Marktforschung 2 (VL) Flashcards
Definition von ?
- eine Untersuchung, mit der ein Ursache-Wirkungs-Verhältnis unter kontrollierten Bedingungen nachgewiesen werden soll
- Die Ursache(unabhängige Variable, uV) wird manipuliert und die Wirkung (abhängige Variable, aV) daraufhin gemessen
- Dabei muss die Veränderung der aV ausschließlich durch die uV verursacht sein, es müssen also möglichst alle Störvariablen kontrolliert oder konstant gehalten werden
Definition: Das Experiment
Beschreibe die Basis des Experiments:
Ursache(unabhängige Variable)
wird manipuliert
—Kausalhypothese—>
Wirkung (abhängige Variable)
wird gemessen
Folie 7
Das Experiment
Bedingungen für Kausalität: ??(3)
- Zusammenhang:
unabh. Variable und abh. V. variieren gemeinsam - Zeitliche Ordnung:
Erst u.V., dann a.V. - Kontrolle/Konstanz möglichst aller Störvariablen
Von was ist die Rede?
Experiment, in dem der Forscher eine Situation mit genau den Bedingungen schafft, die er haben möchte und in der er einige Variablen kontrolliert und andere verändert (intern valide)
Laborexperiment
Von was ist die Rede?
Untersuchung in einer realistischen Situation, in der eine oder mehrere Variablen vom Versuchsleiter manipuliert werden - so sorgfältig, wie es die Situation gestattet (extern valide)
Feldexperiment
Labor- vs. Feldexperiment
Beurteilung:
Zielkonflikt zwischen Interner Validität und Externer Validität
- Interne Validität: Gültigkeit der experimentellen Ergebnisse für die unterstellte Wirkungsbeziehung
- Externe Validität: Übertragbarkeit der experimentellen Ergenisse auf die reale Situation
Von was ist die Rede?
Sie haben einen Einfluss auf die abhängige Variable und es gibt zwei Arten dieser:
- …,die von der unabhängigen Variable unabh. sind
- …,die systematisch mit den Stufen einer unabh. Variablen variieren
Störvariablen
Definition Störvariablen
Störvariablen haben eine Einfluss auf die ?? Variable, es gibt 2 Arten:
- Störvariablen, die ??
- Störvariablen, die ??
Einfluss auf die aV (abh. Variable)
- Störvariablen, die von der uV unabhängig sind
- Störvariablen, die systematisch mit den Stufen einer uV variieren
Störvariablen
Kontrollieren: Integration in die Untersuchung
- Störvariablen können als aV oder als eigener Faktor in die Analyse integriert werden (zwei- oder mehrfaktorieller Versuchsplan)
WAHR/FALSCH?
Falsch
Statt aV —> uV!!!!!
Störvariablen
Ausschalten ihrer Wirkung
Wie?
- Neutralisieren personengebundener Störvariablen durch:
—> Randomisierung
—> Parallelisierung
—> Matching - Neutralisation durch Laborbedingungen
- Eliminieren
- Konstanthalten
Störvariablen
Ausschaltung ihrer Wirkung:
- Neutralisieren personengebundener Störvariablen durch ?? (3)
- Randomisierung:
—> zufälliges Verteilen der Versuchspersonen (VP) auf die Stichproben - Parallelisierung:
—> Zuweisen der VP auf die Gruppen, um Beeinflussung identisch zu halten - Matching:
—> extreme Parallelisierung: „Paare“ von VP werden auf beide Gruppen verteilt
Störvariablen
Ausschalten ihrer Wirkung
- Neutralisation durch Laborbedingungen: ?? (2)
- Eliminieren
—> z.B. Straßenlärm durch isolierte Räume eliminieren - Konstanthalten
—> z.B. jeder Proband hört die gleiche Hintergrundmusik
Von welchen Studien ist die Rede?
- Versuchspersonen werden per Zufall (randomisiert) in Gruppen eingeteilt
- durch Randomisierung werden bei genügender Gruppengröße personenbezogene Störvariablen neutralisiert
Experimentelle Studien
Von welchen Studien ist die Rede?
