Hintergrund: Grundsätzlich sollte man davon ausgehen, dass wenn Standortentscheidungen anstehen, diese rein rational getroffen werden: jene Standorte/Städte, die grundsätzlich in Frage kommen, werden anhand ihrer Standorteigenschaften bewertet. Typischerweise sind dies v.a. die Marktlage, Verfügbarkeit und Qualität der Zulieferer, die Kostensituation... Also jene Eigenschaften die direkten Einfluss auf den Unternehmensgewinn haben (sog. "harte Standortfaktoren").
Bisherige Untersuchungen über das Standortverhalten der Medienwirtschat deuten allerdings darauf hin, dass auch das Image des Standortes einen Einfluss auf die Standorteintscheidung haben könnte. Dies war der Ausgangspunkt für die Formulierung der Forschungsfrage. Es sollte der Nachweis erbracht werden, dass das Image einer Stadt die Standortwahl mitbestimmt.

Image: Das Problem an der Sache ist allerdings, dass sich die Wissenschaft nicht gerade einig ist, ob Image überhaupt existiert und wenn ja, was Image genau ist. Tendenziell geht man in der sozialwissenschaftlichen Forschung wieder vom Imagebegriff weg, stärker zurück zum Einstellungsbegriff. Grund hierfür ist v.a., dass Image weitaus schwerer und ungenauer zu messen ist als die Einstellung. Auch die zunehmende undifferenzierte Verwendung im praktischen Marketing führt dazu, dass der Imagebegriff ein zunehmend "schlechtes Image" bekommt.
Dennoch gibt es gute Gründe am Imagebegriff festzuhalten:
-Image betont die Ganzheit des Imageobjekts ("Das Ganze ist mehr als die Summe seiner Teile")
-Image betont die emotionale Komponente des Imageobjekts. ("Manche Städte mag man einfach nicht, ohne erklären zu können warum")
-Image betont das Phänomen, dass oftmals einige wenige Eigenschaften eines Imageobjekts extrem "überzeichnet" werden. ("Deutsche sind fleißig, Österreicher sind gesellig")
All dies würde durch eine reine Verwendung des Einstellungsbegriffs tendenziell vernachlässigt werden.

Messung: Das Image der Städte Berlin und Wien wurde in dieser Arbeit auf dreierlei Weise gemessen (vgl. auch im Fragebogen). Zum Einen wurden der Aufkunftsperson bestimmte Standorteigenschaften vorgegeben, mit der Bitte diese zu bewerten und anzugeben, inwieweit sie auf die Stadt Berlin, bzw. Wien zutreffen. ("Fishbein-Modell"). Bewusst wurden hierzu "schwammige" Eigenschaften, wie "Dynamik" oder "Muss mich einfach wohlfühlen" vorgegeben. Zum Anderen wurde die Auskunftsperson gebeten, sich innere Bilder, Vorstellungen und Erwartungen vom "Leben und Arbeiten" in Berlin, bzw. Wien zu machen. Gemessen wurden diese Bilder und Vorstellung dann mittels Imagerydifferential (vgl. das Beispiel auf der vorherigen Site).
Ausgewertet wurden diese beiden Teilaspekte des Images dann mittels Lisrel-Kausalanalyse. Hierbei handelt es sich um ein statistisches Verfahren, das im Rahmen eines Mehrgleichungssystem auf regressionsanalytischer Weise die Beziehungen zwischen direkt beobachtbaren Größen (Antworten der Auskunftspersonen) und nicht-direkt beobachtbaren Größen (z.B. Image) ermitteln kann.

Das folgende Kausalmodell zeigt den Computerausdruck dieser Auswertung. Die ovalen Felder stellen dabei die nicht-direkt messbaren Größen dar, von denen nur vermutet werden kann, dass sie wirklich existieren. Dies sind die Einstellung (E), das Image (I) und das Standortverhalten (V).
Die Einstellung wurde dabei durch zwei Größen gemessen: zum Einen durch die harten Standortfaktoren (SF_hart), zum Anderen durch die Variable SF_weich, die die weichen Standortfaktoren, Klischees und schwammigen Eigenschaften der Einstellungsmessung enthält. (Somit handelt es sich bei der Variablen E zum großen Teil auch um Image. Die Trennung zwischen E und I bezieht sich hier auf die Art der Messung: E beinhaltet einzelne Eigenschaften, die getrennt beurteilt wurden, während sich die Variable I als Ganzes auf die Stadt Berlin, bzw. Wien bezieht).
Das Image i.e.S. wurde dann durch die einzelnen Dimensionen des Imagerydifferentials ermittelt. Dies waren die "Bewertung", die "Neuartigkeit", die "Komplexität", die "Vividnes" und die "Intensität" (vgl. das Beispiel auf der vorherigen site). Die Variable V (Standortverhalten) wurde dabei durch die Bereitschaft (falls einmal Standortentscheidungen anstehen sollten) eine Standortverlagerung nach Berlin bzw. Wien durchzuführen gemessen (Attrakt). Um das Modell lösbar zu machen, wurde angenommen, dass das Verhalten komplett durch die gemessene Variable "Attrakt" abgebildet wurde (Beziehung zwischen beiden Größen ist 1) und das "Attrakt" ohne Messfehler erhoben wurde (Messfehler auf 0 gesetzt).

Je näher die Werte auf den Pfeilen an 1 sind, desto höher ist die Beziehung zwischen den Variablen. Es zeigt sich also, dass das Image einen erheblichen Einfluss auf das Verhalten hat. Einerseits gemessen mittels Einstellungsmodell (siehe den Einfluss von SF_weich an E), andererseits gemessen mittels Imagerydifferentials. Bis auf die Dimension Intensität stimmen auch die Vorzeichen des Imagerydiffentials überein: Je höher die Bewertung, die Neuartigkeit, die Komplexität und die Vividness, desto höher ist das Image und desto attraktiver wird Berlin, bzw. Wien als Standort angesehen.

Drittens wurde das Image im Rahmen des sog. "Country-of-Origin-Effekts" gemessen. Der Country-of-Origin-Effekt bedeutet, dass Medienunternehmen vom Ruf ihrer Stadt als bedeutender Medienstandort profitieren, z.B. in Form von mehr Aufträgen. Hierbei wird das Image also selber zum Standortfaktor. Der folgende Chart zeigt die Antwortergebnisse auf die Frage "Glauben Sie das Medienunternehmen vom Image ihres Standortes profitieren, z.B. in Form von mehr Aufträgen?":

Der Großteil der Befragten würde also der Aussage zustimmen. Somit kann davon ausgegangen werden, das auch das Image im Rahmen des "Country-of-Origin-Effekts" einen Einfluss auf das Standortverhalten hat.