressionskoeffizienten: CMB kann Zusammenhänge zwischen Variablen künstlich aufblähen (Inflation) oder in selteneren Fällen auch abschwächen (Deflation). Das führt zu falschen Schlussfolgerungen über kausale Beziehungen – ein besonders kritisches Problem in der Organisations-, Sozial- und Gesundheitspsychologie, wo Self-Report-Daten dominieren.

Gefährdung der Konstruktvalidität: Wenn ein Teil der Varianz in den Daten auf die Methode zurückgeht, ist unklar, ob tatsächlich das gemessen wird, was gemessen werden soll.

Zur Erkennung von CMB werden verschiedene Tests eingesetzt. Der bekannteste ist der Harman’s Single-Factor Test: Alle Items werden in einer explorativen Faktorenanalyse auf einen gemeinsamen Faktor geladen. Erklärt dieser Faktor mehr als 50 % der Gesamtvarianz, gilt CMB als potenzielles Problem. Dieser Test gilt jedoch als wenig aussagekräftig und wird heute zunehmend kritisch gesehen.

Modernere Ansätze umfassen das Common Latent Factor (CLF)-Verfahren in konfirmatorischen Faktorenanalysen (CFA) oder das Marker-Variable-Verfahren, bei dem eine theoretisch irrelevante Variable als Indikator für methodenbedingte Varianz in das Modell aufgenommen wird.

Praxisbeispiel zu Common Method Bias

Eine Masterarbeit untersucht den Zusammenhang zwischen Arbeitsbelastung und Arbeitszufriedenheit bei Lehrkräften. Beide Variablen werden über einen Online-Fragebogen erhoben, den dieselben Lehrkräfte zum selben Zeitpunkt ausfüllen.

Die Ergebnisse zeigen eine starke negative Korrelation: Je höher die Arbeitsbelastung, desto niedriger die Zufriedenheit (r = −0,62, p < 0,001). Doch ist dieser Zusammenhang wirklich so stark – oder wird er durch CMB verstärkt?

Mögliche Erklärung durch CMB: Lehrkräfte, die zum Befragungszeitpunkt generell erschöpft oder frustriert sind, bewerten sowohl ihre Belastung als hoch als auch ihre Zufriedenheit als niedrig. Dieser gemeinsame Stimmungseffekt erzeugt eine zusätzliche Korrelation, die nichts mit dem tatsächlichen Zusammenhang der beiden Konstrukte zu tun hat.

In der Praxis ist es nicht immer möglich, alle Maßnahmen umzusetzen. Wichtig ist jedoch, CMB im Methodenteil der Arbeit zu diskutieren, geeignete Tests durchzuführen und die Grenzen der eigenen Studie transparent zu benennen.