Vorlesung Marktforschung - TU Berlin
Vorlesung Marktforschung - TU Berlin
Vorlesung Marktforschung - TU Berlin
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Vorlesung</strong> <strong>Marktforschung</strong><br />
Erhebungsmethoden und Messtheorie<br />
Sommersemester 2011<br />
<strong>TU</strong> <strong>Berlin</strong>, Lehrstuhl Marketing Prof. Dr. V. Trommsdorff, Sekr. WIL-B-3-1, Wilmersdorfer Straße 148, 10585 <strong>Berlin</strong>, Tel: +49.(0)30.314-29.922, www.marketing-trommsdorff.de<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff
Mo 10.15 – 11.45: <strong>Marktforschung</strong><br />
Thema / Gastvortrag Datum<br />
Methodologische Einführung 11.4.<br />
Messtheorie, Erhebungsverfahren 18.4.<br />
Ostern 25.4.<br />
<strong>Marktforschung</strong>s-Designs / Stichprobenkonstruktion 2.5.<br />
Segmentierung: Clusteranalyse / Diskriminanzanalyse 9.5.<br />
GV Dr. Heise „<strong>Marktforschung</strong> bei Volkswagen“ 16.5.<br />
Positionierung: Faktorenanalyse, Mehrdimensionale Skalierung 23.5.<br />
GV Dr. Lachmann + Dr. von Keitz „Werbewirkungsmessung“ 30.5.<br />
Marketing-Wirkungsforschung: Regressionsanalyse 6.6.<br />
Pfingsten 13.6.<br />
Experimentelle <strong>Marktforschung</strong>: Varianzanalyse VA 20.6.<br />
GV Axel Bichler „Nutzenmessung: Conjoint-Analyse“ 27.6.<br />
Komplexe Ursachenanalysen: Strukturgleichungsmodelle SEM“ 4.7.<br />
Wiederholung, Vorbereitung auf die Klausur am 19.7. 11.7.<br />
<strong>TU</strong> <strong>Berlin</strong>, Lehrstuhl Marketing Prof. Dr. V. Trommsdorff, Sekr. WIL-B-3-1, Wilmersdorfer Straße 148, 10585 <strong>Berlin</strong>, Tel: +49.(0)30.314-29.922, www.marketing-trommsdorff.de<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff
Agenda<br />
• Fortsetzung Erhebungsmethoden<br />
• <strong>Marktforschung</strong>-Projektplanung<br />
• Stichprobenplanung<br />
• Befragung<br />
• Skalierung<br />
• Datenaufbereitung und Datenanalyse<br />
• Einfache Statistiken<br />
• Univariate Statistiken<br />
• Bivariate Statistiken<br />
• Signifikanztest<br />
• Prüfstatistik<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 3
Erhebungsmethoden<br />
<strong>Marktforschung</strong>s-Projektablauf<br />
Problem<br />
Design<br />
nach Subjekten<br />
Stichproben<br />
Datengewinnung<br />
Datenanalyse<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Problemdefinition Hypothesenbildung<br />
Operationalisierung<br />
nach Objekten<br />
Fragebogen<br />
Erhebung<br />
Bereinigung<br />
Datensatz<br />
Exploration Konfirmation<br />
Interpretation<br />
Bericht<br />
nach Konstrukten<br />
Indikatoren<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 4
Erhebungsmethoden<br />
Stichprobenplanung<br />
Bestimmung der Grundgesamtheit, über die ausgesagt werden soll<br />
Stichprobenzielwerte (Aussageneinheiten und Toleranzen)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Festlegung des Stichprobenumfangs<br />
Auswahlbasis (Repräsentationsmenge für die Auswahl)<br />
Auswahlverfahren (Quota, Random, Schichtung etc.)<br />
Planung und Durchführung der Auswahl<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 5
Erhebungsmethoden<br />
Auswahlverfahren für repräsentative Stichproben<br />
Zufällig<br />
Random<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Repräsentative<br />
Stichproben<br />
gesteuert<br />
einfach Klumpen geschichtet Quota typisch ...<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 6
Erhebungsmethoden<br />
Kennzeichen der Quotenauswahl<br />
• Verteilung bestimmter Merkmale in der Grundgesamtheit bekannt<br />
• Repräsentativität durch Vorgabe von Quoten gemäß dieser Verteilung<br />
• Interviewer sucht Auskunftspersonen nach Quoten, nicht nach Adressen<br />
• einfach und billig<br />
• gute Ergebnisse<br />
• in Praxis akzeptiert<br />
Vorteile Nachteile<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
• Qualität hängt von Durchführung ab<br />
• Interviewerwillkür bei der Auswahl<br />
• theoretische Fehlerberechnung<br />
unmöglich<br />
• z.T. Unkenntnis über Verteilung<br />
interessierender Merkmale in der<br />
Grundgesamtheit, dann ist eine<br />
Voruntersuchung notwendig<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 7
Erhebungsmethoden<br />
Quotenauswahl – Schritte<br />
1. Lege 2-4 Quotierungsmerkmale fest. z.B. Alter, Geschlecht, Berufsgruppe<br />
2. Entscheide relevante Quotenausprägungen. z.B. 16-30J., 31-45J., 46-60J.<br />
3. Ermittle deren Häufigkeiten aus der Statistik (unverbunden<br />
oder verbunden).<br />
4. Bestimme entsprechende absolute Quoten für die zu<br />
ziehende Stichprobe.<br />
5. Stelle Quotierungspläne für die Interviewer her so, dass die<br />
Summe der quotierten Ausprägungen der angestrebten<br />
Verteilung der Stichprobe entspricht.<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
z.B. 15% 16-30jährige, 6% 16-30jährige<br />
Männer<br />
z.B. 150 16-30jährige Frauen, 60 16-<br />
30jährige Männer<br />
z.B. "befragen Sie zwei 16-30-jährige<br />
Männer..."<br />
6. Quotenkontrolle der fertigen Fragebögen: Die Stichprobe muss die Merkmalsverteilung der Grundgesamtheit<br />
aufweisen.<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 8
Erhebungsmethoden<br />
