Advertisement

Empirisches Design zur Kaufverhaltensanalyse bei der Beschaffung von Breitbandanschlüssen

Auszug

Gegenstand des vorliegenden Abschnitts ist die Darstellung der empirischen Studie, die zur Analyse individueller Kaufprozesse bei der Beschaffung von Breitbandtechnologien durchgeführt wurde. Ziel der Untersuchung war, Belege für die Existenz von konsumentenseitigen Herdenmechanismen bei der Adoption von Breitbandtechnologien in Deutschland zu finden. Ein positiver Beleg würde Rückschlüsse über das Vorliegen eigendynamischer, selbstverstärkender Effekte bei der Technologiediffusion erlauben. Ob sich diese dann als Teil einer pfadabhängigen Dynamik begreifen lassen, kann jedoch nur bei gleichzeitigem Vorliegen eines Zustands der Marktverriegelung beurteilt werden, der aus individueller Sicht keine alternativen Wahlhandlungen mehr zulässt. Daher ist darüber hinaus das Ziel der empirischen Untersuchung, die Frage nach Stabilität und Persistenz möglicher Herdeneffekte zu beantworten, um so zu einer Beurteilung der Wirksamkeit positiver Rückkopplungseffekte und damit einer Qualifizierung möglicher Lock-in-Niveaus auf dem deutschen Breitbandmarkt zu gelangen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Ford, Gary T.; Smith, Darlene B. und John L. Swasy (1988): An Empirical Test of the Search, Experience and Credence Attributes Framework, in: Advances in Consumer Research, Vol. 15, No. 1, 1988, S. 239–243.Google Scholar
  2. Ford, Gary T.; Smith, Darlene B. und John L. Swasy (1990): Consumer Skepticism of Advertising Claims: Testing Hypotheses from Economics of Information, in: Journal of Consumer Research, Vol. 16, No. 4, 1990, S. 433–441.CrossRefGoogle Scholar
  3. Arnthorsson, Ami; Wendall, Berry E. und Joel E. Urbany (1991): Difficulty of Pre-purchase Quality Inspection: Conceptualization and Measurement, in: Advances in Consumer Research, Vol. 18, No. 1, 1991, S. 217–224.Google Scholar
  4. Lynch, James G. and Drue Schuler (1991): Operationalizing Economics of Information Theory: Consumer Quality Judgements and Advertising Credibility, in: Gilly, M. C. (Hg.): American Marketing Association Educator’s Proceedings, Chicago, 1991, S. 412–421.Google Scholar
  5. Weiber, Rolf und Jost Adler (1995b): Positionierung von Kaufprozessen im informations-ökonomischen Dreieck: Operationalisierung und verhaltenswissenschaftliche Prüfung, in: Zeitschrift für betriebswissenschaftliche Forschung, 47. Jg., 1995, S. 99–123.Google Scholar
  6. Adler, Jost (1996): Informationsökonomische Fundierung von Austauschprozessen — Eine nachfrageorientierte Analyse, Wiesbaden, 1996.Google Scholar
  7. Babakus, Emin; Eroglu, Sevgin und Ugur Yavas (2004): Modeling Consumers’ Choice Behavior: An Application in Banking, in: Journal of Services Marketing, Vol. 18, No. 6, 2004, S. 462–470.CrossRefGoogle Scholar
  8. Adler, Jost (1996): Informationsökonomische Fundierung von Austauschprozessen — Eine nachfrageorientierte Analyse, Wiesbaden, 1996. S. 149.Google Scholar
  9. Adler, Jost (1996): Informationsökonomische Fundierung von Austauschprozessen — Eine nachfrageorientierte Analyse, Wiesbaden, 1996. S. 150f.Google Scholar
  10. Adler, Jost (1996): Informationsökonomische Fundierung von Austauschprozessen — Eine nachfrageorientierte Analyse, Wiesbaden, 1996. S. 215.Google Scholar
  11. Luce, Duncan R. und John W. Tukey (1964): Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement, in: Journal of Mathematical Psychology, Vol. l, No. 1, 1964, S. 1–27.CrossRefGoogle Scholar
  12. Green, Paul E. und Yoram Wind (1975): New Way to Measure Consumers’ Judgments, in: Harvard Business Review, Vol. 53, No. 4, 1975, S. 107–117.Google Scholar
  13. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 557ff.Google Scholar
  14. Wittink, Dick R.; Vriens, Marco und Wim Burhenne (1994): Commercial Use of Conjoint Analysis in Europe: Results and Critical Reflections, in: International Journal of Research in Marketing, Vol. 11, No. 1, 1994, S. 41–52.CrossRefGoogle Scholar
