Skip to main content
SpringerLink
Log in

Ergebnisse der empirischen Untersuchung zur Analyse von Kfz-Kaskoversicherungsentscheidungen

  • Chapter
Präferenzmessung bei Kfz-Kaskoversicherungen

  • 683 Accesses

Auszug

Ziel dieses Kapitels ist die Darstellung der Ergebnisse des in Kapitel 4 vorgestellten Experiments. Dazu wird zunächst auf die verwendete Stichprobe in der empirischen Untersuchung eingegangen (Kap. 5.1). Im Anschluss folgen die Untersuchungsergebnisse zu den drei eingesetzten Entscheidungsmodellen zur Analyse von Kfz-Kaskoversicherungsentscheidungen: Erwartungsnutzentheorie (Kap. 52.), Cumulative Prospect Theorie (Kap. 5.3) und Conjoint Analyse (Kap. 5.4). Ein Vergleich der Prognosegüte der untersuchten Modelle in Bezug auf Kfz-Kaskoversicherungsentscheidungen wird in Kapitel 5.5 vorgenommen. Den letzten Teil des Kapitels bildet eine abschließende Diskussion der Ergebnisse der empirischen Untersuchung (Kap. 5.6).

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 69.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 79.99
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.

Literatur

  1. Vgl. zur nichtlinearen Regressionsanalyse z. B. Bortz (2005), S. 196 ff.; Gujarati (2003), S. 563 ff. und Fahrmeir/Kaufmann/Kredler (1984), S. 145 ff. In der vorliegenden Untersuchung wurden diese Schätzungen mittels der Prozedur NLR mit der Software SPSS 12 durchgeführt.

    Google Scholar 

  2. Vgl. Abdellaoui/ Barrios/ Wakker (2007), S. 362; Stott (2006), S. 106 f.; Etchart-Vincent (2004), S. 220; Abdellaoui/Vossmann/Weber (2005), S. 1391; Zank (2001), S. 67 f. und auch Stevens (1957).

    Google Scholar 

  3. Die Darstellung der Median-Funktionen erfolgt in Übereinstimmung mit anderen Untersuchungen aufgrund der größeren Robustheit gegenüber Ausreißern im Vergleich zu Mittelwert-Funktionen. Vgl. z. B. Fahrmeir et al. (1999), S. 51 ff.

    Google Scholar 

  4. Ein bestimmter Parameterwert α der Nutzenfunktion, der als Referenzwert bei der Erwartungsnutzentheorie herangezogen werden kann, existiert im Unterschied zur Cumulative Prospect Theorie in der Literatur nicht. Bei der Cumulative Prospect Theorie können die von Tversky/ Kahneman (1992) geschätzten Funktionsparameter als Referenzparameter herangezogen werden. Vgl. Tversky/Kahneman (1992), S. 311 f.

    Google Scholar 

  5. Vgl. Abdellaoui/ Vossmann/ Weber (2005), S. 1389 f.; Etchart-Vincent (2004), S. 222 f.; Voßmann (2004), S. 36 f. und auch Peter (1979).

    Google Scholar 

  6. Vgl. Bühl/ Zöfel (2000), S. 320. Für reliable Messungen sollte der Pearsonsche Korrelationskoeffizient mindestens 0,7 betragen. Vgl. Himme (2006), S. 386 und Nunnally/Bernstein (1994), S. 264 f.

    Google Scholar 

  7. Vgl. Hüttner (1989), S. 131; Zuber (2005), S. 140; Bortz/Döring (1995), S. 500 f. und Hair et al. (2006), S. 403.

    Google Scholar 

  8. Vgl. Wakker/ Deneffe (1996), S. 1148; Abdellaoui (2000), S. 1505 f.; Abdellaoui/Vossmann/Weber (2005), S. 1390 und Bleichrodt/Pinto (2005), S. 543.

    Google Scholar 

  9. Vgl. Abdellaoui/ Vossmann/ Weber (2005), S. 1391; Etchart-Vincent (2004), S. 220; Abdellaoui (2000), S. 1506; Bleichrodt/Pinto (2005), S. 546 f.; Bleichrodt/Pinto (2000), S. 1491; Wakker/Zank (2002), S. 1253 f. und Stott (2006), S. 105 f.

    Google Scholar 

  10. Vgl. Kahneman/ Tversky (1991), S. 1039 f.; Kahneman/Tversky (1982), S. 139; Steul (2003), S. 24; von Nitzsch (1998), S. 623; Theil (2002), S. 135 und Gierl/Helm/Stumpp (2001), S. 560.

