Advertisement

Modelltheoretische Grundlagen

  • Claudio Felten
Part of the Gabler Edition Wissenschaft book series (GEW)

Zusammenfassung

Entsprechend den Ausführungen in Kapitel 1.2 sind Unsicherheit und Informationsintegration wesentliche Kennzeichen von Adoptionsentscheidungsprozessen; gemäß Kapitel 1.3 werden in der vorliegenden Arbeit extensive Kaufentscheidungsprozesse betrachtet, die durch High Involvement potentieller Adopter und dementsprechend kognitiv geprägte, auf Nutzenmaximierung basierende, kompensatorische Entscheidungsregeln gekennzeichnet sind. Vor diesem Hintergrund ist es naheliegend, das Entscheidungs- und Informationsintegrationsverhalten potentieller Adopter in einem mikroökonomischen Diffusionsmodell auf den Theorien und Erkenntnissen der Entscheidungstheorie aufzubauen,1 die allgemein die Grundlage zur Modellierung extensiver Kaufentscheidungen bildet2. Generell lassen sich je nach ihrer Zielsetzung der deskriptive und der normative entscheidungstheoretische Ansatz unterscheiden. Die normative Entscheidungstheorie, oft auch als präskriptive Entscheidungstheorie oder Decision Analysis bezeichnet,3 postuliert Eigenschaften, die Präferenzen von Entscheidern vernünftigerweise besitzen sollten, und behandelt Modelle und Verfahren, die es erlauben, auf der Grundlage solcher Präferenzen optimale im Sinne von rationalen Entscheidungen abzuleiten.4 Die deskriptive, behavioristische Entscheidungstheorie hat zum Ziel, empirisch gehaltvolle Hypothesen über das tatsächliche, reale Entscheidungsverhalten von Individuen zu formulieren.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Vgl. z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 2ff. und S. 357ff.; von Nitzsch, R.: Entscheidungslehre, 1996, S. 1–9; Bamberg, G.; Coenenberg, A. G.: Entscheidungslehre, 1994, S. 1–6; French, S.: Theory, 1993, S. 342–347; Laux, H.: Entscheidungstheorie, 1991, S. 12ff. Der Gültigkeitsbereich der Entscheidungstheorie ist dabei zunächst nicht auf ökonomische Fragestellungen beschränkt und neben den Sozialwissenschaften beschäftigen sich z. B. auch Psychologie und Philosophie mit ihr. Im folgenden wird der Terminus Entscheidungstheorie immer im Sinne von ökonomisch ausgerichteter Entscheidungstheorie verwendet.Google Scholar
  2. 2.
    Vgl. z. B. R. Nieschlag et al.: Marketing, 1997, S. 181; Roberts, J. H.; Lilien, G. L: Models, 1993, S. 29–31; Balderjahn, I.: Marktreaktionen, 1993, S. 15–18; Lilien et al.: Marketing, 1992, S. 97; J. R. Bettman et al.: Decision, 1991, S. 64ff.; Meyer, R. J.; Kahn, B. E.: Choice, 1991, S. 88; J. Wind et al.: Methods, 1991, S. 507ff.Google Scholar
  3. 3.
    Einige Autoren unterscheiden auch zwischen normativer und präskriptiver Entscheidungstheorie, wobei letztere den entscheidungsunterstützenden Aspekt der normativen Theorie repräsentiert. Vgl. z. B. Bell et al.: Prescriptive, 1988, S. 1f.; Keeney, R. L.; Raiffa, H.: Decisions, 1976, S. viif.Google Scholar
  4. 4.
    Vgl. dazu z. B. French, S.: Theory, 1993, S. 28; Fishburn, P. C.: Theories, 1988, S. 78; Schnee- weiß, H.: Risiko, 1967, S. 1ff.; und zu Inhalten bzw. der Problematik des Rationalitätsbegriffes insbesondere Simon, H. A.: Rationality, 1986, S. S209 - S224; Sen, A.: Rational, 1994, S. 385–390; Harman, G.: Rationality, 1995, S. 175–211; Monz, I.: Theorie, 1999, S. 1605ff.; Kirsch, G.: Choice, 1997, S. 763; Karpe, J.: Verhaltenskonzepte, 1999, S. 605–607.Google Scholar
  5. 5.
    Vgl. dazu und zu den folgenden Definitionen z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 20f.; Bamberg, G.; Coenenberg, A. G.: Entscheidungslehre, 1994, S. 17; Laux, H.: Entscheidungstheorie, 1991, S. 24.Google Scholar
  6. 6.
    Vgl. zu subjektiven Wahrscheinlichkeiten z. B. Kreps, D. M.: Theory, 1988, S. 115–125 und S. 145–157.Google Scholar
  7. 7.
    Vgl. z. B. auch die Ausführungen bei Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 259f.Google Scholar
  8. 8.
    So beschränken z. B. auch Sabel und Weiser den Begriff Unsicherheit auf die klassische Risikosituation. Vgl. Sabel, H.; Weiser, C.: Marketingtheorie, erscheint voraussichtlich 2001.Google Scholar
  9. 9.
    Vgl. zu dieser Ergänzung die Ausführungen in Kap. 11.2.2.3.2.Google Scholar
  10. 10.
    Dazu gehören z. B. die Rangplatzabhängigen Nutzentheorien (Rank Dependent Expected Utility Theory, RDEU), die Gewichtete Nutzentheorie (Weighted Expected Utility Theory, WEUT), die Regret Theorie und insbesondere die Prospect Theorie. Vgl. die Ausführungen in Kap. 11.2.3.1 sowie für einen Überblick Camerer, C.; Weber, M.: Developments, 1992, S. 325–370; Weber, M.; Camerer, C.: Risk, 1987, S. 129–151; Machina, M. J.: Choice, 1987, S. 132f.Google Scholar
  11. 11.
    Vgl. zur beschränkten (bounded) Rationalität Simon. H. A.: Man, 1957, S. 198; derselbe: Behavioral, 1955, S. 99–118; derselbe: Rationality, 1986, S. S209 - S224; derselbe: Entscheidungsverhalten, 1981, S. 30ff. und S. 115ff.; Sauermann, H.; Selten, R.: Anspruchsanpassungstheorie, 1962, S. 577–579; March, J. G.: Bounded, 1988, S. 33–57; Harman, G.: Rationality, 1995, S. 175–211; Monz, I.: Theorie, 1999, S. 1605ff.; Karpe, J.: Verhaltenskonzepte, 1999, S. 605–607.Google Scholar
  12. 12.
    Vgl. dazu und im folgenden z. B. A. Mas-Colell et al.: Theory, 1995, S. 167ff.; Varian, H. R.: Mikroökonomie, 1990, S. 159ff.; Kreps, D. M.: Theory, 1988, S. 32f. und S. 43ff.; Fishburn, P. C.: Theories, 1988, S. 78–98; Machina, M. J.: Choice, 1987, S. 121 ff.Google Scholar
  13. 13.
    Vgl. Chatterjee, R.; Eliashberg, J.: Innovation, 1990, S. 1057–1059; Eliashberg, J.; Chatterjee, R.: Models, 1986, S. 151–199; Eliashberg, J.; Hauser, J. R.: Risk, 1985, S. 1–25; Roberts, J. H.; Urban, G. L.: Utility, 1988, S. 167–185; Hauser, J. R.; Urban, G. L.: Behavior, 1979, S. 251–262; dieselben: Methodology, 1977, S. 579–619.Google Scholar
  14. 14.
    Vgl. Bernoulli, D.: Theoriae, 1738, bzw. die englische Übersetzung von 1954. 1s Vgl. Schmidt, U.: Utility, 1998, S. vii.Google Scholar
  15. 16.
    Vgl. von Neumann, J.; Morgenstern, O.: Theory, 1947. Dabei haben die Theorien von Bernoulli und von Neumann und Morgenstern bis auf die mathematische Form des Erwartungsnutzens wenig gemeinsam. Vgl. die Ausführungen in Kap. 11.2.2.2.2.5.Google Scholar
  16. 17.
    Vgl. Savage, L. J.: Foundations, 1954.Google Scholar
  17. 18.
    Vgl. Schmidt, U.: Utility, 1998, S. 2. Für eine ausführliche Darstellung der Erwartungsnutzentheorie unter Risiko vgl. z. B. A. Mas-Colell et al.: Theory, 1995, S. 167–199; Kreps, D. M.: Theory, 1988, S. 32f. und S. 43–97; Fishburn, P. C.: Foundations, 1982.Google Scholar
  18. 19.
    Vgl. z. B. Hartung, J.: Statistik, 1998, S. 94; J. Bleymüller et al.: Statistik, 1994, S. 28f.; Bortz, J.: Statistik, 1993, S. 52. Teilweise findet sich in der Literatur auch die Schreibweise Kolmogorov.Google Scholar
  19. 20.
    In dieser Formulierung sind Präferenzen über Handlungsalternativen identisch mit Präferenzen über Wahrscheinlichkeitsverteilungen. Der Raum der Alternativen besteht also aus der Menge aller Lotterien bzw. Wahrscheinlichkeitsverteilungen über Z.Google Scholar
  20. 22.
    Vgl. A. Mas-Colell et al.: Theory, 1995, S. 184.Google Scholar
  21. 23.
    Im Sinne der Meßtheorie, die sich mit der quantitativen Repräsentation qualitativer Relationen - wie z. B. Präferenzen - befaßt und die Bedingungen herausarbeitet, in denen derartige Repräsentationen existieren, stellen u und U Skalen bzw. Skalierungsvorschriften dar, da sie den betrachteten Konsequenzen und Alternativen Werte derart zuordnen, daß diese den Sachverhalt der qualitativen Relationen widerspiegeln. Vgl. z. B. French, S.: Theory, 1993, S. 325ff.Google Scholar
  22. 24.
