Marketingforschung - auf den Seiten von Frau Prof. Dr. Andrea Raab!
Marketingforschung - auf den Seiten von Frau Prof. Dr. Andrea Raab!
Marketingforschung - auf den Seiten von Frau Prof. Dr. Andrea Raab!
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Studiengang Betriebswirtschaftslehre: Marketing (M2 - Teil 1)<br />
Marktforschung und Marketingstrategie (M2), Hochschule Ingolstadt: <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong>
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
Basis für dieses Skript: - <strong>Raab</strong>, A., Poost, A., Eichhorn, S.: <strong>Marketingforschung</strong> – Ein praxisorientierter Leitfa<strong>den</strong>, 2009<br />
- Kotler Ph., Keller K.: Marketing Management 13th ed., 2009<br />
- Berekhoven, E., Eckert, W., Ellenrieder, P.: Marktforschung, 2006<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 2 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 3 -
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong>: Lernziele<br />
• Lernziele<br />
• Warum wer<strong>den</strong> Informationen heutzutage immer wichtiger?<br />
• Welche Marketinginformationen sollte ein Unternehmen besitzen?<br />
• Welche Elemente sollte ein modernes Marketing Informationssystem enthalten?<br />
• Was ist <strong>Marketingforschung</strong> und was sind die Ziele?<br />
Der Erfolgreichste im Leben ist der,<br />
der am besten informiert wird.<br />
Benjamin Disraeli<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 4 -
<strong>Marketingforschung</strong>: die Rolle der Information im Marketing (1)<br />
• “Die Märkte sind einem radikalen Wandel unterworfen!”<br />
Durch bedeutende Veränderungen im Makroumfeld entstehen neue Verhaltensweisen bei<br />
Kun<strong>den</strong>, die zu neuen Chancen und Herausforderungen bei Unternehmen führen.<br />
• Einflussfaktoren<br />
• Technologischer Wandel<br />
• Globalisierung<br />
• Deregulierung der Märkte<br />
• Privatisierung<br />
• Zunehmende Anzahl an Käufermärkten<br />
• Customization<br />
• Verschmelzung <strong>von</strong> Industrienzweigen<br />
• Transformation des traditionellen Einzelhandels<br />
• Disintermediation<br />
BRAINSTORMING ZU<br />
EINFLUSSFAKTOREN<br />
C. Kolumbus: “Zuverlässige Informationen sind unbedingt nötig für das<br />
Gelingen eines Unternehmens.”<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 5 -
<strong>Marketingforschung</strong>: die Rolle der Information im Marketing (2)<br />
• Marketinginformationen - Informationsbereiche<br />
Informationsbereich<br />
Informationen über die<br />
Unternehmensumwelt<br />
Informationen über<br />
betriebsinterne Tatbestände<br />
Dateninformationen<br />
Instrumentalinformationen<br />
wirtschaftliche Daten<br />
nichtwirtschaftliche Daten<br />
Informationen<br />
über gesamtwirtschaftliche<br />
Größen<br />
Nachfragerinformationen<br />
Bedarfsinformationen<br />
K<strong>auf</strong>kraftinformationen<br />
Informationen über<br />
die betriebliche<br />
Marktlage und die<br />
Marktentwicklung<br />
Konkurrenzinformationen<br />
Zahl der<br />
Konkurrenten<br />
Konkurrenzintensität<br />
rechtliche<br />
Daten<br />
technische<br />
Daten<br />
Brancheninformationen<br />
gesellschaftliche<br />
Daten<br />
Informationen über die<br />
Unternehmensreaktionen <strong>auf</strong><br />
Aktivitäten der Umwelt<br />
Reaktionsinformation in bezug<br />
<strong>auf</strong> Abnehmermaßnahmen<br />
Reaktionsinformation in bezug<br />
<strong>auf</strong> Konkurrenzmaßnahmen<br />
Informationen über<br />
Umweltreaktionen <strong>auf</strong><br />
marketingpolititsche<br />
Maßnahmen<br />
Zahl der<br />
Bedarfsträger<br />
Bedarfsintensität<br />
Informationen<br />
über Abnehmerreaktionen<br />
Informationen<br />
über Konkurrenzreaktionen<br />
Informationen über<br />
Reaktionen staatlicher<br />
Instanzen<br />
Quelle: Bindlingmaier, 1983, S. 35<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 6 -
<strong>Marketingforschung</strong>: die Rolle der Information im Marketing (3)<br />
• Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (1):<br />
• Hilfreiche Fragen zur Erfassung des internen Informationsbedarfs<br />
• Welche Entscheidungen haben Sie für gewöhnlich zu treffen?<br />
• Welche Informationen brauchen Sie für diese Entscheidungen?<br />
• Welchen Informationen wer<strong>den</strong> Ihnen üblicherweise geliefert?<br />
• Welche Sonderberichte fordern Sie in welchen Zeitintervallen an?<br />
• Welches Informationsmaterial, das Sie eigentlich gerne hätten, erhalten Sie gegenwärtig nicht?<br />
• Welche Informationen benötigen Sie täglich, wöchentlich, monatlich oder jährlich?<br />
• Über welche spezifischen Themenbereiche wollen Sie stets <strong>auf</strong> dem l<strong>auf</strong>en<strong>den</strong> gehalten wer<strong>den</strong>?<br />
• Welche Datenanalyseprogramme sollte man Ihnen zur Verfügung stellen?<br />
• Welches wären nach Ihrer Meinung die vier nützlichsten Änderungen, die am gegenwärtigen Marketing-<br />
Informationssystem vorgenommen wer<strong>den</strong> könnten?<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 7 -
<strong>Marketingforschung</strong>: die Rolle der Information im Marketing (4)<br />
• Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (2):<br />
• Definition: A MIS consists of people, equipment, and procedures to gather, sort, analyze, evaluate,<br />
and distribute needed, timely, and accurate information to marketing decision makers.<br />
• Klassifizierung eines MIS (Marketing Informationssystems)<br />
• Vertriebsinformationssystem: stellt Verk<strong>auf</strong>sdaten (Bestellungen, Umsätze, Preise etc.) aus dem<br />
internen Berichtswesen (z.B. SFA, EDI) zur Verfügung<br />
• Datenbanken, Data Warehousing und Data Mining: Daten wer<strong>den</strong> in unterschiedlichen Datenbanken<br />
abgelegt (z.B. Kun<strong>den</strong>datenbank, Produktdatenbank) und datenbankübergreifende Abfragen erstellt<br />
• Marketing Intelligence System: Prozesse und Quellen, die <strong>von</strong> Managern genutzt wer<strong>den</strong>, um aktuelle<br />
Informationen über Entwicklungen im Marketing Umfeld zu erhalten (z.B. Kun<strong>den</strong>-, Handelspanel).<br />
• <strong>Marketingforschung</strong>ssystem: Marketinguntersuchungen zu speziellen Marketing Problemen.<br />
Erfolgreiche Unternehmen erfassen kontinuierlich ihren Informationsbedarf und<br />
bauen entsprechende Marketing Informationssysteme (MIS) <strong>auf</strong>, um diesen Bedarf zu<br />
decken.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 8 -
<strong>Marketingforschung</strong>: Warum und was ist das?? (1)<br />
• <strong>Marketingforschung</strong><br />
• Um beispielsweise Antworten <strong>auf</strong> die folgen<strong>den</strong> Fragen zu fin<strong>den</strong>:<br />
• Wie hoch ist das gegenwärtige Marktpotenzial / Marktvolumen und die momentane<br />
Marktwachstumsrate?<br />
• Wie lassen sich aktuelle und potenzielle Kun<strong>den</strong> eines Unternehmens charakterisieren? Wie, wann,<br />
wo und warum k<strong>auf</strong>en sie die Produkte des Unternehmens bzw. Produkte der Wettbewerber?<br />
• Welche Kun<strong>den</strong>segmente können vom Unternehmen profitabel bedient wer<strong>den</strong>?<br />
• Welche gegenwärtigen / potenziellen Wettbewerber gibt es? Welche Stärken und Schwächen haben<br />
die stärksten Wettbewerber des betrachteten Unternehmens, welche Strategien verfolgen diese?<br />
• Wie reagiert der Markt <strong>auf</strong> die Kommunikationsaktivitäten des Unternehmens?<br />
• Definition <strong>Marketingforschung</strong> (Quelle: Kotler Ph., Keller K.: Marketing Management 13e, 2009, S. 130)<br />
Marketing research is the systematic<br />
• design,<br />
• collection,<br />
• analysis, and<br />
reporting of data and findings relevant to a specific marketing situation facing the company.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 9 -
<strong>Marketingforschung</strong>: Warum und was ist das?? (2)<br />
• Marktforschung versus <strong>Marketingforschung</strong><br />
• Der Begriff „Marktforschung“ bezieht sich schwerpunktmäßig <strong>auf</strong> die Untersuchung <strong>von</strong><br />
Sachverhalten außerhalb des Unternehmens (z. B. Arbeitsmarkt, Absatzmarkt, Rohstoffmarkt,<br />
Kapitalmarkt). Im Speziellen wer<strong>den</strong> die Absatz- und Beschaffungsmöglichkeiten eines<br />
Unternehmens sowie deren Potenziale und Risiken untersucht.<br />
• Der Begriff „<strong>Marketingforschung</strong>“ hingegen betrachtet außerbetriebliche und innerbetriebliche<br />
Informationen. Dies bedeutet, dass sowohl die Wirkung <strong>von</strong> Marketingaktivitäten wie z. B.<br />
Distributions-, Produkt-, Kommunikations- und Preispolitik als auch innerbetriebliche Sachverhalte<br />
untersucht wer<strong>den</strong> wie z. B. Vertriebskosten oder Lagerprobleme. Hinsichtlich der außerbetrieblichen<br />
Informationsbeschaffung ist der Begriff „<strong>Marketingforschung</strong>“ weniger umfassend, da die<br />
Beschaffungsmärkte keine Berücksichtigung fin<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 10 -
<strong>Marketingforschung</strong>: Ziele (1)<br />
• Die <strong>Marketingforschung</strong> erfüllt im Unternehmen folgende Funktionen:<br />
• Anregungsfunktion: Generierung <strong>von</strong> Impulsen für die Initiierung neuer Marketingaktivitäten,<br />
beispiels-weise die Bearbeitung neuer Märkte, die Entwicklung neuer Produkte oder<br />
Produktverbesserungen, die Durchführung <strong>von</strong> Preisanpassungen.<br />
• Prognosefunktion: Einschätzung der Veränderungen marketingrelevanter Faktoren in <strong>den</strong><br />
Bereichen Markt, Kun<strong>den</strong>, Lieferanten, Handel, Konkurrenz und Umfeld sowie deren Auswirkungen<br />
<strong>auf</strong> das eigene Geschäft.<br />
• Bewertungsfunktion: Unterstützung bei der Bewertung und Auswahl <strong>von</strong> Entscheidungsalternativen,<br />
z. B. bei Neuprodukten, Preisanpassungen, der Bearbeitung <strong>von</strong> Vertriebskanälen.<br />
• Kontrollfunktion: Systematische Suche/Sammlung marketingrelevanter Informationen über die<br />
aktuelle Marktstellung des eigenen Unternehmens sowie die Wirksamkeit einzelner<br />
Marketinginstrumente.<br />
• Bestätigungsfunktion: Erforschung <strong>von</strong> Ursachen des Erfolgs/Misserfolgs <strong>von</strong><br />
Marketingentscheidungen.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 11 -
<strong>Marketingforschung</strong>: Mögliche Untersuchungsgegenstände (1)<br />
• Beispiele für Untersuchungsfragen<br />
• Fall 1: Ermittlung der Absatzchancen für ein neues UMTS-Handy<br />
Untersuchungsziel: Ermittlung des Absatzpotenzials?<br />
• Datenquellen? Primäre, sekundäre?<br />
• Einstieg in die Primäruntersuchung durch Expertenbefragung? Welche?<br />
• Operationalisierung (Variablen): K<strong>auf</strong>absichten (eigenes Produkt / Wettbewerb), K<strong>auf</strong>häufigkeit,<br />
Durchschnittspreis …<br />
• Formulieren <strong>von</strong> Thesen?<br />
• Erhebungsmethode: Befragung, Beobachtung, Experiment?<br />
• Erhebungsinstrument?<br />
• Untersuchungseinheiten / Grundgesamheit?<br />
• Auswahlverfahren?<br />
• Auswertung/Analyse Daten (händisch, elektronisch, Tabellen, Graphen; deskriptive Statistik [univariat,<br />
bivariat, multivariat]; induktive Statistik: Hypothesen)<br />
• Interpretation<br />
• Bericht und Präsentation: Darstellungsform; Handlungsempfehlungen<br />
• Fall 2: Untersuchung der Käuferschicht eines Handy-Herstellers hinsichtlich soziodemographischer<br />
Merkmale, K<strong>auf</strong>verhalten-, und Einstellungsmerkmale;<br />
Untersuchungsziel: gezieltere Ausrichtung der Marketingaktivitäten<br />
• Untersuchungsziel?<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 12 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 13 -
Der <strong>Marketingforschung</strong>sprozess im Überblick: Lernziele<br />
• Lernziele<br />
• Welche Prozessschritte umfasst der <strong>Marketingforschung</strong>sprozess?<br />