- Untersucht werden natürliche Gruppen
- werden Unterschiede in den Gruppen festgestellt, sind diese nicht eindeutig auf die unabh. Variable zurückzuführen
—> geringe interne Validität
Quasiexperimentelle Studien
Bewerte jeweils die Interne Validität, als auch die Externe Validität von:
- a) experimentelles Feldexperiment:
- b) quasiexperimentell Feldexpertiment:
- c) experimentelles Laborexperiment:
- d) quasiexperimentelles Laborexperiment:
- a) experimentelles Feldexperiment:
—> Interne Validität: +
—> Externe Validität: + - b) quasiexperimentell Feldexpertiment:
—> Interne Validität: -
—> Externe Validität: + - c) experimentelles Laborexperiment:
—> Interne Validität: +
—> Externe Validität: - - d) quasiexperimentelles Laborexperiment:
—> Interne Validität: -
—> Externe Validität: -
Experimentaldesigns: Vergleich von zwei oder mehr Gruppen
Zweigruppenplan mit Experimental- und Kontrollgruppe:
—> Beschreibe!
Bei einer Gruppe erfolgt ein experimenteller Eingriff,
d.h. eine unabhängige Variable wird manipuliert („Experimentalgruppe“), bei der zweiten Gruppe erfolgt kein Eingriff („Kontrollgruppe“).
Wenn sich daraufhin die beiden Gruppen in Bezug auf die abhängige Variable unterscheiden, ist die Wirkung der uV auf die aV besser belegt als mit nur einer Gruppe
Siehe auch Folie 11
Beispiel Feldexperiment: Store Test einer neuen Produktverpackung
Ausgangsbasis:
Unternehmen will seinen Absatz steigern und dafür das Verpackungsdesign eines Produkts verbessern.
Daher: Entwicklung einer neuen Verpackungsvariante.
Store-Test:
Produkt mit neuer Verpackung wird testweise in ausgewählten Läden zum Verkauf angeboten.
Geschlossene Hypothese
Das neue Verpackungsdesign bewirkt eine Steigerung des Absatzes im Vergleich zum alten.
Manipulation
Untersucher greift in den Entstehungsprozess der Daten ein, indem er bestimmt, in welchen Geschäften das Produkt mit welcher Verpackung angeboten wird.
Messung
Durch die Messung der Absatzmengen (aV) wird die experimentelle Wirkung der alternativen Verpackungsdesigns (uV) in den verschiedenen Geschäften bei verschiedenen Umfeldbedingungen (Kontroll-V) ermittelt
…
Von was ist die Rede?
Kriterium nach dem man Objekte klassifizieren/messen möchte (nicht direkt beobachtbar/messbar)
Konstrukt (Dimension, Fehler)
Konstruktbildung
In der empirischen Forschung wird oftmals mit Konstrukten (latenten Größen) gearbeitet, die sich einer einfach direkten Messung entziehen.
Wahr/Falsch?
Wahr
Konstruktbildung
—> Nenne und beschreibe die 3 Schritte
- Definition:
Schon für die Formulierung der Forschungsfrage sollten die zentralen Konstrukte definiert werden (präzise gefasst) - Konzeptualisierung:
Aus der Definition werden die Konstruktdimensionen abgeleitet - Operationalisierung:
Anschließend wird das Meßinstrument entwickelt, also die Indikatoren und deren Ausprägung festgelegt
Ziel der Konstruktbildung: ?
Übergeordnetes Ziel: ?
Ziel der Konstruktbildung:
Beziehungen zws. beobachtbaren, messbaren Variablen (Indikatoren) und dem interessierenden Konstrukt spezifizieren, um das Konstrukt „empirisch greifbar“, also messbar zu machen
Übergeordnetes Ziel:
wahrheitsgetreue Abbildung der Realität
Beziehungen zws. beobachtbaren, messbaren Variablen (Indikatoren) und dem interessierenden Konstrukt spezifizieren, um das Konstrukt „empirisch greifbar“, also messbar zu machen
Ziel der ??
Ziel der Konstruktbildung
Übergeordnetes Ziel:
—> wahrheitsgetreue Abbildung der Realität
Beispiel für ein mehrdimensionales Konstrukt:
—> am Konstrukt: Kundennähe
—> Dimensioinen, Faktoren, Indikatoren
—> Folie 16 ansehen
…
Die Ausprägung des Merkmals sind eindeutige Kategorien.