    Vgl. z. B. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 263; Frey, B. S.; Eichenberger, R.: Ökonomik, 1989, S. 81ff.; Weber, M.: Finanzierungstheorie, 1991, S. 311–327; J. W. Payne et al.: Research, 1992, S. 107; Weiber, R.: Marketing, 1993, S. 2; sowie die folgenden Ausführungen.Google Scholar
  23. 25.
    In der neoklassischen Mikroökonomie und der normativen Entscheidungstheorie werden diese Annahmen als Axiome bezeichnet. Diese Sichtweise liegt zum einen in der Meßtheorie begründet, in der derartige Konsistenzbedingungen an qualitative Relationen - z. B. Transitivität, Symmetrie - als Axiome bezeichnet werden - vgl. dazu z. B. French, S.: Theory, 1993, S. 326; Bortz, J.: Statistik, 1993, S. 19, und zum anderen daran, daß manche Ökonomen sie für fundamental halten - vgl. dazu z. B. Varian, H. R.: Intermediate, 1987, S. 35. Bei einer deskriptiven Nutzung und von einem deskriptiven Standpunkt aus besitzen sie jedoch lediglich den Status von Annahmen, da sie die Annahmen an das Verhalten der entscheidenden Individuen darstellen, die erfüllt sein müssen, damit das jeweils betrachtete Repräsentationstheorem — vgl. die Ausführungen im vorliegenden Abschnitt — eine geeignete Abbildung des Entscheidungsverhaltens ist. Als solche werden sie in der vorliegenden Arbeit auch bezeichnet.Google Scholar
  24. 26.
    Dabei sei bereits an dieser Stelle darauf hingewiesen, daß die im folgenden aufgeführten Verletzungen die SEU gleichermaßen treffen.Google Scholar
  25. 27.
    Vgl. Camerer, C.: Decision 1995, S. 617.Google Scholar
  26. 28.
    In der Literatur existieren unterschiedliche, das ursprüngliche von von Neumann und Morgenstern verfeinernde Annahmensysteme. Die meisten, wie auch das hier dargestellte, basieren auf dem System von Herstein und Milnor (1953); vgl. dazu Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 211. Die folgenden Ausführungen beruhen im wesentlichen auf Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 211–219; A. Mas-Colell et al.: Theory, 1995, S. 170–178; Kreps, D. M.: Theory, 1988, S. 32f. und S. 43–52.Google Scholar
  27. 29.
    Dazu zählen insbesondere z. B. die Annahmen der Risikoaversion, der konstanten absoluten Risikoaversion sowie die Beschränkung auf die Endvermögensbetrachtung bzw. Wohlfahrtsmaximierung. Vgl. die Ausführungen in den folgenden Abschnitten sowie Simon, H. A.: Rationality, 1986, S. S209.Google Scholar
  28. 30.
    Vgl. z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 100.Google Scholar
  29. 31.
    Wohingegen die ursprünglich von Bernoulli vorgeschlagene Nutzenfunktion, wie das Beispiel gezeigt hat, über Gewinne und Verluste von Lotterien definiert ist. Streng genommen müßte Gleichung (2.1) also U(W+p,)=E,u(W+z,)p,,,„ lauten mit W= Endvermögen. Vgl. z.B. Machina, M. J.: Choice, 1987, S. 123. Vgl. dazu jedoch auch die Ausführungen bei Simon, H. A.: Rationality, 1986, S. S210 und S. S213.Google Scholar
  30. 32.
    Vgl. dazu auch A. Mas-Colell et al.: Theory, 1995, S. 6.Google Scholar
  31. 33.
    In dem hier betrachteten Fall bestehen die Konsequenzen aus Lotterien.Google Scholar
  32. 34.
    Vgl. zu lexikographischen Präferenzen z. B. Varian, H. R.: Mikroökonomie, 1985, S. 119f.Google Scholar
  33. 35.
    Vgl. Schmidt, U.: Utility, 1998, S. 12. Aus A4 folgt also auch direkt die sogenannte Reduktionsannahme, die besagt, daß Individuen indifferent zwischen einstufigen Lotterien und den zweistufigen Lotterien sind, die bei Reduktion auf eine Stufe dieselbe Form wie die einstufige aufweisen. Vgl. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 216.Google Scholar
  34. 36.
    Theoreme, die die Möglichkeit der Existenz einer numerischen Repräsentation qualitativer Relationen aufzeigen, stellen im Sinne der Meßtheorie sogenannte Repräsentationstheoreme dar. Vgl. z. B. French, S.: Theory, 1993, S. 327; Bortz, J.: Statistik, 1993, S. 19.Google Scholar
  35. 38.
    Vgl. z. B. A. Mas-Colell et al.: Theory, 1995, S. 47–49 und S. 175. Das gilt selbstverständlich nur für Nutzenfunktionen mit einem Argument (sogenannte uniattributive Nutzenfunktionen bzw. Entscheidungen mit eindimensionaler Zielstruktur). Vgl. zu zusätzlichen Annahmen, die für spezielle multiattributive Präferenzrepräsentationen gelten z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 117ff. und 271ff.; sowie die Monographie von Keeney, R. L.; Raiffa, H.: Decisions, 1976.Google Scholar
  36. 39.
    Es sei erwähnt, daß derartige additive Modelle, ob als multiattributive unter Sicherheit oder in der Erwartungsnutzenform, prinzipiell immer eine Art Unabhängigkeitsannahme benötigen. Vgl. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 220. Es wird sich im folgenden jedoch zeigen, daß die spezielle Form der Unabhängigkeit in A4 keine sinnvolle Annahme an Präferenzen von Konsumenten darstellt.Google Scholar
  37. 40.
    Vgl. Allais, M.: Critique, 1953, S. 527–529.Google Scholar
  38. 42.
    Dieses Experiment ist inzwischen vielfach repliziert worden mit jeweils ähnlichen Befunden. Vgl. Camerer, C.: Decision, 1995, S. 622f. Kahneman und Tversky berichten z. B. relative Häufigkeiten von 82% bzw. 83% sowie 61% für dieses Verhaltensmuster. Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 266; Schmidt, U.: Utility, 1998, S. 16.Google Scholar
  39. 44.
    Vgl. Camerer, C.: Decision, 1995, S. 617f.; Machina, M. J.: Choice, 1987, S. 125–127.Google Scholar
  40. 45.
    Diese spezielle Eigenschaft linearer Indifferenzkurven wird auch als Betweenness-Eigenschaft bezeichnet. Vgl. z. B. Schmidt, U.: Utility, S. 19f.; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 219.Google Scholar
  41. 46.
    Derartige nichtparallele, sondern fächerförmige Indifferenzkurven haben den Begriff des Fanning out-Phänomens geprägt. Vgl. z. B. Machina, M. J.: Choice, 1987, S. 128–132.Google Scholar
  42. 47.
    Vgl. Allais, M.: Critique, 1953, S. 529–530; sowie darüber hinaus Machina, M. J.: Choice, 1987, S. 130; Kahneman, D.; Tversky, A.: Prospect, 1979, S. 265–267.Google Scholar
  43. 48.
    Vgl. Allais, M.: Critique, 1953, S. 529ff.; Machina, M. J.: Choice, 1987, S. 130ff.Google Scholar
  44. 49.
    Vgl. von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 59; Kahneman, D.; Tversky, A.: Prospect, 1979, S. 265; sowie zu weiteren Experimenten zum Certainty-Phänomen ebenda, S. 265–269.Google Scholar
  45. 50.
    Vgl. für weitere Experimente, die gegen eine lineare Gewichtung mit Wahrscheinlichkeiten sprechen, z. B. Kahneman, D.; Tversky, A.: Choices, 1984, S. 344–346.Google Scholar
  46. 51.
    Vgl. Prelec, D.: Function, 1998, S. 497.Google Scholar
  47. 53.
    Vgl. dazu und im folgenden z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 222ff.; A. MasColell et al.: Theory, 1995, S. 183ff.; Bamberg, G.; Coenenberg, A. G.: Entscheidungslehre, 1994, S. 74ff.; French, S.: Theory, 1993, S. 175–182.Google Scholar
  48. 54.
    EÇ.] bezeichnet dabei den Erwartungswertoperator. Strenggenommen gilt diese Definition zwar nur für eine monotone Bernoulli-Nutzenfunktion. Da diese jedoch über bewertetes Endvermögen definiert ist und Monotonie auch durch geeignetes Ordnen der Konsequenzen herbeigeführt werden kann — vgl. dazu z. B. Eliashberg, J.; Hauser, J. R.: Risk, 1985, S. 5, stellt eine derartige Annahme keine große Einschränkung der Allgemeinheit dar.Google Scholar
  49. 55.
    Dies läßt sich einfach zeigen und wird schon aus der Form des Erwartungsnutzenkriteriums deutlich. Vgl. für einen Beweis z. B. A. Mas-Colell et al.: Theory, 1995, S. 173f.Google Scholar
  50. 58.
    Oftmals wird darüber hinaus die sogenannte Wahrscheinlichkeitsprämie einer Lotterie betrachtet, um die die Wahrscheinlichkeiten einer Lotterie erhöht bzw. vermindert werden müssen, um Indiffe- renz zu einem sicheren Betrag herbeizuführen. Vgl. z. B. A. Mas-Colell et al.: Theory, 1995, S. 186.Google Scholar
  51. 63.
    Vgl. A. Mas-Colell et al.: Theory, 1995, S. 185 und 191; sowie die Ausführungen zum Modell von Chatterjee und Eliashberg in Kap. 111.2.2.Google Scholar
  52. 64.
    Vgl. zur Form und Lösung von Differentialgleichungen z. B. Chiang, A. C.: Methods, 1984, S. 470ff. und 502ff.Google Scholar
  53. 65.
    Vgl. dazu insbesondere die Ausführungen bei Kürsten, W.: Kardinalität, 1992, S.461 und S. 463–469.Google Scholar
  54. 66.