  15. Green, Paul E. und Venkat Srinivasan (1978): Conjoint Analysis in Consumer Research: Issues and Outlook, in: Journal of Consumer Research, Vol. 5, No. 2, 1978, S. 103–122.CrossRefGoogle Scholar
  16. McCullough, Dick (1999): The number of levels effect: A proposed solution, in: Proceedings of the Sawtooth Software Conference, No. 7, San Diego, 1999, S. 109–116.Google Scholar
  17. Heidbrink, Marcus (2007): Reliability und Validität von Verfahren der Präferenzmessung, Münster, 2007. S. 25.Google Scholar
  18. Srinivasan, Venkat; Jain, Arun K. und Naresh K. Malhotra (1983): Improving Predictive Power of Conjoint Analysis by Constrained Parameter Estimation, in: Journal of Marketing Research, Vol. 20, No. 4, 1983, S. 433–438.CrossRefGoogle Scholar
  19. Van der Lans, Ivo A.; Wittink, Dick R.; Huber, Joel und Marco Vriens (1992): Within-and across Attribute Constraints in ACA and Full Profile Conjoint Analysis, Sawtooth Software Research Paper Series, 1992.Google Scholar
  20. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 558ff.Google Scholar
  21. Miller, George A. (1956): The magical number seven, plus or minus two: some limits on our capacity for processing information, in: Psychological Review, Vol. 63, No. 2, 1956, S. 81–97.CrossRefGoogle Scholar
  22. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 562ff.Google Scholar
  23. Madden, Gary und Michael Simpson (1997): Residential Broadband Subscription Demand: An Econometric Analysis of Australian Choice Experiment Data, in: Applied Economics, Vol. 29, No. 8, 1997, S. 1073–1078.CrossRefGoogle Scholar
  24. Ida, Takanori und Masayuki Sato (2004): Conjoint Analysis of Consumer Preferences for Broadband Services in Japan, COE21, Discussion Paper No.32, Graduate School of Economics, Kyoto University, 2004.Google Scholar
  25. Savage, Scott J. und Donald Waldman (2005): Broadband Internet Access, Awareness, and Use: Analysis of United States Household Data, in: Telecommunications Policy, Vol. 29, 2005, S. 615–633.CrossRefGoogle Scholar
  26. Creyer, Elizabeth und William T. Ross (1988): The Effect of Range-Frequency Manipulations on Conjoint Importance Weight Stability, in: Advances in Consumer Research, Vol. 15, No. 1, 1988, S. 505–509.Google Scholar
  27. Green, Paul E. und Venkat Srinivasan (1990): Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice, in: Journal of Marketing, Vol. 54, No. 4, 1990, S. 3–19.CrossRefGoogle Scholar
  28. Wittink, Dick R.; Krishnamurthi, Lakshman und David J. Reibstein (1990): The Effect of Differences in The Number of Attribute Levels on Conjoint Results, in: Marketing Letters, Vol. 1, No. 2, 1990, S. 113–123.CrossRefGoogle Scholar
  29. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 564ff.Google Scholar
  30. Hair, Joe F.; Tatham, Ronald L.; Anderson, Rolph E. und William Black (1998): Multivariate Data Analysis, 5. Aufl., Englewood Cliffs, 1998. S. 415.Google Scholar
  31. Green, Paul E. und Abba M. Krieger (1996): Individualized hybrid models for conjoint analysis, in: Management Science, Vol. 42, No. 6, 1996, S. 850–867.CrossRefGoogle Scholar
  32. Acito, Franklin (1977): An Investigation of Some Data Collection Issues in Conjoint Measurement, in: American Marketing Association (Hg.): American Marketing Association Educators’ Conference Proceedings, Chicago, 1977, S. 82–85.Google Scholar
  33. Huber, Joel und David Hansen (1986): Testing the impact of dimensional complexity and affective differences of paired concepts in adaptive conjoint analysis, in: Advances in Consumer Research, Vol. 14, No. 1, 1986, S. 159–163.Google Scholar
  34. Shadish, William R., Cook, Thomas D. und Donald T. Campbell (2002): Experimental and Quasi-Experimental Designs for Generalized Causal Inference, Boston, 2002. S. 246f.Google Scholar
  35. Green, Paul E. und Donald S. Tüll (1982): Methoden und Techniken der Marketingforschung, 4. Aufl., Stuttgart, 1982. S. 153ff.Google Scholar