Es ist lediglich bestimmbar, ob eine Ausprägung gleich oder ungleich einer anderen ist (Äquivalenz)
Welches Skalenniveau? Metrisch oder Nichtmetrisch?
Beispiel: ?
Anwendung: ?
Nominalniveau - die einfache Klassifizierung
—> Nichtmetrisch
Beispiel:
Merkmal: Farben eines Produkts
Ausprägungen: 1. schwarz, 2. blau …
Anwendung: Da die Zahlen keine Aussagekraft haben, ist deren Verwendung für viele Rechenoperationen sinnlos
Die Ausprägungen des Merkmals sind eindeutige, geordnete Kategorien. Es ist bestimmbar, ob eine Ausprägung einen höheren Rang hat als eine andere (Ordnung). Es sind allerdings keine Aussagen über die Abstände zwischen den einzelnen Messpunkten möglich.
Welches Skalenniveau? Metrisch oder Nichtmetrisch?
Beispiel: ??
Anwendung: ?
Ordinalniveau - die einfach Rangordnung
—> Nichtmetrisch
Beispiel:
Merkmal: Altersklasse von beobachteten Personen
Ausprägungen: 1: Kinder / 2: Jugendliche / 3: junge Erwachsene /… / 6: Senioren
Anwendung:
Da die Abstände zwischen den Messwerten nicht interpretierbar sind und die Größe der verwendeten Zahlen nur begrenzte Aussagekraft hat, sind arithmetische Operationen auch hier nicht zulässig.
Die Ausprägungen des Merkmals sind eindeutige, geordnete, gleich breite Kategorien.
Es ist bestimmbar, welchen Abstand zwei Ausprägungen haben.
Problem: Abgrenzung zw. Ordinal- und Intervallskalierung in der Praxis nicht immer ganz eindeutig
Welches Skalenniveau? Metrisch oder Nichtmetrisch?
Beispiel: ??
Anwendung: ?
Intervallniveau - die Rangordnung mit Aussagen über Abstände zws. Messpunkten
—> Metrisch
Beispiel:
Merkmal: Einstellung zu einem Produkt
Ausprägung: 1. sehr schlechte, 2.schlecht, 3. …
Anwendung:
Viele arithmetische Operationen (z.B. Durchschnittstemp.) sind zulässig.
Aber nicht alle, da die Messskala einen willkürlich gewählten Nullpunkt hat
Die Ausprägungen des Merkmals sind eindeutige, geordnete, gleich breite Kategorien, deren unterste als absoluter Nullpunkt definiert ist.
Bestimmbar: Proportionen.
Welches Skalenniveau? Metrisch oder Nichtmetrisch?
Beispiel: ??
Anwendung: ?
Rationiveau - mit interpretierbaren Abständen und Nullpunkten
—> Metrisch
Beispiel:
Merkmal: Wiederholungskaufrate einer Marke
Ausprägungen: Prozentzahlen zws. 0 und 100
Anwendung:
Alle Arten von Rechenoperationen zulässig.
—> Möglichkeiten der Datenanalyse nicht beschränkt
Skalenniveaus
—> am Bsp. Des Berliner Fensters der BVG
—> siehe Folie 19
…
Allgemein: Streben nach hohen Skalenniveaus
Wahr/Falsch?
Wahr
Grundsätzlich strebt man bei der Entwicklung von Messinstrumenten ein möglichst ?? an
Je höher das ??, desto höher der ?? und die ??
…ein möglichst hohes Messniveau an
Je höher das Messniveau, desto höher der Informationsgehalt und die Analysemöglichkeiten
In der Praxis wird versucht, Skalen so zu gestalten, dass ??
ABER: ??
, dass sie mind. intervallskalierende Daten liefern
—> da diese die Anwendung von fast allen leistungsfähigen statistischen Verfahren erlauben
ABER: Manche Merkmale (Geschlecht, Berufsgruppe) lassen nur Messungen auf nominalen Niveau zu
Validität und Reliabilität sind ??
Gütekriterien der Messung
Nenne die Gütekriterien der Messung:
Validität und Reliabilität
Von was ist die Rede?
Formale Genauigkeit
—> betrifft unsystematische (variable) Fehler
Frage: Kann das Messergebnis als vom Messvorgang unabhängig angesehen werden?
