Zusammenfassung
Bei der Gestaltung von Objekten (z. B. Produkten, Parteiprogrammen) ist es wichtig zu wissen, welchen Beitrag verschiedene Komponenten zum Gesamtnutzen eines Objektes beitragen. So kann es z. B. für einen Margarinehersteller nützlich sein zu wissen, ob eine Änderung der Verpackung oder eine Änderung der Substanz des Produktes einen größeren Beitrag zum empfundenen Gesamtnutzen des Konsumenten stiftet. Ebenso kann es bei der Gestaltung von Parteiprogrammen von entscheidender Bedeutung sein, ob die Wähler einer stärkeren Umweltorientierung den Vorzug vor einer stärkeren Sozialorientierung geben. Die Conjoint-Analyse ist ein Verfahren, das auf Basis empirisch erhobener Gesamtnutzenwerte versucht, den Beitrag einzelner Komponenten zum Gesamtnutzen zu ermitteln.1 Die Conjoint-Analyse läßt sich damit als ein dekompositionelles Verfahren charakterisieren. In der Regel wird dabei unterstellt, daß sich der Gesamtnutzen additiv aus den Nutzen der Komponenten (Teilnutzenwerte) zusammensetzt. Die Datenbasis der Conjoint-Analyse bilden Gesamtnutzenurteile (Präferenzurteile) von befragten Personen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturhinweise
Green PE, Srinivasan V (1978) Conjoint Analysis in Consumer Research, in: The Journal of Consumer Research, Vol. 5 (S. 103–122)
Green PE, Wind Y (1973) Multiattribute Decisions in Marketig: A Measurement Approach, Hinsdale, III.
Kruskal JB (1965) Analysis of factorial experiments by estimating a monotone transformation of data, in: Journal of Royal Statistical Society, Series B, S. 251–263
Kruskal JB(1964a) Multidimensional Scaling by Optimizing Goodnes of Fit to a Nonmetric Hypothesis, in: Psychometrika, Vol. 29, No 1, (S. 1–27)
Kruskal JB (1964b) Nonmetric Multidimensional Scaling: A Numerical Method, in: Psychometrika, Vol. 29, No 2 (S. 115–129)
Kruskal JB, Cannone FJ (o.J.) Use and Theory of MONANOVA, a Program to Analysze Factorial Experiments by Estimation Monotone Transformations of the Data, Bell Telephone Laboratories, Murray Hill (N.J.)
Schweikl H (1985) Computergestützte Präferenzanalyse mit individuell wichtigen Produktmerkmalen, Berlin
Theuerkauf I (1989) Kundennutzenmessung mit Conjoint, in: Zeitschrift für Betriebswirtschaft, Jg. 59 (S. 1179–1192)
Thomas L(1979) Conjoint Measurement als Instrument der Absatzforschung, in: Marketing-Zeitschrift für Forschung und Praxis, Jg. 1 (S. 199–211)
Thomas L(1983) Der Einfluß von Kindern auf die Produktpräferenzen ihrer Mütter, Berlin
Young FW (1973) Conjoint Scaling, The L. L. Thurstone Psychometric Laboratory, University of North Carolina
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1996 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Backhaus, K., Erichson, B., Plinke, W., Weiber, R. (1996). Conjoint-Measurement. In: Multivariate Analysemethoden. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08888-3_9
Download citation
DOI: https://doi.org/10.1007/978-3-662-08888-3_9
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-60917-9
Online ISBN: 978-3-662-08888-3
eBook Packages: Springer Book Archive