Stichprobenumfang<br />
nicht abhängig vom Grundgesamtheitsumfang, aber von:<br />
1. vom tolerierten Stichprobenfehler e, (e = Fehlertoleranz)<br />
in dessen Grenzen der Stichprobenmesswert vom wahren Wert abweichen darf<br />
n ~ 1/e 2<br />
2. vom Sicherheitsgrad 1-α, (α = Irrtumswahrscheinlichkeit)<br />
z.B. 99% (hoch sicher) oder 95% (sicher)<br />
Wahrscheinlichkeit der Aussage<br />
"Messwert weicht maximal um e vom wahren Wert ab“<br />
n ~ z 2 z = standardnormalverteilte Ausprägung des Messwertes<br />
z=1 für α = 68%, 2 für 95,5%, 3 für 99,7% Sicherheitsgrad<br />
3. Der Differenziertheit der zu treffenden Aussage, d.h. von der Untergruppierung: welchen Anteil r<br />
hat die kleinste Stichprobe n i,<br />
für die der Stichprobenfehler e und der Sicherheitsgrad 1-α gelten sollen?<br />
n = r·n i, (n Vielfaches des Stichprobenumfanges n i)<br />
4. Der (vor der Erhebung noch unbekannten) Streuung S (S = Standardabweichung)<br />
des zu untersuchenden Merkmals in der Grundgesamtheit S x<br />
(ggf. “konservativ” = pessimistisch schätzen)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 9
Erhebungsmethoden<br />
Geschichtete Stichproben<br />
Schichtung heißt Ausnutzen der Clusterung von Teilstichproben (intern homogen, extern<br />
heterogen): Je besser die Trennschärfe (Korrelation von Messvariable und<br />
Schichtungsmerkmal), desto stärker der „Schichtungseffekt“<br />
1. Grundgesamtheit nach trennscharfen Merkmalen in Schichten aufteilen<br />
2. Aus jeder Schicht eine eigene Stichprobe ziehen<br />
3. Parameter der Gesamtstichprobe aus gewichteten Schichtparametern bestimmen<br />
4. Bei effizienter Schichtung größere Genauigkeit bzw. kleinerer Stichprobenumfang<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 10
Erhebungsmethoden<br />
Befragungsarten nach vier Kriterien<br />
Standardisierung<br />
unstrukturiert<br />
halbstrukturiert<br />
strukturiert<br />
• geschl. Fragen<br />
• Ratings<br />
• Zahlenfragen<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Kontaktarten Soziale Situation<br />
brieflich<br />
telefonisch<br />
persönlich<br />
online<br />
Gruppendiskussion<br />
Gruppenbefragung<br />
Einzelinterview<br />
Inhalt<br />
Demographie<br />
Fakten, Wissen<br />
Disposition<br />
Befragungstechnische<br />
Kriterien<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 11
Erhebungsmethoden<br />
Fragebogentechnisch-funktionale Fragentypen<br />
Eisbrecher Am Anfang des Interviews zur Reduzierung von Hemmungen<br />
Puffer beim Übergang zu neuem Thema Eisbrecher/Puffer<br />
Nicht auswerten!<br />
Überrumpelung den zu erhebenden Sachverhalt als Selbstverständlichkeit<br />
unterstellen<br />
Fallgruben zur Aufdeckung unwahrer Antworten<br />
Training Einüben der antwortrelevanten Leistungsart,<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
z.B. sich an weit zurückliegende Dinge erinnern<br />
Filter Selektion von Befragten für spezielle Zusatzfragen<br />
Gabelung für inhaltlich verschiedene parallele Subgruppenbefragungen<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 12
Erhebungsmethoden<br />
Frageformen<br />
offen: keine Antwortvorgabe / geschlossen: mit Antwortvorgaben<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Ratingskalen sind eine Form der geschlossenen Frage:<br />
stimmt überhaupt nicht stimmt ganz genau<br />
Offene Frage Geschlossene Frage<br />
+ mehr individuelle Information - möglicher Informationsverlust<br />
+ für Explorationen + für quantitative Standard-Mafo<br />
+ wenig Antwortsteuerung - spezielle Fehlertendenzen<br />
- schwer vergleichbare Antworten + geringerer Aufwand (kein Kodieren)<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 13
Erhebungsmethoden<br />
Skalierungen in der <strong>Marktforschung</strong> - Beispiel für Rating-Skalen<br />
schlecht gut<br />
1 2 3<br />
4 5<br />
stimme dagegen<br />
gefällt mir gut gefällt mir nicht<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
gering groß<br />
- 2 - 1 0<br />
1 2<br />
stimme dafür<br />
wenig viel<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 14
Erhebungsmethoden<br />
Fragebogen zu gestalten ist keineswegs trivial – einige Regeln<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
• verständliche Formulierung<br />
• eindeutige und präzise Fragen<br />
• keine Suggestivfragen<br />
• übersichtliche Gestaltung<br />
• “richtige” Fragen-Reihenfolge<br />
• Umfang begrenzen<br />
• keinesfalls ohne Pretest ins Feld<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 15
Erhebungsmethoden<br />
Befragungsartefakte / Antworttendenzen<br />
Beispiel: Einstellungen zum Betreiben von Peep-Shows<br />
Die Frage wurde zwei Stichproben vorgelegt:<br />
a) mit der Formulierung “sollte man verbieten”<br />
b) mit der Formulierung “sollte man erlauben”<br />
Ergebnisse<br />
Antworten im Sinne von...<br />
Quelle: Hipper (1983), S. 4, vgl. auch Schumann & Presser (1981)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Frageversion<br />
„verbieten“ „erlauben“<br />
... verbieten (nicht erlauben)... 28% 50%<br />
... erlauben (nicht verbieten)... 72% 50%<br />
Summe 100% 100%<br />
Anzahl 47 38<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 16
Erhebungsmethoden<br />