    Google Scholar 

  11. Vgl. Tversky/ Kahneman (1992), S. 311.

    Google Scholar 

  12. Vgl. z. B. Bolle (1999), S. 157; Hertwig/Ortmann (2001), S. 417 f. und Holt/Laury (2002).

    Google Scholar 

  13. Die fehlende Verlustaversion würde dafür sprechen, dass der House-Money-Effekt zum Tragen kommt und sich die Probanden bzgl. des Endowments risikofreudiger verhalten. Vgl. z. B. Thaler/ Johnson (1990), S. 657 und Spann/Skiera (2003), S. 1317. Als Gegenargument kann aufgeführt werden, dass die durchschnittliche Anzahl an erhobenen Stützpunkten im Gewinnbereich bei 6,65 liegt und im Verlustbereich dagegen bei 10,49. Daraus lässt sich schließen, dass Verluste zumindest etwas „schmerzhafter“ empfunden wurden als die Freude über Gewinne gleicher Höhe.

    Google Scholar 

  14. Die Studien von Tversky/ Kahneman (1992) und Bleichrodt et al. (2007) finden bei der Mittelwertbildung im Verlustbereich keine Berücksichtigung, da sie zusätzlich den Parameter λ schätzen.

    Google Scholar 

  15. Allein in der Untersuchung von Bleichrodt et al. (2007) besteht unter Berücksichtigung des Parameters λ Verlustaversion sowie in der Untersuchung von Abdellaoui/Bleichrodt/Paraschiv (2007) auf Ebene der Mittelwert-Parameter.

    Google Scholar 

  16. Vgl. Abdellaoui/ Vossmann/ Weber (2005), S. 1392; Abdellaoui (2000), S. 1506; Abdellaoui/Bleichrodt/Paraschiv (2007), S. 21; Fennema/van Assen (1999), S. 287; Etchart-Vincent (2004), S. 225; Tversky/Kahneman (1992), S. 311; Gonzalez/Wu (1999), S. 155 ff.; Wu/Gonzalez (1996), S. 1685 f.; Bleichrodt/Pinto (2000), S. 1492; Lopes/Oden (1999), S. 299; Bleichrodt/Pinto (2005), S. 246 f.; Bleichrodt et al. (2007), S. 476 f. und Stott (2006), S. 116.

    Google Scholar 

  17. Vgl. Tversky/ Kahneman (1992), S. 309 f.

    Google Scholar 

  18. Vgl. Tversky/ Kahneman (1992), S. 312 f.

    Google Scholar 

  19. Tversky/ Kahneman (1992), S. 312, die Anmerkung in den eckigen Klammern ist im Original nicht enthalten.

    Google Scholar 

  20. Vgl. Birnbaum/ Chavez (1997), S. 186 ff. und Bleichrodt et al. (2007), S. 476 f. Vgl. auch Hey/Orme (1994), S. 1303 ff., die sowohl s-förmige als auch invers s-förmige Entscheidungsgewichtungsfunktionen schätzen.

    Google Scholar 

  21. Vgl. dazu auch die Diskussion in Luce (1999), S. 86 ff.

    Google Scholar 

  22. Vgl. Camerer/ Ho (1994), S. 188; Abdellaoui (2000), S. 1509; Lopes/Oden (1999), S. 299; Wu/Gonzalez (1996), S. 1685 f.; Etchart-Vincent (2004), S. 229; Tversky/Kahneman (1992), S. 312; Bleichrodt/Pinto (2000), S. 1494; Birnbaum/Chavez (1997), S. 186 ff.; Stott (2006), S. 116 und Bleichrodt et al. (2007), S. 476 f.

    Google Scholar 

  23. Vgl. Tversky/ Kahneman (1992), S. 305.

    Google Scholar 

  24. Vgl. Abdellaoui (2000), S. 1502 ff.

    Google Scholar 

  25. Vgl. Tversky/ Kahneman (1992), S. 309; Tversky/Fox (1995), S. 270 und Luce (1999), S. 93 f.

    Google Scholar 

  26. Tversky/ Kahneman (1992), S. 309, die Anmerkung in den eckigen Klammern ist im Original nicht enthalten.

    Google Scholar 

  27. Vgl. Wu/ Zhang/ Gonzalez (2004), S. 414 und zum verwendeten Funktionstyp auch Goldstein/Einhorn (1987), S. 248; Lattimore/Baker/Witte (1992), S. 380 ff.; Gonzalez/Wu (1999), S. 139 f.; Tversky/Fox (1995), S. 279; Stott (2006), S. 106 ff. und Birnbaum/McIntosh (1996), S. 104.

