Advertisement

Multikollinearität im Marketing-Mix: Ridge Regression und andere Diagnose- und Korrekturverfahren aus der Sicht des Anwenders

  • M. Nenning
  • E. Topritzhofer
  • U. Wagner

Zusammenfassung

Der Beitrag befaßt sich mit einem speziellen Problem der empirischen Marktmodellierung, nämlich inwieweit Multikollinearität einen störenden Einfluß auf die Ermittlung von Strukturaussagen im Rahmen von Marketing-Mix-Reaktionsfunktionen ausübt und welchen Erfolg die in der statistischen Literatur behandelten nichterwartungstreuen Schätzverfahren bei der Korrektur von Multikollinearität in diesem konkreten Anwendungsfall bringen. Die Fragestellung wird sowohl theoretisch als auch — unter Heranziehung realer Marktdaten — empirisch untersucht. Dabei ergeben sich hinsichtlich der Verwendbarkeit nichterwatungstreuer Schätzverfahren im Marketing Schlußfolgerungen, die sich deutlich von den vor allem in Simulationsstudien sowie in einigen wenigen nicht absatzwirtschaftlichen Anwendungsbereichen gemachten Erfahrungen unterscheiden.

Die Autoren befassen sich seit mehreren Jahren mit Fragen der empirischen Marktreaktionsmessung, in deren Rahmen sie mit den Problemen der Diagnose und Korrektur von Multikollinearität in Marketing-Mix-Reaktionsfunktionen konfrontiert wurden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Chatterfee, S., und B. Price: Regression Analysis by Example. New York 1977.Google Scholar
  2. Farrar, D.E., und R. Glauber: Multicollinearity in Regression Analysis: The Problem Revisited. The Review of Economics and Statistics 49, February 1967, S. 92ff.CrossRefGoogle Scholar
  3. Guilkey, D.K., und J.L. Murphy: Directed Ridge Regression Techniques in Cases of Multicollinearity. Journal of the American Statistical Association 70 (352), December 1975, S. 769ff.CrossRefGoogle Scholar
  4. Gunst, R.F., und R.L. Mason: Biased Estimation in Regression: An Evaluation using Mean Square Error. Journal of the American Statistical Association (359), September 1977, S. 617ff.Google Scholar
  5. Haitovsky, Y.: Multicollinearity in Regression Analysis: Comment. The Review of Economics and Statistics 51, 1969, S. 486ff.CrossRefGoogle Scholar
  6. Hoerl, A.E., und R.W. Kennard: Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics 12 (1), February 1970, S. 56ff.Google Scholar
  7. Holland, P.W.: Weighted Ridge Regression: Combining Ridge and Robust Regression Methods. NBER Working Paper No. 11, September 1973.Google Scholar
  8. Kmenta, J.: Elements of Econometrics. New York 1971.Google Scholar
  9. Massy, W.F.: Principal Components Regression in Exploratory Statistical Research. Journal of the American Statistical Association 60, March 1965, S. 234ff.CrossRefGoogle Scholar
  10. Obenchain, R.L.: Ridge Analysis Following a Preliminary Test of the Shrunken Hypothesis. Technometrics 17 (4), November 1975, S. 439ff.CrossRefGoogle Scholar
  11. Schmidt, B., und E. Topritzhofer: Reaktionsfunktionen im Marketing: Zum Problem der Quantifizierung von Nachfrager- und Konkurrenzreaktionen. Marketing — Neue Ergebnisse aus Forschung und Praxis. Hrsg. E. Topritzhofer. Wiesbaden 1978.Google Scholar
  12. Schweiger, G. : Die Absatzfunktion als Grundlage der Optimierung des Marketing-Mix. Der Markt 2 (50), 1974, S. 29ff.Google Scholar
  13. Stiegler, H.: Ein Lösungsansatz für das Marketing-Mix. Der Markt 1 (45), 1973, S. 7ff.Google Scholar
  14. Vinod, H.D.: Application of New Ridge Regression Methods to a Study of Bell System Scale Economies. Journal of the American Statistical Association 71 (356), December 1976, S. 838ff.Google Scholar
  15. Wichers, C.R.: The Detection of Multicollinearity: A Comment. The Review of Economics and Statistics 57, 1975, S. 366ff.CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1981

Authors and Affiliations

  • M. Nenning
  • E. Topritzhofer
  • U. Wagner

There are no affiliations available

Personalised recommendations