Befragung als Kommunikationsprozess<br />
mit vier fehleranfälligen Schnittstellen<br />
S1: kodieren S2: dekodieren<br />
Frager Befragter<br />
S4: dekodieren<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Frage<br />
Antwort<br />
S3: kodieren<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 17
Erhebungsmethoden<br />
Befragungsartefakt<br />
Ein Befragungsartefakt ist eine Tendenz, auf eine Frage systematisch anders zu<br />
antworten als es dem Messziel entspricht<br />
formal erfassbar<br />
nur inhaltlich erfassbar<br />
• Extremtendenz, Zentraltendenz • sozial-normative Erwünschtheit<br />
• Ja-Sager-Tendenz<br />
• Tabus<br />
• Halo-Effekt<br />
• Rationalitäts-Effekt<br />
• Reihenfolge-Effekte (primacy, recency) • Konsistenz-Effekt<br />
• Gambling (Streumuster) • Informiertheits-Effekt<br />
• Skalenniveau-Verzerrung<br />
• Kooperation<br />
• Item-Nonresponse<br />
• Kognitive Überforderung<br />
Artefakte senken die Validität, aber sie erhöhen die Reliabilität<br />
„zuverlässig das Falsche messen“<br />
„it is better to be roughly right than exactly wrong“!<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Befragungsartefakte<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 18
Erhebungsmethoden<br />
Systematische Befragungs-Fehlerquellen<br />
Interviewer<br />
Rolle<br />
Persönlichkeit<br />
Wahrnehmung<br />
Frageform<br />
Wording<br />
Kontext<br />
Struktur<br />
Skala<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Antwort<br />
Befragter<br />
Rolle<br />
Persönlichkeit<br />
Wahrnehmung<br />
Frageinhalt<br />
Tabus<br />
Zentralität<br />
Involvement<br />
usw.<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 19
Erhebungsmethoden<br />
Grundlagen der Skalierung<br />
Skala: Fragenbatterie, die der Messung eines Merkmales dient<br />
Skalierung: Konstruktion und Eichung einer Skala<br />
Anforderungen<br />
an Skalen: hohes Skalenniveau / Eindimensionalität / Validität<br />
Item: Einzelfrage einer Skala<br />
deterministisch<br />
probabilistisch<br />
Skalenwert<br />
Itemcharakteristiken:<br />
monoton nicht-monoton<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
latente<br />
Konstruktausprägung<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 20
Erhebungsmethoden<br />
Likert-Skala<br />
Verfahren der summierten Ratings<br />
• Items sind fünfstufige Ratings<br />
• Vorgehensweise:<br />
• gleichviele “günstige” und “ungünstige” Items formulieren<br />
• je Item ein Rating<br />
• Pretest der Items<br />
• Eliminieren der “schlechten” Items<br />
• verbleibende, ca. 10-30 Items, den Befragten vorgeben<br />
Summenwert der zahlenmäßig kodierten Ankreuzungen bilden<br />
• Annahme : mitgemessene Fremddimensionen werden “herausgemittelt”<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 21
Erhebungsmethoden<br />
Likert-Skala<br />
Beispiele<br />
Angenommen, es sollen die Einstellungen zu Off-Road-Autos gemessen werden<br />
Itembeispiele:<br />
“Off-Road-Autos<br />
verbinden Spaß und<br />
Funktionalität”<br />
“Off-Road-Autos fahren<br />
nur Angeber”<br />
“Frauen fühlen sich in<br />
OFF-Road-Autos besser<br />
geschützt”<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
stimme ganz entschieden zu.....<br />
stimme zu .................................<br />
unentschieden ...........................<br />
stimme nicht zu ........................<br />
stimme ganz und gar nicht zu ..<br />
stimme ganz entschieden zu.....<br />
stimme zu .................................<br />
unentschieden ...........................<br />
stimme nicht zu ........................<br />
stimme ganz und gar nicht zu ..<br />
stimme ganz entschieden zu.....<br />
stimme zu .................................<br />
unentschieden ...........................<br />
stimme nicht zu ........................<br />
stimme ganz und gar nicht zu ..<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 22<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )<br />
( )
Erhebungsmethoden<br />
Likert-Skala<br />
Beispiel<br />
(Zustimmung bzw.<br />
Ablehnung)<br />
(Ablehnung bzw.<br />
Zustimmung )<br />
Itemwert<br />
5<br />
3<br />
2<br />
1<br />
4<br />
Item 1<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
OC - Kurven des Items<br />
fiktive Werte<br />
Item 2<br />
latententes Kontinuum<br />
Item 3<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 23
Erhebungsmethoden<br />
Thurstone-Skala<br />
Beispiel<br />
“Wir würden gerne wissen, was Sie von OFF-Road-Autos halten. Sehen Sie sich<br />
einmal diese Karte an: Da sind einige Meinungen aufgeschrieben, die man so<br />
hört. Bitte suchen Sie die Meinung heraus, die Ihrer Ansicht nach am besten auf<br />
Off-Road-Autos zutrifft. Sie brauchen mir nur die Nummer dieser Feststellung<br />
zu nennen” (Interviewer: nur eine Angabe!)<br />
Vorlage :<br />
1 ( ) 2 ( ) 3 ( ) 4 ( ) 5 ( ) 6 ( ) 7 ( ) 8 ( )<br />
1. Off-Road-Autos sind für den Stadtverkehr<br />
ungeeignet.<br />
2. Off-Road-Autos sind genauso gut wie andere<br />
Autos.<br />
3. Off-Road-Autos sind auch für den Stadtverkehr<br />
hervorragend geeignet.<br />
... ( weitere Statements)<br />
8. ...<br />
Skalenwerte der Jurorenurteile: 2.7 (l1 ); 5.5 ( l2); 9.6 ( l3); ...<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 24<br />