• In welchem Zusammenhang wird die explorative, deskriptive oder kausalanalytische<br />
<strong>Marketingforschung</strong> eingesetzt?<br />
• Wann wählt man welchen Forschungsansatz?<br />
• Wie gehe ich bei der Durchführung einer Primärforschung vor?<br />
• Wie finde ich <strong>den</strong> Einstieg in die Thematik?<br />
• Wie kann das Untersuchungsproblem operationalisiert wer<strong>den</strong>?<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 14 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (1)<br />
• Der <strong>Marketingforschung</strong>sprozess (1)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
Für eine erfolgreiche <strong>Marketingforschung</strong> müssen einige Entscheidungen getroffen und<br />
Barrieren überwun<strong>den</strong> wer<strong>den</strong>, um letztendlich Marktchancen i<strong>den</strong>tifizieren zu können.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 15 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (2)<br />
• Der <strong>Marketingforschung</strong>sprozess (2)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
Definition der<br />
Problemstellung<br />
• Ausgangssituation:<br />
- Burning Platform<br />
• Zielsetzung:<br />
- In Scope<br />
- Out of Scope<br />
• Forschungsansatz:<br />
- explorativ<br />
- deskriptiv<br />
- kausalanalytisch<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 16 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (3)<br />
• Der <strong>Marketingforschung</strong>sprozess (3)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
Forschungsplan erstellen<br />
und Daten erheben<br />
• Beginn der<br />
Informationssammlung<br />
a) Sekundärforschung<br />
• Interne Datenquellen<br />
• Externe Datenquellen<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 17 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (4)<br />
• Der <strong>Marketingforschung</strong>sprozess (4)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
b) Primärforschung<br />
Projekte effizient steuern<br />
a) Wie erfolgt der Einstieg in die Thematik der Untersuchung?<br />
b) Welche Annahmen sollen geprüft wer<strong>den</strong>?<br />
c) Wie kann das Untersuchungsproblem messbar gemacht<br />
wer<strong>den</strong>?<br />
d) Auf welche Weise wer<strong>den</strong> Untersuchungen in der Praxis am<br />
häufigsten durchgeführt?<br />
e) Welche Instrumente können eingesetzt wer<strong>den</strong>?<br />
f) Über welche Wege können die Proban<strong>den</strong> kontaktiert wer<strong>den</strong>?<br />
g) Welche und wie viele Personen sollen in die Stichprobe mit<br />
einbezogen wer<strong>den</strong>?<br />
h) Wie wird eine Befragung durchgeführt (4 Hauptprobleme)?<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 18 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (5)<br />
• Der <strong>Marketingforschung</strong>sprozess (5)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
erhobene Daten analysieren und<br />
interpretieren<br />
• Daten tabellarisieren<br />
• Erstellung der Häufigkeitsverteilungen<br />
und Errechnung der<br />
Mittel- und Streuwerte<br />
(univariate Auswertungen)<br />
• Anwendung <strong>von</strong> höheren<br />
statistischen Auswertungsmetho<strong>den</strong><br />
und -modellen<br />
(multivariate Auswertungen)<br />
• Interpretation /<br />
Handlungsempfehlungen<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 19 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (6)<br />
• Der <strong>Marketingforschung</strong>sprozess (6)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
Die für die Problemstellung<br />
relevanten Ergebnisse<br />
wer<strong>den</strong> <strong>den</strong> Entscheidungsträgern<br />
präsentiert und<br />
kommuniziert<br />
• Präsentation /<br />
Dokumentation<br />
• Kommunikation<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 20 -
<strong>Marketingforschung</strong>: Der <strong>Marketingforschung</strong>sprozess im Überblick (7)<br />
• Der <strong>Marketingforschung</strong>sprozess (7)<br />
<br />
Untersuchungsziel<br />
erkennen<br />
und<br />
definieren<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
b) Primärforschung – neue Daten erheben<br />
• Externe<br />
Daten<br />
<br />
Erhobene<br />
Daten<br />
analysieren<br />
und interpretieren<br />
<br />
Ergebnisse<br />
präsentieren<br />
und<br />
kommunizieren<br />
Projekte effizient steuern<br />
Projektmanagement<br />
• Projektadministration<br />
• Projektorganisation<br />
• Projektcontrolling<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 21 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 22 -
Untersuchungsziel erkennen und definieren (1)<br />
• Untersuchungsziel erkennen und definieren<br />
• Ausgangssituation<br />
Konkretisierung der Problemstellung durch die Beschreibung des Ist-Zustandes und des<br />
Projektumfeldes (Einflussfaktoren, Interessensgruppen, Projektrisiken, Chancen und Potenziale).<br />
Metho<strong>den</strong>: Projektumfeldanalyse, Kreativitätstechniken, Issue Based Problem Solving, „Burning<br />
Plattform“<br />
Die exakte Beschreibung der Ausgangssituation ist <strong>von</strong> hoher Bedeutung, weil es durch eine<br />
unpräzise Definition im schlimmsten Fall passieren kann, dass an der grundlegen<strong>den</strong><br />
Fragestellung vorbeigeforscht wird.<br />
• Definition der Zielsetzung<br />
Ableitung der Projektziele und deren Unterziele. Die Ziele beschreiben<br />
jenen Zustand, der am Ende des Projektes vorliegen soll.<br />
• In Scope – Bestandteil des Projektes<br />
• Out of Scope – kein Bestandteil des Projektes<br />
• Wahl des Forschungsansatzes<br />
• explorativ<br />
• deskriptiv<br />
• kausalanalytisch<br />
Nur durch im Vorfeld definierte Ziele ist es möglich, <strong>den</strong> Erfolg eines Projektes<br />
nachzuvollziehen und zu messen.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 23 -
Untersuchungsziel erkennen und definieren (2)<br />
• Beispiel für die Ausgangssituation eines <strong>Marketingforschung</strong>sprojektes:<br />
Im Frühjahr 2010 möchte das Unternehmen XYZ ein neues Produkt <strong>auf</strong> <strong>den</strong> Markt bringen. Es handelt<br />
sich um eine Innovation aus dem Bereich Audio- und Multimedia, die bisher <strong>von</strong> keinem Unternehmen im<br />
Markt angeboten wird. Die Zielgruppe für das Produkt sind Personen im Alter <strong>von</strong> 30 - 50 Jahren mit<br />
einem gehobenen Haushaltsnettoeinkommen. Der Preis des Produktes soll zwischen 700 und 1.000 €<br />
angesiedelt sein. Das Produkt wird über eine exklusive Vertriebsschiene angeboten, über die auch<br />
andere Hersteller ihre Produkte vertreiben. Das Unternehmen XYZ ist sich nicht sicher, ob der<br />
Hauptwettbewerber ein ähnliches Produkt entwickelt. Da es sich um eine Innovation handelt, existieren<br />
<strong>auf</strong> dem Markt bisher keine technischen Standards für dieses Produkt. Durch die hohen prognostizieren<br />
Marketing<strong>auf</strong>wendungen, die nötig sind, um das Produkt in <strong>den</strong> Markt einzuführen, droht das Projekt aus<br />
dem Budget zu l<strong>auf</strong>en.<br />
• Beispiel einer Problemdefinition für das oben genannte Beispiel:<br />
Für das Unternehmen XYZ stellt sich nun die Frage, ob die Investition in das neue Produkt profitabel ist.<br />
Kann am Markt eine ausreichend hohe Stückzahl abgesetzt wer<strong>den</strong>, um in Anbetracht der hohen<br />
Einführungs<strong>auf</strong>wendungen einen Gewinn zu erzielen? Welche Maßnahmen sind vom Wettbewerb zu<br />
erwarten? Welche Bedeutung hat das Fehlen <strong>von</strong> technischen Standards für die Kun<strong>den</strong>?<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 24 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 25 -
Forschungsplan erstellen und Daten erheben: Lernziele<br />
• Lernziele<br />
• Welche Erhebungsmetho<strong>den</strong> und -instrumente gibt es?<br />
• Wie sieht ein “guter” Fragebogen aus?<br />
• Welche Beobachtungsmetho<strong>den</strong> gibt es? Wann wählt man welche Methode und warum?<br />
• Wie sieht ein experimentelles Design aus? Welche Testmetho<strong>den</strong> gibt es? Wann wählt man welche<br />
Methode und warum?<br />
• Welche Skalierungsverfahren gibt es? Wann skaliert man wie und warum?<br />
• Welche Stichprobenverfahren gibt es?<br />
• Fähigkeit der eigenständigen Berechnung <strong>von</strong> Stichprobenfehler und Stichprobenumfang<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 26 -
Forschungsplan erstellen und Daten erheben (1)<br />
• Forschungsplan erstellen und Daten erheben<br />
• Man unterscheidet zwischen Sekundär- und Primärdaten.<br />
Die Auswahlentscheidung, welche Quellen zur Informationssammlung verwendet wer<strong>den</strong>, wird <strong>von</strong><br />
• der Qualität der zu erwarten<strong>den</strong> Ergebnisse,<br />
• dem mutmaßlichen Zeit- und Kosten<strong>auf</strong>wand sowie<br />
• der personellen Kapazität bestimmt.<br />
• Ein professioneller Forschungsplan beschreibt die einzelnen Schritte der<br />
Informationssammlung.<br />
• Er formuliert im Falle der Primärforschung Hypothesen aus der Problemstellung, zerlegt diese in<br />
empirisch untersuchbare Einzelteile, legt die Erhebungsmethode, das Erhebungsinstrument, <strong>den</strong><br />
Sampling-Plan (Stichprobenplan) und die Kontaktmethode fest.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 27 -
Sekundär vs. Primärforschung (1)<br />
Beobachtung<br />
(teilnehmend, nicht<br />
teilnehmend)<br />
Befragung<br />
Fokusgruppe<br />
Experiment<br />
(Feld-/<br />
Laborexperiment)<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Marktbeobachtung<br />
(Zeitraumbetrachtung)<br />
Verhaltensdaten<br />
(“Panels”)<br />
Primärforschung<br />
Sekundärforschung<br />
• Interne Quellen<br />
• Öffentliche<br />
Quellen<br />
• Zeitschriften /<br />
Bücher<br />
• Kommerzielle<br />
Quellen<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 28 -
Sekundärforschung (1)<br />
• Sekundärforschung<br />
• Def. Informationsgewinnung aus bereits vorhan<strong>den</strong>em<br />
und erhobenem Datenmaterial, das<br />
in der Regel für einen anderen Zweck<br />
zusammengetragen wurde.<br />
Sekundärforschung<br />
• Datenquellen<br />
• Interne Datenquellen: Daten, die innerhalb des Unternehmens zur Verfügung stehen<br />
• Unterlagen aus Kostenrechnung / Controlling (z.B. Absatz- und Vertriebskosten, Deckungsbeiträge)<br />
• Statistiken (z.B. Absatz-, Umsatz- und Kun<strong>den</strong>statistik)<br />
• Außendienstberichte (z.B. Besuchsberichte)<br />
• Berichte aus früheren Sekundär- und Primärforschungen<br />
• Externe Datenquellen: Daten die außerhalb des Unternehmens zur Verfügung stehen<br />
• Berichte <strong>von</strong> öffentlichen Stellen und Wirtschaftsverbän<strong>den</strong> (amtliche Quellen, Verbände und Organisationen)<br />
• Veröffentlichungen spezieller Institute und Marktforschungsdienstleister<br />
• Wirtschaftspresse, Fachzeitschriften, Bücher<br />
• Firmenveröffentlichungen<br />
• Interne Quellen<br />
• Öffentliche<br />
Quellen<br />
• Zeitschriften /<br />
Bücher<br />
• Kommerzielle<br />
Quellen<br />
• Neuere Datenquellen: Elektronische Datenbanken, -vermittlungsorganisationen und „Information-<br />
Broker“<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 29 -
Primärforschung (1)<br />
• Primärforschung<br />
• Def. Informationsgewinnung durch die Erhebung <strong>von</strong> neuen, noch nicht vorhan<strong>den</strong>en Daten, die<br />
speziell <strong>auf</strong> die Problemstellung zugeschnitten sind.<br />
<br />
Forschungsplan erstellen und Daten erheben<br />
a) Sekundärforschung - vorhan<strong>den</strong>e Daten erheben<br />
• Interne<br />
Daten<br />
• Externe<br />
Daten<br />
Experten<br />
befragen<br />
b) Primärforschung – neue Daten erheben<br />
Hypothesen<br />
bil<strong>den</strong><br />
definieren<br />
Erhebungsmethode<br />
Erhebungsinstrument<br />
wählen<br />
Operationalisierung<br />
erstellen<br />
Kontaktmethode<br />
wählen<br />
Sampling<br />