    An dieser Stelle muß darauf hingewiesen werden, daß, anders als in der Entscheidungstheorie üblich, die meisten Ökonomen jede Funktion, die Präferenzen repräsentieren, als Nutzenfunktion bezeichnen und dabei nur noch die Unterscheidung treffen, ob diese ordinal oder kardinal sind. Letzteres wird dabei an der Menge der zulässigen Transformationen festgemacht, bis auf die die betrachtete Funktion eindeutig bestimmt ist, und nicht, ob die zugrunde liegende Präferenz ein Präferenzstärken-oder Wertdifferenzurteil beinhaltet. Demgegenüber bezeichnen in der Entscheidungstheorie Nutzenfunktionen Nutzenrepräsentationen für Entscheidungen unter Unsicherheit und Wertfunktionen Nutzenrepräsentationen für Entscheidungen unter Sicherheit, die per definitionem Wertdifferenzurteile beinhalten. Dieser Terminologie wird auch in dieser Arbeit gefolgt. Eine Funktion ist dabei kardinal —jedoch nicht notwendigerweise kardinal messend —, wenn sie mathematisch mindestens Intervallskalenniveau aufweist, also bis auf positive affine Transformationen bestimmt ist. Vgl. z. B. French, S.: Theory, 1993, S. 330ff.; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 99ff. und S. 211 ff.; sowie die Ausführungen in Fußnote 75 in diesem Kapitel.Google Scholar
  55. 67.
    Vgl. Bitz, M.: Risikoeinstellung, 1998, S. 916–932; Wakker, P.: Utility, 1994, S. 1–8; von Nitzsch, R.: Entscheidungslehre, 1996, S. 109–115; Bamberg, G.; Coenenberg, A. G.: Entscheidungslehre, 1994, S. 92–94; Dyckhoff, H.: Bernoulli-Prinzip, 1993, S. 139–146; Krelle, W.; unter Mitarbeit von Coenen, D.: Entscheidungstheorie, 1968, S. 80ff. und S.146ff.; Willhelm, J.: Höhenpräferenz, 1986, S. 467–492; Kürsten, W.: Kardinalität, 1992, S. 459–477; Bell, D. E.; Raiffa, H.: Intrinsic, 1988, S. 384–397; Dyer, J. S.; Sarin, R. K.: Aversion, 1982, S. 875–886. Die Diskussion nahm derartige Ausmaße an, daß die Schriftleitung der ZfB 1993 beschlossen hat, keine Beiträge zu dieser Thematik mehr zu veröffentlichen. Vgl. Dyckhoff, H.: Bernoulli-Prinzip, 1993, S. 139.Google Scholar
  56. 72.
    Vgl. A. Mas-Colell et al.: Theory, 1995, S. 185; Kahneman, D.; Tversky, A.: Prospect, 1979, S. 264; sowie die Angaben in Fußnote 63 in diesem Kapitel.Google Scholar
  57. 73.
    Vgl. dazu auch die Ausführungen zur Prospect Theorie in Kap. 11.2.3.2.1.Google Scholar
  58. 74.
    Diese Zerlegung wurde erstmals im deutschen Sprachraum von Krelle vorgeschlagen. Vgl. Krelle, W.; unter Mitarbeit von Coenen, D.: Entscheidungstheorie, 1968, S. 147ff.Google Scholar
  59. 75.
    Vgl. zum Begriff der Wertfunktion als Nutzenbewertung unter Sicherheit z. B. von Nitzsch, R.: Entscheidungslehre, 1996, S. 41–49; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 99; French, S.: Theory, 1993, S. 330; Currim, I. S.; Sarin, R. K.: Evaluation, 1984, S. 545f.; Dyer, J. S.; Sarin, R. K.: Aversion, 1982, S. 75ff.; dieselben: Value, 1979, S. 812ff.; Keeney, R. L.; Raiffa, H.: Decisions, 1976, S. 68.Google Scholar
  60. 76.
    Vgl. Krelle, W.; unter Mitarbeit von Coenen, D.: Entscheidungstheorie, 1968, S. 147.Google Scholar
  61. 79.
    Vgl. dazu Siemer, S.: Erklärungsansatz, 1999, S. 89ff.; Simon, H. A.: Rationality, 1986, S. S211f.; Bettman, J. R.: Information, 1979, S. 1ff. und S. 139ff.Google Scholar
  62. 81.
    Vgl. Smidts, A.: Relationship, 1997, S. 357–370, insbesondere S. 362–368.Google Scholar
  63. 82.
    Vgl. dazu Wakker, P.: Utility, 1994, S. B.Google Scholar
  64. 83.
    Vgl. z. B. Schneeweiß, H.: Risiko, 1967, S. 52ff. und 113–164; von Nitzsch, R.: Entscheidungslehre, 1996, S. 115ff. Von besonderer Bedeutung sind dabei Funktionen, die an dem ErwartungswertVarianz-Kriterium (p,v-Kriterium) ansetzen. Vgl. dazu auch die Darstellung des State of the Art von Adoptionsmodellen in Kap. 111.2.Google Scholar
  65. 84.
    Vgl. dazu Tversky, A.; Kahneman, D.: Advances, 1992, S. 307–309; Tversky, A.; Wakker, P.: Weights, 1995, S. 1256; und die dort jeweils angegebene Literatur. Dieses Verhaltensmuster ist für eine große Bandbreite von Gewinnen und Verlusten jeweils beobachtet worden.Google Scholar
  66. 88.
    Vgl. Tversky, A.; Wakker, P.: Weights, 1995, S. 1255; von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 60.Google Scholar
  67. 88.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 268f. und S. 274.Google Scholar
  68. 89.
    Die Betrachtung von Gewinnen und Verlusten entspricht auch der am Anfang dargestellten ursprünglichen Formulierung von Bernoulli und wird z. B. schon 1952 von Markowitz vorgeschlagen. Vgl. Markowitz, H.: Wealth, 1952, S. 151–158.Google Scholar
  69. 90.
    Vgl. z. B. Camerer, C.: Decision, 1995, S. 625; Tversky, A.; Kahneman, D.: Aversion, 1991, S. 1040ff.; sowie Kahneman, D.; Tversky, A.: Choices, 1984, S. 342f.; McDaniels, T. L.: Reference, 1992, S. 187–200; Tversky, A.; Kahneman, D.: Framing, 1986, S. S256 - S260.Google Scholar
  70. 91.
    Vgl. Thaler, R.: Choice, 1985, S. 200ff.; sowie zur Psycho-Physik exemplarisch Stevens, S. S.: Psychophysics, 1975; Borg, I.; Staufenbiel, T.; Skalierung, 1992, S. 7ff.Google Scholar
  71. 92.
    Vgl. Thaler, R.: Theory, 1980, S. 43ff.; A. Herrmann et al.: Käufer, 1997, S. 5–14.Google Scholar
  72. 93.
    Vgl. Thaler, R.: Theory, 1980, S. 43ff.; Weber, M.: Besitztumseffekte, 1993, S. 479–488; D. Kahneman et al.: Coase, 1990, S. 1325–1348; Casey, J. T.: Disparities, 1995, S. 979–981; Nitzsch, R.: Entscheidungslehre, 1996, S. 158ff.; D. Kahneman et al.: Effect, 1991, S. 194–197; Purohit, D.: Accounting, 1995, S. 101–110.Google Scholar
  73. 94.
    Vgl. Samuelson, W.; Zeckhauser, R.: Status Quo, 1988, S. 7–59; D. Kahneman et al.: Effect, 1991, S. 197–199; von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 76.Google Scholar
  74. 95.
    Vgl. dazu und für Beispiele Thaler, R.: Theory, 1980, S. 47ff.; von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 47ff.Google Scholar
  75. 96.
    Vgl. Simon, H.: Rationality, 1986, S. S210.Google Scholar
  76. 97.
    Vgl. z. B. Tversky, A.; Kahneman, D.: Advances, 1992; S. 299; Kahneman, D.; Tversky, A.: Choices, 1984, S. 343ff.Google Scholar
  77. 98.
    Vgl. die Ausführungen in Kap. 11.2.3.2.1.1.Google Scholar
  78. 99.
    Vgl. z. B. Thaler, R. H.; Johnson, E. J.: Gambling, 1990, S. 643–660; Puto, C. P.: Framing, 1987, S. 301–315; Qualls, W. J.; Puto, C. P.: Framing, 1989, S. 179–192; Fischhoff, B.: Frames, 1983, S. 103–116; Tversky, A.; Kahneman, D.: Framing, 1986, S. S251 - S278.Google Scholar
  79. 100.
    Vgl. Kahneman, D.; Tversky, A.: Choices, 1984, S. 343f. und S. 346–348. Derartige Effekte sind vor allem auch in Hinsicht auf die Gestaltung experimenteller Designs von besonderer Bedeutung.Google Scholar
  80. 101.
    Vgl. Kahneman, D.; Tversky, A.: Choices, 1984, S. 343ff.Google Scholar
  81. 102.
    Vgl. von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 43–45. Weitere Experimente finden sich z. B. bei Kahneman, D.; Tversky, A.: Choices, 1984, S. 343ff.; oder Tversky, A.; Kahneman, D.: Framing, 1986, S. S254ff.Google Scholar
  82. 103.
    Vgl. für eine formale Definition und einen Beweis z. B. A. Mas-Colell et al.: Theory, 1995, S. 194ff.Google Scholar
  83. 104.
    Vgl. die Ausführungen in Kap. 11.2.2.2.2.5. Dort wurde ein inhaltliches Argument für Monotonie angeführt. Auf die Darstellung von Experimenten, die die Verletzung dieser Annahme dokumentieren, wird an dieser Stelle verzichtet. Vgl. z. B. Kahneman, D.; Tversky, A.: Choices, 1984, S. 346–348.Google Scholar
  84. 105.