l1<br />
l2<br />
l3
Erhebungsmethoden<br />
Thurstone-Skala<br />
Ablehnung<br />
Itemwerte<br />
1<br />
0<br />
Item 1<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
OC - Kurven der Items:<br />
fiktive Werte<br />
Item 2<br />
Item 3<br />
2,7 5,5 9,6<br />
latententes Kontinuum (Skalenwerte der Jurorenurteile)<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 25
Erhebungsmethoden<br />
Thurstone-Skala - gleichbreite Intervalle<br />
• Items sind hier nicht-monotone Aussagen: Man kann nur wenigen<br />
zustimmen, die mit der eigenen Einstellung übereinstimmen.<br />
• Vorgehensweise:<br />
- zahlreiche Items formulieren<br />
- durch Experten in „gleich breit“ empfundene Intervalle des<br />
Einstellungskontinuums einsortieren lassen<br />
- Itemanalyse<br />
- Auswahl der akzeptablen Items und Zusammenstellung zur<br />
Skala<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 26
Erhebungsmethoden<br />
Klassische Skalierungsverfahren im Überblick<br />
Verfahren (Autor)<br />
gleicherscheinende<br />
Intervalle<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
summierte<br />
Ratings<br />
Paarvergleichsskalierung<br />
Skalogrammanalyse<br />
Kriterium<br />
(Thurstone)<br />
(Likert)<br />
(Edwards) (Guttman)<br />
Skalenniveau metrisch quasimetrisch metrisch ordinal<br />
Sicherung des subjektiv:<br />
subjektiv:<br />
theoretisch:<br />
metrischen durch<br />
durch<br />
Law of comparative<br />
Skalenniveaus Βeurteiler<br />
Befragte<br />
judgement<br />
Prüfkriterium Streuung der Diskriminanzfähig- Transitivität der Fehlerzahl der<br />
für<br />
Eindimensionalität<br />
Itemskalenwerte keit der Items Paarvergleiche Items<br />
Itemtyp nichtmonoton monoton nichtmonoton kumulativ<br />
monoton<br />
Vorstudie zwingend nein zwingend nein<br />
Erhebungsaufwand hoch gering mittel gering<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 27
Erhebungsmethoden<br />
Gruppendiskussion<br />
Qualitative Mafo-Methode: • 8-10 Zielpersonen, homogen ausgewählt<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
• neutrale Umgebung, “runder Tisch”, Bewirtung<br />
• Moderator / Animateur<br />
• Aufzeichnungsgerät, Metaplanmaterial<br />
• ggf. Anschauungsmaterial<br />
• 1-8 Stunden Dauer<br />
Einsatzbereiche: • explorative <strong>Marktforschung</strong><br />
• bei verborgenen Problemen<br />
• Tabu- und Prestige-Themen<br />
• für Produktinnovationen<br />
• bei “high-touch”-Produkten<br />
Bewertung: + vernachlässigt, aber im Kommen<br />
+/- kann sehr aufschlußreich sein<br />
- nicht repräsentativ<br />
+ billig<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 28
Erhebungsmethoden<br />
Beobachtung ist der Prototyp des befragungsfreien Messens<br />
• Kommunikationsfehler beim Befragen ausschalten !<br />
• beobachtbare Indikatoren für Konstrukte erforderlich<br />
• nicht grundsätzlich objektiver als Befragung<br />
• gleiche Gütekriterien und Validierungsprobleme<br />
Unterscheidungen: systematisch - unsystematisch<br />
Kategorienkonstruktion: empirisch<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
natürliche - experimentelle Situation<br />
teilnehmend - nicht teilnehmend<br />
theoriegeleitet<br />
Fehlertendenzen: Unvollständigkeit<br />
Interpretationsfehler<br />
Maßstabsveränderung<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 29
Erhebungsmethoden<br />
Nichtreaktive Sonderverfahren<br />
Für den Messvorgang bedarf es hier keiner Reaktion<br />
des Messobjekts (Antwort) auf einen Messstimulus (Frage)<br />
Trickreiche Anordnungen zur Vermeidung der Probleme<br />
des reaktiven Messens<br />
Beispiele:<br />
• Müllauswertung<br />
• präparierte Zeitschriften, Fingerabdrücke<br />
• Einnahmen in Parkuhren bei Einkaufsvierteln<br />
• Wasserverbrauch und Beliebtheit von Sendungen<br />
• leere Zigarettenschachteln und Marktanteil<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 30
Erhebungsmethoden<br />
Inhaltsanalyse - Vorgehen<br />
1. Operationalisierung der Fragestellung<br />
2. Auswahl des zu analysierenden sprachlichen Materials<br />
3. Bestimmung der sprachlichen Einheiten<br />
(z.B. Worte, Wortkombinationen, Sätze)<br />
4. Entwicklung eines Kategorieschemas<br />
Anforderungen: - eindeutige Zurechenbarkeit<br />
- erschöpfend<br />
- operational<br />
5. Auszählen, Indexbildung, Hypothesenprüfung<br />
6. Reliabilitäts- und Validitätsprüfung<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 31
Agenda<br />
• Fortsetzung Erhebungsmethoden<br />
• Experiment<br />
• <strong>Marktforschung</strong>-Projektplanung<br />
• Stichprobenplanung<br />
• Befragung<br />
• Skalierung<br />
• Datenaufbereitung und Datenanalyse<br />
• Einfache Statistiken<br />
• Univariate Statistiken<br />
• Bivariate Statistiken<br />
• Signifikanztest<br />
• Prüfstatistik<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 32
Datenaufbereitung und Datenanalyse<br />
Datenaufbereitung<br />
• Zuordnung von (numerischen) Zeichen zu Antwortreaktionen,<br />
z.B. Student = 1, Rentner = 2, Professor = 3, Hausfrau = 4<br />
völlig dagegen = -2, dagegen = -1, indifferent = 0, dafür = 1, sehr dafür = 2<br />
• Codieren ist formales Abbilden von Antworten<br />
