Auszug
In den folgenden Kapiteln wird anhand verschiedener empirischer Studien überprüft, welchen Einfluss das Eigenschaftsset auf die Ergebnisse der Präferenzmessung ausübt. Im Mittelpunkt der Untersuchung steht dabei die Frage, ob durch die in Kapitel 6 präsentierte Vorgehensweise zur Bestimmung eines Eigenschaftssets die Güte der Präferenzmessung und insbesondere die Übertragbarkeit der Schätzergebnisse auf reale Kaufentscheidungen verbessert werden kann.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Agarwal; Green (1991), 145; Ernst (2000), 134; Huber; Wittink; Fiedler; Miller (1993), 110; Sattler (1994), 34; Hensel-Börner (2000), 110.
Siehe auch Green; Srinivasan (1990), 8; Green; Srinivasan (1978), 112.
Siehe auch Hensel-Börner (2000), 75.
Böhler (1979), 265. Siehe dazu auch Kapitel 6.1.2.2.
Siehe beispielsweise Acito (1977), 82 und Kapitel 3.3.
In dieser Studie wurden analog zu Tscheulin (1992, 97) zur Einschätzung jeweils 5-stufige Rating-Skalen verwendet — für den Fragebogen siehe Anhang IX.
Siehe dazu beispielsweise Hensel-Börner (2000), 192.
Entsprechendes gilt allerdings für die meisten Maßzahlen, die in der Marktforschung genutzt werden. So wurden von Fisher (1929, 59f.) die Grenzen bei Signifikanztests (p = 0,01 oder p = 0,05) auf Basis von Plausibilitätsüberlegungen festgelegt und später von anderen Marktforschern übernommen.
Vgl. Carmone; Green; Jain (1978), 302.
Entsprechendes gilt allerdings ebenso für die von Voeth (2000, 207ff.) beschriebene alternative Methode zur a priori Bestimmung von Interaktionseffekten.
Vgl. Payne; Bettman; Schkade (1999), 247.
Siehe analog auch Acito (1977, 84). Entscheidungsträger, die statt Trade-offs auf Entscheidungsheuristiken zurückgegriffen haben, wiesen in dieser Studie eine im Vergleich zu den anderen Befragungsteilnehmern hohe Konsistenz auf.
Vgl. Birnbaum (1973), 239ff.
Vgl. Hensel-Börner (2000), 158.
Vgl. Schweikl (1985), 163.
Siehe im Vergleich dazu beispielsweise Hensel-Bürner (2000), 151ff.
Alle Fälle, in denen RC = 1 ist, können bei der Mittelwertbildung nicht berücksichtigt werden (siehe Kapitel 3.10.1 was die Aussagekraft des Mittelwertes erheblich einschränkt — dies betrifft in Tabelle 95 und Tabelle 96 insbesondere Gruppe 2. In Tabelle 95 ist z.B. der Mittelwert der Rangkorrelationskoeffizienten bei den Gruppen 1 und 2 vergleichbar. Bei Gruppe 2 ist allerdings der Fall von RC = 1 häufiger zu beobachten, weshalb in diesem Fall insgesamt geschlussfolgert werden kann, dass bei Gruppe 2 der Zusammenhang zwischen den beobachteten Rängen der Alternativen der Referenzmethode und den auf Basis der Teilnutzen prognostizierten Rängen stärker ist. Auf einen Signifikanzte zur Überprüfung der Unterschiede der Korrelationskoeffizienten wird an dieser Stelle verzichtet. Im Rahmen eines Signifikanztests müssten ebenfalls die z-transformierten Werte genutzt werden (vgl. Schweikl (1985), 167; Sheluga; Jaccard; Jacoby (1979), 171f.). Dabei könnten jedoch sämtliche Fälle, in denen R = 1 ist, nicht berücksichtigt werden, die Aussagekraft solcher Signifikanztests erheblich einschränkt.
Vgl. Schweikl (1985), 163; Huber (1987), 5f.
Vgl. Baier; Säuberlich (1997), 951; Lines; Denstadli (2004), 300.
Vgl. Johnson; Levin (1985), 174.
Um mehr als zwei Mittelwerte simultan miteinander zu verglichen, sollte die Varianzanalyse genutzt werden. Die Anwendungsvoraussetzungen der Varianzanalyse sind die Normalverteilung der Ausprägungen der metrischen Variable und die Homogenität der Varianzen zwischen den Vergleichsgruppen. Zudem sollten die verschiedenen Gruppen gleich stark besetzt sein (vgl. Janssen; Laatz (1999), 307; Backhaus; Erichson; Plinke; Weiber (2003), 150f.; Glaser (1978), 103ff.). Diese Anwendungsvoraussetzungen-insbesondere die Forderung nach Varianzhomogenität-werden in diesem Fall allerdings nicht erfüllt, weshalb auf entsprechende t-Tests zurückgegriffen wird. Bei der Durchführung des t-Tests wurde zunächst mit Hilfe des Levene-Tests überprüft, ob zwischen den Gruppen Varianzhomogenität vorliegt. Ist dies der Fall, kann auf den „klassischen“ t-Test bei unabhängigen Stichproben zurückgegriffen werden. Liegt keine Homogenität der Varianzen vor, wird der t-Test für unabhängige Gruppen mit ungleicher Varianz berechnet (siehe dazu auch Janssen; Laatz (1999), 297ff.) — diese Fälle werden in den folgenden Tabellen mit einem „(+)“ gekennzeichnet. Signifikante Unterschiede zwischen den Gruppen (p = 0,05) wurden mit einen „*“ und hoch signifikante Unterschiede „**“ mit gekennzeichnet.
Vgl. Huber; McCann (1982), 332.
Vgl. Sawtooth Software (2002), 63. Die Rangfolge der Kaufwahrscheinlichkeiten der Alternativen wurde bereits im Rahmen der Prognosevalidität untersucht. In diesem Kapitel geht es dagegen um die absolute Höhe der Kaufwahrscheinlichkeiten.
Vgl. Janssen; Laatz (1999), 317.
Vgl. Sattler; Gedenk; Hensel-Börner (2002b), 954.
Rights and permissions
Copyright information
© 2007 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2007). Empirischer Teil. In: Nachfragerorientierte Präferenzmessung. DUV. https://doi.org/10.1007/978-3-8350-9593-9_7
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9593-9_7
Publisher Name: DUV
Print ISBN: 978-3-8350-0773-4
Online ISBN: 978-3-8350-9593-9
eBook Packages: Business and Economics (German Language)