    Vgl. zu einer umfassenden mathematischen Darstellung der Annahmen und Beweise der SEU sowie zu den folgenden Ausführungen Savage, L. J.: Foundations, 1954; A. Mas-Colell et al.: Theory, 1995, S. 199–207; Kreps, D. M.: Theory, 1988, S. 127–137.Google Scholar
  85. 107.
    Vgl. stellvertretend für die meisten Darstellungen z. B. A. Mas-Colell et al.: Theory, 1995, S. 204. Allerdings versteht Kreps darunter etwas anderes. Vgl. Kreps, D. M.: Theory, 1988, S. 131.Google Scholar
  86. 108.
    Individuen müßten also bei der Formulierung des Entscheidungsproblems unendlich viele Zustände berücksichtigen. Eine Alternative zu dieser unrealistischen Annahme besteht darin, die Klasse der zulässigen Präferenzen noch stärker einzuschränken, die jedoch entsprechend den Ausführungen zur EUT unter Risiko, siehe S. 39ff., bereits stark eingeschränkt ist. Eine weitere Möglichkeit bietet der Ansatz von Anscombe und Aumann, der allerdings darauf beruht, daß die Konsequenzen von Handlungen nicht deterministisch, sondern Lotterien sind. Da es in der Realität derartige Konstruktionen nicht gibt, handelt es sich bei dieser Formulierung eher um ein reines Gedankenexperiment. Vgl. Anscombe, F. J.; Aumann, R. J.: Definition, 1963, S. 199–205.Google Scholar
  87. 109.
    Vgl. dazu und im folgenden z. B. Camerer, C.; Weber, M.: Developments, 1992, S. 326ff. 710 Vgl. zu den Experimenten Ellsberg, D.: Ambiguity, 1961, S. 643–669.Google Scholar
  88. 110.
    Vgl. z. B. Hartung, J.: Statistik, 1998, S. 94; J. Bleymüller et al.: Statistik, 1994, S. 28; Bortz, J.: Statistik, 1993, S. 52.Google Scholar
  89. 114.
    Vgl. z. B. Einhorn, H. J.; Hogarth, R. M.: Ambiguity, 1986, S. S227 - S230 und S. S235ff.Google Scholar
  90. 115.
    Vgl. zu einer Darstellung empirischer Studien zu diesem Phänomen Camerer, C.; Weber, M.: Developments, 1992, S. 332–341. In dem Zusammenhang des Ellsberg Paradox wird auch von Source-Dependence gesprochen, da nicht nur das Ausmaß, sondern auch die Quelle der Unsicherheit einen Einfluß auf die Bewertung von Handlungsalternativen hat. Vgl. z. B. Tversky, A.; Wakker, P.: Weights, 1995, S. 1255.Google Scholar
  91. 116.
    Camerer, C.; Weber, M.: Developments, 1992, S. 326. 117 Camerer, C.: Decision, 1995, S. 645.Google Scholar
  92. 118.
    Das erste Experiment zeigt genaugenommen eine Verletzung des Sure Thing Principle’s bzw. einen Common-Consequence-Effekt auf, da es anscheinend für die Präferenzbildung nicht egal ist, daß die Handlungsalternativen in beiden Situationen eine gleiche gemeinsame Konsequenz besitzen. Vgl. Camerer, C.; Weber, M.: Developments, 1992, S. 328.Google Scholar
  93. 119.
    Das gleiche gilt entsprechend auch für den Ansatz von Anscombe und Aumann (vgl. Fußnote 108 in diesem Kapitel). Vgl. zu weiteren Experimenten, die im Widerspruch zu SEU stehen, z. B. Wu, G.; Gonzales, R.: Choice, 1999, S. 78–84.Google Scholar
  94. 121.
    Vgl. Camerer, C.: Decision, 1995, S. 674ff.; Weber, M.: Finanzierungstheorie, 1991, S. 316ff.; Thaler, R. H.: Economics, 1991, S. 189–195; Eichenberger, R.; Frey, B. S.: Beispiele, 1990, S. 272ff.Google Scholar
  95. 122.
    Vgl. z. B. Weber, M.; Camerer, C.: Risk, 1987, S. 129.Google Scholar
  96. 123.
    Vgl. z. B. Schmeidler, D.: Probability, 1989, S. 571–587; Kahn, B. E.; Sarin, R. K.: Ambiguity, 1988, S. 265–272; Viscusi, W. K.: Theory, 1989, S. 235–264; Hazen, G. B.: Weighted, 1987, S. 261–282; Loomes, G.; Sugden, R.: Regret, 1982, S. 805–824; sowie für eine Darstellung verschiedener Generalisationen der EUT z. B. Schmidt, U.: Utility, 1998, S. 19–67; Camerer, C.; Weber, M.: Developments, 1992, S. 325–370; Weber, M.; Camerer, C.: Risk, 1987, S. 129–151; Quiggin, J.: Generalized, 1993. Ein empirischer Vergleich verschiedener Generalisationen anhand experimenteller Daten findet sich bei Hey, J. D.; Orme, C.: Generalizations, 1994, S. 1291–1326.Google Scholar
  97. 124.
    Vgl. z. B. die Übersicht bei Machina, M. J.: Choice, 1987, S. 132.Google Scholar
  98. 125.
    vgl. z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 376; Salminen, P.; Wallenius, J.: Testing, 1993, S. 279f.; Kiophaus, R.: Theorie, 1997, S. 195.Google Scholar
  99. 126.
    Vgl. dazu und zu den folgenden Ausführungen Kahneman, D.; Tversky, A.: Prospect, 1979, S. 263–291, insbesondere S. 274–290; dieselben: Choices, 1984, S. 341–350, insbesondere S. 341–346; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 376–381; von Nitzsch, R.: Entscheidungslehre, 1996, S.152–162; von Nitzsch, R.; Friedrich, C.: Entscheidungen; 1999, S. 40–61; von Nitzsch, R.: Prospect, 1998, S. 622–634.Google Scholar
  100. 127.
    Kahneman, D.; Tversky, A.: Prospect, 1979, S. 280.Google Scholar
  101. 128.
    Framing wird in der ursprünglichen Version noch als Editing bezeichnet. Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 274; Tversky, A.; Kahneman, D.: Framing, 1986, S. S257; und dieselben: Advances, 1992, S. 299.Google Scholar
  102. 129.
    Kahneman, D.; Tversky, A.: Prospect, 1979, S. 274.Google Scholar
  103. 130.
    Vgl. dazu die Bemerkungen bei Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 378; Tversky, A.; Kahneman, D.: Framing, 1986, S. S273; und Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 26; sowie zu einzelnen Operationen z. B. Kahnemail, D.; Tversky, A.: Prospect, 1979, S. 274f.; Tversky, A.; Kahneman, D.: Framing, 1986, S. S254 - S275.Google Scholar
  104. 131.
    Wäre die Referenzpunktwahl ein stark kognitiv geprägter Prozeß, ließen sich die beobachteten Möglichkeiten zur Beeinflussung von Referenzpunkten schwerlich erklären. Vgl. z. B. von Nitzsch, R.: Prospect, 1998, S. 624–628.Google Scholar
  105. 133.
    Vgl. zur Modellierung von einfachen Prospects mit ausschließlich positiven oder negativen Konsequenzen Kahneman, D.; Tversky, A.: Prospect, 1979, S. 276.Google Scholar
  106. 137.
    Vgl. z. B. von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 95; Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 24ff.; sowie die Ausführungen in den Fußnoten 66 und 75 in diesem Kapitel.Google Scholar
  107. 138.
    Dieser Aspekt der Wertfunktion führt oftmals zu Mißverständnissen und Fehlinterpretationen, die vermutlich im Verhaftetsein in der traditionellen Definition von Risikoverhalten der EUT begründet liegen. Selbst Kahneman und Tversky lassen diesen Aspekt ihrer Wertfunktion gelegentlich außer Acht. Vgl. z. B. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 285 und Tversky, A.; Kahneman, D.: Advances, 1992, S. 305ff.; sowie die Bemerkungen dazu von von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 111, Fußnote 1. Vgl. dazu auch die Ausführungen zur Entscheidungsgewichtefunktion im folgenden Abschnitt.Google Scholar
  108. 141.
    Vgl. Helson, H.: Adaptation, 1964; derselbe: Reference, 1947, S. 1 — 29; sowie die Angaben in Fußnote 91 dieses Kapitels.Google Scholar
  109. 142.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 278.Google Scholar
  110. 143.
    Vgl. zur Theorie der kognitiven Dissonanz Festinger, L.: Cognitive, 1962, S. 93ff.; und derselbe: Dissonance, 1957; sowie zu deren Verwendung zur Erklärung von Verlustaversion von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 64–78. Siehe ferner auch Akerlof, G. A.; Dickens, W. T.: Dissonance, 1982, S. 307–319.Google Scholar
  111. 144.
    Vgl. z. B. Bell, D. R.; Bucklin, R. E.: Role, 1999, S. 128–143; M. D. Johnson et al.: Price, 1999, S. 129–142; Herrmann, A.; Bauer, H. H.: Preisbündelung, 1996, S. 675–694; B. G. S. Hardie et al.: Choice, 1993, S. 378–394; M. U. Kalwani et al.: Brand, 1990, S. 251–262; Lattin, J. M.; Bucklin, R. E.: Reference, 1989, S. 299–310; Salminen, P.; Wallenius, J.: Testing, 1993, S. 279–294. Auch das Ergebnis steigender mittlerer Kaufabsicht mit zunehmender Preisbündelung — vgl. H. H. Bauer et al.: Wettbewerbsvorteile, 1996, S. 86f. — läßt sich z. B. mit der Prospect Theorie erklären. Vgl. zur Preisbündelung z. B. die Monographie von Wübker, G.: Preisbündelung, 1998; sowie die Ausführungen bei Dolan, R. G.; Simon, H.: Pricing, 1996, S. 222ff.Google Scholar
  112. 145.