• bei geschlossenen bzw. quantitativen Fragen ist Codierung Teil der<br />
Frageformulierung<br />
• bei offenen, insbesondere nominalen Fragen wird nach der Erhebung codiert<br />
• Codieren ist ein Teil des Messvorgangs, also potenziell fehlerbehaftet<br />
• Grundproblem: Übereinstimmung der Kategorien von Fragendem und Befragtem<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Codierung<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 33
Datenaufbereitung und Datenanalyse<br />
Datenaufbereitung<br />
Ansprüche an Codes Eindimensionalität / Ausschließlichkeit<br />
Codierarten geschlossene / numerische Fragen<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Feldcodierung<br />
nachträgliche Codierung<br />
Code-Umfang (Kriterien) Forschungsziel (Differenziertheit)<br />
Probleme Mehrfachnennungen<br />
Codier-Reliabilität<br />
Codieren ist ein Teil des Messvorgangs (!)<br />
Codierprobleme<br />
Vollständigkeit<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 34
Datenaufbereitung und Datenanalyse<br />
Datenbereinigung<br />
Inkonsistente Antworten<br />
- manche Fälle können durch logische Abfrage herausgefunden werden<br />
- gegebenenfalls aus der Auswertung herausnehmen<br />
Eingabe- und Codierfehler<br />
- Datei enthält Ausprägungen, die nach der Codekonstruktion nicht vorkommen<br />
dürfen<br />
- diese Codierfehler können mit Suchabfragen gefunden werden<br />
Interviewer-Bias<br />
- Interviewer können - auch ungewollt - Befragte beeinflussen,<br />
z.B. wenn sie bestätigend kommentieren usw.<br />
- zur Diagnose Test der Hypothese, daß es zwischen Interviewern systematische Unterschiede<br />
gibt<br />
- wenn Untersuchungsergebnisse zwischen den Interviewern signifikant abweichen,<br />
gegebenenfalls Eliminierung von Interviews<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 35
Datenaufbereitung und Datenanalyse<br />
Datenmatrix<br />
• Ausgangspunkt einer Auswertung ist eine maschienenlesbare Datenmatrix<br />
• Sie hat die allgemeine Form:<br />
Fälle =<br />
Messobjekte<br />
(hier: AP n )<br />
1<br />
.<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
.<br />
.<br />
i<br />
.<br />
.<br />
.<br />
n<br />
Messvariablen (hier: Fragen)<br />
1 ................................... j ....................................... m<br />
Messwerte (Ausprägungen)<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 36
Datenaufbereitung und Datenanalyse<br />
Datenaufbereitung – lpsative Messwerte durch Standardisierung<br />
Problem: Statistische Bereinigung der Datenmatrix um personenspezifische,<br />
vom Inhalt (Ausprägung des zu messenden Merkmals) unabhängige<br />
Antworttendenzen.<br />
Beispiel: Befragter A - kreuzt Einstellungsskalen immer ganz extrem an (1; 7)<br />
Befragter B - bevorzugt die Skalenmitte (3; 4; 5)<br />
Befragter C - bevorzugt die linke Skalenhälfte (1; 2; 3)<br />
usw.<br />
Standardisierung: Vorausgesetzt, dass die Ratings jedes Befragten eine<br />
“Stichprobe aus dem Universum seiner Ratingantworten” sind,<br />
können die genannten Quellen von Fehlervarianz durch zeilenweise<br />
z-Standardisierung der Datenmatrix eliminiert werden.<br />
Berechnung:<br />
s i = {1/n i Σ (x ij - x j) 2 } 1/2<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Σ<br />
z ij = bereinigtes “Rating” von Person i bei Item j<br />
x ij = Ratings von Person i bei Item j<br />
x j = itemspezifischer Mittelwert<br />
s i = personenspezifische Standardabweichung<br />
n i = Zahl der abgegebenen Ratings von Person i<br />
Wertebereich: gestutzte Normalverteilung<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 37
Datenaufbereitung und Datenanalyse<br />
Datenanalyse<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
1. Univariate und bivariate Statistiken<br />
2. Signifikanztest<br />
3. Multivariate Datenanalyse<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 38
Datenaufbereitung und Datenanalyse<br />
Einfache Statistiken – univariate Statistiken<br />
X = Variable, z.B. Schulbildung<br />
i<br />
j<br />
nj = Fall-Index, z.B. Person<br />
= Ausprägungs-Index, z.B. Abitur<br />
= Häufigkeit einer Ausprägung j,<br />
Σ n j<br />
j<br />
= N<br />
N = Fallzahl<br />
J = Index der Medien- bzw. Modal-Ausprägung, z.B. Mittlere Reife<br />
J0 = Index der oberen Quartilsausprägung, z.B. Abitur<br />
= Index der unteren Quartilsausprägung, z.B. Hauptschule<br />
J u<br />
Aussage<br />
Skalenniveau<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Zentraltendenz Streuung<br />
Nominal Modalwert<br />
^<br />
x = x j<br />
J = j(max(<br />
n j ))<br />
Konzentrationsmaße, z.B.<br />
3<br />
Σ(<br />
n j − n )<br />
j<br />
j<br />
K = 3<br />
N − N<br />
Ordinal Median Quartilsabstand<br />
~<br />
x = x<br />
J<br />
j<br />
N<br />
= j(min(<br />
Σ n j ≥ ))<br />
j 2<br />
Metrisch Arithmetisches Mittel Standardabweichung<br />
1<br />
x = ∑ xi<br />
N<br />
S =<br />
1<br />
2<br />
∑ ( xi<br />
− x)<br />
N i<br />
i<br />
D = ( x<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 39<br />
Jo<br />
− x<br />
Jo = j(min(<br />
Ju = j(min(<br />
ju<br />
)<br />
∑<br />
∑<br />
/ 2<br />
n<br />
n<br />
j<br />
j<br />
3N<br />
≥ ))<br />
4<br />
N<br />