Reliabilität (Verlässlichkeit)
Von was ist die Rede?
Inhaltliche Genauigkeit
—> betrifft systematische (konstante) Fehler
Frage: gibt das Messinstrument den Untersuchungsgegenstand tatsächlich wieder?
Validität (Gültigkeit)
Validität und Reliabilität
Beispiel: Metermaß
Ist das Metermaß aus einem Material, das seine Länge unter Umwelteinflüssen (Temperatur, Luftfeuchtigkeit) verändert, entsteht ein Fehler, der bei verschiedenen Messungen variiert.
Betrifft die richtige Länge (Eichung): ist das Maß falsch geeicht, so geht in jede Messung ein gleichbleibender (konstanter) Fehler ein
…
Reliabilität ist die Voraussetzung für ??
Validität
—> weil z.B. ein Metermaß, dessen Länge ständig variiert, kann nicht genau geeicht werden
Zusammenhang zwischen Reliabilität und Validität
—> Siehe Folie 22!
…
Auswahlverfahren nach Erhebungsumfang
Erläutere Totalerhebung und Partialerhebung: ??
—> Totalerhebung(Vollerhebung)
Grundgesamtheit wird vollständig untersucht.
Bedingung: GG ist bekannt und liegt vor
z.B.: Kundendaten, zugelassene PKWs
—> Partialerhebung(Teilerhebung)
Nur ein Teil der GG wird untersucht.
Zur Auswahl der Stichprobe werden Auswahlverfahren notwendig
Die Auswahl einer Teilgesamtheit ist so vorzunehmen,
dass aus dem Ergebnis der Teilerhebung möglichst exakt und sicher auf die Verhältnisse der Grundgesamtheit geschlossen werden kann.
Dafür muss die Teilerhebung in der Verteilung aller interessierenden Merkmale der Grundgesamtheit entsprechen,
d.h. ein zwar verkleinertes, aber ansonsten realitätsgetreues Abbild der Grundgesamtheit liefern.
Dies ist die Kernidee einer ??
Kernidee einer repräsentativen Stichprobe
Auswahlverfahren im Überblick 1
siehe Folie 25!
…
Jede Einheit der GG hat die gleiche Wahrscheinlichkeit (>0), in die Stichprobe zu gelangen.
Nenne die Art der Repräsentativen Auswahl und die Bedingung dafür:
Zufallsauswahl
Bedingung: GG liegt vollständig vor
Bei der ?? werden die Stichprobenobjekte nummeriert und einzeln ausgewählt (z.B. durch Zufallszahlen, Schlussziffern, Buchstaben)
Einfachen Zufallsstichprobe
Bei der ?? Wird die GG in homogene Gruppen eingeteilt (z.B. nach Geschlecht), aus denen dann jeweils zufällig eine Auswahl gezogen wird
geschichteten Auswahl
Bei der ?? wird aus natürlichen „Klumpen“ = Konglomerate von Untersuchungseinheiten (z.B. Planquadrate eines Stadtplans, Schulklassen) eine zufällige Auswahl gezogen und mit allen ihren Elementen in die Stichprobe einbezogen.
Klumpenstichprobe
Hier werden Subjekte nach vorher festgelegten Kriterien ausgewählt.
Nenne die Art der Repräsentativen Auswahl
Gesteuerte Auswahl
Bei der ?? sollen in der Stichprobe bestimmte Merkmale (z.B. Alter, Geschlecht) genau so häufig vorkommen wie in der GG.
Subjekte werden so ausgewählt, dass die Quotenvorgabe erfüllt wird.
Quotenauswahl
Nenne 3 gesteuerte Auswahlverfahren: ??
- Quotenauswahlverfahren
- Auswahl nach Konzentration
- typische Auswahl
Wie wird bei der Zufallsauswahl weiter unterteilt?
—> einfache Zufallsauswahl
Oder
—> Sonderverfahren:
- Geschichtete Auswahl
- Klumpenstichprobe
- Mehrstufige Auswahl
Welche ist keine gesteuerte Auswahl?
- Auswahl nach Konzentration
- typische Auswahl
- Quotenauswahl
- Mehrstufige Auswahl
Mehrstufige Auswahl
—> Sonderverfahren der Zufallsauswahl
Datenerhebung & -aufbereitung
Was ist Ausgangspunkt der Datenauswertung?
eine Datenmatrix
Siehe die allgemeine Form auf Folie 28!!!!!