    Google Scholar 

  28. Vgl. Schade (1999), S. 61 ff.; Gonzalez/Wu (1999), S. 136 ff.; Wu/Zhang/Gonzalez (2004), S. 414; Abdellaoui/Vossmann/Weber (2005), S. 1396 und Kilka/Weber (2001), S. 1717.

    Google Scholar 

  29. Vgl. Wu/ Zhang/ Gonzalez (2004), S. 414.

    Google Scholar 

  30. Auch der grafische Verlauf der jeweiligen Funktionen ist vergleichbar — in beiden Fällen (also auch bei den Originaldaten von Tversky/ Kahneman (1992)) findet eine stärkere Gewichtung von Wahrscheinlichkeiten bei Verlusten im Vergleich zu Gewinnen statt. Vgl. dazu die Abbildungen der Funktionsverläufe sowie weitere Parameterwerte aus empirischen Studien, die eine Zwei-Parameter-Spezifikation der Entscheidungsgewichtungsfunktionen zugrunde legen, im Anhang D.

    Google Scholar 

  31. Vgl. zur Clusteranalyse Backhaus et al. (2006), S. 489 ff.; Hair et al. (2006), S. 555 ff.; Lattin/Carroll/Green (2003), S. 264 ff.; Bacher (1996) und Punj/Steward (1983).

    Google Scholar 

  32. Eine Segmentierung könnte auch dahingehend erfolgen, ob die Funktionsverläufe der Wert-und Entscheidungsgewichtungsfunktionen den von Tversky/ Kahneman (1992) postulierten Funktionsverläufen entsprechen oder nicht. Vgl. Tversky/Kahneman (1992), S. 311 f. und Fußnote 493. In diesem Fall muss somit α > β und γ < δ gelten. 55 Probanden weisen nach diesem Segmentierungsansatz identische Funktionsverläufe mit denen von Tversky/Kahneman (1992) auf, bei 218 Probanden ergeben sich Unterschiede in den Funktionsverläufen. Aufgrund der schlechteren Interpretierbarkeit der Ergebnisse und einer schlechteren Prognosegüte hinsichtlich der gewählten Kfz-Kaskoversicherungsalternativen wird diese Vorgehensweise allerdings nicht weiter verfolgt.

    Google Scholar 

  33. Vgl. Hair et al. (2006), S. 559; Everitt (1993), S. 6 f.; Punj/Stewart (1983), S. 136 f. und Cormack (1971), S. 329.

    Google Scholar 

  34. Vgl. Aaker/ Kumar/ Day (1995), S. 610 f.; Jasny (1994), S. 108 und Green/Tull (1978), S. 445 f.

    Google Scholar 

  35. Vgl. Backhaus et al. (2006), S. 511 ff.; Wedel/Kamakura (2000), S. 44 und Büschken/von Thaden (1999), S. 352.

    Google Scholar 

  36. Daneben existieren auch noch divisive hierarchische Verfahren, die genau umgekehrt arbeiten, d. h., alle Objekte sind zunächst in einem Cluster und werden dann schrittweise in weitere Cluster unterteilt. Aufgrund der geringen Bedeutung in der Praxis werden diese Ansätze nicht weitergehend behandelt. Vgl. Backhaus et al. (2006), S. 511; Everitt (1993), S. 82 ff. und Büschken/von Thaden (1999), S. 352.

    Google Scholar 

  37. Vgl. Punj/ Stewart (1983), S. 144 f.; Singh (1990), S. 74 ff.; Wedel/Kamakura (2000), S. 43; Clement (2000), S. 204 f.; Büschken/von Thaden (1999), S. 361 ff. und Clement/Thies (2006), S. 179.

    Google Scholar 

  38. Vgl. ähnlich Clement (2000), S. 205 und Clement/Thies (2006), S. 180.

    Google Scholar 

  39. Vgl. Büschken/ von Thaden (1999), S. 348 ff.; Bacher (1996), S. 221 ff. und Kaufmann/Pape (1984), S. 382 ff.

    Google Scholar 

  40. Vgl. Backhaus et al. (2006), S. 520 und S. 529; Büschken/von Thaden (1999), S. 354; Gaul/Lutz/Aust (1994), S. 418 und Everitt (1993), S. 68 f. Punj/Stewart (1983) erachten die Elimination von bis zu 10 % der Objekte als Ausreißer als vertretbar, was in der vorliegenden Analyse deutlich unterschritten wird. Vgl. Punj/Stewart (1983), S. 143 f.