≥ ))<br />
4
Datenaufbereitung und Datenanalyse<br />
Boxplot<br />
Boxlänge<br />
umfaßt 50%<br />
der Werte, den<br />
“Kern in der<br />
Mitte”<br />
maximal eine<br />
Boxlänge von<br />
Box entfernt<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Grafische Statistik von Tukey<br />
*<br />
x<br />
größter Wert<br />
oberes Quartil<br />
Medianwert<br />
unteres Quartil<br />
kleinster Wert im<br />
Streubereich<br />
Ausreißerwert<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 40
Datenaufbereitung und Datenanalyse<br />
Bivariate Statistiken<br />
• Skalenniveau<br />
• Zahl der Ausprägungen<br />
• Grad der Aggregation<br />
• Kausalrichtung der Hypothese<br />
• Erhaltung wesentlicher Informationen<br />
• Interpretations-Plausibilität<br />
• Vergleichbarkeit (andere Untersuchungen)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Kriterien:<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 41
Datenaufbereitung und Datenanalyse<br />
Prozentsatzdifferenz<br />
<strong>Vorlesung</strong>s-<br />
Besuch<br />
Klausurerfolg<br />
Skalenniveau : ab nominal<br />
Zahl der Ausprägungen : 2 x 2<br />
Aggregation : Häufigkeiten<br />
Kausalrichtung : nicht notwendig<br />
Information : hier kein Verlust<br />
Interpretation : plausibel<br />
Vergleichbarkeit : nur gleiche Tabellenform<br />
Problematik : Zellenbesetzung<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
a.V. (1) a.V. (2) Σ<br />
u.V. (1) 55 22% 183 51% 238<br />
u.V. (2) 199 78% 179 49% 378<br />
Σ 254 362 616<br />
D = 29 %<br />
= 51 - 22<br />
= 78 - 49<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 42
Datenaufbereitung und Datenanalyse<br />
Vierfelderkorrelation Φ<br />
a<br />
c<br />
a + c<br />
a.<br />
d − b.<br />
c<br />
−1<br />
≤ Φ =<br />
≤ + 1<br />
( a + b).(<br />
c + d).(<br />
a + c).<br />
b + d)<br />
Skalenniveau : ab nominal<br />
Zahl der Ausprägungen : 2 x 2<br />
Aggregation : Häufigkeiten<br />
Kausalrichtung : nicht notwendig<br />
Information : bei Nominaldaten vollständig<br />
Interpretation : χ 2 – basiert, korrelationsäquivalent<br />
Vergleichbarkeit : gut<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
b<br />
d<br />
b + d<br />
a + b<br />
c + d<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 43<br />
N
Datenaufbereitung und Datenanalyse<br />
Einfache Statistiken<br />
Beispiel: Kendall´s τb Bewertung:<br />
Skalenniveau ab ordinal (sonst keine Ordnung).<br />
Zahl der Ausprägungennicht zu wenig (sonst zahlreiche ties).<br />
Aggregationgrad zweidimensionale Häufigkeitstabellen.<br />
Kausalrichtung keine<br />
Interpretation plausibel (nomierter Konkordanzüberschuss)<br />
Vergleichbarkeit Tabellen mit gleicher Spalten- und Zeilenzahl<br />
Kritik τ b kann bei “nicht-quadratischen” Tabellen die<br />
optimal<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
τ b misst den Grad, mit dem zwei verschiedene<br />
Messvariablen die Messobjekte ähnlich rangordnen<br />
Maximalwerte +1/-1 nicht erreichen<br />
Da nur Ranginformation genutzt wird, ist die<br />
Statistik bei höheren Skalenniveaus nicht<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 44
Datenaufbereitung und Datenanalyse<br />
Einfache Statistiken<br />
Zahlenbeispiel :<br />
1968<br />
1969<br />
1970<br />
1971<br />
1972<br />
1973<br />
1974<br />
1975<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Beispiel : Kendall´s τ b<br />
BRD<br />
3<br />
5<br />
7<br />
4,5<br />
3,5<br />
6<br />
6,5<br />
4,5<br />
Japan<br />
5,84<br />
6,25<br />
4,25<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 45<br />
6<br />
5,5<br />
6<br />
9<br />
8
Datenaufbereitung und Datenanalyse<br />
Einfache Statistiken - Beispiel : Kendall´s τb<br />
Auszählung der konkordanten (K), diskonkordanten (D) und gebundenen (T) Fälle am Zahlenbeispiel:<br />
Beispiel :<br />
1968<br />
1969<br />
1970<br />
1971<br />
1972<br />
1973<br />
1974<br />
1975<br />
1971<br />
1972<br />
Ordnung:<br />
1968<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
-<br />
1969<br />
K<br />
-<br />
X<br />
4,5<br />
3,5<br />
Abstieg<br />
τ b<br />
1970<br />
K<br />
D<br />
-<br />
=<br />
( 18<br />
Abstieg<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 46<br />
1971<br />
D<br />
K<br />
K<br />
-<br />
1972<br />
D<br />
K<br />
K<br />
K<br />
-<br />
Y<br />
5,5<br />
4,25<br />
1973<br />
K<br />
D<br />
T y<br />
K<br />
K<br />
-<br />
18 −8<br />
1974<br />
D<br />
Konkordanz<br />
+ 8 + 1)(<br />
18 + 8 + 1)<br />
K<br />
K<br />
K<br />
K<br />
K<br />
-<br />
1975<br />
K<br />
D<br />
D<br />
T x<br />
K<br />
D<br />
K<br />
-<br />
=<br />
Nc = 18<br />
Nd = 8<br />
Tx = 1<br />
Ty = 1<br />
------------<br />
( ) = 28<br />
N<br />
2<br />
10<br />
27<br />
=<br />
0,<br />
370
Datenaufbereitung und Datenanalyse<br />
Einfache Statistiken - Beispiel : Kendall´s τb<br />
N c<br />
N d<br />
T x<br />
T y<br />
= Zahl aller konkordant geordneten Paare von Fällen<br />
= Zahl aller diskordant geordneten Paare von Fällen<br />
= Zahl der Paare, die in der ersten Variablen wegen<br />
gleicher Ausprägung nicht geordnet werden können<br />
= Zahl der Paare, die in der zweiten Variablen wegen<br />
gleicher Ausprägung nicht geordnet werden können<br />