    Vgl. Meyer, R.; Johnson, E. J.: Generalizations; 1995, S. G182.Google Scholar
  113. 146.
    Wakker und Tversky formulieren ein Annahmensystem für diese spezielle Form der Wertfunktion — vgl. Wakker, P.; Tversky, A.: Prospect, 1993, S. 164–165.Google Scholar
  114. 146.
    Vgl. Tversky, A.; Fox, C. R.: Weighing, 1995, S. 270.Google Scholar
  115. 147.
    Vgl. Tversky, A.; Wakker, P.: Weights, 1995, S. 1255; von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 95.Google Scholar
  116. 150.
    Vgl. z. B. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 280; Tversky, A.; Kahneman, D.: Advances, 1992, S. 303.Google Scholar
  117. 151.
    Vgl. Hogarth, R. M.; Einhorn, H. J.: Venture, 1990, S. 781.Google Scholar
  118. 152.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 280.Google Scholar
  119. 153.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 310–313 sowie Tversky, A.; Wakker, P.: Weights, 1995, S. 1257. In der ersten Darstellung des Grundmodells 1979 nehmen Kahneman und Tversky für diese Funktion noch einen über den gesamten Wahrscheinlichkeitsbereich konvexen Verlauf an. Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 283. Diese Verlaufsform entsprichtGoogle Scholar
  120. 154.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 281.Google Scholar
  121. 155.
    Vgl. Prelec, D.: Function, 1998, S. 497.Google Scholar
  122. 156.
    Dieses Argument findet sich —allerdings ohne Bezugnahme auf die EUT — auch bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 289; vgl. des weiteren von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 58.Google Scholar
  123. 157.
    Vgl. z. B. Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 32; Hogarth, R. M.; Einhorn, H. J.: Venture, 1990, S. 790ff.; Tversky, A.; Kahneman, D.: Advances, 1992, S. 313; Tversky, A.; Fox, C. R.: Weighing, 1995, S. 269–283; sowie die Ausführungen in Kap. 11.2.3.2.2 sowie 111.2.3.2.4.3.Google Scholar
  124. 158.
    Vgl. ebenda. Hogarth und Einhorn zeigen z. B. anhand von Experimenten, daß bei Gewinnen der Bezugspunkt Eins und bei Verlusten der von Null dominiert, und entwickeln Entscheidungsgewichtefunktionen — in ihrer Terminologie Venture Functions — für Verluste, deren Fixpunkt oberhalb von p = 0.5 liegt, während der für Gewinne darunter liegt. Vgl. Hogarth, R. M.; Einhorn, H. J.: Venture, 1990, S. 784ff. In anderen Studien wiederum werden mehrheitlich Fixpunkte unterhalb von 0.5 sowohl für Gewinne als auch für Verluste berichtet. Vgl. z. B. Tversky, A.; Kahneman, D.: Advances, 1992, S. 309ff.; Prelec, D.: Function, 1998, S. 498 und S. 505f.; Camerer, C.: Decision, 1995, S. 620f.Google Scholar
  125. 160.
    Kahneman und Tversky verwenden zur Diskussion des Zusammenhangs zwischen Risikoeinstellung und Grundmodell der Prospect Theorie die klassische Definition für Risikoeinstellung und kommen so auch zu anderen Ergebnissen. Da die klassische Definition nur anwendbar auf Situationen ohne Höhenpräferenzen ist, die aber gerade in der Prospect Theorie explizit betrachtet werden, wird hier der Vorgehensweise von Kahneman und Tversky nicht gefolgt. Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 285. Von Nitzsch und Friedrich starten zwar von einem dem hier vorgetragenen ähnlichen Ansatz, leiten aber den Zusammenhang von Risikoeinstellung und Entscheidungsgewichtefunktion nicht ab und machen keine Aussagen bezüglich der Risikoeinstellung gegenüber regulären Prospects, sondern ausschließlich getrennt für Gewinne und Verluste. Vgl. von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 96–102.Google Scholar
  126. 164.
    Vgl. z. B. Hogarth, R. M.; Einhorn, H. J.: Venture, 1990, S. 781ff. und S. 790ff.; Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 39.Google Scholar
  127. 165.
    Von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 96.Google Scholar
  128. 166.
    Vgl. dazu und zu den folgenden Ausführungen die erstmalige Darstellung der CPT bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 297–323; sowie die Ausführungen bei Wakker, P.; Tversky, A.: Prospect, 1993, S. 157–176; und Tversky, A.; Wakker, P.: Weights, 1995; S. 1255–1280.Google Scholar
  129. 167.
    Eine solche Formulierung wäre allerdings auch schon für das Grundmodell möglich gewesen, wie die weiteren Ausführungen zeigen werden.Google Scholar
  130. 168.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 275. Ein Nachweis für die Verletzung Stochastischer Dominanz durch die Klasse der Non EUT-Ansätze, die einzelne Wahrscheinlichkeiten nichtlinear transformieren, findet sich z. B. bei Schmidt, U.: Utility, 1998, S. 35f.Google Scholar
  131. 169.
    Vgl. die Ausführungen in Kap. 11.2.3.2.2.2 sowie die Bemerkungen bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 302.Google Scholar
  132. 170.
    Vgl. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 381–388; Wakker, P.; Tversky, A.: Prospect, 1993, S. 154–156 und S. 157f.; Schmeidler, D.: Probability, 1989, S. 571–587, insbesondere S. 574ff.Google Scholar
  133. 171.
    Vgl. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 381; Schmidt, U.: Utility, 1998, S. 34f.; Tversky, A.; Kahneman, D.: Advances, 1992, S. 298.Google Scholar
  134. 172.
    Vgl. dazu Tversky, A.; Kahneman, D.: Advances, 1992, S. 300f.; Tversky, A.; Fox, C. R.: Weighing, 1995, S. 270. Numerische Beispiele zu rangplatzabhängigen Entscheidungsgewichten finden sich z. B. ebenda, S. 301; sowie bei Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 382. Experimente zu rangplatzabhängigen Entscheidungsgewichten führen z. B. Wakker et al. durch. Vgl. P. Wakker et al.: Independence, 1994, S. 201–223.Google Scholar
  135. 173.
    Vgl. Tversky, A.; Fox, C. R.: Weighing, 1995, S. 269–283, insbesondere S. 281f.; Tversky, A.; Wakker, P.: Weights, 1995, 5.1273f.Google Scholar
  136. 174.
    Tversky und Fox bezeichnen diese Eigenschaft als Bounded Subadditivity. Vgl. Tversky, A.; Fox, C. R.: Weighing, 1995, S. 270f.; sowie Tversky, A.; Wakker, P.: Weights, 1995, S. 1255.Google Scholar
  137. 175.
    Vgl. Tversky, A.; Fox, C. R.: Weighing, 1995, S. 281f.; Tversky, A.; Wakker, P.: Weights, 1995, S.1273f.Google Scholar
  138. 176.
    Vgl. Heath, C.; Tversky, A.: Competence, 1991, S. 5–28.Google Scholar
  139. 177.
    Dieser Effekt wird als Source Dependence bezeichnet und führt dazu, daß die Gewichtungsfunktion für Verluste reduziert und die für Gewinne erhöht wird. Vgl. Tversky, A.; Wakker, P.: Weights, 1995, S. 1271.Google Scholar
  140. 178.
    Vgl. Fox, C. R.; Tversky, A.: Belief-Based, 1998, S. 879ff.; Heath, C.; Tversky, A.: Competence, 1991, S. 5.Google Scholar
  141. 179.
    Fox und Tversky zeigen, daß dies möglich ist, wenn Wahrscheinlichkeitsurteile der Support Theorie genügen, die experimentell sehr gut abgesichert ist. Vgl. Fox, C. R.; Tversky, A.: Belief-Based, 1998, S. 879–895, insbesondere S. 880–882; Wu, G.; Gonzales, R.: Choice, 1999, S. 74–85, insbesondere S. 74–78. Vgl. zur Support Theorie Tversky, A.; Koehler, D. J.: Support, 1994, S. 547–567, insbesondere S. 548–551; sowie Rottenstreich, Y.; Tversky, A.: Theory, 1997, S. 406–415. Die Support Theorie wurde entwickelt, um Inkonsistenzen von Individuen bei Wahrscheinlichkeitsschätzungen zu berücksichtigen. Vgl. ebenda; sowie Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 363.Google Scholar
  142. 181.
    Vgl. Kahneman, D.; Tversky, A.: Prospect, 1979, S. 288; Schmidt, U.: Utility, 1998, S. 35.Google Scholar
  143. 182.
    Vgl. ausführlich dazu P. Wakker et al.: Independence, 1994, S. 195–230; Hey, J. D.; Orme, C.: Generalizations, 1994, S. 1291–1326; sowie den Befund bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 312.Google Scholar
  144. 183.
    Vgl. zu den Phänomenen und Experimenten die Ausführungen in Kap. 11.2.2.2.2, S. 39ff. Triangel-Diagramme zu Indifferenzkurven der Prospect Theorie, die nichtlinear sind und Fanning out (und Fanning in) aufweisen, finden sich z. B. bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 323f.Google Scholar
  145. 186.
    Vgl. von Nitzsch, R.; Friedrich, C.: Entscheidungen, 1999, S. 60; sowie für Studien, die eine Übergewichtung kleiner Wahrscheinlichkeiten berichten, die Angaben bei Schmidt, U.: Utility, 1998, S. 34.Google Scholar
  146. 187.
    Vgl. Klophaus, R.: Marktausbreitung, 1995, S. 92.Google Scholar
  147. 188.
    Vgl. Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 22–41, insbesondere S. 38f.Google Scholar
  148. 189.