    Google Scholar 

  41. Vgl. Ward (1963); Backhaus et al. (2006), S. 522 ff. und Büschken/von Thaden (1999), S. 358 ff.

    Google Scholar 

  42. Vgl. Bergs (1981), S. 96 f.; Wedel/Kamakura (2000), S. 50 und Backhaus et al. (2006), S. 528.

    Google Scholar 

  43. Vgl. Büschken/ von Thaden (1999), S. 362 f.; Backhaus et al. (2006), S. 534 ff. und Petersohn (1997), S. 72 f.

    Google Scholar 

  44. Vgl. Backhaus et al. (2006), S. 511; Sharma (1996), S. 211 und Petersohn (1997), S. 64.

    Google Scholar 

  45. Vgl. Büschken/ von Thaden (1999), S. 363; Bacher (1996), S. 308 ff.; Singh (1990), S. 75 und MacQueen (1967).

    Google Scholar 

  46. Vgl. Punj/ Stewart (1983), S. 138; Sharma (1996), S. 217 und auch Bacher (1996), S. 308 ff.

    Google Scholar 

  47. Vgl. Sharma (1996), S. 217; Wedel/Kamakura (2000), S. 54 und Severidt (2001a), S. 182.

    Google Scholar 

  48. Vgl. Backhaus et al. (2006), S. 545 f. und Clement (2000), S. 209 ff.

    Google Scholar 

  49. Vgl. Backhaus et al. (2006), S. 545.

    Google Scholar 

  50. Vgl. Backhaus et al. (2006), S. 545.

    Google Scholar 

  51. Vgl. Backhaus et al. (2006), S. 155 ff.; Janssen/Laatz (2005), S. 479 ff.; Musiol/Sladkowski (1999), S. 339 und Clement (2000), S. 212.

    Google Scholar 

  52. Vgl. Tversky/ Kahneman (1992), S. 309 ff.

    Google Scholar 

  53. Vgl. Tversky/ Kahneman (1992), S. 302 f. und S. 309 ff. und Kahneman/Tversky (1979), S. 279.

    Google Scholar 

  54. Vgl. Tversky/ Kahneman (1992), S. 309 ff.

    Google Scholar 

  55. Vgl. Tversky/ Kahneman (1992), S. 302 f. und S. 309 ff. und Kahneman/Tversky (1979), S. 279.

    Google Scholar 

  56. Vgl. Tversky/ Kahneman (1992), S. 312 f.

    Google Scholar 

  57. Vgl. z. B. Quiggin (1982); Starmer (2000), S. 347 ff.; Starmer/Sugden (1989), S. 85 und Weber/Camerer (1987), S. 136 f.

    Google Scholar 

  58. Es ergibt sich ein t-Wert von t119 = 2,639 mit einer Irrtumswahrscheinlichkeit p = 0,009. Die Nullhypothese H0 (Differenz der Mittelwerte = 0) kann daher auf dem Signifikanzniveau von p = 0,01 abgelehnt werden. Vgl. Janssen/ Laatz (2005), S. 337 ff. und Bortz (2005), S. 143 ff.

    Google Scholar 

  59. Die mittleren Nutzenparameter erhält man durch Durchführung einer gemeinsamen Conjoint Analyse oder durch Mittelwertbildung der mittels individueller Conjoint Analysen geschätzten Nutzenparameter. Beide Vorgehensweisen führen zu identischen Nutzenparametern. Vgl. Backhaus et al. (2006), S. 599 ff.

    Google Scholar 

  60. Vgl. zu Fischers Z-Transformation z. B. Bortz (2005), S. 218 ff. und Jäger (1974).

    Google Scholar 

  61. Andere Untersuchungen ermitteln zum Teil wesentlich niedrigere Werte für Kendalls Tau von 0,26 bis 0,37, allerdings für fünf bzw. sechs Hold-Out-Stimuli. Vgl. Akaah/ Korgaonkar (1983), S. 192 und Hensel-Börner (2000), S. 157 f.

    Google Scholar 

  62. Vgl. Green/ Krieger (1991); Haley (1968); Hauser/Urban (1977), S. 603 ff.; Currim (1981) und Green/Wind/Jain (1972), S. 31 f.