Die Gesamtzahl aller Paare von Fällen, die aus n Messobjekten<br />
gebildet werden können,<br />
N = N c+N d+T x+T y , ist<br />
N<br />
⎛n<br />
⎞ 1<br />
= ⎜ ⎟ = * n*<br />
( n −1)<br />
⎝2<br />
⎠ 2<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 47
Datenaufbereitung und Datenanalyse<br />
Scheinkorrelation<br />
• Beispiel: Mögliche Fehlinterpretationen eines Befundes aus Burda <strong>Marktforschung</strong>,<br />
Typologie der Wünsche 1980, Bd. 2<br />
• Von je 100 deutschen, mindestens 14-jährigen (Personen/ regelmäßigen Biertrinkern/<br />
regelmäßigen Weintrinkern) stimmen folgende Anteile stark oder sehr stark der Norm zu:<br />
“sich mindestens einmal im Jahr gründlich untersuchen zu lassen”:<br />
Falsche Folgerung: Biertrinker sind unterdurchschnittlich “gesundheitsbewusst”,<br />
Weintrinker überdurchschnittlich.<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
bejaht stark / sehr stark<br />
Personen gesamt 58%<br />
regelmäßige Biertrinker 54%<br />
regelmäßige Weintrinker 61%<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 48
Datenaufbereitung und Datenanalyse<br />
Scheinkorrelation – Fortsetzung des Beispiels<br />
Aufgliederung des Befundes nach Geschlecht:<br />
Die Scheinkorrelation zwischen “Gesundheitsbewusstsein” und “Getränkepräferenz”<br />
entsteht durch die Hintergrundvariable Geschlecht:<br />
Mehr Frauen als Männer lassen sich regelmäßig untersuchen (63% : 51%) und mehr<br />
Männer als Frauen trinken regelmäßig Bier (72% : 46%);<br />
(nicht in obigen Tabellen ausgewiesen!).<br />
Geschlecht<br />
Untersuchungshäufigkeit<br />
Getränkepräferenz<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
bejaht stark / sehr stark<br />
gesamt weiblich männlich<br />
Personen gesamt 58% 63% 51%<br />
regelmäßige Biertrinker 54% 65% 49%<br />
regelmäßige Weintrinker 61% 66% 54%<br />
Scheinkorrelation<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 49
Datenaufbereitung und Datenanalyse<br />
Weitere Beispiele für Scheinkorrelation<br />
Hohe Korrelationen von<br />
• Schuhgröße und Wortschatz<br />
• Körpergröße und Haarlänge<br />
Erklärungen?<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 50
Datenaufbereitung und Datenanalyse<br />
Scheinkorrelation heißt scheinbar ja oder scheinbar nein<br />
Beispiel 2:<br />
scheinbar hohe Korrelation<br />
y<br />
Bei Kontrolle von Z (Z1/Z2)<br />
verschwindet der scheinbare<br />
x-y-Zusammenhang<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
x<br />
Beispiel 3:<br />
scheinbar keine Korrelation<br />
Bei Kontrolle von Z(x/o) zeigen sich<br />
starke x-y-Zusammenhänge<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 51<br />
y<br />
x
Datenaufbereitung und Datenanalyse<br />
Signifikanztest - Beispiel: Chi-Quadrat-Test<br />
Fragestellungen: a) Vergleich von (2) empirischen Verteilungen miteinander<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
b) Vergleich einer empirischen mit einer theoretischen<br />
Verteilung (z.B.Gleichverteilung)<br />
Nullhypothese: Die (2) Häufigkeitsverteilungen sind statistisch gleich, beide<br />
sind Stichproben aus derselben Population<br />
Prüfstatistik: Chi-Quadrat-Verteilung mit k-1 Freiheitsgraden;<br />
k= Zahl der Kategorien (beim Vergleich von m Verteilungen<br />
miteinander: (k-1)(m-1) Freiheitsgrade)<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 52
Datenaufbereitung und Datenanalyse<br />
Datenanalyse<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
1. Univariate und bivariate Statistiken<br />
2. Signifikanztest<br />
3. Multivariate Datenanalyse<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 53
Datenaufbereitung und Datenanalyse<br />
Signifikanztest - Beispiel: Chi-Quadrat-Test<br />
Testgröße:<br />
X<br />
∑ − ( f0<br />
=<br />
Anwendungsvoraussetzungen:<br />
2<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
f<br />
e<br />
f<br />
2<br />
e )<br />
= beobachtete (observed)<br />
Zellenbesetzung<br />
= aufgrund der Nullhypothese zu<br />
erw. (expected) Zellenbesetzung<br />
klassifizierte bzw. nominal skalierte Daten mit gleicher Klasseneinteilung der zu<br />
vergleichenden Samples<br />
Zellenbesetzungen dürfen nicht als Relativzahlen eingesetzt werden, sondern als<br />
absolute Häufigkeiten<br />
darf in keiner Zelle kleiner als 5 sein, sonst ist x nicht mehr annähernd Chi-Quadratverteilt<br />
2<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 54<br />
f 0<br />
f e
Datenaufbereitung und Datenanalyse<br />
Nur ein Test je Hypothese!<br />
Wenn keine Hypothesen vorliegen (explorative Untersuchung) oder mehrere<br />
Signifikanztests je Hypothese gerechnet werden, ist Fehler erster Art (richtige<br />
Nullhypothese fälschlich abgelehnt) größer als Tabellenwert α<br />
Beispiel 1: Umfrage mit 100 Variablen (mögliche u.V.) und einer a.V.<br />
Selbst wenn alle 100 Nullhypothesen H0 stimmen (reine<br />
Zufallsvariablen),<br />
sind bei α = 5% fünf “signifikante” Ergebnisse zu erwarten.<br />
Beispiel 2: Eine Suche nach signifikanten Korrelationen zwischen sämtlichen<br />
Paaren der 100 Variablen dieser Untersuchung ergibt,<br />
obwohl sämtliche Nullhypothesen H0 stimmen (reine Zufallsvariablen),<br />
248 “signifikante” Korrelationen<br />