  36. Stallmeier, Christian (1993): Die Bedeutung der Datenerhebungsmethode und des Untersuchungsdesigns für die Ergebnisstabilität der Conjoint-Analyse, Regensburg, 1993. S. 57.Google Scholar
  37. Alwin, Duane F. und Jon A. Krosnick (1985): The Measurement of Values in Surveys: A Comparison of Ratings and Rankings, in: Public Opinion Quarterly, Vol. 49, No. 4, 1985, S. 535–552.CrossRefGoogle Scholar
  38. Krosnick, Jon A. und Duane F. Alwin (1988): A test of the form-resistant correlation hypothesis: Ratings, Rankings, and the Measurement of Values, in: Public Opinion Quarterly, Vol. 52, No. 4, 1988, S. 526–538.CrossRefGoogle Scholar
  39. Russell, Philip A. und Colin D. Gray (1994): Ranking or rating? Some data and their implications for the measurement of evaluative response, in: British Journal of Psychology, Vol. 85, No. 1, 1994, S. 79–92.Google Scholar
  40. Hair, Joe F.; Tatham, Ronald L.; Anderson, Rolph E. und William Black (1998): Multivariate Data Analysis, 5. Aufl., Englewood Cliffs, 1998. S. 417.Google Scholar
  41. Schmidt, Ralf (1996): Marktorientierte Konzeptfindung für langlebige Gebrauchsgüter, Wiesbaden, 1996. S. 148.Google Scholar
  42. Hair, Joe F.; Tatham, Ronald L.; Anderson, Rolph E. und William Black (1998): Multivariate Data Analysis, 5. Aufl., Englewood Cliffs, 1998. S. 410.Google Scholar
  43. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 571ff.Google Scholar
  44. Hair, Joe F.; Tatham, Ronald L.; Anderson, Rolph E. und William Black (1998): Multivariate Data Analysis, 5. Aufl., Englewood Cliffs, 1998. S. 408.Google Scholar
  45. Melles, Torsten und Heinz Holling (1998): Einsatz der Conjoint Analyse in Deutschland. Eine Befragung von Anwendern, Arbeitspapier des Psychologischen Institut IV, Westfälische Wilhelms-Universität Münster, 1998. S. 11f.Google Scholar
  46. Huber, Joel (1975): Predicting preferences on Experimental Bundles of Attributes: A Comparison of Models, in: Journal of Marketing Research, Vol. 12, No. 3, 1975, S. 290–297.CrossRefGoogle Scholar
  47. Carmone, Frank J.; Green, Paul E. und Arun K. Jain (1978): The Robustness of Conjoint Analysis: Some Monte Carlo Results, in: Journal of Marketing Research, Vol. 15, No. 2, 1978, S. 300–303.CrossRefGoogle Scholar
  48. Cattin, Philippe und Friedhelm Bliemel (1978): Metric vs. Nonmetric Procedures for Multiattribute Modelling: Some Simulation Results, in: Decision Sciences, Vol. 9, No. 3, 1978, S. 472–480.CrossRefGoogle Scholar
  49. Jain, Arun R.; Acito, Franklin; Malhorta, Naresh K. und Vijay Mahajan (1979): A Comparison of Internal Validity of Alternative Parameter Estimation Methods in Decompositional Multiattribute Preference Models, in: Journal of Marketing Research, Vol. 16, No. 3, 1979, S. 313–322.CrossRefGoogle Scholar
  50. Wittink, Dick R. und Phillippe Cattin (1981): Alternative Estimation Methods for Conjoint Analysis: A Monte Carlo Study, in: Journal of Marketing Research, Vol. 18, No. 1, 1981, S. 101–106.CrossRefGoogle Scholar
  51. Stallmeier, Christian (1993): Die Bedeutung der Datenerhebungsmethode und des Untersuchungsdesigns für die Ergebnisstabilität der Conjoint-Analyse, Regensburg, 1993. S. 122.Google Scholar
  52. Darmon, René Y. und Dominique Rouziès (1994): Reliability and internal validity of conjoint estimated utility functions under error-free versus error-full conditions, in: International Journal of Research in Marketing, Vol. 11, No. 5, 1994, S. 465–477.CrossRefGoogle Scholar
  53. Backhaus, Klaus; Plinke, Wulff; Erichson, Bernd und Rolf Weiber (2006): Multivariate Analysemethoden. Eine anwendungsorientierte Einführung, 11. Aufl., Berlin, 2006. S. 582ff.Google Scholar
  54. Haire, Mason (1950): Projective techniques in marketing research, in: Journal of Marketing, Vol. 14, No. 5, 1950, S. 649–656.CrossRefGoogle Scholar

Copyright information

© Gabler | GWV Fachverlage GmbH, Wiesbaden 2008

Personalised recommendations