Skip to main content
SpringerLink
Log in

Verfahren zur Parametrisierung der Modelle

  • Chapter
Kaufentscheidungsprognose auf Basis von Befragungen

Part of the book series: Marken- und Produktmanagement ((MPM))

  • 332 Accesses

Zusammenfassung

In diesem Kapitel erfolgt die Parametrisierung, also die Quantifizierung der Struktur des vorab ausgewählten Modells.1 Die Parametrisierung basiert auf in Befragungen erhobenen Daten. Es wird ein strukturierender Überblick über die Vielfalt der in der Literatur vorgestellten Varianten zur Erhebung und Auswertung der Daten gegeben. Dieses Kapitel ist wie folgt gegliedert: Nach einer kurzen Betrachtung der Erhebungsmedien und Stimulidarstellung in Unterkapitel 3.1 werden in Unterkapitel 3.2 verschiedene Verfahren zur Messung von Präferenzdaten vorgestellt. Durch Anwenden eines der in Unterkapitel 2.2 vorgestellten Entscheidungsmodelle kann aus Präferenzdaten eine Kaufentscheidungsprognose abgeleitet werden. Die direkte Erhebung und Auswertung von Wahlentscheidungen an Stelle von Präferenzdaten wird in Unterkapitel 3.3 untersucht. Hierbei wird insbesondere eine Meta-Analyse vorgestellt, die bei der Entscheidung über die Anzahl der vorzulegenden Wahlentscheidungen hilfreich ist.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Notes

  1. Vgl. Böcker (1986), S. 560.

    Google Scholar 

  2. Vgl. Fischer/Carmon/Ariely/Zauberman (1999), S. 1.057.

    Google Scholar 

  3. Vgl. Fischhoff/Slovic/Lichtenstein (1988), S. 399; Bettman (1979), S. 323 ff.

    Google Scholar 

  4. Vgl. Huber/Wittink/Fiedler/Miller (1993).

    Google Scholar 

  5. Vgl. Alba/Hutchinson/Lynch (1991).

    Google Scholar 

  6. Vgl. Hogarth (1980), S. 4 f.

    Google Scholar 

  7. Dies ist der sogenannte prominence effect, vgl. Fischer/Carmon/Ariely/Zauberman (1999), S. 1.058.

    Google Scholar 

  8. Vgl. Huber/Wittink/Fiedler/Miller (1993).

    Google Scholar 

  9. Vgl. Huber/Wittink/Fiedler/Miller (1993).

    Google Scholar 

  10. Vgl. Wittink/Cattin (1989).

    Google Scholar 

  11. U. a. bei Hüttner (1999), Abschnitt 4.1.2.

    Google Scholar 

  12. Vgl. Akaah (1991). Zur Diskussion der verschiedenen Formen von Validität vgl. Unterkapitel 4.3.

    Google Scholar 

  13. Zum Vergleich der verschiedenen Formen der Stimuluspräsentation und zur Thematik Multimedia bei Präferenzmessungsverfahren vgl. Sattler (1991); Ernst/Sattler (2000); Albrecht (2000), S. 190 ff.; Zou (1998). In Ernst (2001), S. 62, findet sich eine detaillierte Betrachtung des Kontinuums der Produktpräsentationsmöglichkeiten. Für die Zwecke hier genügt die verwendete Dreiteilung.

    Google Scholar 

  14. Vgl. im Überblick Albrecht (2000), S. 204; Köcher (1997).

    Google Scholar 

  15. Vgl. Backhaus/Stadie (1998), S. 172; Urban/Weinberg/Hauser (1996).

    Google Scholar 

  16. Vgl. Dahan/Srinivasan (2000).

    Google Scholar 

  17. Vgl. Jaeger/Hedderley/MacFie (2001).

    Google Scholar 

  18. Vgl. Backhaus/Stadie (1998), S. 175 f.

    Google Scholar 

  19. Vgl. Ernst (2001), S. 226 und 230.

    Google Scholar 

  20. Vgl. Backhaus/Stadie (1998), S. 178. Vgl. auch die Ergebnisse von Strebinger/Hoffmann/Schweiger/Otter (2000), S. 70, nach denen der Einsatz von Bildern bei einem nicht dem tatsächlichen entsprechenden Involvement zu einer verschlechterten Vorhersagekraft führt.