Bsp. für Datenmatrix:
- Bsp.: Bewertung von Schokolade mit Ratingskalen
—> siehe Folie 29
…
Datenerhebung & -aufbereitung
Datenmatrix
Nenne alle Arten von Variablen: ??
- unabhängige Variable (u.V.)
—> (Exogene, Prädiktor, Determinante, Treatment)
—> Ihr Einfluss auf eine abhängige Variable soll untersucht werden; bei Experimenten werden ihre Ausprägungen vom Versuchsleiter planmäßig variiert (manipuliert) - abhängige Variable (a.V.)
—> (Endogene, Resultante, Outcome)
—> Variable, deren Abhängigkeit von der unabhängigen Variablen Gegenstand der Untersuchung ist - Störvariablen
—> alle Variablen, die neben der unabhängigen Variable einen Einfluss auf die abhängige Variable haben.
Wenn möglich, müssen sie in einer Untersuchung zusätzlich erfasst werden, damit ihr Einfluss in der statistischen Auswertung ermittelt werden kann.
Alle Variablen, die neben der unabhängigen Variable einen Einfluss auf die abhängige Variable haben. Wenn möglich, müssen sie in einer Untersuchung zusätzlich erfasst werden, damit ihr Einfluss in der statistischen Auswertung ermittelt werden kann.
Von was ist die Rede?
Störvariablen
Variable, deren Abhängigkeit von der unabhängigen Variablen Gegenstand der
Untersuchung ist.
Von was ist die Rede?
abhängige Variable
Ihr Einfluss auf eine abhängige Variable soll untersucht werden; bei Experimenten werden ihre Ausprägungen vom Versuchsleiter planmäßig variiert (manipuliert).
Von was ist die Rede?
Unabhängige Variable
Datenauswertung & -interpretation
Datenauswertung nach Variablenanzahl
Nenne alle 3 Möglichkeiten, bei/für was verwendet jeweils?
- Univariat (1 Variable):
—> Häufigkeitsverteilung (absolut/relativ)
—> Lageparameter: arithmetisches Mittel, Median, Modus
—> Streuungsparameter: Varianz, Standardabweichung - Bivariat (2 Variablen):
—> Kreuztabellierung
—> Korrelationsanalyse
—> einfache Regressionsanalyse - Multivariat (3 und mehr Variablen)
—> Dependenzanalyse
—> Interdependenzanalyse
Univariat: Häufigkeitsverteilungen, Lage- und Streuungsparameter
Was sind die gebräuchlichsten Maßzahlen zur Charakterisierung von Häufigkeitsverteilungen in einer Stichprobe?
Lageparameter und Streuungsparameter
Erläutere Lageparameter und Streuungsparameter: ??
Lageparameter:
Geben an, wo der Schwerpunkt einer Verteilung liegt
Streuungsparameter:
Streuungsmaße geben die Homogenität bzw. Heterogenität der Messwerte-Verteilung an
Die alleinige Angabe von Lageparametern für die Charakterisierung einer Häufigkeitsverteilung kann irreführend sein.
Welche Angaben werden daher zusätzlich immer gemacht?
Angaben über die Messwerte (bzw. durch Streuungsparameter)
Univariat: Lageparameter
Nenne Lageparameter: ??(3)
—> Modus:
- bei niedrigstem Messniveau (Nominalskalierung) ist die Angabe des Modus zur Beschreibung der Verteilung üblich.
- ist der Wert, der in einer Verteilung am häufigsten auftritt
—> Median:
- wenn Daten mind. ordinalskaliert sind, dann Verwendung des Median zulässig
- ist der Wert, der eine Verteilung in 2 gleich große Teilmengen separiert
- bei einer ungeraden Zahl von Messwerten ist der Median der in der Mitte liegende Wert, bei einer geraden Zahl ist der Median das arithmetische Mittel, der in der Mitte liegenden Werte!
—> Arithmetisches Mittel:
- bei intervall- und ratioskalierten Daten kann es berechnet werden
- bestimmt sich aus dem Quotient der Summe der Messwerte und ihrer Anzahl
Bei niedrigstem Messniveau (Nominalskalierung) ist die Angabe des ?? zur Beschreibung der Verteilung üblich.