    Prospect Theorie degeneriert zur EUT, falls 7r(p) = p, und zur RDEU bzw. CEU, falls z. B. für reguläre Prospects w-(p)=1— w’ (1—p) bzw. W-(E)=1—W’ (s — E) gilt. Vgl. Tversky, A.; Wakker, P.: Weights, 1995, S. 1259. Zusätzlich muß allerdings angenommen werden, daß die Wertfunktion der Prospect Theorie eine Bernoulli-Nutzenfunktion ist. Diese Annahme ist jedoch inhaltlich nicht mit der Prospect Theorie vereinbar und somit die Prospect Theorie im strengen Sinne keine Generalisierung der EUT. Vgl. Schmidt, U.: Utility, 1998, S. 36.Google Scholar
  149. 191.
    Vgl. dazu Kahneman, D.; Tversky, A.: Prospect, 1979, S. 289f.; Tversky, A.; Kahneman, D.: Advances, 1992, S. 317–321; Wakker, P.; Tversky, A.: Prospect, 1993, S. 157–159; Tversky, A.; Wakker, P.: Weights, 1995, S. 1259ff., Prelec, D.: Function, 1998, S. 499–504 und S. 514–526. Generell beinhalten die dort vorgestellten Annahmesysteme Transitivität, Vollständigkeit, Stetigkeit und abgeschwächte Formen der Unabhängigkeitsannahme, wobei die ersten drei Annahmen im Kontext referenzpunktbezogener Entscheidungssituationen automatisch an Restriktivität verlieren.Google Scholar
  150. 193.
    Vgl. z. B. von Nitzsch, R.: Entscheidungslehre, 1998, S. 122; sowie die Ausführungen in Kap. 11.2.2.Google Scholar
  151. 194.
    Vgl. zum Konzept und zur Parametrisierung eindimensionaler Nutzenfunktionen Keeney, R. L.; Raiffa, H.: Decisions, 1976, S. 131–218; sowie für diesen speziellen Fall ebenda, S. 167; des weiteren vgl. Bamberg, G.; Coenenberg, A. G.: Entscheidungslehre, 1994, S. 66–98, insbesondere S. 83.Google Scholar
  152. 195.
    Vgl. Schneeweiß, H.: Risiko, 1967, S. 129–160, insbesondere S. 149ff.; sowie Keeney, R. L.; Raiffa, H.: Decisions, 1976, S. 145f. und S. 161ff.Google Scholar
  153. 196.
    Vgl. zu den Standardverfahren der Ermittlung von Bernoullinutzen und Bernoulli-Nutzenfunktionen z. B. von Nitzsch, R.: Entscheidungslehre, 1998, S. 103–123; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 227–239.Google Scholar
  154. 200.
    Vgl. z. B. Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 39.Google Scholar
  155. 202.
    Eine Ausnahme ist Prelec, der verschiedene Entscheidungsgewichtefunktionen vorschlägt und axiomatisch untersucht. Vgl. Prelec, D.: Function, 1998, S. 497–527; sowie die Ausführungen im übernächsten Abschnitt.Google Scholar
  156. 203.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 309.Google Scholar
  157. 205.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 311.Google Scholar
  158. 206.
    Vgl. z. B. die Untersuchungen bei Tversky, A.; Kahneman, D.: Advances, 1992, S. 311; dieselben: Aversion, 1991, S. 1053; sowie die diesbezüglichen Angaben bei von Nitzsch, R.: Prospect, 1998, S. 629.Google Scholar
  159. 210.
    Diese Parametrisierung verwenden z. B. Currim und Sarin in ihrer empirischen Studie zur Prospect Theorie und schlägt auch von Nitzsch vor. Vgl. Currim, I. S.; Sarin, R. K.: Prospect, 1989, S. 30; von Nitzsch, R.: Prospect, 1998, S. 629f.Google Scholar
  160. 211.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 309. Ähnliche Parametrisierungen mit zusätzlichen Parametern bei ansonsten vergleichbarer Form finden sich z. B. bei Tversky, A.; Fox, C. R.: Weighing, 1995, S. 279–281; und Tversky, A.; Wakker, P.: Weights, 1995, S. 1257.Google Scholar
  161. 212.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 312.Google Scholar
  162. 213.
    Vgl. Tversky, A.; Kahneman, D.: Advances, 1992, S. 309ff.Google Scholar
  163. 214.
    Vgl. Prelec, D.: Function, 1998, S. 499 und S. 503f.Google Scholar
  164. 215.
    Vgl. dazu die Übersicht bei Prelec, D.: Function, 1998, S. 506.Google Scholar
  165. 216.
    Vgl. Prelec, D.: Function, 1998, S. 503. Diese Parametrisierung findet sich auch in neueren Arbeiten zu Entscheidungsgewichtefunktionen. Vgl. z. B. Fox, C. R.; Tversky, A.: Belief-Based, 1998, S. 880.Google Scholar
  166. 220.
    Tversky, A.; Kahneman, D.: Advances, 1992, S. 317.Google Scholar
  167. 224.
    Vgl. z. B. Edwards, W.: Information, 1982, S. 358f.Google Scholar
  168. 225.
    Vgl. für anschauliche Darstellungen des Theorems von Bayes Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 169–175; Hammann, P.; Erichson, B.: Marktforschung, 1994, S. 54–55; Green, P. E.; Tull, D. S.: Research, 1978, S. 34–39; sowie Sabel, H.: Entscheidungsmodelle, 1971, S. 247–261; und für eine statistisch und entscheidungstheoretisch formale Darstellung des Theorems sowie Bayesianischen Updating Berger, J. O.: Theory, 1985, S. 118–286; Raiffa, H.; Schlaifer, R.: Theory, 1970, S. 3–27.Google Scholar
  169. 226.
    Vgl. für eine Formulierung von Aposteriori-Wahrscheinlichkeiten unter Verwendung stetiger Verteilungen statt der hier betrachteten diskreten z. B. Berger, J. O.: Theory, 1985, S. 126ff.Google Scholar
  170. 227.
    Der Unterschied zwischen einer Probability und einer Likelihood besteht insbesondere darin, daß Likelihoods sich im Gegensatz zu Wahrscheinlichkeiten nicht zu eins aufaddieren. Vgl. z. B. Bortz, J.: Statistik, 1993, S. 97; H.-J. Andreß et al.: Analyse, 1997, S. 41. Im beschriebenen Fall bedeutet das also, daß die Summe E, P (Al E,) nicht eins ist.Google Scholar
  171. 228.
    Vgl. z. B. Bleymüller et al.: Statistik, 1994, S. 37.Google Scholar
  172. 229.
    Vgl. zu Zufallsexperimenten und zur Inferenzstatistik z. B. Bleymüller et al.: Statistik, 1994, S. 39ff. und S. 71 ff.Google Scholar
  173. 230.
    Vgl. z. B. Berger, J. O.: Theory, 1985, S. 130fí.; sowie Raiffa, H.; Schlaifer, R.: Theory, 1970, S. 43–76.Google Scholar
  174. 231.
    Vgl. Berger, J. O.: Theory, 1985, S. 132; Raiffa, H.; Schlaffer, R.: Theory, 1970, S. 49.Google Scholar
  175. 232.
    Vgl. ebenda; sowie die Ausführungen in Kap. 111.2.1.Google Scholar
  176. 233.
    Vgl. z. B. DeGroot, M. H.: Decisions, 1970, S. 167.Google Scholar
  177. 234.
    Die Normalverteilungsannahmen und die Annahme einer bekannten Stichprobenvarianz sind, wie oben erwähnt, notwendig, um die Aposteriori-Verteilung in geschlossener Form zu erhalten. Vgl. Berger, J. O.: Theory, 1985, S. 130–132; sowie zur Herleitung der Parameter DeGroot, M. H.: Decisions, 1970, S. 167.Google Scholar
  178. 235.
    Vgl. z. B. die Ausführungen bei Camerer, C.: Decision, 1995, S. 587–703; van Raaij, W. F.: Expectations, 1991, S. 406; Dawes, R. M.: Choice, 1988; Viscusi, W. K.: Bayesian, 1985, S. 381–385; derselbe: Biases, 1985, S. 59–62; Edwards, W.: Information, 1982, S. 359–369; Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 177; Tversky, A.; Kahneman, D.: Biases, 1982, S. 4ff.; dieselben: Belief, 1982, S. 23f.; dieselben: Base rates, 1982, S. 153–160; Kahneman, D.; Tversky, A.: Prediction, 1982, S. 49–57; Eddy, D. M.: Probabilistic, 1982, S. 251–259.Google Scholar
  179. 236.
    Yadav, M. S.: Anchoring, 1994, S. 342f.; Tversky; A.; Kahneman, D.: Biases, 1982, S. 14–18.Google Scholar
  180. 237.
    Vgl. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 176.Google Scholar
  181. 238.
    Vgl. z. B. Bar-Hillel, M.: Studies, 1982, S. 69–83; Tversky, A.; Kahneman, D.: Representativeness, 1982, S. 84–98.Google Scholar
  182. 239.
    Das Theorem von Bayes — vgl. Gleichung (2.11) oder die Gleichungen (2.12) und (2.13) — enthält über die statistischen hinaus keine individuellen Parameter.Google Scholar
  183. 240.
    Vgl. dazu auch Klophaus, R.: Marktausbreitung, 1995, S. 100.Google Scholar
  184. 241.
    Vgl. zu dem Problem nichtadditiver Wahrscheinlichkeiten und der Verwendung des Bayesianischen Ansatzes für die Abbildungen von Entscheidungen unter Unsicherheit Gilboa, L; Schmeidler, D.: Updating, 1991, S. 1–6. Dort zeigen sie auch Wege auf, wie Bayesianisches Updating ohne Additivität von Wahrscheinlichkeiten vorstellbar ist. Vgl. ebenda, S. 6–22.Google Scholar
  185. 242.