    Google Scholar 

  21. Böcker (1986), S. 556.

    Google Scholar 

  22. Vgl. Shugan (1980), S. 100.

    Google Scholar 

  23. Vgl. Ben-Akiva et al. (1999), S. 188.

    Google Scholar 

  24. Vgl. Green/Krieger/Wind (2001).

    Google Scholar 

  25. Vgl. Weiber/Rosendahl (1996), S. 580; Baiderjahn (1993). Zur Diskussion der Unterschiede zwischen Nutzen und Entscheidung vgl. Melles (2001), S. 7 f., und die dort angegebene Literatur.

    Google Scholar 

  26. Vgl. Kapitel 5.

    Google Scholar 

  27. Vgl. Johnson (1987).

    Google Scholar 

  28. Vgl. Srinivasan/Wyner (1989). Nur die Ausprägungbeurteilung ohne die Ermittlung der Attributsbedeutung verwendet etwa Individual Weight Adjustment, vgl. Fittkau und Strickmann (2000). Beim Analytic Hierarchy Process hingegen entfällt die Ausprägungsbeurteilung, vgl. Tscheulin (1992).

    Google Scholar 

  29. Vgl. Albrecht (2000), S. 65, und die dort angegebene Literatur.

    Google Scholar 

  30. Vgl. Srinivasan (1988).

    Google Scholar 

  31. Eine solche Einschränkung der Bandbreite bietet ACA an.

    Google Scholar 

  32. Vgl. Tscheulin (1992).

    Google Scholar 

  33. Vgl. Bottomley/Doyle/Green (2000).

    Google Scholar 

  34. Vgl. Green/Srinivasan (1990), S. 9 f., und Diskussion in Albrecht (2000), S. 65 f.

    Google Scholar 

  35. Vgl. Orme/Alpert/Christensen (1997).

    Google Scholar 

  36. Beispielsweise angewandt von Hensel-Börner (2000), S. 197.

    Google Scholar 

  37. Vgl. Weber/Eisenführ/von Winterfeldt (1988).

    Google Scholar 

  38. Vgl. Srinivasan (1988).

    Google Scholar 

  39. Holdouts werden in Abschnitt 4.3.2 erläutert.

    Google Scholar 

  40. Vgl. Luce/Bettman/Payne (2000).

    Google Scholar 

  41. Sujan/Bettman (1989).

    Google Scholar 

  42. Vgl. Srinivasan (1988).

    Google Scholar 

  43. Vgl. Hensel-Bömer (2000), S. 42.

    Google Scholar 

  44. Vgl. Alpert (1980); Alpert (1971).

    Google Scholar 

  45. Vgl. Wiswede (2000), S. 271; Sattler/Hensel-Börner(2003); Srinivasan/Park (1997).

    Google Scholar 

  46. Lehmann/Gupta/Steckel (1998) nennen die kompositionelle Methode daher Disjoint Analysis.

    Google Scholar 

  47. Vgl. Chrzan (1999).

    Google Scholar 

  48. Vgl. Huber/McCann (1982).

    Google Scholar 

  49. Vgl. Johnson (1974).

    Google Scholar 

  50. Vgl. Müller-Hagedorn/Sewing/Toporowski (1993).

    Google Scholar 

  51. Vgl. Green/Srinivasan (1990), S. 9.

    Google Scholar 

  52. Vgl. Louviere (1984); Louviere/Gaeth (1987); Molin/Oppewal/Timmermans (2000).

    Google Scholar 

  53. Vgl. Oppewal/Klabbers (2003).

    Google Scholar 

  54. Vgl. Backhaus/Erichson/Plinke/Weiber (2003), S. 553.

    Google Scholar 

  55. Vgl. Green (1984), S. 156.

    Google Scholar 

  56. Vgl. Wittink/Vriens/Burhenne (1994).

    Google Scholar 

  57. Vgl. bspw. Backhaus/Erichson/Plinke/Weiber (2003), S. 553.

    Google Scholar 

  58. Vgl. Carmone/Green (1981).

    Google Scholar 

  59. Vgl. Bortz (1999), S. 382.

    Google Scholar 

  60. Vgl. Louviere (2000), S. 3.

    Google Scholar 

  61. Vgl. Teichert (1994).

    Google Scholar 

  62. Vgl. Wittink/Bergestuen (2001), S. 159.

    Google Scholar 

  63. Vgl. Steckel/DeSarbo/Mahajan (1991); Green/Srinivasan (1978), S. 435.

    Google Scholar 

  64. Vgl. Shugan (1980).

    Google Scholar 

  65. Vgl. Zwerina (1997); Kuhfeld/Tobias/Garratt (1994).

    Google Scholar 

  66. Vgl. Wiley (1978).

    Google Scholar 

  67. Vgl. auch Einteilung in Hensel-Börner (2000), S. 22.

    Google Scholar 

  68. Vgl. Kalish/Nelson (1991).

    Google Scholar 

  69. Vgl. Category Assignment in Moore/Gray-Lee/Louviere (1998).

    Google Scholar 

  70. Vgl. Lehmann/Gupta/Steckel (1998), S. 548.

    Google Scholar 

  71. Vgl. DeSarbo et al. (1997), S. 337.

    Google Scholar 

  72. Vgl. Malhotra (1986); Jedidi/Kohli/DeSarbo (1996).

    Google Scholar 

  73. Vgl. Malhotra (1987); Malhotra (1986).

    Google Scholar 

  74. Vgl. Mahajan/Green/Goldberg (1982).

    Google Scholar 

  75. Vgl. Doyle (1999); Punj/Staelin (1978), S. 591.

    Google Scholar 

  76. Vgl. Backhaus/Erichson/Plinke/Weiber (2003).

    Google Scholar 

  77. Vgl. Teichert (1994); Teichert (1998).

    Google Scholar 

  78. Vgl. Wittink/Krishnamurthi/Reibstein (1989).

    Google Scholar 

  79. Vgl. Teichert (1994); Teichert (1998).

    Google Scholar 

  80. Vgl. Jedidi/Kohli/DeSarbo (1996).

    Google Scholar 

  81. Vgl. Voeth/Hahn (1998), Backhaus/Stadie (1998), S. 184. Ein analoges Vorgehen schlägt bereits Louviere (1988b), S. 107, für die skalierte Beurteilung vor: ein Nichtwahlalternative wird auf der selben Skala wie die Stimuli beurteilt.