Der ?? ist der Wert, der in einer Verteilung am häufigsten auftritt.
Modus (Lageparameter)
Wenn die Daten mindestens ordinalskaliert sind, dann ist die Verwendung des ?? zulässig.
Der ?? ist der Wert, der eine Verteilung in 2 gleich große Teilmengen separiert.
Bei einer ungeraden Zahl von Messwerten ist der ?? der in der Mitte liegende Wert, bei einer geraden Zahl ist der ?? das arithmetische Mittel, der in der Mittel liegenden Werte.
Median (Lageparameter)
Bei intervall- und ratioskalierten Daten kann das ?? berechnet werden. Das ?? bestimmt sich aus dem Quotient der Summe der Messwerte und ihrer Anzahl.
arithmetische Mittel
Univariat: Streuungsparameter
Nenne Streuungsparameter: ?? (3)
—> Spannweite:
- bei mind. ordinalskalierten Daten anwendbar
- gibt die Distanz zws. dem größten und dem kleinsten Messwert an
- ist ein sehr grobes Instrument, das außerdem sehr empfindlich gegenüber Ausreißern ist
—> Interquartile Distanz:
- bei Ordinalskalierung anwendbar
- gibt an, über welchen Wertebereich die mittleren 50% der Messwerte verteilt sind
- zur Bestimmung braucht man das obere und das untere Quartil (25%- und 75%-Punkt)
—> Varianz
- ergibt sich aus dem Durchschnitt der quadriertem Abweichung zws. den einzelnen Messwerten und dem arithmetischen Mittel
- je weiter die einzelnen Messwerte vom arithmetischen Mittel abweichen, je heterogener also die Verteilung ist, desto größer ist sie
- Aufgrund der Quadrierung liegen die Werte in einer anderen Größenordnung als die Ausgangswerte
- für Werte gleicher Größenordnung: Standardabweichung (Quadratwurzel der Varianz)
- Formel s^2 = …
- bei mind. ordinalskalierten Daten anwendbar
- gibt die Distanz zws. dem größten und dem kleinsten Messwert an
- ist ein sehr grobes Instrument, das außerdem sehr empfindlich gegenüber Ausreißern ist
Von was ist die Rede?
Spannweite (Streuungsparameter)
- ergibt sich aus dem Durchschnitt der quadriertem Abweichung zws. den einzelnen Messwerten und dem arithmetischen Mittel
- je weiter die einzelnen Messwerte vom arithmetischen Mittel abweichen, je heterogener also die Verteilung ist, desto größer ist sie
- Aufgrund der Quadrierung liegen die Werte in einer anderen Größenordnung als die Ausgangswerte
- für Werte gleicher Größenordnung: ??
Von was ist die Rede?
Und fülle die Lücke nach Größenordnung:
Varianz (Streuungsparameter)
Für Werte gleicher Größenordnung: Standardabweichung (Quadratwurzel der Varianz)
—> Formel s^2=…
bei Ordinalskalierung anwendbar
- gibt an, über welchen Wertebereich die mittleren 50% der Messwerte verteilt sind
- zur Bestimmung braucht man das obere und das untere Quartil (25%- und 75%-Punkt)
Von was ist die Rede?
Interquartile Distanz
Bivariat: Kreuztabellen und ??
Korrelationen
enthalten die absoluten und/oder relativen Häufigkeiten von Kombinationen bestimmter Merkmalsausprägungen.
Die Häufigkeiten werden ergänzt durch deren Randsummen, die die sogenannten Randhäufigkeiten bilden
Von was ist die Rede?
Kreuztabellen (siehe Folie 37)
Bei mindestens intervallskalierten Variablen kann der ?? angegeben werden.
Die Korrelation gibt die Stärke des ?? zwischen zwei Variablen an.
(Wertebereich zwischen -1 und +1).
Eine Korrelation sagt noch nicht, ob eine Größe die andere ?? beeinflusst, ob beide von einer dritten Größe ?? abhängen, oder ob überhaupt ein ?? besteht.