(5% der rechenbaren Signifikanztests, das sind<br />
100<br />
oder 4950 Tests)<br />
2<br />
Fazit: Nie Signifikanztests rechnen, wenn nicht genau eine Hypothese vorliegt<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 55
Datenaufbereitung und Datenanalyse<br />
Prüfstatistik<br />
1. Formulierung der Nullhypothese (H 0) aus der erwarteten Hypothese (H A)<br />
2. Spezifizierung der Teststatistik (siehe Kriterien der Testauswahl)<br />
3. Festlegung des Signifikanzniveaus α (Fehler 1. Art); Konservatismus-Entscheidung<br />
4. Berechnung der Wahrscheinlichkeit p dafür, daß im Falle der Gültigkeit von H 0 die empirisch<br />
vorgefundenen Daten auftreten konnten<br />
5. Entscheidung für H 0 falls p > α, sonst Beibehaltung der Alternativhypothese H A<br />
• Signifikanz als Effektstärke interpretiert; kleine Effekte können signifikant sein vice versa<br />
• es gab keine (oder zahlreiche) Hypothesen; Test nur bei einer Hypothese zulässig<br />
• falsche Teststatistik (z.B. zu hoch angenommenes Skalenniveau)<br />
• zweiseitige Hypothese einseitig getestet - vice versa (Folge: falsche Interpretation)<br />
• Verbundenheit von Stichproben nicht beachtet (Folge: zu konservatives Testen)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Durchführung eines Signifikanztests<br />
Häufigste Fehler:<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 56
Datenaufbereitung und Datenanalyse<br />
Signifikanztest – Ist die Hypothese gerichtet?<br />
• Konservativitätsgrundsatz:<br />
• Gerichtete Hypothesen können einseitig, ungerichtete Hypothesen müssen zweiseitig<br />
getestet werden.<br />
• Zweiseitiger Test gerichteter Hypothesen erhöht den Fehler zweiter Art.<br />
• Einseitiger Test ungerichteter Hypothesen erhöht den Fehler erster Art (ist konservativ).<br />
Einseitiger Test: “Sonderangebotspolitik senkt die Markentreue“<br />
Rejektionsbereich<br />
Zweiseitiger Test: “Sonderangebotspolitik beeinflusst die Markentreue“<br />
α/2<br />
Rejektionsbereich”<br />
Rejektionsbereich<br />
Senkung”<br />
”Erhöhung”<br />
(Fehler erster Art auf zwei Seiten verteilt, H0 wird eher beibehalten)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
α<br />
Markentreue<br />
Markentreue<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 57<br />
α/2
Datenaufbereitung und Datenanalyse<br />
Prüfstatistik<br />
• Deskriptivstatistik, in der Hypothese ausgedrückt ist<br />
(u.a. arithmetisches Mittel, Häufigkeitsverteilung, Korrelation)<br />
• Zahl der zu vergleichenden Stichproben (1, 2, viele)<br />
• Verbundenheit zu vergleichenden Stichprobe (ja, nein)<br />
• Hypothesenrichtung (einseitig, zweiseitig)<br />
• formale Anforderungen (Skalenniveau, Verteilungsparameter)<br />
• Konservativismus (Risiko des Fehlers erster Art)<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Kriterien für Testmodellwahl<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 58
Datenaufbereitung und Datenanalyse<br />
Prüfstatistik – Ausgewählte Testmodelle für Nominaldaten<br />
eine<br />
Gruppe<br />
2-kategorialer<br />
Binomialtest<br />
k-kategorialer<br />
Chiquadrattest<br />
Nominal<br />
Häufigkeiten<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Prüfstatistik<br />
Ordinal<br />
Rangordnungen<br />
zwei<br />
Gruppen<br />
unabhängig:<br />
Chi-Quadrat-Test<br />
abhängig:<br />
McNemar-Test<br />
viele<br />
Gruppen<br />
Metrisch<br />
Meßwerte<br />
unabhängig:<br />
Chi-Quadrat-Test<br />
abhängig:<br />
Cochran Q-Test<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 59
Datenaufbereitung und Datenanalyse<br />
Prüfstatistik – Ausgewählte Testmodelle für Ordinaldaten<br />
eine<br />
Gruppe<br />
Kolmogorov<br />
Smirnov-<br />
Test<br />
Nominal<br />
Häufigkeiten<br />
unabhängig:<br />
Mediantest<br />
U-Test<br />
zwei<br />
Gruppen<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
Prüfstatistik<br />
abhängig:<br />
Signtest<br />
Wilcoxontest<br />
Ordinal<br />
Rangordnungen<br />
unabhängig:<br />
Kruskal-Wallis-<br />
H -Test<br />
viele<br />
Gruppen<br />
Metrisch<br />
Meßwerte<br />
abhängig:<br />
Friedmanns<br />
Rang -VA<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 60
Datenaufbereitung und Datenanalyse<br />
Signifikanz und Stichprobenumfang<br />
Sechs unabhängige Untersuchungen der selben Hypothese über einen Marketingeffekt<br />
haben bei verschiedenen Stichprobengrößen auf unterschiedlichem Signifikanzniveau (siehe α)<br />
sämtlich signifikante Ergebnisse gebracht:<br />
Bewerten Sie den Wert der Studien hinsichtlich ihrer Beiträge<br />
zur wissenschaftlichen Lösung des betreffenden Marketingproblems<br />
Rangordnen Sie dazu alle Untersuchungen (1=beste, 6=schwächste Studie) in Spalte „ „<br />
(Ziffer 1-6 eintragen) je nachdem, wie ihr Erkenntnisbeitrag für die Wissenschaft Ihres Erachtens ist<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 61
Datenaufbereitung und Datenanalyse<br />
Datenanalyse<br />
Technische Universität <strong>Berlin</strong><br />
Lehrstuhl Marketing Professor Dr. Volker Trommsdorff<br />
1. Univariate und bivariate Statistiken<br />
2. Signifikanztest<br />
3. Multivariate Datenanalyse<br />
<strong>Marktforschung</strong> – Erhebungsmethoden und Messtheorie 62