    Google Scholar 

  82. Den Einsatz einer None-Alternative („kaufe in einem anderen Geschäft“) zeigen z. B. Green/Savitz (1994).

    Google Scholar 

  83. Vgl. Hensel-Bömer (2000), S. 91–93.

    Google Scholar 

  84. Vgl. Baier/Gaul (2003).

    Google Scholar 

  85. Vgl. Huber/Ariely/Fischer (2000); Fischer/Carmon/Ariely/Zauberman (1999).

    Google Scholar 

  86. Vgl. Srinivasan/Jain/Malhotra (1983).

    Google Scholar 

  87. Vgl. bspw. Backhaus/Erichson/Plinke/Weiber (2003), S. 558 ff.

    Google Scholar 

  88. Vgl. Teichert (1999).

    Google Scholar 

  89. Vgl. Srinivasan/Shocker (1973).

    Google Scholar 

  90. Vgl. Kruskal (1965).

    Google Scholar 

  91. Vgl. Green/Wind (1973).

    Google Scholar 

  92. Vgl. Wittink/Cattin (1989).

    Google Scholar 

  93. Vgl.Schweikl(1985), S. 90.

    Google Scholar 

  94. Vgl. Schneider (1998).

    Google Scholar 

  95. Normierungsverfahren werden in Backhaus/Erichson/Plinke/Weiber (2003), S. 566 ff., und Teichert (1999) beschrieben.

    Google Scholar 

  96. Vgl. Voeth/Hahn (1998).

    Google Scholar 

  97. Vgl. Johnson (1987).

    Google Scholar 

  98. Vgl. Punj/Staelin (1978); Chapman/Staelin (1982).

    Google Scholar 

  99. Vgl. Louviere (1988a), Abschnitt 4.1.2.4.

    Google Scholar 

  100. Vgl. Akaah/Korgaonkar (1983); Hensel-Börner (2000), S. 39 ff.

    Google Scholar 

  101. Vor allem von Johnson (1987) und Green/Goldberg/Montemayor (1981).

    Google Scholar 

  102. Vgl. Burke (2000); vgl. auch Hansen/Wittink (1995).

    Google Scholar 

  103. Vgl. Srinivasan/Park (1997).

    Google Scholar 

  104. Vgl. Hensel-Börner (2000), S. 70 ff.

    Google Scholar 

  105. Vgl. Green/Srinivasan (1990).

    Google Scholar 

  106. Vgl. IntelliQuest (2000); Mehta/Moore/Pavia (1992).

    Google Scholar 

  107. Vgl. Sheluga/Jaccard/Jacoby (1979).

    Google Scholar 

  108. Vgl. Hensel-Börner (2000), S. 75.

    Google Scholar 

  109. Vgl. Johnson (1987).

    Google Scholar 

  110. Vgl. Toubia/Sibester/Hauser (2001).

    Google Scholar 

  111. Vgl. Traditional Hybrid in der Darstellung von Green/Krieger (1996).

    Google Scholar 

  112. Vgl. Modified Importances / Desirabilities in der Darstellung von Green/Krieger (1996).

    Google Scholar 

  113. Vgl. Modified Importances / Constrained Desirabilities in der Darstellung von Green/Krieger (1996).

    Google Scholar 

  114. Vgl. Modified Importances in der Darstellung von Green/Krieger (1996).

    Google Scholar 