Plan<br />
erstellen<br />
Daten<br />
erheben<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 30 -
Primärforschung - Experten befragen (1)<br />
• Expertenbefragung<br />
• Def. Befragung <strong>von</strong> Personen, die mit der Thematik / Problemstellung bereits vertraut bzw.<br />
Spezialisten oder Sachverständige <strong>auf</strong> diesem Gebiet sind, um durch deren Wissen, Erfahrung und<br />
Meinung relativ schnell einen tieferen Einblick in die Thematik zu erhalten.<br />
• Klassifikation<br />
• Einzelbefragung<br />
• Gruppenbefragung (Expertenrunde / Fokusgruppe)<br />
• Methode<br />
• Vorzugsweise persönliche oder telefonische Interviews<br />
• Befragung mittels eines Interviewleitfa<strong>den</strong>s<br />
• Verwendung <strong>von</strong> offenen Fragestellungen<br />
• Ziele<br />
• Gewinnung <strong>von</strong> zusätzlichen Informationen zu der Thematik / Problemstellung.<br />
• Beleuchtung des Themas aus <strong>den</strong> unterschiedlichen Blickwinkeln der Experten.<br />
• Validierung der Informationen aus der Sekundärforschung und Klärung <strong>von</strong> offenen Fragen.<br />
• Bildung <strong>von</strong> ersten Hypothesen für die Problemstellung.<br />
• Sammlung <strong>von</strong> Informationen zu möglichen Lösungsansätzen, Chancen und Risiken.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 31 -
Primärforschung - Hypothesen bil<strong>den</strong> (1)<br />
• Hypothesenbildung (1)<br />
• Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen oder logischen<br />
Sachverhalten (z. B. „Je älter die Käufer, desto höher die Akzeptanz <strong>von</strong> Produkt X“).<br />
• Ziel einer <strong>Marketingforschung</strong>suntersuchung ist es, die <strong>auf</strong>gestellten Ausgangshypothesen mit Hilfe der<br />
gesammelten Daten beantworten zu können.<br />
• Als Ergebnis wer<strong>den</strong> die Hypothesen entweder bestätigt (nicht falsifiziert) oder abgelehnt (falsifiziert).<br />
• Die Prüfung <strong>von</strong> Hypothesen gehört in jede fundierte <strong>Marketingforschung</strong>suntersuchung zur<br />
Entscheidungsfindung.<br />
Im Wesentlichen gelten für Hypothesen folgende Richtlinien. Hypothesen müssen: 1<br />
• Operationalisierbar sein, d.h. mess- und prüfbar gemacht wer<strong>den</strong> können.<br />
• Mindestens zwei Begriffe (meist Merkmale bzw. Variablen) enthalten.<br />
• Falsifizierbar sein, d. h. es muss ein Fall existieren, bei dem die Hypothesen abgelehnt wer<strong>den</strong> können.<br />
• Realitätsnah formuliert sein, d. h. die Begriffe sind <strong>auf</strong> Wirklichkeitsphänomene hin operationalisierbar.<br />
• Möglichst exakt und eng an der Problemstellung angelehnt sein.<br />
• Frei <strong>von</strong> Redundanzen sein, d. h. ein Begriff deckt <strong>den</strong> anderen semantisch nicht ab.<br />
• Widerspruchsfrei sein, d. h. ein Begriff schließt <strong>den</strong> anderen semantisch nicht aus.<br />
• Aussagen und keine Fragen darstellen.<br />
• Die empirischen Geltungsbereiche implizit oder explizit <strong>auf</strong>zählen.<br />
1<br />
Vgl. Kamenz, U.: Marktforschung: Einführung mit Fallbeispielen, 2. Aufl., 2001<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 32 -
Primärforschung - Hypothesen bil<strong>den</strong> (2)<br />
• Hypothesenbildung (2)<br />
• Klassifikation <strong>von</strong> Hypothesen nach der Richtung<br />
• Einseitige (gerichtete) Hypothesen<br />
• Geben die Richtung des Unterschieds/Zusammenhangs an.<br />
Bsp.: „Je höher die Akzeptanz, desto höher der Absatz des Produktes X.“<br />
• Zweiseitige (ungerichtete) Hypothesen<br />
Sagen nichts über die Richtung des Unterschieds/Zusammenhangs aus.<br />
Bsp.: „Das Produkt X wird <strong>von</strong> <strong>den</strong> Käufergruppen unterschiedlich akzeptiert .“<br />
• Klassifikation <strong>von</strong> Hypothesen nach Art<br />
3. Verteilungshypothesen<br />
Sie betrachten nur die Verteilung eines Merkmals (Variable). Bsp.: „An der Fachhochschule Ingolstadt<br />
gibt es mehr männliche Stu<strong>den</strong>ten als weibliche.“<br />
2. Zusammenhangshypothesen<br />
Sie beinhaltet eine Aussage über <strong>den</strong> erwarteten Zusammenhang (Kovariation) zwischen mindestens<br />
zwei Variablen.<br />
Bsp.: „Die Erhöhung des Preises führt zu einer Verminderung des Absatzes.“<br />
3. Unterschiedshypothesen<br />
Sie beinhaltet Aussagen über systematische Unterschiede innerhalb <strong>von</strong> oder zwischen zwei und mehr<br />
Gruppen <strong>von</strong> Merkmalsträgern.<br />
Bsp.: „Männer k<strong>auf</strong>en häufiger das Produkt X als <strong>Frau</strong>en .“<br />
4. Veränderungshypothesen<br />
Sie beinhaltet Aussagen über erwartete oder sich der derzeit vollziehende Veränderungsprozesse.<br />
Bsp: „In <strong>den</strong> letzten 10 Jahren hat sich der Absatz des Produktes X jedes Jahr erhöht.“<br />
Vgl. Huber, O. (2000). Das psychologische Experiment: Eine Einführung (3.Aufl).<br />
Bern: Huber.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 33 -
Primärforschung - Operationalisierung erstellen (1)<br />
• Operationalisierung (1)<br />
Theoretische<br />
Begriffe<br />
Dimension<br />
(Abgeleitete Begriffe)<br />
Indikatoren<br />
(Variablen)<br />
Messinstrument<br />
Variable 1<br />
gefällt mir<br />
sehr<br />
gefällt mir<br />
gar nicht<br />
Abgeleiteter<br />
Begriff 1<br />
Variable 2<br />
Variable 3<br />
1 2 3 4 5 6<br />
Begriff 1<br />
Abgeleiteter<br />
Begriff 2<br />
Variable 4<br />
Variable 5<br />
Begriff 2<br />
Abgeleiteter<br />
Begriff 3<br />
Variable 6<br />
Variable 7<br />
Variable 8<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 34 -
Primärforschung - Operationalisierung erstellen (2)<br />
• Operationalisierung (2)<br />
Ausgangshypothese: „Das Produkt X wird <strong>von</strong> <strong>den</strong> Käufergruppen unterschiedlich akzeptiert.“<br />
Theoretische<br />
Begriffe<br />
Dimensionen<br />
Indikatoren<br />
(Variablen)<br />
Messinstrument<br />
Alter<br />
Jahre<br />
demografische Daten<br />
Geschlecht<br />
männlich/weiblich<br />
Familienstand<br />
ledig, verheiratet,<br />
geschie<strong>den</strong>…<br />
Käufergruppe<br />
Beruf<br />
…<br />
Akzeptanz<br />
psychografische Daten<br />
Kosten<br />
Nutzen<br />
Bekanntheitsgrad der<br />
Marke<br />
……<br />
……<br />
……<br />
Einkommen<br />
… …<br />
Bekanntheit<br />
des Produktes<br />
ist mir<br />
bekannt<br />
habe ich noch<br />
nie gehört<br />
1 2 3 4<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 35 -
Primärforschung - Operationalisierung erstellen (3)<br />
• Operationalisierung (3)<br />
Die Operationalisierung stellt die konkreten Messgrößen übersichtlich dar. Durch die Kombination der<br />
einzelnen Indikatoren können sich noch zusätzliche Hypothesen ergeben<br />
Hypothesen, die Zusammenhänge zwischen einem theoretischen Begriff und<br />
dessen untergeordneten Dimensionen bzw. Indikatoren darstellen, sind nicht<br />
sinnvoll.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 36 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (1)<br />
• Befragung<br />
• Befragungssubjekt, Untersuchungsgegenstand, Befragungshäufigkeit<br />
• Einzelbefragung / Gruppenbefragung<br />
• Einthemenbefragung / Mehrthemen- oder Omnibusbefragung<br />
• Adhoc / Tracking-Forschung<br />
• Art des Fragebogens<br />
• direkte / indirekte Fragen<br />
• Standardisierungsgrad des Fragebogens<br />
• hochstandardisiert (festes Befragungsschema<br />
ohne Variationsmöglichkeit)<br />
• teilstandardisiert (Interviewerleitfa<strong>den</strong>)<br />
• nicht-standardisiert (Fragestellung ist dem Interviewer frei überlassen)<br />
• offene Fragen / geschlossene Fragen<br />
Möglichkeiten für geschlossenen Fragen:<br />
• Auswahlfragen (nominales Skalenniveau)<br />
• Alternativfragen (einfache Auswahl)<br />
• Selektivfragen (mehrfache Auswahl)<br />
• Skalenfragen (ordinales / metrisches Skalenniveau)<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Befragung<br />
Hochstandardisiert Teilstandardisiert Nicht-Standardisiert<br />
• Panelbefragung<br />
• Online-Befragung<br />
• telefonische Befragung<br />
• schriftliche Befragung<br />
• Expertenbefragung<br />
• Gruppenbefragung<br />
• Leitfa<strong>den</strong>gespräch<br />
• Fokusgruppe<br />
• Expertenbefragung<br />
• informelles Gespräch<br />
• Gruppendiskussion<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 37 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (2)<br />
• Befragung - Beispiele<br />
zweideutiger Frageformulierung (1)<br />
• In der nächsten Dekade wird der PC zu einer Ubiquität am<br />
Arbeitsplatz wer<strong>den</strong>. Was prognostizieren Sie? Wird Ihr<br />
Unternehmen bei der raschen Implementierung reüssieren?<br />
Ja<br />
Nein<br />
Weiß nicht<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Befragung<br />
• Worin sehen Sie die Bedeutung computergestützter Systeme in der Praxis?<br />
• Sind Sie mit <strong>den</strong> Kosten und der Qualität des Kun<strong>den</strong>dienstes zufrie<strong>den</strong>?<br />
Ja<br />
Nein<br />
• In welchem Zeitraum sind Sie zur Schule gegangen?<br />
Von ____________<br />
Bis ____________<br />
• Eine große Zahl <strong>von</strong> Wissenschaftlern hat <strong>auf</strong> die Gefahren der Kernenergie hingewiesen. Teilen Sie<br />
diese Be<strong>den</strong>ken?<br />
Ja<br />
Nein<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 38 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (3)<br />
• Befragung - Beispiele<br />
zweideutiger Frageformulierung (2)<br />
• Was meinen Sie? Wäre es nicht besser, wenn es weniger<br />
Werbung gäbe?<br />
Ja<br />
Nein<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Befragung<br />
• Kreuzen Sie <strong>von</strong> <strong>den</strong> <strong>von</strong> Ihnen als zutreffend erachteten Eigenschaften<br />
jeweils doppelt an, die Sie als besonders wichtig erachten, und bringen Sie<br />
sie in eine Rangreihe der Wichtigkeit<br />
• Wie oft waren Sie in <strong>den</strong> letzten fünf Jahren beim Zahnarzt? (Durchschnitt<br />
genügt!)<br />
___________ mal<br />
• Stimmen Sie folgender Aussage zu: Je mehr Weißkraft ein Vollwaschmittel<br />
besitzt, desto stärker greift es das Gewebe an?<br />
Stimme zu<br />
Stimme nicht zu<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 39 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (4)<br />
• Befragung - Beispiele<br />
zweideutiger Frageformulierung (3)<br />
• Sie haben mit unserem Unternehmen in verschie<strong>den</strong>en<br />
Bereichen Kontakt. Bitte geben Sie an, wie wichtig Ihnen<br />
die einzelnen Bereiche sind und wie zufrie<strong>den</strong> Sie damit<br />
sind?<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Befragung<br />
sehr wichtig/<br />
sehr zufrie<strong>den</strong><br />
total unwichtig/<br />
sehr unzufrie<strong>den</strong><br />
Schnelligkeit<br />
Beratung durch Außendienst<br />
Lieferzeit<br />
Reklamationsabwicklung<br />
Qualität der Produkte<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 40 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (5)<br />
• Befragung – Checkliste für die<br />
Durchführung einer<br />
Befragung<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Phasen der Fragebogenentwicklung<br />
1) Präzisierung, Einengung<br />
des Themas, Klärung<br />
der zu erfragen<strong>den</strong> Inhalte,<br />
geordnet nach<br />
ihrer Bedeutsamkeit<br />
Gesichtspunkte / Kriterien<br />
• Entscheidung über Ausmaß der Standardisierung: ob<br />
schriftliche oder mündliche Befragung (Interview)<br />
• Entscheidung über die zu wählende Sprache<br />
(Zielgruppenspezifisch)<br />
• Intensives Erfragen eines Bereichs oder oberflächliches<br />
Abfragen verschie<strong>den</strong>er Bereiche<br />
Befragung<br />
2) Formulierung <strong>von</strong> Fragen<br />
zu interessieren<strong>den</strong> Bereichen<br />
/ zu <strong>den</strong> Hypothesen<br />
3) Ordnung der Fragen in<br />
eine Reihenfolge<br />
4) Überprüfung des Fragebogens<br />