    Google Scholar 

  63. Vgl. DeSarbo/ Oliver/ Rangaswamy (1989), S. 709 f.; Kamakura (1988), S. 157; Steiner/Baumgartner (2004), S. 617 f.; Green/Helsen (1989), S. 346; Gaul/Lutz/Aust (1994), S. 417 f.; Aust (1996), S. 70 und Jasny (1994), S. 106 f.

    Google Scholar 

  64. Vgl. Teichert (1999), S. 499; Backhaus et al. (2006), S. 580; Skiera/Gensler (2002b), S. 260 und Gutsche (1995), S. 133.

    Google Scholar 

  65. Vgl. Teichert (1999), S. 499; Teichert (2001), S. 67 ff.; Baier/Säuberlich (1997), S. 956 und Green/Krieger (1985), S. 3 f.

    Google Scholar 

  66. Vgl. Hair et al. (2006), S. 490.

    Google Scholar 

  67. Vgl. Teichert (1999), S. 499; Teichert (2001), S. 67 f. sowie zu anderen Normierungsvorschriften Backhaus et al. (2006), S. 580 f. und Gutsche (1995), S. 133 ff.

    Google Scholar 

  68. Vgl. Kaas/ Schneider (2002), S. 39; Kaas/Schneider (2007), S. 514 und Backhaus et al. (2006), S. 502 ff.

    Google Scholar 

  69. Vgl. zur Behavioral-Pricing-Forschung z. B. Homburg/ Koschate (2005a) und Homburg/Koschate (2005b).

    Google Scholar 

  70. Vgl. Homburg/ Koschate (2005a), S. 401 f.; Imkamp (2003); Völckner (2006b) und Völckner/Hofmann (2007).

    Google Scholar 

  71. Vgl. Rao/ Monroe (1989), S. 355 f.; Lichtenstein/Burton (1989), S. 430 ff. und Dodds/Monroe/Grewal (1991), S. 308 ff.

    Google Scholar 

  72. Vgl. Luce/ von Winterfeldt (1989), S. 263 f.; von Winterfeldt (1989), S. 499; Camerer (1998), S. 163 ff. und Fischer (1989), S. 489 f.

    Google Scholar 

  73. In der Literatur finden sich Hinweise auf das Vorliegen solcher Kontexteffekte im Bereich von Versicherungsentscheidungen. Vgl. Schoemaker/ Kunreuther (1979), S. 610 ff.; Schoemaker (1980), S. 76 ff. und S. 109 ff. und Hershey/Schoemaker/Kunreuther (1982), S. 949 ff.

    Google Scholar 

  74. Vgl. z. B. Krzysztofowicz/ Duckstein (1980).

    Google Scholar 

  75. Vgl. Tversky/ Kahneman (1992), S. 311 f.

    Google Scholar 

  76. Hierbei werden für die Wertfunktion die Parameter α = 0,88; β = 0,88 und λ = 2,25 sowie für die Entscheidungsgewichtungsfunktionen γ = 0,61 und δ = 0,69 verwendet. Vgl. Tversky/ Kahneman (1992), S. 311 f.

    Google Scholar 

  77. Bleichrodt et al. (2007), S. 479.

    Google Scholar 

  78. Vgl. zu einer ähnlichen Einschätzung im Rahmen der Kapitalanlageberatung Zuber/ Guthier (2003), S. 379 f.

    Google Scholar 

  79. Vgl. für einen Überblick über verschiedene Entscheidungsheuristiken z. B. Payne/ Bettman/ Johnson (1993), S. 20 ff. und Schneider (2005), S. 35 ff.

    Google Scholar 

  80. Vgl. Narasimhan/ Vickery (1988), S. 881; Slovic/Lichtenstein (1971); Payne/Bettman/Johnson (1993), S. 34 und Schneider (2005), S. 43.

    Google Scholar 

Download references

Rights and permissions

Reprints and permissions

Copyright information

© 2008 Gabler | GWV Fachverlage GmbH, Wiesbaden

About this chapter

Cite this chapter

(2008). Ergebnisse der empirischen Untersuchung zur Analyse von Kfz-Kaskoversicherungsentscheidungen. In: Präferenzmessung bei Kfz-Kaskoversicherungen. Gabler. https://doi.org/10.1007/978-3-8349-9820-0_5

Download citation

Publish with us

Policies and ethics

Search

Navigation