  115. Diese Vorgehensweise wird Huber-hybrid Conjoint Analysis genannt, vgl. Akaah/Korgaonkar (1983).

    Google Scholar 

  116. Vgl. Modified Importance: Convex Combination in der Darstellung von Green/Krieger (1996).

    Google Scholar 

  117. Vgl. z. B. Hensel-Börner (2000), S. 79 f.

    Google Scholar 

  118. Vgl. Metegrano (1994), S. 3–35.

    Google Scholar 

  119. Vgl. Hofstede/Kim/Wedel (2002).

    Google Scholar 

  120. Vgl. Elrod/Chrzan (2003).

    Google Scholar 

  121. Vgl. Green/Srinivasan (1990), S. 14.

    Google Scholar 

  122. Vgl. Louviere (1988a), Abschnitt 4.2.1.3.

    Google Scholar 

  123. Vgl. Louviere (1988b), S. 100.

    Google Scholar 

  124. Vgl. Batsell/Louviere (1991).

    Google Scholar 

  125. Vgl. Orme (2000b), S. 8–2.

    Google Scholar 

  126. Vgl. Unterkapitel 3.2.3.1.

    Google Scholar 

  127. Vgl. Louviere/Woodworth (1983).

    Google Scholar 

  128. Vgl. Huber/Zwerina (1996), S. 310.

    Google Scholar 

  129. Vgl. Huber/Zwerina (1996).

    Google Scholar 

  130. Vgl. Orme (2000b), S. 8–5.

    Google Scholar 

  131. Vgl. Huber/Zwerina (1996).

    Google Scholar 

  132. Vgl. auch Abschnitt 3.3.3. Zwerina (1997) zeigt, dass dann bei fünf Attributen mit je drei Ausprägungen dreißig Entscheidungen zur Schätzung individueller Nutzenwerte genügen.

    Google Scholar 

  133. Vgl. Sándor/Wedel (2001).

    Google Scholar 

  134. Vgl. Zwerina (1997); Huber/Zwerina (1996), S. 312.

    Google Scholar 

  135. Vgl. Dellaert/Brazell/Louviere (1999), S. 140; Swait/Adamowicz (2001b); Kanninen (2002), S. 215.

    Google Scholar 

  136. Vgl. Unterabschnitt 2.2.2.3 und Swait/Adamowicz (2001a).

    Google Scholar 

  137. Vgl. Kuhfeld/Tobias/Garratt (1994), S. 545.

    Google Scholar 

  138. Vgl. Chrzan/Orme (2000).

    Google Scholar 

  139. Dies ist das Vorgehen bei der zufälligen Auswahl von CBC, vgl. Orme (2000b), S. 8–6.

    Google Scholar 

  140. Vgl. Chrzan (1999).

    Google Scholar 

  141. Vgl. IntelliQuest (1999).

    Google Scholar 

  142. Vgl. Huber/McCann (1982).

    Google Scholar 

  143. Vgl. Hensel-Börner (2000), S. 83 ff.

    Google Scholar 

  144. Vgl. Kohn (2002), S. 163.

    Google Scholar 

  145. Vgl. Johnson/Orme (1996).

    Google Scholar 

  146. Vgl. auch Sattler/Hartrnann/Kröger (2003).

    Google Scholar 

  147. Vgl. Unterabschnitt 3.3.1.1.

    Google Scholar 

  148. Für die Bereitstellung der Datensätze bedankt sich die Autorin bei Research International Deutschland, namentlich bei Herrn Stefan Kuhlen.