- Korrelationskoeffizient nach Pearson
- des Linearen Zusammenhangs
- kausal, kausal, Kausalzusammenhang
Was sagt eine Korrelation noch nicht?
ob eine Größe die andere kausal beeinflusst, ob beide von einer dritten Größe kausal abhängen, oder ob überhaupt ein Kausalzusammenhang besteht
Was gibt die Korrelation an?
gibt die Stärke des linearen Zusammenhangs zwischen zwei Variablen an
(Wertebereich zws. -1 und +1)
Multivariat: Simultane Untersuchung von mehr als zwei Variablen
Nenne beide Analysen und erkläre sie: ??
—> Dependenzanalyse:
- es wird ein Zusammenhang derart unterstellt, dass eine oder mehrere abhängige Variablen von einer oder mehreren unabhängigen Variablen beeinflusst werden
—> Interdependenzanalyse:
- wird nicht in abhängige und unabhängige Variablen unterschieden
- es werden wechselseitige Beziehungen unterstellt und ohne Richtungszusammenhang analysiert
- siehe Folie 38 Bsp.
- es wird ein Zusammenhang derart unterstellt, dass eine oder mehrere abhängige Variablen von einer oder mehreren unabhängigen Variablen beeinflusst werden
- u.V. —> a.V.
Von was ist die Rede?
Dependenzanalyse
- wird nicht in abhängige und unabhängige Variablen unterschieden
- es werden wechselseitige Beziehungen unterstellt und ohne Richtungszusammenhang analysiert
- keine Unterscheidung a.V./u.V.
Von was ist die Rede?
Interdependenzanalyse
Überblick Multivariate Verfahren
Nenne der Interdependenzanalyse untergeordnete Analysen: ??
- Faktoranalyse
- Clusteranalyse
- Multidimensionale Skalierung
Nenne der Dependenzanalyse untergeordnete Analysen: ?? (5)
- Varianzanalyse
- Regressionsanalyse
- Diskriminanzanalyse
- Conjoint Measurement
- Kausale Strukturanalyse
Überblick Multivariate Verfahren
Nenne Kriterien: (4)
- Wie ist der Untersuchungsanspruch?
—> explorativ/deskriptiv/konfirmativ - liegen Abhängigkeitshypothesen vor?
—> Trennung in a.V./u.V. - Wie ist die Anzahl der a.V./u.V.?
- Wie ist das Messniveau der a.V./u.V.
—> metrisch/nicht-metrisch
Anwendungsfragen für multivariate Analysemethoden
Nenne zu jeder Anwendungsfrage die passende Analyse:
1) Lässt sich die Vielzahl der Eigenschaften, die Käufer von Automobilen als wichtig empfinden, auf wenige komplexe Faktoren reduzieren?
2) Lassen sich die Kunden einer Marke entsprechend ihren Eigenschaften und Bedürfnissen in Gruppen einteilen?
3) Wie beurteilen Kunden das Image eines Unternehmens im Vergleich zum Wettbewerb?
4) Lässt sich mithilfe der Variablen Alter, Intelligenz und Einkommen bestimmen, ob eine Person kreditwürdig ist oder nicht?
5) Hat die Hintergrundfarbe einer Anzeige einen Einfluss darauf, wie gut sich Personen an die Anzeige erinnern?
6) Wie hängt die Absatzmenge eines Produktes von seinem Preis, den Werbeausgaben und den Vertreterbesuchen ab?
7) Welches Paket an Produkteigenschaften wird vom Kunden gegenüber anderen präferiert?
8) Sind Kundenzufriedenheit und -treue von der Produktqualität und Servicequalität eines Anbieters abhängig?
1) Faktoranalyse
2) Clusteranalyse
3) Multidimensionale Skalierung
4) Diskriminanzanalyse
5) Varianzanalyse
6) Regressionsanalyse
7) Conjoint-Analyse
8) Kausalanalyse
Interdependenzanalyse: Faktoranalyse
Ziel: ??
Prinzip: ??
Ziel: Aggregation von Variablen
Prinzip:
Hinter mehreren metrischen miteinander korrelierten Variablen steht ein Faktor (nicht direkt messbar, latentes Konstrukt), der für die Korrelationsmuster verantwortlich ist
Aufgabe der Faktoranalyse:
Aus einer großen Menge an beobachteten Variablen werden Faktoren gebildet, so dass möglichst viele Variablen mit minimalem Informationsverlust zusammengefasst werden
—> Ursachen(latente Faktoren) aufdecken, die hinter den beobachteten Variablen stehen
—> Gewonnene Faktoren sind besser interpretierbar als viele einzelne korrelierte Variablen
Interdependenzanalyse: Clusteranalyse
Ziel: ??