5) Vorbereitung der Hauptuntersuchung:<br />
Interviewerschulung<br />
• Balance der Fragen, Konkretheit, Verständlichkeit,<br />
Eindeutigkeit<br />
• Trennung <strong>von</strong> unabhängigen und abhängigen Variablen<br />
• Mischung geschlossener und offener Fragen (Adressatenkreis,<br />
Monotonie des Fragebogens, Präzision und objektive<br />
Auswertbarkeit der Fragen)<br />
• Einleitung: Allgemeine Information, Motivation, Zusicherung<br />
der Anonymität<br />
• Aufwärmfragen<br />
• Peinliche Fragen nicht an <strong>den</strong> Anfang<br />
• Abhängigkeit <strong>von</strong> Fragekontext: Kontrollgruppen<br />
• Vortest an ca. 20 Befragten<br />
• Fragen an Unebenheiten der Frageformulierung<br />
• Statistische Auswertung (wenn nur eine Antwort <strong>auf</strong> eine<br />
Frage vorkommt, dann ist Frage nicht informativ)<br />
• Versuchsplanung: Ist eine Variation der unabhängigen<br />
Variablen durch die Auswahl der Stichprobe möglich<br />
• Interviewerschulung<br />
• Organisation <strong>von</strong> Adresslisten, usw.<br />
Schema für das Erstellen eines Fragebogens (Wellenreuther, 1982, S. 179)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 41 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (6)<br />
• Beobachtung<br />
• Klassifikation der Beobachtung nach<br />
• Bewusstseinsgrad des Beobachteten<br />
• offene Beobachtung (Achtung: Gefahr des Beobachtungseffektes)<br />
• verdeckte Beobachtung<br />
• Partizipationsgrad des Beobachters<br />
• Teilnehmend (La<strong>den</strong>- oder Gaststättentest)<br />
• nicht-teilnehmend (Messung der Fernseheinschaltquote mit Telemeter)<br />
• Strukturierungsgrad<br />
• standardisiert<br />
• nicht-standardisiert<br />
• Wahrnehmungs- und Registrierungsform<br />
• visuell<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
• andere Sinnesmodalitäten (instrumentell mithilfe v. Kameras, elektronischen Zähleinrichtungen)<br />
Beobachtung<br />
(teilnehmend / nicht<br />
teilnehmend)<br />
• Ziele:<br />
• Eink<strong>auf</strong>sverhalten<br />
• Verwendungsverhalten (Handhabung, Nutzung)<br />
• Informationsverhalten<br />
• Beispiele:<br />
• Berichte des Außendienstes, marktbezogene Daten des betriebl. Rechnungswesens<br />
• Zählung der Kun<strong>den</strong> in Einzelhandelsgeschäften mittels <strong>Dr</strong>ehkreuz mit Zähleinrichtungen<br />
• Kun<strong>den</strong>l<strong>auf</strong>studien<br />
Die Beobachtung im Unterschied zur Befragung ist dadurch charakterisiert, dass die<br />
Untersuchungssubjekte zum Untersuchungsgegenstand keine Erklärungen abgeben, die<br />
einen Rückschluss <strong>auf</strong> ihr Verhalten zulassen.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 42 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (7)<br />
• Fokusgruppe (Gruppendiskussion)<br />
• Die Fokusgruppe ist eine Methode, die man im Rahmen einer beurteilen<strong>den</strong> oder explorativen<br />
Gruppendiskussion über ein bestimmtes Thema durchführt, um in relativ kurzer Zeit ein<br />
breites Spektrum <strong>von</strong> Meinungen und Einstellungen zu erheben.<br />
• i. d. R. 6 bis 10 Teilnehmer + erfahrener Moderator<br />
• oft Vorstufe für eine repräsentative Untersuchung<br />
• Auswahl der Teilnehmer über ein sog. „convenient sample“, d. h. es wer<strong>den</strong> Personen befragt, die am<br />
leichtesten erreichbar sind.<br />
• Ziele:<br />
• Diskussion <strong>von</strong> Fragen zu einem Thema<br />
• Einholung <strong>von</strong> verschie<strong>den</strong>en Meinungen<br />
• Treffen <strong>von</strong> Einschätzungen<br />
• Entwicklung <strong>von</strong> Hypothesen<br />
• Beispiele:<br />
• Expertenrun<strong>den</strong> (z. B. Wissenschaftler, Journalisten etc.)<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Fokusgruppe<br />
Von der Quantifizierung (in Form <strong>von</strong> Prozentangaben) der Untersuchungsergebnisse, die aus<br />
einer Fokusgruppe resultieren, sollte i. d. R. Abstand genommen wer<strong>den</strong>, da die Teilnehmer<br />
über ein „convenient sample“ ausgewählt wer<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 43 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (8)<br />
• Experiment<br />
• Def.: Keine gesonderte Erhebungsmethode, da Datengewinnung durch (apparative) Beobachtung<br />
oder durch Befragung <strong>auf</strong> der Basis einer Versuchsanordnung<br />
• Zielsetzung: Aufdeckung <strong>von</strong> Ursache-Wirkungszusammenhängen (kausalanalytische Studie)<br />
• Voraussetzungen:<br />
• Kontrolle der Störvariablen<br />
• aktive Manipulation der interessieren<strong>den</strong> unabhängigen Variable (=Ursache, z. B. Verpackung, Preis)<br />
• genaue Messung evtl. Veränderungen der abhängigen Variablen (=Wirkung, z. B. K<strong>auf</strong>bereitschaft,<br />
Image)<br />
Marktanalyse<br />
Experiment<br />
• Klassifikation nach:<br />
(Zeitpunktbetrachtung)<br />
(Feld- / Laborexperiment)<br />
• Experimentellem Umfeld:<br />
• Laborexperiment<br />
• Feldexperiment<br />
• Zeitpunkt des Auftretens der abhängigen<br />
Variablen:<br />
• Projektives Experiment<br />
• Ex-post-facto-Experiment<br />
• Versuchsanordnung; Kombination<br />
folgender Merkmale:<br />
Beispiele:<br />
• Kennzeichnung der Versuchsgruppe: Experimental group / Control group<br />
• Zeitpunkt der Messung: before /after<br />
• Konzepttest Testmarkt-Ersatzverfahren<br />
• Warentest (Minimarkttest, Testmarktsimulation)<br />
• Produkttest Werbetest<br />
• Storetest<br />
• Markttest<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 44 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (9)<br />
• Produkttest<br />
• Def.: Experimentelle Untersuchung, bei der zunächst nach bestimmten Merkmalen ausgewählten<br />
Testpersonen unentgeltlich bereitgestellte Produkte, probeweise ge- oder verbrauchen und<br />
anschließend nach ihren subjektiven Wahrnehmungen und / oder Beurteilungen bezüglich der<br />
getesteten Produkte als Ganzes bzw. einzelner Produktbestandteile gefragt wer<strong>den</strong><br />
• Testobjekte:<br />
• eigene bereits im Markt befindliche Produkte<br />
• Prototypen<br />
• Konkurrenzprodukte<br />
• Ziel:<br />
• Ermittlung v. Produktalternativen<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
• Aussagen über die optimale Gestaltung der Produkteigenschaften<br />
(Packung, Preis, Name, Imagewirkung)<br />
• Ausprägungen:<br />
• Volltest<br />
• Partialtest (Preistest, Packungstest, Geschmackstest, Namenstest)<br />
• Blindtest<br />
• Testverfahren der Praxis:<br />
• Tachistoskop<br />
• Schnellgreifbühne<br />
Experiment<br />
(Feld- / Laborexperiment)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 45 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (10)<br />
• Storetest<br />
• Def.: Probeweiser Produktverk<strong>auf</strong> unter kontrollierten Bedingungen in ausgewählten<br />
Einzelhandelsgeschäften<br />
• Ziel: Test der Verk<strong>auf</strong>sfähigkeit neuer / geänderter Produkte, insbesondere<br />
• Verk<strong>auf</strong>schancen<br />
• Eignung der Verpackung<br />
• Eignung des Verk<strong>auf</strong>spreises<br />
• Wirkung <strong>von</strong> Verk<strong>auf</strong>sförderungsmaßnahmen<br />
• Wirkung <strong>von</strong> Sonderplazierungen<br />
• Anwendung:<br />
• oft im Anschluss an einen Produkttest<br />
• unter marktrealen Bedingungen<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Experiment<br />
(Feld- / Laborexperiment)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 46 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (11)<br />
• Markttest<br />
• Def.: umfassendes Feldexperiment in einem räumlich begrenzten Gebiet, welches die Gesamtheit<br />
vorgesehener Marketingmaßnahmen simuliert und deren Erfolg misst<br />
• Ziel: Test einer geänderten Marketingkonzeption für<br />
• ein bereits eingeführtes / geändertes Produkt<br />
• ein neues Produkt im Rahmen eines schon vorhan<strong>den</strong>en<br />
Produktprogramms<br />
• ein völlig neues Produkt<br />
Marktanalyse<br />
(Zeitpunktbetrachtung)<br />
Experiment<br />
(Feld- / Laborexperiment)<br />
• Vorgehen:<br />
Auswahl eines Testmarktes, in dem in einem geographisch genau<br />
abgegrenzten Teil des Gesamtmarktes der Markttest durchgeführt wird<br />
(Testmarkt soll in seiner Struktur hinsichtlich Struktur der<br />
Bevölkerung; Handelsstruktur entsprechen)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 47 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (12)<br />
• Tracking-Forschung (1)<br />
• Def.: Datengewinnung über schriftliche<br />
Befragung oder Beobachtung<br />
• Wesen: Langzeitstudien<br />
• Klassifikation:<br />
• Wellenerhebungen: gleiches Thema, gleiche Stichprobe<br />
• Panelerhebungen: gleiches Thema, i<strong>den</strong>tische Stichprobe<br />
• Anwendungsgebiete:<br />
Marktbeobachtung<br />
(Zeitraumbetrachtung)<br />
• Verbraucherpanel: schriftliche Erfragung der Konsumgewohnheiten der Verbraucher<br />
Verhaltensdaten<br />
(“Panels”)<br />
• Verk<strong>auf</strong>sdatenerfassung (durch Scanning)<br />
• Handelspanel (Retail Tracking): Beobachtung <strong>von</strong> Einzelhandelsgeschäften zu einem gleich<br />
bleiben<strong>den</strong> Untersuchungsgegenstand (Absatzmengen, Distributionsraten, Durchschnittspreise,<br />
Regalplatz, Verk<strong>auf</strong>saktivitäten)<br />
• Fernsehpanel: Beobachtung des Fernsehverhaltens mittels technischer Geräte<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 48 -
Primärforschung -<br />
Erhebungsmethode definieren und Erhebungsinstrument wählen (13)<br />
• Tracking-Forschung (2)<br />
• Brainstorming<br />
These: Panelauswertungen liefern eine Flut <strong>von</strong> Daten!!!<br />
Marktbeobachtung<br />
(Zeitraumbetrachtung)<br />
Verhaltensdaten<br />
(“Panels”)<br />
• Fragen<br />
• Wer benötigt die Daten?<br />
• Welche Ziele wer<strong>den</strong> mit einer Paneluntersuchung verfolgt?<br />
• Welche Informationen zieht man aus <strong>den</strong> Daten?<br />
• Verbraucherpanel<br />
• Handelspanel<br />
• Detaillierte Informationen zur Tracking-Forschung entnehmen Sie bitte <strong>den</strong> Unterlagen des<br />
Gastvortrages der GfK Panel Services Deutschland.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 49 -
Primärforschung - Skalierung (1)<br />
• Skalierung*:<br />
• Def. Skalierung: Konstruktion <strong>von</strong> Maßskalen und Zuordnung <strong>von</strong> Zahlen zu Objekten (Messen)<br />
• Def. Skala: numerische Abbildung eines empirischen Merkmals<br />
• Skalenniveaus:<br />
*Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 50 -
Primärforschung - Skalierung (2)<br />
• Klassifikation <strong>von</strong> Skalierungsverfahren<br />
Skalierung i.w.S.<br />
Selbsteinstufung<br />
Fremdeinstufung<br />
subjektive<br />
Fremdeinstufung<br />
objektive<br />
Fremdeinstufung<br />
eindimensionale<br />
Skalierung<br />
eindimensionale<br />
Skalierung i.e.S.<br />
mehrdimensionale<br />
Skalierung<br />
einfache<br />
Rating-Skala<br />
Verfahren der<br />
Indexbildung<br />
•Likert-Skala<br />
•Thurstone-Skala<br />
•Guttmann-Skala<br />
semantisches<br />
Differenzial<br />
Multiattributmodelle:<br />
•Fishbein-Ansatz<br />
•Trommsdorff-Ansatz<br />
Multidimensionale<br />
Skalierung (MDS)<br />
* Beispiele entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 51 -
Primärforschung - Skalierung (3)<br />
• Skalierung - Klassifikation <strong>von</strong><br />
Skalierungsverfahren (1)<br />
• Selbsteinstufungsverfahren:<br />
• Rating-Skala (am häufigsten eingesetzte Skalierungsmethode)<br />
Befragte Person gibt ihre Position/Einstellung <strong>auf</strong> der interessieren<strong>den</strong> Merkmalsdimension selbst an.<br />
Rating-Skalen bil<strong>den</strong> „natürliche“ Rangfolgen ab und messen deshalb mit einem ordinalen Messniveau.<br />
Somit lassen sich nur kleiner- / größer-Beziehungen analysieren, wobei Angaben über die Abstände<br />
zwischen <strong>den</strong> einzelnen Antwortkategorien streng genommen nicht möglich sind.<br />
• Fremdeinstufungsverfahren<br />
Befragter wird mit einer Batterie <strong>von</strong> Items konfrontiert, die in der Regel als Skalafragen konstruiert<br />
sind; Untersuchungsleiter verknüpft die Einzelmesswerte zur Messskala, wor<strong>auf</strong> der Befragte<br />
positioniert wird.<br />
• subjektive Fremdeinschätzung (Verfahren der Indexbildung)<br />
Bildung einer einzigen Maßzahl aus mehreren Teildimensionen, deren Merkmalsausprägungen <strong>auf</strong><br />
Grundlage des subjektiven Empfin<strong>den</strong>s des Interviewers ermittelt wur<strong>den</strong>.<br />
• objektive Fremdeinschätzung<br />
Auf Grundlage eines streng standardisierten Verfahrens wird der Proband vom Interviewer positioniert.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 52 -
Primärforschung - Skalierung (4)<br />
• Skalierung (2):<br />
Objektive Fremdeinschätzungsverfahren<br />
Eindimensional<br />
• Likert-Skala (Technik der summierten Einschätzung)<br />
Den Befragten wird eine Reihe <strong>von</strong> Statements vorgelegt, zu<br />
<strong>den</strong>en sie Zustimmung oder Ablehnung äußern können, und zwar<br />
in abgestufter Form. Die Befragten sollen beispielsweise<br />
angeben, ob sie der geäußerten Ansicht „völlig“ - „überwiegend“ -<br />
„teilweise“ - „eher nicht“ oder „gar nicht“ zustimmen.<br />
• Thurstone-Skala (Verfahren der gleich erscheinen<strong>den</strong><br />
Intervalle)<br />
Im Unterschied zur Likert-Skala wer<strong>den</strong> Statements zunächst <strong>von</strong><br />
Experten hinsichtlich der vermutlichen Ausprägung der<br />
intendierten Zielgruppe beurteilt. Die Skala wird in einem zweiten<br />
Schritt aus <strong>den</strong> eindeutig einer Ausprägung zugeordneten<br />
Statements gebildet.<br />
• Guttmann-Skala (Skalogramm-Verfahren)<br />
Den Befragten wer<strong>den</strong> einige Aussagen vorgelegt, die sie<br />
bejahen oder verneinen sollen. Es wird angenommen, dass die<br />
Aussagen einer Reihenfolge entsprechen (oder in eine<br />
Reihenfolge gebracht wer<strong>den</strong> können) derart, dass sie jeweils<br />
eine unterschiedlich „extreme“ Auffassung dem Objekt gegenüber<br />
ausdrücken.<br />
Mehrdimensional<br />
• Semantisches Differenzial (Polaritätenprofil):<br />
Beurteilung eines Untersuchungsgegenstandes durch wertende<br />
Assoziationen <strong>auf</strong> einer Anzahl bipolarer Ratingskalen.<br />
• Multiattributmodelle:<br />
a) Fishbein-Ansatz: Versucht kognitive und affektive<br />
Einstellungskomponente miteinander zu verknüpfen. Die<br />
Einstellung einer Person setzt sich aus mehreren<br />
Eindruckswerten zusammen. Eindruckswerte setzten sich aus<br />
der Multiplikation der kognitiven und affektiven Komponente<br />
zusammen.<br />
b) Trommsdorff-Ansatz: Die idealen Merkmalsausprägungen<br />
(affektive Komponente) wer<strong>den</strong> erfasst und die kognitiven<br />
Einstellungkomponenten durch Fragen direkt bestimmt. Der<br />
Eindruckswert ergibt sich aus der Differenz der kognitiven und<br />
affektiven Komponenten.<br />
• Multidimensionale Skalierung (MDS):<br />
Verfahren, das Objekte in einem mehrdimensionalen Raum<br />
räumlich positioniert; die Positionen der Objekte und ihre<br />
gegenseitigen Entfernungen stimmen mit <strong>den</strong> tatsächlichen<br />
Entfernungen bzw. Unterschie<strong>den</strong> überein.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 53 -
Primärforschung - Skalierung (5)<br />
• Skalierungsverfahren – Beispiele (1)<br />
• Rating-Skala • Verfahren der Indexbildung<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 54 -
Primärforschung - Skalierung (6)<br />
• Skalierungsverfahren – Beispiele (2)<br />
• Likert-Skala<br />
1<br />
Vgl. Berekhoven, L.: Marktforschung: Methodische Grundlagen und<br />
praktische Anwendung, 12. Aufl., 2009 , S. 74<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 55 -
Primärforschung - Skalierung (6)<br />
• Skalierungsverfahren – Beispiele (2)<br />
• Thurstone-Skala<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 56 -
Primärforschung - Skalierung (6)<br />
• Skalierungsverfahren – Beispiele (2)<br />
• Guttmann-Skala<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 57 -
Primärforschung - Skalierung (7)<br />
• Skalierungsverfahren – Beispiele (3)<br />
• Semantisches Differenzial<br />
• Multiattributmodell: Fishbein-Ansatz<br />
• Multidimensionale Skalierung (MDS)<br />
• Multiattributmodell: Trommsdorff-Ansatz<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 58 -
Primärforschung - Kontaktmethode wählen (1)<br />
• Kontaktmethode<br />
• Schriftlich (z. B. per Post, Fax, E-Mail)<br />
• Große Datenmengen können zu relativ geringen Kosten gesammelt wer<strong>den</strong>.<br />
• Erfordert eine besonders einfache und klare Formulierung der Fragen.<br />
• Erfahrungsgemäß eine geringe Rückl<strong>auf</strong>quote.<br />
• Telefonisch<br />
• Beste Methode für eine schnelle Informationsgewinnung.<br />
• Interaktion zwischen Proband und Interviewer möglich (Flexibilität).<br />
• Interviewleitfa<strong>den</strong> darf nicht zu umfangreich sein und Fragen nicht zu persönlich.<br />
• Computergestützte Interviewführung möglich mit paralleler Dateneingabe.<br />
• Persönlich (face to face)<br />
• Klassifikation (Einzelinterview/Gruppengespräch)<br />
• Es können viele Fragen gestellt wer<strong>den</strong>.<br />
• Zusätzliche Informationsgewinnung durch das Erscheinungsbild und die Körpersprache des Proban<strong>den</strong>.<br />
• Hohe Kosten, sowie hoher administrativer und zeitlicher Aufwand.<br />
• Negative Beeinflussung durch <strong>den</strong> Interviewer möglich.<br />
• Online<br />
• Fragebogen ist über eine Internetadresse erreichbar oder steht zum Download zur Verfügung.<br />
• Proban<strong>den</strong> können <strong>den</strong> Fragebogen online ausfüllen.<br />
• Musik, Bilder und Videos können integriert wer<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 59 -
Primärforschung - Sampling Plan erstellen (1)<br />
• Definitionen:<br />
• Def. Stichprobe (Sample)<br />
Beschränkung der Untersuchung <strong>auf</strong> einen kleineren Teil der Grundgesamtheit [=Gesamtmasse]<br />
(Teilerhebung)<br />
• Def. Repräsentativität<br />
• Eine Teilmasse ist repräsentativ, wenn sie in der Verteilung aller interessieren<strong>den</strong> Merkmale der<br />
Gesamtmasse entspricht, d.h. ein zwar verkleinertes, aber sonst wirklichkeitsgetreues Abbild der<br />
Gesamtheit darstellt.<br />
• Nicht alle im folgen<strong>den</strong> <strong>auf</strong>geführten Verfahren genügen diesem Ideal, deshalb folgende<br />
Verallgemeinerung: --> Eine Teilmasse ist dann repräsentativ, wenn sie einen zutreffen<strong>den</strong><br />
Rückschluss <strong>auf</strong> die Grundgesamtheit zulässt.<br />
• Def. Zufallsauswahl (Random-Verfahren)<br />
• Jede Einheit hat dieselbe Wahrscheinlichkeit in die Stichprobe einbezogen zu wer<strong>den</strong><br />
• Der Stichprobenfehler lässt sich nach der Wahrscheinlichkeitstheorie berechnen<br />
--> Mit zunehmender Größe der Stichprobe steigt die Wahrscheinlichkeit, dass sich das Ergebnis der<br />
Teilerhebung einer Vollerhebung angleicht<br />
• Def. Verfahren der bewussten Auswahl<br />
Auswahl der zu untersuchen<strong>den</strong> Einheiten nach sachrelevanten Einheiten<br />
--> Auswahl ist so vorzunehmen, dass das Sample hinsichtlich der interessieren<strong>den</strong> Merkmale möglichst<br />
repräsentativ für die Grundgesamtheit ist<br />
Im Rahmen der Erstellung des Sampling-Plans sind die folgen<strong>den</strong> Entscheidungen zu treffen:<br />
1) Definition der Grundgesamtheit; 2) Festlegung des Auswahlverfahrens und der<br />
Stichprobengröße.<br />
* Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2006, S. 55 ff.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 60 -
Primärforschung - Sampling Plan erstellen (2)<br />
1. Definition der Grundgesamtheit<br />
• Ausgangsbasis für <strong>den</strong> Sampling-Plan ist die Grundgesamtheit der Untersuchung<br />
• Grundgesamtheit ist die Menge aller potenziellen Merkmalsträger, für die das Ergebnis der<br />
Untersuchung gültig sein soll.<br />
• Die Grundgesamtheit orientiert sich am Untersuchungsziel und schließt alle Merkmalsträger ein, die<br />
zur Untersuchung der Problemstellung herangezogen wer<strong>den</strong> könnten.<br />
• Sollen beispielsweise Kun<strong>den</strong> nach ihrer Zufrie<strong>den</strong>heit befragt wer<strong>den</strong>, ist es sinnvoll, nur Personen<br />
in die Untersuchung einzubeziehen, die das Produkt bereits gek<strong>auf</strong>t haben, da nur diese Personen<br />
Aussagen zur Problemstellung treffen können.<br />
• Die Grundgesamtheit wird im Allgemeinen anhand:<br />
• demografischer (z. B. Alter, Geschlecht),<br />
• geografischer (z. B. PLZ-Gebiet, Land),<br />
• psychografischer (z. B. Einstellung, Meinung) oder<br />
• verhaltensorientierter Merkmale (z. B. K<strong>auf</strong>verhalten)<br />
• definiert, wobei meistens eine Kombination aus mehreren Kriterien herangezogen wird.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 61 -
Primärforschung - Sampling Plan erstellen (3)<br />
2. Festlegung des Auswahlverfahrens und<br />
der Stichprobengröße<br />
• Damit eine Stichprobe als repräsentativ angesehen wer<strong>den</strong> kann, wird in diesem Schritt des<br />
<strong>Marketingforschung</strong>sprozesses ein so genannter Sampling-Plan (Stichprobenplan) erstellt, der<br />
genau festlegt, welche Merkmalsträger aus der Grundgesamtheit ausgewählt wer<strong>den</strong> müssen, damit<br />
ein Repräsentationsrückschluss möglich ist.<br />
• Der Sampling-Plan stellt eine bin<strong>den</strong>de Richtlinie für das Untersuchungsteam dar und basiert <strong>auf</strong><br />
speziellen Auswahlverfahren, welche die Repräsentativität sicherstellen sollen.<br />
• Der Rückschluss <strong>von</strong> der Stichprobe <strong>auf</strong> die Grundgesamtheit ist mit Fehlern behaftet, da die<br />
Stichprobe lediglich einen Schätzwert für die Grundgesamtheit darstellt.<br />
• Bei <strong>den</strong> systematischen Fehlern handelt es sich um Non-Response- (z. B.<br />
Antwortverweigerungen, Testpersonen nicht erreichbar) oder Erfassungsfehler (z. B. Fehler im<br />
Auswahlverfahren, Verzerrung durch Interviewer, Auswertungsfehler)<br />
• Zufallsfehler sind solche Fehler, die in statistischen Massen <strong>auf</strong>treten und nach <strong>den</strong> Gesetzen der<br />
Wahrscheinlichkeit um einen „wahren Wert“ streuen, so dass sie sich per Saldo ausgleichen. Sie<br />
können nicht vermie<strong>den</strong>, sondern nur durch eine Vergrößerung der Stichprobe verkleinert wer<strong>den</strong>.<br />
Dies lässt sich dadurch erklären, dass sich die bei der Erfassung der einzelnen Merkmalsträger<br />
gemachten Fehler mit wachsender Zahl der Proban<strong>den</strong> ten<strong>den</strong>ziell ausgleichen.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 62 -
Primärforschung - Sampling Plan erstellen (4)<br />
• Grundformen <strong>von</strong> Auswahlverfahren<br />
Auswahlverfahren<br />
Vollerhebung<br />
Teilerhebung<br />
repräsentative<br />
Auswahl<br />
willkürliche<br />
Auswahl<br />
Verfahren der<br />
zufallsorientierten<br />
Auswahl<br />
Verfahren der nicht<br />
zufallsorientierten<br />
(bewussten) Auswahl<br />
einfache<br />
Zufallsauswahl<br />
geschichtete<br />
Zufallsauswahl<br />
Klumpenauswahl<br />
Quotenverfahren<br />
Konzentrationsverfahren<br />
(cut-off)<br />
typisches<br />
Auswahlverfahren<br />
uneingeschränkte<br />
Zufallsauswahl:<br />
Lotterieprinzip<br />
Auswahltechniken:<br />
systematische<br />
Auswahl usw.<br />
proportional<br />
disproportional<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 63 -
Primärforschung - Sampling Plan erstellen (5)<br />
• Zufallsauswahl - Auswahltechniken<br />
• Systematische Auswahl<br />
Soll aus einer Grundgesamtheit mit 100.000 Merkmalsträgern (N) eine Stichprobe <strong>von</strong> 1.000<br />
Testpersonen (n) entnommen wer<strong>den</strong>, wird zunächst innerhalb der ersten 100 Elemente per Zufall ein<br />
Startpunkt festgelegt und <strong>von</strong> diesem Startpunkt ausgehend, jeder weitere 100ste Merkmalsträger<br />
einbezogen.<br />
• Schlussziffernauswahl<br />
Es wer<strong>den</strong> nur Merkmalsträger in die Stichprobe einbezogen, die in einer durchnummerierten Liste<br />
der Merkmalsträger eine bestimmte Endziffer <strong>auf</strong>weisen<br />
(z. B. alle Elemente mit der Endziffer „6“ wie 6, 16, 26, 36, 46 ...).<br />
• Geburtstags- oder Buchstabenauswahl<br />
Die Proban<strong>den</strong> wer<strong>den</strong> anhand ihres Geburtsdatums oder anhand des Anfangsbuchstabens der<br />
Nach- oder Vornamen ausgewählt (z. B. alle Personen, die am 06. April geboren sind; alle Personen,<br />
deren Nachname mit „M“ beginnt).<br />
• Auswahl mittels Zufallszahlen<br />
Jedem Element der Grundgesamtheit wird eine fortl<strong>auf</strong>ende Nummer zugewiesen. Danach wird durch<br />
ein Zufallsverfahren (z. B. per Zufallsgenerator) eine Zufallszahlentabelle generiert, die festlegt,<br />
welche Merkmalsträger in die Untersuchung einbezogen wer<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 64 -
Primärforschung - Sampling Plan erstellen (6)<br />
• Beispiele für Auswahlverfahren (1)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 65 -
Primärforschung - Sampling Plan erstellen (7)<br />
• Beispiele für Auswahlverfahren (2)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 66 -
Primärforschung - Sampling Plan erstellen (8)<br />
• Stichprobengröße<br />
Damit ein Repräsentationsrückschluss <strong>von</strong> der Stichprobe <strong>auf</strong> die Grundgesamtheit möglich<br />
ist, müssen die erhobenen Stichprobenwerte einer Normalverteilung folgen.<br />
Achtung:<br />
Ein Zufallsfehler kann nur für<br />
Verfahren der Zufallsauswahl<br />
berechnet wer<strong>den</strong>, nicht für<br />
Verfahren der bewussten<br />
Auswahl!<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 67 -
Primärforschung - Sampling Plan erstellen (9)<br />
• Stichprobengröße – Sicherheitsfaktor,<br />
Vertrauensbereich, Vertrauenswahrscheinlichkeit (1)<br />
• Die Streuung der Stichprobenmittelwerte um <strong>den</strong> wahren Wert der Grundgesamtheit wird mit der<br />
Varianz bzw. der Standardabweichung gemessen. Die Standardabweichung stellt die mittlere<br />
Abweichung vom Stich-probenmittelwert dar. Sie wird in der Einheit des Merkmals ausgedrückt,<br />
definiert <strong>den</strong> Vertrauensbereich (Konfi<strong>den</strong>zintervall) um <strong>den</strong> Stichprobenmittelwert und legt somit<br />
die Wahrscheinlichkeit (Vertrauenswahrscheinlichkeit) fest, mit welcher der wahre Wert der<br />
Grundgesamtheit in <strong>den</strong> Vertrauensbereich fällt.<br />
• Da es für die <strong>Marketingforschung</strong> nicht ausreichend ist, eine Aussage zu treffen, die nur für (68,3%)<br />
der theoretisch <strong>den</strong>kbaren Fälle in Frage kommt, wird der Vertrauensbereich erweitert, indem die<br />
Standardabweichung mit einem so genannten Sicherheitsfaktor multipliziert wird. Dadurch steigt zum<br />
einen die Vertrauenswahrscheinlichkeit und zum anderen vergrößert sich der Vertrauensbereich.<br />
• Um eine Vertrauenswahrscheinlichkeit <strong>von</strong> 99,7%<br />
zu erhalten, d. h. mit einer 99,7%igen Wahrscheinlichkeit<br />
sagen zu können, dass der wahre Wert der<br />
Grundgesamtheit in einen bestimmten Vertrauensbereich<br />
fällt, muss die Standardabweichung beispielsweise<br />
mit dem Sicherheitsfaktor 3 multipliziert wer<strong>den</strong>. Durch die Multiplikation mit dem<br />
Sicherheitsfaktor wird der Vertrauensbereich<br />
um das dreifache der Standardabweichung erweitert.<br />
Zusammenhang Sicherheitsfaktor - Vertrauensbereich -<br />
Vertrauenswahrscheinlichkeit<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 68 -
Primärforschung - Sampling Plan erstellen (10)<br />
• Stichprobengröße – Sicherheitsfaktor,<br />
Vertrauensbereich, Vertrauenswahrscheinlichkeit (2)<br />
• Die Irrtumswahrscheinlichkeit ist das Gegenstück zur Vertrauenswahrscheinlichkeit und gibt an, mit<br />
welcher Wahrscheinlichkeit der wahre Wert der Grundgesamtheit nicht im Vertrauensbereich liegt.<br />
• In der <strong>Marketingforschung</strong> wird versucht, ein möglichst genaues Schätzergebnis <strong>von</strong> der Stichprobe<br />
<strong>auf</strong> die Grundgesamtheit zu erzielen. Betrachtet man jedoch die Größen Vertrauensbereich<br />
(Stichprobenfehler) und Vertrauenswahrscheinlichkeit genauer, dann erkennt man, dass sie sich<br />
konträr verhalten. Erhöht man die Vertrauenswahrscheinlichkeit, erweitert sich automatisch der<br />
korrespondierende Stichprobenfehler.<br />
• Es gilt, je größer der Umfang einer Stichprobe, desto genauer kann der wahre Wert einer<br />
Grundgesamtheit <strong>auf</strong> Basis einer Stichprobe geschätzt wer<strong>den</strong>.<br />
• Allerdings nimmt die Güte der Stichprobe nicht proportional zu. Eine Vervierfachung der Stichprobe<br />
bedeutet beispielsweise nur eine Verdoppelung der Güte der Stichprobe.<br />
• Deshalb legt man in der <strong>Marketingforschung</strong>spraxis im Vorfeld der Stichprobenziehung die Qualität<br />
des Stichprobenergebnisses über <strong>den</strong> zulässigen Stichprobenfehler und die<br />
Vertrauenswahrscheinlichkeit fest und bestimmt <strong>auf</strong> dieser Basis <strong>den</strong> optimalen Umfang der<br />
Stichprobe. Man unterscheidet <strong>den</strong> heterogra<strong>den</strong> und <strong>den</strong> homogra<strong>den</strong> Fall.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 69 -
Primärforschung - Sampling Plan erstellen (11)<br />
• Stichprobengröße – Sicherheitsfaktor,<br />
Vertrauensbereich, Vertrauenswahrscheinlichkeit (3)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 70 -
Primärforschung - Sampling Plan erstellen (12)<br />
• Stichprobengröße – Heterograder Fall<br />
• Die Untersuchungsmerkmale sind quantitativ (z. B. Einkommen, Alter, Körpergröße) und sollen <strong>auf</strong><br />
ihren Mittelwert hin untersucht wer<strong>den</strong>.<br />
• Die Formel für die Berechnung des Stichprobenumfangs für quantitative Merkmale lautet:<br />
mit:<br />
n: Stichprobenumfang<br />
t: Sicherheitsfaktor<br />
2<br />
σ : Varianz<br />
e: größter zulässiger Fehler (Stichprobenfehler)<br />
• Während der Sicherheitsfaktor<br />
über die gewünschte Vertrauenswahrscheinlichkeit<br />
hergeleitet wird<br />
und der Stichprobenfehler vom<br />
Untersuchungsteam aus Erfahrungswerten<br />
geschätzt wird, ist die<br />
Varianz in der Regel nicht<br />
bekannt. Sie muss entweder in<br />
einem Pre-Test geschätzt oder<br />
vom Untersuchungsteam<br />
bestimmt wer<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 71 -
Primärforschung - Sampling Plan erstellen (13)<br />
• Stichprobengröße – Homograder Fall<br />
• Die Untersuchungsmerkmale sind qualitativ (z. B. Geschlecht, Familienstand, Beruf) und sollen <strong>auf</strong><br />
relative Häufigkeiten (Anteile) hin untersucht wer<strong>den</strong>.<br />
• Die Formel zur Errechnung des Stichprobenumfangs für qualitative Merkmale lautet wie folgt:<br />
• Wur<strong>den</strong> „q“ und „p“ nicht bereits im<br />
Vorfeld über einen Pre-Test<br />
erhoben, ist es üblich, <strong>den</strong> ungünstigsten<br />
Fall anzusetzen, nämlich<br />
jeweils 50% (p = 50; q = 50). Für die<br />
Festlegung <strong>von</strong> „t“ und „e“ können<br />
die Überlegungen für <strong>den</strong> heterogra<strong>den</strong><br />
Fall übernommen wer<strong>den</strong>.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 72 -
Primärforschung - Daten erheben (1)<br />
• Daten erheben<br />
• Bekannte Probleme<br />
• Die Proban<strong>den</strong> sind nicht anzutreffen und müssen deshalb erneut kontaktiert wer<strong>den</strong> oder durch andere<br />
Testpersonen ersetzt wer<strong>den</strong>.<br />
• Die Proban<strong>den</strong> verweigern die Auskunft oder geben bewusst falsche Antworten.<br />
• Die Proban<strong>den</strong> haben Vorurteile gegenüber dem Untersuchungsinstrument oder der Thematik der<br />
Untersuchung.<br />
• Der Interviewer ist voreingenommen (z. B. suggestives Fragen) oder unehrlich<br />
(z. B. Selbstausfüllung durch <strong>den</strong> Interviewer bzw. Befragung <strong>von</strong> Bekannten).<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 73 -
Primärforschung - Daten erheben (2)<br />
• Daten erheben –<br />
mögliche Vorgehensweise für die Befragung <strong>von</strong> Unternehmen aus der Praxis<br />
Versendung des Fragebogens<br />
und des Anschreibens per Email<br />
Telefonische Kontakt<strong>auf</strong>nahme<br />
Absage<br />
Teilnahme<br />
Nachtelefonieren<br />
Befragung<br />
am Telefon<br />
Keine Zeit<br />
Endgültige<br />
Absage<br />
Neue<br />
Kontaktperson<br />
Teilnahme<br />
Terminvereinbarung<br />
Antwort per Post<br />
Antwort per Fax<br />
Endgültige<br />
Absage<br />
Teilnahme<br />
Befragung<br />
am Telefon<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 74 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 75 -
Erhobene Daten Analysieren und Interpretieren: Lernziele<br />
• Lernziele<br />
• Überblick über die wichtigsten Datenanalyseverfahren und deren Anwendung in der Praxis<br />
• univariat<br />
• bivariat<br />
• multivariat<br />
• Fähigkeit der eigenständigen Berechnung einer einfachen Regressionsanalyse bzw. Erkenntnis,<br />
wann die einfache Regressionsanalyse in der Praxis wie zum Einsatz kommt<br />
• Fähigkeit der Durchführung bestimmter Hypothesentests<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 76 -
Erhobene Daten analysieren und interpretieren (1)<br />
• Computergestützte Datenanalyse<br />
• Tabellenkalkulationsprogramme (z. B. Microsoft Excel)<br />
• Werkzeug zur Datenerfassung und –verwaltung<br />
• Diverse statistische Auswertungsfunktionen (univariate Auswertungen, Korrelationen, Regressionen)<br />
• Schnelle und unkomplizierte Analyse <strong>von</strong> kleinen Datenmengen<br />
• Datenbanksysteme (z. B. Microsoft Access)<br />
• System zur elektronischen Datenverwaltung<br />
• Erstellung einer Datenbank ist in der Regel <strong>auf</strong>wändig<br />
• Ermittlung und Visualisierung <strong>von</strong> einfachen statistischen Kennzahlen und Zusammenhängen<br />
• Hoher Aufwand bei komplexen statistischen Auswertungen<br />
• Effizientes, widerspruchsfreies und dauerhaftes Speichern <strong>von</strong> großen Datenmengen<br />
• Statistische Auswertungsprogramme (z. B. SPSS, SAS)<br />
• Software speziell für die statistische Datenanalyse<br />
• Umfangreiche Datenmengen können verwaltet, transformiert und verarbeitet wer<strong>den</strong><br />
• Vielzahl <strong>von</strong> statistischen Funktionen und Prozeduren stehen zur Verfügung<br />
• Sowohl univariate (Mittelwertberechnung, Häufigkeitsauszählun-gen etc.) als auch komplexe<br />
multivariate Testverfahren (Faktorenanalyse, Conjoint-Analyse etc.) möglich<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 77 -
Erhobene Daten analysieren und interpretieren (2)<br />
• Klassifikation statistischer Verfahren<br />
• Deskriptive Statistik<br />
• Deskriptive = beschreibende Statistik<br />
• Sie beinhaltet Analyseverfahren die vorwiegend dazu dienen, die Verteilung der<br />
Merkmalsausprägungen durch eine grafische oder tabellarische Darstellung genauer zu beschreiben<br />
und statistische Kennzahlen (z. B. Häufigkeit, Mittelwert, Varianz) zu berechnen.<br />
• Verallgemeinerungen bzw. Schlüsse <strong>auf</strong> die Grundgesamtheit sind damit nicht möglich, sondern sind<br />
Gegenstand der noch zu behandeln<strong>den</strong> Verfahren der induktiven Statistik.<br />
• Induktive Statistik<br />
• Induktive Statistik = statistische Prüfverfahren<br />
• Die induktive Statistik beschäftigt sich mit der Frage, inwieweit die Ergebnisse einer Teilerhebung durch<br />
eine Stichprobe <strong>auf</strong> die Grundgesamtheit übertragen wer<strong>den</strong> können und verwendet dafür Metho<strong>den</strong><br />
wie z. B. <strong>den</strong> Chi-Quadrat-Test oder <strong>den</strong> T-Test.<br />
• Überprüfung <strong>von</strong> Annahmen oder zur Prüfung der Zulässigkeit des Schlusses <strong>von</strong> Werten der<br />
Stichprobe <strong>auf</strong> Werte der Grundgesamtheit.<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 78 -
Erhobene Daten analysieren und interpretieren (3)<br />
statistische<br />
Auswertungsverfahren<br />
Deskriptive Statistik<br />
Induktive Statistik<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
Statistische Verfahren - multivariat<br />
• Regressionsanalyse (mehrfach)<br />
• Varianzanalyse<br />
• Diskriminanzanalyse<br />
• Faktorenanalyse<br />
• Clusteranalyse<br />
• MDS<br />
• Conjoint Measurement<br />
Statistische Verfahren - Induktiv<br />
• Hypothesentests<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 79 -
Erhobene Daten analysieren und interpretieren (4)<br />
• Beispiel für uni-, bi- und multivariate Analysen<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 80 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)<br />
• Häufigkeiten<br />
• Absolute Häufigkeit:<br />
Ist die Anzahl der Elemente in der Grundgesamtheit<br />
mit genau dieser Merkmalsausprägung.<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
• Relative Häufigkeit:<br />
Misst <strong>den</strong> prozentualen Anteil der Elemente<br />
mit genau dieser Merkmalsausprägung an<br />
der Grundgesamtheit.<br />
f<br />
i<br />
=<br />
hi<br />
N<br />
• Absolute Summenhäufigkeit:<br />
Gibt die Anzahl der Elemente an, die höchstens<br />
diese Merkmalsausprägung <strong>auf</strong>weisen.<br />
= i<br />
∑<br />
H i h j<br />
j = 1<br />
• Relative Summenhäufigkeit:<br />
Gibt <strong>den</strong> prozentualen Anteil der Elemente<br />
an der Grundgesamtheit an, die höchstens<br />
diese Merkmalsausprägung <strong>auf</strong>weisen.<br />
F<br />
i<br />
=<br />
i<br />
∑<br />
j=<br />
1<br />
f<br />
j<br />
=<br />
Hi<br />
N<br />
mit:<br />
N: Anzahl der Variablenwerte<br />
f i :: Relative Häufigkeit<br />
Hi :: Absolute Summenhäufigkeit<br />
F i : Relative Summenhäufigkeit<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 81 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)<br />
• Beispiele für Häufigkeiten (1)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit<br />
Im folgen<strong>den</strong> Beispiel soll eine Personengruppe bzgl. ihrer Altersstruktur genauer analysiert<br />
wer<strong>den</strong>. Bei einer Befragung gaben 20 Personen ihr Alter an.<br />
Nr. des Befragten Alter<br />
1 35<br />
2 25<br />
3 30<br />
4 35<br />
5 18<br />
6 21<br />
7 29<br />
8 39<br />
9 25<br />
10 33<br />
11 34<br />
12 36<br />
13 38<br />
14 46<br />
15 29<br />
16 48<br />
17 18<br />
18 30<br />
19 28<br />
20 37<br />
Nr. des Befragten Alter<br />
17 18<br />
5 18<br />
6 21<br />
9 25<br />
2 25<br />
19 28<br />
15 29<br />
7 29<br />
3 29<br />
18 30<br />
10 33<br />
11 34<br />
1 35<br />
4 35<br />
12 36<br />
20 37<br />
13 38<br />
8 39<br />
14 46<br />
16 48<br />
Datensatz unsortiert<br />
Datensatz sortiert nach Alter, <strong>auf</strong>steigend<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 82 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)<br />
• Beispiele für Häufigkeiten (2)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit<br />
Aus diesem Datensatz ergeben sich folgende absolute/relative Häufigkeiten sowie absolute/relative<br />
Summenhäufigkeiten:<br />
Alter 18-21 22-25 26-30 31-35 36-40 41-45 46-50<br />
Absolute Häufigkeit 3 2 5 4 4 0 2<br />
Relative Häufigkeit 15% 10% 25% 20% 20% 0% 10%<br />
Alter 18-21 18-25 18-30 18-35 18-40 18-45 18-50<br />
Absolute Summenhäufigkeit 3 5 10 14 18 18 20<br />
Relative Summenhäufigkeit 15% 25% 50% 70% 90% 90% 100%<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 83 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Mittelwerte (1)<br />
• Mittelwerte (Lagemaße): wohin tendiert<br />
eine Verteilung?<br />
• Arithmetisches Mittel AM<br />
• gewogenes AM:<br />
x<br />
=<br />
1<br />
N<br />
N<br />
N<br />
∑ x i<br />
i=<br />
1<br />
Deskriptive<br />
Statistik<br />
mit: N: Anzahl der Variablenwerte<br />
xi : Variablenwert an der Stelle „n“<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
• ungewogenes AM: x = ∑ f i x i<br />
x : Mittelwert aller Merkmalswerte xi<br />
i=<br />
1<br />
f : Gewichtungsfaktor<br />
• Modus<br />
• Der Modus einer Reihe <strong>von</strong> Merkmalsausprägungen ist der Wert, der in dieser Reihe am<br />
häufigsten vorkommt.<br />
• ( in einer Reihe <strong>von</strong> Merkmalsausprägungen kann es mehrere Modi geben!)<br />
• Median (= Zentralwert, wobei die Merkmalsausprägungen der Reihe nach geordnet sind)<br />
• N ist eine ungerade Zahl: Me(x) = x N +1<br />
2<br />
• N ist eine gerade Zahl: Me(x) =<br />
1<br />
2<br />
⎡<br />
⎢x N<br />
+ x N<br />
⎣ 2 2<br />
+1<br />
⎤<br />
⎥<br />
⎦<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 84 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Mittelwerte (2)<br />
• Beispiele für Mittelwerte (1)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 85 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Mittelwerte (3)<br />
• Beispiele für Mittelwerte (2)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 86 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Streumaße (1)<br />
• Streumaße: wie variabel ist eine Verteilung?<br />
• Spannweite SW<br />
Ist die Differenz aus der größten Merkmalsausprägung<br />
und der kleinsten Merkmalsausprägung.<br />
SW(x) = xN - x1<br />
• Interquartilspanne IQS<br />
Ist die Spannweite einer Reihe, nachdem 25% der geringsten und 25% der größten<br />
Merkmalsausprägungen ausgeschlossen wur<strong>den</strong>.<br />
IQS(x) = Q3 – Q1<br />
mit: Q1: erstes Quartil<br />
• Empirische Varianz VAR<br />
Grundidee der Varianz ist es, eine Art durchschnittliche<br />
Abweichung vom Mittelwert zu bestimmen<br />
N<br />
N<br />
1<br />
2<br />
⎡ 1 ⎛ 2 ⎞⎤<br />
2<br />
VAR(x) = ∑(<br />
xi<br />
− x)<br />
= ⎢ ⎜∑<br />
xi<br />
⎟⎥<br />
− ( x)<br />
xi<br />
N i=<br />
1 ⎣ N ⎝ i=<br />
1 ⎠⎦<br />
x<br />
Q3: drittes Quartil<br />
mit: N: Anzahl der Variablenwerte<br />
Deskriptive<br />
Statistik<br />
: Variablenwert an der Stelle „n“<br />
: Mittelwert aller Merkmalswerte<br />
Statistische Verfahren - univariat<br />
• Häufigkeiten<br />
• Mittelwerte<br />
• Streumaße<br />
• Empirische Standardabweichung SAW<br />
Ermöglicht die Vergleichbarkeit mit Mittelwerten (Varianz hat Einheit zum Quadrat, daher nicht<br />
geeignet zum Vergleich) SAW(x) = VAR(x)<br />
xi<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 87 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Streumaße (2)<br />
• Beispiele für Streumaße<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 88 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / univariate Verfahren - Streumaße (2)<br />
• Beispiele für Streumaße<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 89 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - Kreuztabellen und Korrelationsmaße (1)<br />
• Kreuztabellierung:<br />
• Einfachstes Verfahren, Zusammenhänge zu ermitteln und zu veranschaulichen.<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
• Hierbei wer<strong>den</strong> alle möglichen Kombinationen <strong>von</strong> Merkmalsausprägungen bezüglich zweier<br />
Variablen anhand einer Matrix, der sog. Kreuztabelle, dargestellt.<br />
• Die Häufigkeit, mit der jede Kombination <strong>auf</strong>tritt, wird anschließend in die Matrix eingetragen.<br />
• Korrelationsmaße:<br />
• Wie gleichgerichtet sind zwei verschie<strong>den</strong>e Verteilungen?<br />
• Empirische Kovarianz KOV<br />
Quantifiziert das Ausmaß des ”Gleichl<strong>auf</strong>ens” zweier Merkmale<br />
N<br />
1<br />
N<br />
1<br />
KOV(x;y)= ∑[<br />
xi<br />
− x][<br />
yi<br />
− y ∑ xi<br />
* yi<br />
− x * y<br />
N 1<br />
• Korrelationskoeffizient r<br />
Ein Korrelationskoeffizient <strong>von</strong> +1 drückt eine perfekte<br />
Gleichläufigkeit, ein Wert <strong>von</strong> –1 dagegen eine perfekte<br />
Gegenläufigkeit zweier<br />
Merkmale aus.<br />
N 1<br />
]<br />
i=<br />
r ( x;<br />
y)<br />
=<br />
i=<br />
KOV ( x;<br />
y)<br />
SAW ( x)*<br />
SAW ( y)<br />
Deskriptive<br />
Statistik<br />
mit: N: Anzahl der Variablenwerte<br />
x: Variable x<br />
y: Variable y<br />
x: Mittelwert aller Merkmalswerte xi<br />
y:<br />
Mittelwert aller Merkmalswerte yi<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 90 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - Kreuztabellen und Korrelationsmaße (3)<br />
• Beispiel für eine lineare Korrelation (1)<br />
Beispiel - Zusammenhang zwischen Gewicht und Größe (1)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
Gehen wir vom einfachsten Fall zweier Messwertreihen X (z.B. Gewicht) und Y (z.B. Körpergröße) aus. Dann<br />
gibt der Korrelationskoeffizient Auskunft darüber, wie gut sich durch die bei<strong>den</strong> Messwertreihen jeweils eine<br />
Gerade legen lässt, so dass die Quadrate der Abstände der Messwerte <strong>von</strong> der Gera<strong>den</strong> minimal wer<strong>den</strong>.<br />
x y x*y x² y²<br />
1 65 166 10.790 4.225 27.556<br />
2 76 177 13.452 5.776 31.329<br />
3 98 185 18.130 9.604 34.225<br />
4 52 161 8.372 2.704 25.921<br />
5 46 165 7.590 2.116 27.225<br />
6 51 158 8.058 2.601 24.964<br />
7 61 164 10.004 3.721 26.896<br />
8 65 167 10.855 4.225 27.889<br />
9 67 174 11.658 4.489 30.276<br />
10 74 172 12.728 5.476 29.584<br />
11 72 181 13.032 5.184 32.761<br />
12 74 162 11.988 5.476 26.244<br />
13 76 175 13.300 5.776 30.625<br />
14 81 181 14.661 6.561 32.761<br />
15 85 182 15.470 7.225 33.124<br />
16 58 155 8.990 3.364 24.025<br />
17 55 165 9.075 3.025 27.225<br />
18 63 169 10.647 3.969 28.561<br />
19 92 179 16.468 8.464 32.041<br />
20 87 185 16.095 7.569 34.225<br />
Summe 1.398 3.423 241.363 101.550 587.457<br />
x: Variable „Gewicht“<br />
y: Variable „Körpergröße“<br />
x<br />
y<br />
= 69,90<br />
= 171,15<br />
Beispiel entnommen aus:<br />
http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient;<br />
abgerufen am 29.09.2008<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 91 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - Kreuztabellen und Korrelationsmaße (2)<br />
• Beispiel für eine lineare Korrelation (2)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
Beispiel - Zusammenhang zwischen Gewicht und Größe (2)<br />
KOV ( x;<br />
y)<br />
=<br />
1<br />
N<br />
N<br />
∑ xi * yi<br />
− x * y<br />
i=<br />
1<br />
=<br />
241.363<br />
− 69,9*171,15 = 104,76<br />
20<br />
r(<br />
x;<br />
y)<br />
=<br />
KOV ( x;<br />
y)<br />
SAW ( x)*<br />
SAW ( y)<br />
⇒<br />
241.363<br />
− (69,9*171,15)<br />
20<br />
191,49 * 80,5<br />
⇒<br />
12.068,15 −11.963,34<br />
13,83*8,972<br />
⇒<br />
104,76<br />
124,08<br />
⇒ 0,843817<br />
Im folgen<strong>den</strong> Beispiel ergibt sich zwischen dem Körpergewicht<br />
und dem Körpergröße ein Korrelationskoeffizient r = 0,84.<br />
Beispiel entnommen aus:<br />
http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient.;<br />
abgerufen am 29.09.2008<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 92 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - einfache Regressionsanalyse (1)<br />
• Einfache Regressionsanalyse<br />
Ermittlung eines Zusammenhangs zwischen<br />
zwei Merkmalen<br />
• Regressionsgerade: yˆ 1<br />
= a + b*<br />
x1<br />
yˆ<br />
Deskriptive<br />
Statistik<br />
mit: a: Regressionskonstante (Schnittpunkt der Regressionsgerade mit der Y-Achse)<br />
b: Regressionskoeffizient (Steigung der Regressionsgera<strong>den</strong>)<br />
x: unabhängige Variable<br />
y: abhängige Variable<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
• Die einfache Regressionsanalyse baut <strong>auf</strong> der Korrelationsanalyse <strong>auf</strong> und untersucht nicht <strong>den</strong><br />