    Vgl. z. B. Berger, J. O.: Theory, 1985, S. 34; Kleiter, G. D.: Bayes, 1980, S. 115.Google Scholar
  186. 243.
    Vgl. z. B. Klophaus, R.: Marktausbreitung, 1995, S. 110.Google Scholar
  187. 244.
    Vgl. zu Anchoring-and-Adjustment-Strategien und deren empirischer Relevanz z. B. Rotten-streich, Y.; Tversky, A.: Theory, 1997, S. 411f.; Kristensen, H.; Gärling, T.: Anchor, 1997, S. 86ff.; Yadav, M. S.: Anchoring, 1994, S. 342ff.; Kahneman, D.: Anchors, 1992, S. 307ff.; van Raaij, W. F.: Expectations, 1991, S. 411; Einhorn, H. J.; Hogarth, R. M.: Ambiguity, 1986, S. S230ff.; dieselben: Inference, 1985, S. 436ff.; Tversky, A.; Kahneman, D.: Biases, 1982, S. 3–20.Google Scholar
  188. 245.
    Vgl. Herrmann, A.; Seilheimer, C.: Erklärungsansätze, 2000, S. 17; Johnson et al.: Adaptive, 1995, S. 696.Google Scholar
  189. 246.
    Vgl. zu Informationsverarbeitungsprozessen z. B. Siemer, S.: Erklärungsansatz, 1999, S. 4f.Google Scholar
  190. 247.
    Vgl. z. B. Hovland, C. I.; Pritzker, H. A.: Opinion, 1957, S. 257–261.Google Scholar
  191. 248.
    Vgl. Nerlove, M.: Expectations, 1958, S. 227–240.Google Scholar
  192. 253.
    Vgl. dazu Hauser, J. R.; Urban, G. L.: Value, 1986, S. 447.Google Scholar
  193. 254.
    Vgl. Simon, H. A.: Rationality, 1986, S. S209.Google Scholar
  194. 256.
    Der Mechanismus der Referenzpunktverschiebung findet seinen Ursprung in einem Ansatz von Hoch und Loewenstein sowie Strahilevitz und Loewenstein, die den in Kap. 111.2.2.2.2.7 beschriebenen Endowment-Effekt durch Referenzpunktverschiebung in Verbindung mit der Adaptation Level Theorie erklären. Dabei ist allerdings darauf hinzuweisen, daß die Autoren den Mechanismus nur in Ansätzen skizzieren und formalisieren. Vgl. dazu Hoch, S. J.; Loewenstein, G. F.: Preferences, 1991, S. 492–507, insbesondere S. 494f., sowie Strahilevitz, M. A.; Loewenstein, G.: History, 1998, S. 276–289, insbesondere S. 277.Google Scholar
  195. 257.
    Ein Beispiel im Kontext des Autokaufs und der Wirkung eines „Probewochenendes“ findet sich bei von Nitzsch, R.: Prospect, 1998, S. 626ff.Google Scholar
  196. 260.
    Vgl. zu unterschiedlichen Validitätsarten z. B. Schmidt, R.: Konzeptfindung, 1996, S. 108ff.; Schweikl, H.: Präferenzanalyse, 1985, S. 70–72.Google Scholar
  197. 261.
    Vgl. zur Präferenzanalyse als Mittel marktorientierter Unternehmensführung z. B. Bäcker, F.: Präferenzforschung, 1986, S. 543–574.Google Scholar
  198. 262.
    Vgl. z. B. Hahn, C.: Conjoint, 1997, S. 7–11; Gutsche, J.: Produktpräferenzanalyse, 1995, S. 19f.; Brockhoff, K.: Produktpolitik, 1993, S. 16f.; Bäcker, F.: Marketing, 1987, S. 186 und S. 191; Wind, Y.: J.: Product, 1982, S. 79f.; Lutz, R. J.; Bettman, J. R.: Models, 1977, S. 137. Damit ist noch keine Aussage bezüglich Beschaffenheit und Inhalt dieser Eigenschaften getroffen. Vgl. dazu und zu einer Diskussion von verschiedenen Eigenschaftskonzepten z. B. Perry, J.: Marktsegmentierung, 1998, S. 41ff. Vgl. für eine Diskussion der Ermittlung sogenannter „Determinant Attributes“ z. B. Alpert, M. I.: Identification, 1971, S. 184–191. Ursprünglich geht die eigenschaftsbezogene Sichtweise von Produkten auf Lancaster zurück. Vgl. Lancaster, K. J.: Theory, 1966, S. 132–157. Geeignete Eigenschaften lassen sich insbesondere auch über Means End Analysen ermitteln. Vgl. dazu z. B. Gutman, J.: Means-End, 1981, S. 116–121; derselbe: Means-End, 1982, S. 60–72; B. Walker et al.: Exploring, 1987, S. 17–21; Zeithaml, V. A.: Means-End, 1988, S. 2–22; R. Pieters et al.: Means-end, 1995, S. 227–244; T. J. Reynolds et al.: Means-end, 1995, S. 257266; Herrmann, A.: Means end, 1996; derselbe: Produktmanagement, 1998, S. 31ff. und 135ff.; F. Huber et al.: Gestaltung, 1998, S. 25–36. Eine Diskussion verschiedener möglicher Ziele (ends) findet sich z. B. bei Jolibert, A.; Baumgartner, G.: Values, 1998, S. 153–167.Google Scholar
  199. 263.
    In der Entscheidungstheorie werden derartige Fragestellungen als Entscheidungen bei mehreren Zielen unter Sicherheit bezeichnet. Vgl. z. B. Eisenführ, F.; Weber, M.: Entscheiden, 1999, S. 115ff.Google Scholar
  200. 264.
    Vgl. z. B. Gutsche, J.: Produktpräferenzanalyse, 1995, S. 81f.; Corstjens, M. L.; Gautschi, D. A.: Tests, 1983, S. 1393.Google Scholar
  201. 265.
    Vgl. zu unterschiedlichen Teilwertfunktionen und Verknüpfungsfunktionen z. B. A. Gustafsson et al.: Conjoint, 2000, S. 10ff.; Gutsche, J.: Produktpräferenzanalyse, 1995, S. 82–88; Thomas, L.: Einfluß, 1983, S. 226ff.Google Scholar
  202. 266.
    Vgl. z. B. Schweikl, H.: Präferenzanalyse, 1985, S. 32–41; Voeth, M.: Nutzenmessung, 2000, S. 27ff.Google Scholar
  203. 267.
    Auf diese Art und Weise verfahren z. B. auch die verhaltenswissenschaftlichen multiattributiven Einstellungsmodelle, die v, als Ausdruck der globalen Einstellung gegenüber einem Produkt interpretieren. Vgl. zum Begriff der Einstellung und zu multiattributiven Einstellungsmodellen z. B. Schmidt, R.: Konzeptfindung, 1996, S. 57–86.Google Scholar
  204. 268.
    Vgl. z. B. Hahn, C.: Conjoint, 1997, S. 41f. Zu diesen Verfahren gehören allgemein die Multidimensionale Skalierung, spezielle Varianten der Discrete Choice Analyse sowie die klassische Conjoint Analyse. Vgl. zur Multidimensionalen Skalierung z. B. Bijmolt, T. H. A.; Wedel, M.: Scaling, 1999, S. 277–285; Carroll, J. D.; Green, P. E.: Scaling, 1997, S. 193–204; vgl. zur Discrete Choice Analyse z. B. McFadden, D.: Logit, 1974, S. 105–142; derselbe: Choice, 1986, S. 275–297; BenAkiva, M.; Lerman, S. R.: Choice, 1989, insbesondere S. 43ff.; sowie zur Discrete Choice Analyse im dekompositionellen Kontext z. B. Louviere, J. J.; Hensher, D. A.: Discrete, 1983, S. 348–361; Louviere, J. J.; Woodworth, G.: Choice, 1983, S. 350–367; Meckes, R.: Logit, 1998, S. 117ff.; R. Hujer et al.: Preisfindung, 1996, S. 219–232; Zwerina, K.: Choice, 1997; sowie zur klassischen Conjoint Analyse die nachfolgenden Ausführungen.Google Scholar
  205. 269.
    In der Forschungspraxis werden sechs Eigenschaften als Grenze rein dekompositionell handhabbarer Untersuchungsdesigns angesehen. Vgl. z. B. Sattler, H.; Hensel-Börner, S.: Customized, 2000, S. 706; Green, P. E.; Srinivasan, V.: Conjoint, 1990, S. 8f.Google Scholar
  206. 270.
    Dazu zählt z. B. die Adaptive Conjoint Analyse (ACA). Vgl. zur ACA Johnson, R. M.: Conjoint, 1987, S. 253–265; P. E. Green et al.: Conjoint, 1991, S. 215–225.Google Scholar
  207. 271.
    Vgl. z. B. Sattler, H.; Hensel-Börner, S.: Customized, 2000, S. 716–723; Srinivasan, V.; Park, C. S.: Robustness, 1997, S. 286–291; dieselben: Self-Explicated, 1995; J. Huber et al.: Effectiveness, 1993, S. 105–114; T. Elrod et al.: Comparison, 1992, S. 368–377; Agarwal, M. K.; Green, P. E.: Conjoint, 1991, S. 141–146; P. E. Green et al.: Conjoint, 1991, S. 215–225; Srinivasan, V.: Self-Explication; 1988, S. 295–305; Agarwal, M. K.: Comparison, 1988; sowie die Berichte auf der Website von Sawtooth: http://www.sawtoothsoftware.com (15.01.2001).Google Scholar
  208. 272.