Prinzip&Anforderungen: ??
Anforderungen: ??
Beispiele: ??
Ziel: Aggregation von Fällen
Prinzip & Anforderungen:
- ähnliche Fälle werden zsmf. + von unähnlichen abgegrenzt
- dafür werden Fälle nach Eigenschaften gruppiert
—> die einzelne Gruppe soll möglichst homogen sein
—> die Unterschiede zws. Gruppen aber möglichst groß !
- zur Clusterbildung können nicht-metrische, als auch metrische Variablen verwendet werden
Anforderungen:
- Cluster sollen deutlich strukturiert (intra-homogen, Inter-homogen) und sinnvoll interpretierbar sein
Bsp.:
- Kunden-Segmente
- Markt-Segmente
- Strategische Geschäftsbereiche
- Organisationstypen
Dependenzanalyse: Varianzanalyse
Prinzip: ??
Anforderungen: ??
Bsp.:
Prinzip:
Aufgrund der Zugehörigkeit zu einer Gruppe sollen Unterschiede in (Kombinationen von)Merkmalen erklärt werden können
Anforderungen:
Über eine oder mehrere nicht-metrisch skalierte u.V. wird die Gruppenzugehörigkeit bestimmt, die Unterschiede in einer oder mehreren metrisch skalierten a.V. erklärt
Bsp.: oft die Ergebnisse von Experimenten ausgewertet
—> d.h. Unterschiede zws. Experimental- und Kontrollgruppe(n)
—>genaue Bsp. Auf Folie 43!!!!
Dependenzanalyse: Regressionsanalyse
Prinzip: ??
Prinzip: die Stärke des Einflusses von einer oder mehreren metrisch skalierten u.V. (z.B. Preis) auf eine metrisch skalierte a.V. (z.B. Absatzmenge) wird untersucht.
Wichtig siehe Folie 44 Formel!!!
Schätzung der Regressionsfunktion anhand empirischer Daten
Vorgabe für Funktion: ??
Vorgabe für Funktion: (y = b0 + b1x + e)
- möglichst gute Anpassung an Punkteverteilung
—> d.h. Abweichungen (sog. Residenz) zwischen Funktion (geschätzten Werten) und beobachteten Werten minimieren
—> Formel (Folie 45) —> min!
Schätzung der Regressionsfkt. Anhand empirischer Daten
Kleinste-Quadrate-Methode: ??
—> allgemein mal Folie 45 ansehen
Kleinste-Quadrate-Methode:
- Quadrierung verhindert Kompensation von positiven und negativen Abweichungen
- größere Abweichungen werden stärker gewichtet
Zusammenhänge zws. Variablen sind idR nicht universell gültig, sondern von ?? beeinflusst, sodass sich Stärke und/oder Richtung des Zusammenhangs verändern
Bei Einflüssen durch Stör- oder Kovariablen ist die Höhe der ?? zwischen einer unabhängigen und einer abhängigen Variablen von den Ausprägungen einer ?? abhängig.
- Kontingenzen
- Korrelation
- dritten
—> siehe Folie 46!
- wirken verstärkend/abschwächend oder richtungsändernd auf die Beziehung zwischen einer unabhängigen und einer abhängigen Variablen
- Sie stehen zur unabhängigen Variable in keiner Abhängigkeitsbeziehung
- sie befinden sich bezüglich der Beeinflussung der abhängigen Variable (y) mit der unabhängigen Variable (x1) auf gleicher Ebene
Von was ist die Rede?
Moderierende Variablen
Bsp. Siehe Folie 47
- wirken intervenierend auf die Beziehung zws. unabhängigen und abhängigen Variablen
- sie korrelieren sowohl mit der unabhängigen als auch mit der abhängigen Variable.
- in Abhängigkeit des Analysefokus wechseln sie ihre Rolle
- Gegenüber der unabhängigen Variable (x1) fungieren sie als abhängige Variable, gegenüber der abhängigen Variable (y) als unabhängige Variable
Von was ist die Rede?
Mediierende Variablen
Bsp. Folie 48!!!!!