wechselseitigen Zusammenhang zwischen zwei Variablen, sondern die einseitige Beziehung<br />
zwischen einer abhängigen und einer unabhängigen Variablen.<br />
• Ziel der Regression ist es, die Koeffizienten a und b der Regressionsgera<strong>den</strong> so zu bestimmen, daß<br />
die Summe der quadrierten Abstände zwischen <strong>den</strong> Schätzwerten und <strong>den</strong> wahren Werten y 1<br />
minimiert wird. (“Kleinste-Quadrate-Schätzung”)<br />
• Die Regression versucht also eine Gerade zu bestimmen, <strong>von</strong> der alle Punkte gleich weit entfernt<br />
sind im Mittel. (→Regressionsgerade)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 93 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - einfache Regressionsanalyse (2)<br />
• Beispiel für eine Regressionsanalyse (1)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 94 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - einfache Regressionsanalyse (3)<br />
• Beispiel für eine Regressionsanalyse (2)<br />
Deskriptive<br />
Statistik<br />
Streudiagramm für die Variablen „Werbeausgaben“ und „Absatzmenge“<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 95 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate i Verfahren - einfache Regressionsanalyse (4)<br />
• Beispiel für eine Regressionsanalyse (3)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 96 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - einfache Regressionsanalyse (5)<br />
• Beispiel für eine Regressionsanalyse (4)<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 97 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
bivariate Verfahren - einfache Regressionsanalyse (6)<br />
• Beispiel für eine Regressionsanalyse (5)<br />
Erklärte und nicht erklärte Abweichung<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - bivariat<br />
• Kreuztabellierung<br />
• Korrelationsmaße<br />
• einfache Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 98 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /<br />
multivariate Verfahren - Kriterien zur Auswahl eines mulitvariaten Verfahrens (1)<br />
• Kriterien zur Auswahl eines multivariaten Verfahrens:<br />
• Untersuchungsgegenstand /<br />
Art der Untersuchungsobjekte<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - multivariat<br />
• Kontigenzanalyse<br />
• Diskriminanzanalyse<br />
• Varianzanalyse<br />
• Regressionsanalyse (mehrfach)<br />
• Faktorenanalyse<br />
• Clusteranalyse<br />
• MDS<br />
• Conjoint Measurement<br />
• Anzahl der Variablen<br />
• Abhängigkeit zwischen <strong>den</strong> Variablen<br />
• Daten- und Messniveau<br />
• (Untersuchungszeitpunkt /<br />
Untersuchungszeitraum)<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 99 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (1)<br />
• Unterteilung<br />
• Depen<strong>den</strong>zanalyse:<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - multivariat<br />
• Kontigenzanalyse<br />
• Diskriminanzanalyse<br />
• Varianzanalyse<br />
• Regressionsanalyse (mehrfach)<br />
• Faktorenanalyse<br />
• Clusteranalyse<br />
• MDS<br />
• Conjoint Measurement<br />
• Eine bzw. mehrere Variablen (abhängige Var. bzw.<br />
Kriteriumsvariablen) hängen <strong>von</strong> anderen Variablen (unabhängige Var. bzw. Prediktoren) ab.<br />
• Einsatz nur wenn ein kausaler Zusammenhang zwischen <strong>den</strong> Variablen vermutet wer<strong>den</strong> kann.<br />
• Wichtigste Verfahren: Kontingenzanalyse, Diskriminanzanalyse, Varianzanalyse und<br />
multiple Regressionsanalyse<br />
• Interdepen<strong>den</strong>zanalyse:<br />
• Es erfolgt keine Unterscheidung zwischen abhängiger und unabhängiger Variablen<br />
• Wichtigste Verfahren: Clusteranalyse, Faktorenanalyse, multidimensionale Skalierung und Conjoint<br />
Analyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 100 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / multivariate Verfahren (2)<br />
• Depen<strong>den</strong>zanalysen<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - multivariat<br />
• Kontigenzanalyse<br />
• Diskriminanzanalyse<br />
• Varianzanalyse<br />
• Regressionsanalyse (mehrfach)<br />
• Faktorenanalyse<br />
• Clusteranalyse<br />
• MDS<br />
• Conjoint Measurement<br />
unabhängige Variable<br />
nicht metrisch<br />
metrisch<br />
abhängige Variable<br />
metrisch nicht metrisch<br />
Kontigenzanalyse<br />
Varianzanalyse<br />
Diskriminanzanalyse<br />
Regressionsanalyse<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 101 -
Erhobene Daten analysieren und interpretieren -<br />
Deskriptive Statistik / multivariate Verfahren (3)<br />
• Interdepen<strong>den</strong>zanalysen<br />
Deskriptive<br />
Statistik<br />
Statistische Verfahren - multivariat<br />
• Kontigenzanalyse<br />
• Diskriminanzanalyse<br />
• Varianzanalyse<br />
• Regressionsanalyse (mehrfach)<br />
• Faktorenanalyse<br />
• Clusteranalyse<br />
• MDS<br />
• Conjoint Measurement<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 102 -
Erhobene Daten analysieren und interpretieren: Induktive Statistik (1)<br />
• Hypothesentests:<br />
• Ausgangspunkt ist die Nullhypothese H 0<br />
• Gegenstück ist die Alternativhypothese H 1<br />
Induktive<br />
Statistik<br />
Statistische Verfahren - Induktiv<br />
• Hypothesentests<br />
• Es gibt i.d.R. zwei Fragestellungen beim Hypothesentest:<br />
• Mit welcher Wahrscheinlichkeit wird die Nullhypothese abgelehnt, obwohl sie richtig ist?<br />
• Wieviel Treffer müssen <strong>auf</strong> einem bestimmten Signifikanzniveau „gelandet“ wer<strong>den</strong>, damit die<br />
Nullhypothese angenommen wer<strong>den</strong> kann?<br />
• Termini:<br />
• α-Fehler = Fehler 1.Art = H 0 richtig aber abgelehnt (Irrtumswahrscheinlichkeit)<br />
• β-Fehler = Fehler 2.Art = H 0 falsch aber angenommen<br />
• übliche Werte für α:<br />
≤0,01 hochsignifikant (d.h. zu 99% ist H 0 richtig und wird angenommen)<br />
≤0,05 signifikant<br />
• Gesamtfehler = p*α + (1-p)*β<br />
• 1-α = Sicherheitswahrsch. bzw. statist. Sicherheit<br />
• Vergrößerung des Annahmebereichs bewirkt eine Verkleinerung des α-Fehlers<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 103 -
Erhobene Daten analysieren und interpretieren: Induktive Statistik (2)<br />
• Beispiel Hypothesentest:<br />
Induktive<br />
Statistik<br />
Statistische Verfahren - Induktiv<br />
• Hypothesentests<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 104 -
Erhobene Daten analysieren und interpretieren: Induktive Statistik (3)<br />
• Verteilungstests:<br />
Induktive<br />
Statistik<br />
Statistische Verfahren - Induktiv<br />
• Hypothesentests<br />
Verteilungstest<br />
Art des<br />
Tests<br />
Nullhypothese<br />
Skalenniveau<br />
Voraussetzungen<br />
Prüffunktion<br />
Verteilung der<br />
Prüffunktion<br />
Anpassungstest<br />
V(x) = V 0 (x)<br />
(V 0 (x) ist eine<br />
genau spezifizierte<br />
Verteilung<br />
der<br />
Grundgesamtheit)<br />
mindestens<br />
nominalskalierte<br />
Daten<br />
E j > 5 für alle j = 1,…,m<br />
(bei Gültigkeit der Nullhypothese<br />
zu erwartende<br />
Häufigkeit in <strong>den</strong><br />
einzelnen Ausprägungsklassen)<br />
χ 2 ∑<br />
m<br />
=<br />
emp<br />
j=1<br />
(n j – E j ) 2<br />
E j<br />
m = Anzahl der Ausprägungsklassen<br />
(Intervalle)<br />
n j = tatsächliche Anzahl<br />
der Beobachtungen im<br />
j-ten Intervall<br />
χ 2 –Verteilung mit<br />
v = m – 1<br />
Freiheitsgra<strong>den</strong><br />
Unabhängigkeitstest<br />
x, y sind <strong>von</strong>einander<br />
unabhängig<br />
mindestens<br />
nominalskalierte<br />
Daten<br />
E ij > 5 für alle i = 1,…,k<br />
und j = 1,…., l<br />
(bei Unabhängigkeit zu<br />
erwartende Häufigkeit<br />
der einzelnen Merkmalskombinationen)<br />
χ 2 ∑<br />
k<br />
=<br />
emp<br />
i=1<br />
∑ l<br />
j=1<br />
(n ij – E ij ) 2<br />
E ij<br />
n ij = tatsächliche Häufigkeit<br />
der Merkmalskombinationen<br />
(x i , y j )<br />
χ 2 –Verteilung mit<br />
v = (k – 1) * (l – 1)<br />
Freiheitsgra<strong>den</strong><br />
• Weitere Ausgewählte Testverfahren (Parametertest) siehe Nieschlag, Dichtl, Hörschgen, 1997, S. 770<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 105 -
Erhobene Daten analysieren und interpretieren (1)<br />
• Daten interpretieren<br />
• Erläuterung der Zusammenhänge und Begutachtung der erhobenen, <strong>auf</strong>bereiteten und<br />
ausgewerteten Daten<br />
• Beantwortung der dem Projekt zugrunde liegen<strong>den</strong> Problemstellung<br />
• Formulierung Handlungsempfehlungen zur Unterstützung der Entscheidungsfindung<br />
• komprimieren – > die wichtigsten Erkenntnisse zusammenfassen<br />
• pointieren – > aussagekräftige Ergebnisse hervorheben<br />
• kombinieren – > Gesetzmäßigkeiten ableiten und herausstellen<br />
• begutachten – > Aussage und Signifikanz der Ergebnisse bewerten<br />
• formulieren – > Ergebnisse <strong>auf</strong> konkrete Problemstellung übertragen<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 106 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 107 -
Ergebnisse präsentieren und kommunizieren (1)<br />
• Ergebnisse präsentieren und kommunizieren<br />
• Erstellung eines Ergebnisdokumentes (Ausrichtung an der Problemstellung und <strong>den</strong> Zielen des<br />
Auftraggebers)<br />
• Elemente eines Ergebnisdokumentes:<br />
• Inhaltsverzeichnis<br />
• Projektplan und Projektrahmenbedingungen<br />
• Problemstellung, Burning Platform (Ausgangssituation) und Untersuchungsziele<br />
• Management Summary (wichtigste Ergebnisse der Untersuchung zusammengefasst)<br />
• Methodik der Untersuchung<br />
• <strong>Marketingforschung</strong>splan<br />
• Darstellung und Interpretation der Untersuchungsergebnisse<br />
• Schlussfolgerungen und Handlungsempfehlungen<br />
• Anhang<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 108 -
Agenda<br />
Die Rolle der Information im Marketing / Definition <strong>Marketingforschung</strong><br />
Der <strong>Marketingforschung</strong>sprozess im Überblick<br />
Untersuchungsziel erkennen und definieren - Phase 1<br />
Forschungsplan erstellen und Daten erheben - Phase 2<br />
Erhobene Daten analysieren und interpretieren - Phase 3<br />
Ergebnisse präsentieren und kommunizieren - Phase 4<br />
Klausurbeilage<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 109 -
Klausurbeilage<br />
• Korrelationsmaße:<br />
N<br />
1<br />
KOV(x;y)= ∑[<br />
xi<br />
− x][<br />
yi<br />
− y]<br />
N i=<br />
1<br />
• Einfache lineare Regression:<br />
yˆ 1<br />
+<br />
1<br />
b =<br />
= a b*<br />
x yˆ<br />
y = a + b*<br />
x<br />
n(<br />
∑<br />
x<br />
n(<br />
i<br />
y ) − (<br />
∑<br />
i<br />
x<br />
2<br />
i<br />
∑ xi<br />
∑<br />
) − (<br />
)(<br />
x<br />
i<br />
∑<br />
)<br />
2<br />
y ⎛<br />
i<br />
)<br />
⎜=<br />
⎝<br />
r ( x;<br />
y)<br />
=<br />
∑ xi<br />
∑<br />
y<br />
x<br />
i<br />
2<br />
i<br />
KOV ( x;<br />
y)<br />
SAW ( x)*<br />
SAW ( y)<br />
− n*<br />
x * y ⎞<br />
⎟<br />
2<br />
− n*<br />
x<br />
⎠<br />
• Stichprobenberechnungen:<br />
t * σ<br />
e = t * σ x = = t<br />
n<br />
σ<br />
n<br />
Sicherheitskoeffizient<br />
1,00<br />
1,96<br />
2,00<br />
2,58<br />
3,00<br />
3,29<br />
2<br />
Heterograder Fall<br />
2<br />
2<br />
t ⋅σ<br />
⇒ n ≥<br />
2<br />
e<br />
Homograder Fall<br />
t<br />
⇒ n ≥<br />
Korrespondierende<br />
Irrtumswahrscheinlichkeit (in %)<br />
31,73<br />
5,00<br />
4,55<br />
1,00<br />
0,27<br />
0,10<br />
2<br />
⋅ p ⋅ q<br />
2<br />
e<br />
mit: n: Stichprobenumfang<br />
t: Sicherheitsfaktor<br />
p: Anteil der Merkmalsträger in der<br />
Stichprobe, welche die gesuchte<br />
Merkmalsausprägung <strong>auf</strong>weisen.<br />
q: Anteil der Merkmalsträger in der<br />
Stichprobe, welche die gesuchte<br />
Merkmalsausprägung nicht<br />
<strong>auf</strong>weisen.<br />
e: größter zulässiger Fehler<br />
(Stichprobenfehler)<br />
σ x : Standardabweichung<br />
2<br />
σ : Varianz<br />
© <strong>Prof</strong>. <strong>Dr</strong>. <strong>Andrea</strong> E. <strong>Raab</strong><br />
Hochschule Ingolstadt<br />
- 110 -