    Vgl. für einen Überblick der klassischen sowie neuerer Ansätze der Conjoint Analyse die Übersicht bei Carroll, J. D.; Green, P. E.: Methods, 1995, S. 386; sowie folgende neuere Ansätze, die in dieser Übersicht nicht enthalten sind, Sattler, H.; Hensel-Börner, S.: Customized, 2000, S. 705–727, insbesondere S. 708–713; Hahn, C.: Conjoint, 1997, S. 201 ff. — ein Überblick zu diesem Ansatz findet sich bei Voeth, M.; Hahn, C.: Limit, 1998, S. 119–132 —; des weiteren sind zu nennen Köcher, W.: MaiK, 1997, S. 141–152; Voeth, M.: Nutzenmessung, 2000, S. 77ff.Google Scholar
  209. 273.
    Vgl. Luce, R. D.; Tukey, J. W.: New, 1964, S. 1–27.Google Scholar
  210. 274.
    Vgl. Green, P. E.; Rao, V. R.: Conjoint, 1971, S. 355–363. Vgl. zum Zusammenhang zwischen der grundlegenden Arbeit von Luce und Tukey zum Conjoint Measurement und der bei Green und Rao betrachteten Conjoint Analyse die Bemerkungen bei J. Wind et al.: Methods, 1991, S. 522.Google Scholar
  211. 275.
    Vgl. dazu und zu einem historischen Überblick Voeth M.: Deutschland, 1999, S. 153–176; sowie bezüglich rein kommerzieller Anwendungen D. R. Wittink et al.: Europe, 1994, S. 41–52; Wittink, D. R.; Cattin, P.: Update, 1989, S. 91–96; Cattin, P.; Wittink, D. R.: Commercial, 1982, S. 44–53.Google Scholar
  212. 276.
    Siehe dazu einführend z. B. Green, P. E.; Krieger, A. M.: Conjoint, 1993, S. 467–515; sowie die im folgenden angegebenen Literaturhinweise.Google Scholar
  213. 277.
    Vgl. K. Bachhaus et al.: Analysemethoden, 2000, S. 564–626. 278 Vgl. Mengen, A.; Simon, H.: Conjoint, 1996, S. 229–234.Google Scholar
  214. 279.
    Vgl. Schmidt, R.: Konzeptfindung, 1996, S. 191–250; Gutsche, J.: Produktpräferenzanalyse, 1995, S. 77–102; Schweikl, H.: Präferenzanalyse, 1985, S. 21–90.Google Scholar
  215. 280.
    Vgl. Thomas, L.: Conjoint, 1979, S. 199–211.Google Scholar
  216. 281.
    Vgl. zu Untersuchungen, die multiattributive Wertfunktionen der Prospect Theorie in realen sowie im experimentellen Kontext jedoch nicht dekompositionell verwenden, z. B. A. Hermann et al.: Kundenzufriedenheitsurteile, 1998, S. 1225–1244; B. G. S. Hardie et al.: Choice, 1993, S. 378–394; M. U. Kalwani et al.: Brand, 1990, S. 251–262.Google Scholar
  217. 282.
    Vgl. z. B. Schweikl, H.: Präferenzanalyse, 1985, S. 134–136.Google Scholar
  218. 283.
    Vgl. zu einer Definition der beiden Validitätsarten die Hinweise in Fußnote 260 in diesem Kapitel sowie zur Validität im Zusammenhang mit Conjoint Analysen L. Müller-Hagedorn et al.: Validität, 1993, S. 126.; Teichert, T.: Validität, 1994, S. 61 Off.Google Scholar
  219. 284.
    Vgl. z. B. Aust, E.: Conjointanalyse, 1996, S. 175ff.; Green, P. E.; Nelsen, K.: Study, 1989, S. 347ff.Google Scholar
  220. 285.
    Durch die Wahl gleicher Anzahl von Ausprägungsstufen pro Merkmal werden Erhebungsdesign-Effekte minimiert. Vgl. dazu Perrey, J.: Erhebungsdesign-Effekte, 1996, S. 107ff., insbesondere S. 113.Google Scholar
  221. 286.
    Aust betrachtet z. B. beide Merkmale simultan. Vgl. Aust, E.: Conjointanalyse, 1996, S. 175.Google Scholar
  222. 289.
    Vgl. z. B. K. Bachhaus et al.: Analysemethoden, 2000, S. 571–573; sowie für eine Diskussion der Validität der Vollprofilmethode im Vergleich zum Trade-off-Ansatz L. Müller-Hagedorn et al.: Validität, 1993, S. 123–148.Google Scholar
  223. 291.
    Vgl. Addelman, S.: Orthogonal, 1962, S. 21–46; derselbe: Plans, 1962, S. 47–58.Google Scholar
  224. 292.
    Vgl. Green, P. E.: Review, 1984, S. 166.Google Scholar
  225. 293.
    Die 16 hypothetischen Produktprofile des Schätz-Sets sowie die acht des Hold Out-Sets sind in Anhang 2 aufgeführt.Google Scholar
  226. 294.
    Vgl. zu unterschiedlichen Methoden zur Erhebung von Globalurteile im Rahmen von Conjoint Experimenten z. B. Hahn, C.: Conjoint, 1997, S. 67–69; Schmidt, R.: Konzeptfindung, 1996, S. 148–156; Aust, E.: Conjointanalyse, 1996, S. 61f.; Schweikl, H.: Präferenzanalyse, 1985, S. 54–59.Google Scholar
  227. 295.
    Vgl. Schmidt, R.: Konzeptfindung, 1996, S. 44–48.Google Scholar
  228. 297.
    Vgl. z. B. Gutsche, J.: Produktpräferenzanalyse, 1995, S. 87f.; Schweikl, H.: Präferenzanalyse, 1985, S. 44. Vgl. für eine Methodologie sowie Testverfahren zur Überprüfung der Verknüpfungsfunktion Corstjens, M. L.; Gautschi, D. A.: Test, 1983, S. 1293–1413. Nichtkompensatorische Conjoint-Modelle, die in der Praxis eine untergeordnete Rolle spielen, werden hier nicht betrachtet. Vgl. dazu Hahn, C.: Conjoint, 1997, S. 49.Google Scholar
  229. 298.
    Vgl. zu einer Darstellung und Diskussion dieser unterschiedlichen traditionellen Parametrisierungsmöglichkeiten z. B. Gutsche, J.: Produktpräferenzanalyse, 1995, S. 82–85.Google Scholar
  230. 299.
    Vgl. z. B. Gutsche, J.: Produktpräferenzanalyse, 1995, S. 84.Google Scholar
  231. 302.
    Vgl. für einen Überblick über alternative Schätzverfahren und zu deren Beurteilung z. B. Schmidt, R.: Konzeptfindung, 1996, S. 197–204; Schubert, B.: Entwicklung, 1991, S. 229–232; Schweikl, H.: Präferenzanalyse, 1985, S. 59–65. Vgl. zur Ähnlichkeit der Lösungen metrischer und nicht metrischer Schätzverfahren z. B. Musiol, G.; Sladkowski, A.: Lösungsansätze, 1999, S. 332.Google Scholar
  232. 303.
    Oftmals wird auch der Produkt-Moment-Korrelationskoeffizient verwendet. Da hier jedoch die Parameter aller Modelle regressionsanalytisch geschätzt werden, bietet sich R2 als Prüfmaß an.Google Scholar
  233. 304.
    Vgl. zu diesen allgemein üblichen Prüfkriterien z. B. Aust, E.: Conjointanalyse, 1996, S. 173; Schweikl, H.: Präferenzanalyse, 1985, S. 70.Google Scholar
  234. 305.
    Vgl. zum adjustierten Bestimmtheitsmaß zur Berücksichtigung der Anzahl der zu schätzenden Parameter z. B. Green, W. H.: Econometric, 2000, S. 240.Google Scholar
  235. 306.
    Vgl. zur Verwendung dieser Testverfahren im Rahmen von Conjoint Analysen z. B. Aust, E.: Conjointanalyse, 1996, S. 180f.; Schweikl, H.: Präferenzanalyse, 1985, S. 170ff. Da sich die Verteilungen der adjustierten Determinationskoeffizienten als nicht symmetrisch erweisen — vgl. Tabelle 14— wird auf die zusätzliche Durchführung eines Wilcoxon-Vorzeichenrangtests (Mann-Whitney Test), der diese Annahme an die betrachteten Verteilungen stellt, verzichtet. Vgl. dazu Aust, E.: Conjointanalyse, 1996, S. 180f. Eine Darstellung der Testverfahren findet sich z. B. bei Hartung, J.: Statistik, 1998, S. 234ff. und S. 513ff.; sowie Norusis, M. J.: Base, 1993, S. 377ff. und S. 381 ff.Google Scholar
  236. 307.
    Vgl. z. B. Aust, E.: Conjointanalyse, 1996, S. 179.Google Scholar
  237. 309.
    Vgl. z. B. Aust, E.: Conjointanalyse, 1996, S. 173.Google Scholar
  238. 310.
    Vgl. z. B. Herrmann, A.; Seilheimer, C.: Erklärungsansätze, 2000, S. 1.Google Scholar
  239. 312.
    Vgl. dazu die Angaben in Fußnote 306 in diesem Kapitel sowie Sattler, H.; Hensel-Börner, S.: Customized, 2000, S. 715.Google Scholar
  240. 314.
    Vgl. Z. B. Aust, E.: Conjointanalyse, 1996, S. 179.Google Scholar
  241. 317.
    Vgl. z. B. Kroeber-Riel, W.; Weinberg, P.: Konsumentenverhalten, 1996, S. 435ff.; Kirchler, E.: Psychologie, 1994, S. 264ff.Google Scholar
  242. 318.
    Vgl. z. B. Kroeber-Riel, W.; Weinberg, P.: Konsumentenverhalten, 1996, S. 453; Meffert, H.: Käuferverhalten, 1992, S. 86ff., insbesondere S. 89.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2001

Authors and Affiliations

  • Claudio Felten

There are no affiliations available

Personalised recommendations