    Google Scholar 

  149. Zur Bestimmung von aggregierten Teilnutzenwerten auf Basis von CBC-Daten vgl. Unterabschnitt 3.3.2.1.

    Google Scholar 

  150. Die Nutzenwerte der Ausprägungen sind lediglich ordinal-skaliert, so dass nur eine Aussage über die Rangfolge, nicht aber über ihr Verhältnis zueinander getroffen werden kann.

    Google Scholar 

  151. Vgl. Abschnitt 4.3.2.

    Google Scholar 

  152. Vgl. Abschnitt 4.3.2.

    Google Scholar 

  153. Vgl. Orme (2000b), S. 8–3.

    Google Scholar 

  154. Vgl. auch Sattler/Hartmann/Kröger (2003).

    Google Scholar 

  155. Vgl. Johnson/Orme (1996), S. 20.

    Google Scholar 

  156. Vgl. Louviere (1988b), S. 94.

    Google Scholar 

  157. Man erhält je Entscheidung eines Befragten nur eine diskrete Information über zwei oder mehr Konzepte.

    Google Scholar 

  158. Vgl. Ben-Akiva et al. (1999), S. 189.

    Google Scholar 

  159. Vgl. Unterabschnitt 2.2.2.3.

    Google Scholar 

  160. Vgl. Rese (2000), S. 112.

    Google Scholar 

  161. Vgl. Rese (2000), S. 112 ff.

    Google Scholar 

  162. Beispielsweise CBC von Sawtooth Software.

    Google Scholar 

  163. Vgl. Orme (2000b), S. D-3.

    Google Scholar 

  164. Vgl. Rese (2000), S. 113.

    Google Scholar 

  165. Vgl. IntelliQuest(1999).

    Google Scholar 

  166. Vgl. Unterabschnitt 2.2.2.3

    Google Scholar 

  167. Vgl. Swait/Bernardino (2000).

    Google Scholar 

  168. Vgl. Louviere (2000), S. 8.

    Google Scholar 

  169. Vgl. Louviere (2000), S. 9.

    Google Scholar 

  170. Vgl. Keane (1997), S. 314.

    Google Scholar 

  171. Vgl. Unterabschnitt 2.2.2.3.

    Google Scholar 

  172. Hierarchical Bayes wurde zuerst von Allenby/Arora/Ginter (1995) auf Conjoint-Daten angewandt.

    Google Scholar 

  173. Green/Krieger/Wind (2001), S. 66.

    Google Scholar 

  174. Vgl. Lenk/DeSarbo/Green/Young (1996); Gensler (2003) und das Tool HB Reg von Sawtooth Software.

    Google Scholar 

  175. Vgl. Lenk/DeSarbo/Green/Young (1996).

    Google Scholar 

  176. Vgl. Johnson (2000b); Gensler (2003), S. 170 ff.

    Google Scholar 

  177. Vgl. Gensler (2003).

    Google Scholar 

  178. Bspw. von Sawtooth Software, vgl. Orme (2000a).

    Google Scholar 

  179. Vgl. Currim/Meyer/Le (1988), S. 254 ff.

    Google Scholar 

  180. Vgl. Gensch/Svetska (1979).

    Google Scholar 

  181. Vgl. Currim/Meyer/Le (1988).

    Google Scholar 

  182. Vgl. Gensch/Svetska (1979).

    Google Scholar 

  183. Vgl. Zwerina (1997).

    Google Scholar 

  184. Vgl. Hensel-Börner (2000), S. 83 ff.

    Google Scholar 

  185. Vgl. Burke (2000).

    Google Scholar 

  186. Vgl. Kivetz/Netzer/Srinivasan (2002).

    Google Scholar 

Download references

Authors
  1. Adriane Hartmann
    View author publications

    You can also search for this author in PubMed Google Scholar

Rights and permissions

Reprints and permissions

Copyright information

© 2004 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

Hartmann, A. (2004). Verfahren zur Parametrisierung der Modelle. In: Kaufentscheidungsprognose auf Basis von Befragungen. Marken- und Produktmanagement. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81742-6_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-81742-6_3

  • Publisher Name: Deutscher Universitätsverlag

  • Print ISBN: 978-3-8244-8091-3

  • Online ISBN: 978-3-322-81742-6

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation