Skip to main content

Ermittlung individueller Konsumentenreaktionen mit der traditionellen Conjoint Analyse

  • Chapter
Individualisierte Präferenzanalyse

Part of the book series: Unternehmensführung und Marketing ((UFUEHR,volume 40))

  • 220 Accesses

Zusammenfassung

Zur Ermittlung der Teilnutzenwerte aus den erfaßten Präferenzurteilen der Befragten durchläuft die traditionelle CA (TCA) die in Abb. 6 dargestellten und nachfolgend im einzelnen erläuterten Abiaufschritte.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 44.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 59.99
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.

Referenzen

  1. Vgl. Cattin, P. / Wittink, D. R. (1982), S. 44f.

    Google Scholar 

  2. Vgl. Wittink, D. R. / Cattin, P. (1989), S. 92.

    Google Scholar 

  3. Vgl. Wittink, D. R. / Vriens, M. / Burhenne, W. (1994), S. 43.

    Google Scholar 

  4. Vgl. Melles, T. / Holling, H. (1998), S. 4.

    Google Scholar 

  5. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 500; vgl. auch Dichtl, E. / Thomas, U. (1986), S. 28.

    Google Scholar 

  6. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 107.

    Google Scholar 

  7. Vgl. Stadler, K. (1993), S. 34; vgl. auch Mengen, A. (1993), S. 81.

    Google Scholar 

  8. Der Begriff der „traditionellen CA” wird zur Abgrenzung gegenüber den in Kapitel 4 dieses Teils der Arbeit vorgestellten neueren CA-Varianten verwendet.

    Google Scholar 

  9. Vgl. bspw. Mengen, A. (1993), S. 85; Hahn, C. (1997), S. 46; Henrichsmeier, S. (1998), S. 14; Schmidt, R. (1996), S. 193.

    Google Scholar 

  10. Gutsche bezeichnet die Auswahl der Eigenschaften und ihrer Ausprägungen als den entscheidenden Faktor bei der erfolgreichen Durchführung einer CA. Vgl. Gutsche, J. (1995), S. 90.

    Google Scholar 

  11. Vgl. Henrichsmeier, S. (1998), S. 15.

    Google Scholar 

  12. Vgl. Schweikl, H. (1985), S.21f; Gutsche, J. (1995), S. 90.

    Google Scholar 

  13. Vgl. Henrichsmeier, S. (1998), S. 15.

    Google Scholar 

  14. Vgl. Kroeber-Riel, W. (1992), S. 399 sowie die Ausführungen in Teil II dieser Arbeit.

    Google Scholar 

  15. Vgl. Henrichsmeier, S. (1998), S. 15.

    Google Scholar 

  16. Vgl. Schubert, B. (1991), S. 195.

    Google Scholar 

  17. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 503.

    Google Scholar 

  18. Henrichsmeier, S. (1998), S. 16.

    Google Scholar 

  19. Vgl. Schweikl, H. (1985), S. 22; Gutsche, J. (1995), S. 89.

    Google Scholar 

  20. Vgl. bspw. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 503; Gutsche, J. (1995), S. 90; Hahn, C. (1997), S. 48.

    Google Scholar 

  21. Vgl. Gutsche, J. (1995), S. 91.

    Google Scholar 

  22. Vgl. Henrichsmeier, S. (1998), S. 17f.

    Google Scholar 

  23. Diese Anforderung resultiert aus dem der CA in der Regel zugrunde liegenden additiven Modell. Vgl. hierzu die Ausführungen in Kapitel 3.1.3 in diesem Teil der Arbeit. Zu den Prämissen der Ein-stellungs-bzw. Präferenzmodelle siehe Schmidt, R. (1996) S. 71 ff., insbesondere S. 89.

    Google Scholar 

  24. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 503.

    Google Scholar 

  25. Vgl. Schweikl. H. (1985), S. 141. Zum Begriff der Schlüsselinformation vgl. Teil II dieser Arbeit.

    Google Scholar 

  26. Vgl. Henrichsmeier, S. (1998), S. 17.

    Google Scholar 

  27. Vgl. Schweikl, H. (1985), S. 96.

    Google Scholar 

  28. Vgl. Henrichsmeier, S. (1998), S. 50.

    Google Scholar 

  29. Vgl. Henrichsmeier, S. (1998), S. 52.

    Google Scholar 

  30. Vgl. Schmidt, R. (1996), S. 129ff.; vgl. auch Schubert, B. (1991), S. 179-185.

    Google Scholar 

  31. Zur Anzahl der generierten Eigenschaften und Ausprägungen vgl. Urban, G. L. / Hauser, J. R. (1993) S. 228.

    Google Scholar 

  32. Vgl. Schweikl, H. (1985), S. 106.

    Google Scholar 

  33. Vgl. Schweikl, H. (1985), S. 27f.; Gutsche, J. (1995), S. 81f.

    Google Scholar 

  34. Auf eine Indizierung der Konsumenten wird aus Übersichtlichkeitsgründen verzichtet.

    Google Scholar 

  35. Vgl. Hahn, C. (1997), S. 51.

    Google Scholar 

  36. Auf eine Indizierung der Produktklasse wird aus Übersichtlichkeitsgründen verzichtet.

    Google Scholar 

  37. Vgl. Schweikl, H. (1985), S. 28.

    Google Scholar 

  38. Vgl. Schubert, B. (1991), S. 201; Gutsche, J. (1995), S. 83. Es ist darauf hinzuweisen, daß nicht von über alle Befragten gleich ausgerichteten eigenschaftsbe-zogenen Idealvektoren ausgegangen werden darf. Die Empirie zeigt, daß die Idealvektoren tlw. interpersonell unterschiedlich ausgerichtet sind. Vgl. hierzu Schmidt, R. / Hahmann, U. / Steffenhagen, H. (1996), S. 550ff.

    Google Scholar 

  39. Vgl. Hahn, C. (1997), S. 51.

    Google Scholar 

  40. Auf eine Indizierung der Produktklasse wird aus Übersichtlichkeitsgründen verzichtet.

    Google Scholar 

  41. Weitere alternative Verläufe in Abhängigkeit des Parameters c finden sich bei Schmidt. Vgl. Schmidt, R. (1996), S. 75ff.

    Google Scholar 

  42. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 105f.; Gutsche, J. (1995), S. 84; Baiderjahn, I. (1993), S. 94.

    Google Scholar 

  43. In der Literatur wird das Teilnutzenwertmodell häufig um eine Dummy-Variable ergänzt, mit der angegeben werden kann, ob ein bestimmtes Produkt eine Eigenschaftsausprägung aufweist oder nicht. Dies geschieht fälschlicherweise auch dann, wenn eine getrennte Darstellung von Bewer-tungs-und Verknüpfungsfunktion stattfindet (Vgl. bspw. Thomas, L. (1983), S. 227; Gutsche, J. (1995), S. 84). Eine Bewertungsfunktion, welche auch als Merkmalsnutzen-oder Einzelwertfunktion bezeichnet werden kann, beschreibt jedoch den funktionalen Zusammenhang zwischen den verschiedenen Ausprägungen einer Eigenschaft und dem diesen Eigenschaftsausprägungen beigemessenen Nutzen. Aufgrund der im Rahmen der Conjoint Analyse unterstellten Präferenzunabhängigkeit darf die Höhe dieses Nutzens nicht von dem jeweils betrachteten Produkt abhängen. Als Konsequenz hieraus muß bei der lediglich auf die Bewertung der Ausprägungen einer Eigenschaft bezogenen Bewertungsfunktion auf die Zuordnung zu einem konkreten Produkt verzichtet werden. Ansonsten entspräche die „Bewertungsfunktion” lediglich einem Nutzenwert für eine Eigenschafts-ausprägung. Beim Teilnutzenwertmodell ist folglich ebenfalls die Berücksichtigung der Dummy-Variable unsinnig. Ihre Einführung ist erst dann notwendig, wenn ein konkreter Bezug zu einem bestimmten Produkt hergestellt werden soll. Dies ist bei der Angabe derartiger Einzelwertfunktionen nicht notwendig. Darüber hinaus können Konsumenten auch Eigenschaftsausprägungen, die bis dato von keiner Produktalternative erfüllt werden, einen Nutzen zuweisen.

    Google Scholar 

  44. Vgl. Green, P. E. / Srinivasan, V. (1978), S.106; Green, P. E. / Srinivasan, V. (1990), S. 4.

    Google Scholar 

  45. Vgl. Schubert, B. (1991), S. 195.

    Google Scholar 

  46. Vgl. Gutsche, J. (1995), S. 85.

    Google Scholar 

  47. Vgl. Green, P. E. / Krieger, A. M. (1993), S. 472.

    Google Scholar 

  48. Vgl. Thomas, L. (1983), S. 237ff.

    Google Scholar 

  49. Vgl. Thomas, L (1983), S. 247.

    Google Scholar 

  50. Vgl. Schmidt, R. (1996), S. 91 ff. und die dort angegebene Literatur.

    Google Scholar 

  51. Vgl. Schmidt, R. (1996), S. 92ff.

    Google Scholar 

  52. Vgl. Weinberg, P. (1981), S. 67.

    Google Scholar 

  53. Zum Begriff der Beurteilungsstrategie vgl. Bleicker, U. (1983), S. 29 sowie S. 44ff.

    Google Scholar 

  54. Auf eine formale Darstellung der Auswahlregeln wird verzichtet. Vgl. Böcker, F. (1986), S. 558; Knappe, H.-J. (1981), S. 146ff; Thomas, L (1978), S. 2.

    Google Scholar 

  55. Aschenbrenner spricht synonym vom Dominanzprinzip. Vgl. Aschenbrenner, K. M. (1977), S. 28.

    Google Scholar 

  56. Vgl. Aschenbrenner, K. M. (1977), S. 28; Green, P. E. / Wind, Y. (1973), S. 40.

    Google Scholar 

  57. Vgl. Weinberg, P. (1981), S. 67. Im Rahmen der Literatur zur Entscheidungstheorie bspw. Eisenführ, F./Weber, M. (1993), S. 84. Schmidt rechnet die Auswahl nach der Dominanzregel entgegen der allgemeinen Auffassung dem attributweisen Vorgehen zu. Vgl. Schmidt, R. (1996), S. 93.

    Google Scholar 

  58. Schmidt stuft die Dominanzregel sogar als für die Vorauswahl ungeeignet ein. Vgl. Schmidt, R. (1996), S. 93.

    Google Scholar 

  59. In der Literatur werden zur Bezeichnung der Auswahlmechanismen die synonym verwendeten Termini „Modell”, „Regel” sowie „Vorgehen” herangezogen. Vgl. bspw. Schmidt, R. (1996), S. 92f.; Trommsdorff, V. (1998), S. 297f.; Kuß, A. (1991), S. 59ff.; Böcker, A. (1996), S. 87f.

    Google Scholar 

  60. Vgl. Aschenbrenner, K. M. (1977), S. 28; Trommsdorff, V. (1998), S. 297.

    Google Scholar 

  61. Vgl. Hubel, W. (1986), S. 31; Schmidt, R. (1996), S. 93.

    Google Scholar 

  62. Vgl. Weinberg, P. (1981), S. 67.

    Google Scholar 

  63. Vgl. Trommsdorff, V. (1998), S. 298; Aschenbrenner, K. M. (1977), S. 29; Enders, A. (1997), S. 29. Zur Höhe der Mindestanforderungen vgl. Knappe, H.-J. (1981), S. 150.

    Google Scholar 

  64. Vgl. Hubel, W. (1986), S. 31; Trommsdorff, V. (1998), S. 298; Weinberg, P. (1981), S. 67; Bleicker, U. (1983), S. 46.

    Google Scholar 

  65. Vgl. Kroeber-Riel, W. (1992), S. 407.

    Google Scholar 

  66. Vgl. Aschenbrenner, K. M. (1977), S. 29; Bleicker, U. (1983), S. 41. Eine Modifikation dieses Modells ist die auf Tversky zurückzuführende lexikographische Semi-oder Halbordnung, welche von der Annahme ausgeht, daß die nächstwichtigere Eigenschaft bereits dann einbezogen wird, wenn die Produkte bei dieser Eigenschaft lediglich geringe Unterschiede aufweisen. Dies bedeutet, daß eine Alternative nur dann gewählt wird, wenn sie bei der jeweils betrachteten Eigenschaft um einen bestimmten Betrag besser ist als die nächstbeste Alternative. Vgl. Aschenbrenner, K. M. (1977), S. 29.

    Google Scholar 

  67. Laut Schmidt unterstellt die lexikographische Regel, „daß sie erst mit einer eindeutigen Auswahl abgeschlossen wird” (Schmidt, R. (1996), S. 94). Aus diesem Grund hält Schmidt ihre Anwendung im Rahmen der Vorauswahl für nicht geeignet. Allerdings führt die Anwendung der lexikographischen Regel im Ergebnis keinesfalls zwingend zu einer eindeutige Wahlentscheidung. Schmidt kann jedoch insofern zugestimmt werden, als sich seine Aussagen auf langlebige Gebrauchsgüter beziehen. Insbesondere bei langlebigen Gebrauchsgütern ist die Vielfalt vorhandener Eigenschaften in der Regel immens und somit gleichzeitig die Wahrscheinlichkeit zweier in allen beurteilungsrelevanten Eigenschaften vollkommen identischer Produkte als gering einzustufen. Vor diesem Hintergrund dürfte die Anwendung der lexikographischen Regel hier tendenziell zu einer eindeutigen Auswahl führen.

    Google Scholar 

  68. Vgl. Schmidt, R. (1996), S. 94. Schmidt weist anhand empirischer Studien darauf hin, daß das lexikographische Modell bei einer Auswahl aus akzeptablen Alternativen und damit bei bereits abgeschlossener Vorauswahl zu guten Ergebnissen führt. Vgl. Schmidt, R. (1996), S. 94.

    Google Scholar 

  69. Vgl. Bleicker, U. (1983), S. 43.

    Google Scholar 

  70. Vgl. Weinberg, P. (1981), S. 67.

    Google Scholar 

  71. Vgl. Schmidt, R. (1996), S. 94 und die dort angegebene Literatur.

    Google Scholar 

  72. Vgl. Gutsche, J. (1995), S. 87.

    Google Scholar 

  73. Vgl. Trommsdorff, V. (1998), S. 297; Gutsche, J. (1995), S. 88.

    Google Scholar 

  74. Vgl. bspw. Hahn, C. (1997), S. 55.

    Google Scholar 

  75. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 506.

    Google Scholar 

  76. Vgl. bspw. Hahn, C. (1997), S. 56.

    Google Scholar 

  77. Vgl. Schubert, B. (1991), S. 210; Hahn, C. (1997), S. 56.

    Google Scholar 

  78. Vgl. Schubert, B. (1991), S. 210.

    Google Scholar 

  79. Vgl. Gutsche, J. (1995), S. 93.

    Google Scholar 

  80. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 507; Teichert, T. (1994), S. 611; Green, P. E. / Srinivasan, V. (1990), S. 7; Thomas, L (1983), S. 308ff.

    Google Scholar 

  81. Hierauf wird im Rahmen der Ausführungen zur Wahl der Stimuluspräsentation noch näher eingegangen.

    Google Scholar 

  82. Vgl. Gutsche, J. (1995), S. 93.

    Google Scholar 

  83. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 107.

    Google Scholar 

  84. Vgl. Thomas, L. (1983), S. 312; Gierl, H. (1995), S. 167. Laut Green und Srinivasan liegt die Obergrenze bei 30 Stimuli. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 109.

    Google Scholar 

  85. Vgl. Schmidt, R. (1996), S. 195. Die dort ebenfalls genannte Durchführung individualisierter Conjoint Analysen wird den neueren CA-Varianten zugerechnet und daher in Kapitel 4 dieses Teils der Arbeit näher betrachtet.

    Google Scholar 

  86. Vgl. Schubert, B. (1991), S. 278; siehe auch Green, P. E. / Carroll, J. D. / Goldberg, S. M. (1981), S. 26f.

    Google Scholar 

  87. Vgl. Schmidt, R. (1996), S. 196.

    Google Scholar 

  88. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 110.

    Google Scholar 

  89. Vgl. Reinere, W. (1996), S. 75.

    Google Scholar 

  90. Vgl. Hahn, C. (1997), S. 58; Gierl, H. (1995), S. 167.

    Google Scholar 

  91. Vgl. Perry, J. (1996), S. 106; Hahn, C. (1997), S. 58.

    Google Scholar 

  92. Vgl. Green, P. E. / Srinivasan, V (1978), S. 109.

    Google Scholar 

  93. Vgl. Bretton-Clark (1990), S. 31f.

    Google Scholar 

  94. Vgl. Thomas, L. (1983), S. 317ff; Gierl, H. (1995), S. 169; Gutsche, J. (1995), S. 94.

    Google Scholar 

  95. Im Kontext der Designbildung werden die CA-Eigenschaften als Faktoren bezeichnet.

    Google Scholar 

  96. Das ausgewählte Beispiel ist Thomas entnommen. Vgl. Thomas, L. (1983), S. 317f.

    Google Scholar 

  97. Vgl. Stölzel.A. (1980), S. 27ff.

    Google Scholar 

  98. Vgl. Gierl, H. (1995), S. 167.

    Google Scholar 

  99. Vgl. Thomas, L (1983), S. 322.

    Google Scholar 

  100. Bei der Regressionsanalyse können nur jeweils zwei der drei Dummy-Variablen je Eigenschaft berücksichtigt werden. Es bestehen lineare Abhängigkeiten zwischen den Dummys (A2 = 1-AO-B2 = 1-B0-B1;C2 = 1-C0-C1).

    Google Scholar 

  101. Vgl. Thomas, L. (1983), S. 322f.; Gutsche, J. (1995), S. 95.

    Google Scholar 

  102. Vgl. Addelman, S. (1962b), S. 47ff.; Plackett, R. L. / Burman, J. P. (1946), S. 305ff.

    Google Scholar 

  103. Thomas verwendet die Begriffe Reduktionstechnik für Collapsing und Ersetzungstechnik für Replacing (vgl. Thomas, L. (1983)). Da jedoch bei beiden Verfahren „Ersetzungen” mit Hilfe von Korrespondenzregeln durchgeführt werden, finden im Rahmen dieser Arbeit die englischen Begriffe Verwendung.

    Google Scholar 

  104. Vgl. Giert, H. (1995), S. 168. Zum Begriff der Orthogonalität vgl. Stallmeier, C. (1993), S. 144f.

    Google Scholar 

  105. Vgl. Addelman, S. (1962a), S. 36.

    Google Scholar 

  106. Eine graphische Veranschaulichung findet sich bei Thomas. Vgl. Thomas, L. (1983), S. 328.

    Google Scholar 

  107. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 110. Schubert schlägt hingegen vor, den Befragten zu sagen, daß es sich um hypothetische Produktprofile handelt. Vgl. Schubert, B. (1991), S. 214. Hahn ist der Auffassung, daß durch einen derartigen Hinweis das Involvement des Befragten zu stark beeinflußt wird. Alternativ schlägt Hahn eine Dominanzprüfung vor. Sofern das unglaubhafte Produktprofil die anderen Profile eindeutig dominiert, sollte es seines Erachtens aus dem Erhebungsset ausgeschlossen werden, da eine Einbeziehung dieses Produkts zu keinem weiteren Informationsgewinn führen würde. Vgl. Hahn, C. (1998), S. 61. Allerdings ist mit einer Einbeziehung eines derartigen Profils sehr wohl ein Informationsgewinn verbunden, da der Proband bei Anwendung einer metrischen Skala zur Präferenzmessung gezwungen ist, daß Ausmaß der Dominanz anzugeben. Da der Informationsgewinn vergleichsweise geringer ist, sprechen für einen Ausschluß dominierter Produktkonzepte jedoch Effektivitätsgesichtspunkte.

    Google Scholar 

  108. Vgl. Thomas, L (1981), S. 314; Hahn, C. (1998), S. 62.

    Google Scholar 

  109. Vgl. Oeljeschlager, J. (1988), S. 183.

    Google Scholar 

  110. Vgl. Green, F. E. / Srinivasan, V. (1990), S. 7f.; Schubert, B. (1991), S. 218ff.

    Google Scholar 

  111. Vgl. Schubert, B. (1991), S. 226.

    Google Scholar 

  112. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 111.

    Google Scholar 

  113. Vgl. Gutsche, J. (1995), S. 97; Schubert, B. (1991), S. 219.

    Google Scholar 

  114. Vgl. Henrichsmeier, S. (1998), S. 23 und die dort angegebene Literatur. Aufgrund fehlender empirisch gestützter Erkenntnisse wird auf eine tiefergehende Beurteilung der Präsentationsformen verzichtet.

    Google Scholar 

  115. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 111.

    Google Scholar 

  116. Vgl. Schubert, B. (1991), S. 167-174.

    Google Scholar 

  117. Vgl. Sabel, H. (1977), S. 911f.

    Google Scholar 

  118. Vgl. Schmidt, R. (1996), S. 155.

    Google Scholar 

  119. Vgl. Nieschlag, R. / Dichtl, E. / Hörschgen, H. (1988), S. 643f.; siehe auch Berekoven, L. / Eckert, W. / Ellenrieder, P. (1993), S. 67.

    Google Scholar 

  120. Auf die Trennung zwischen Verfahren der Objektbewertung und Meßinstrumenten wird an dieser Stelle etwas ausführlicher eingegangen, da in der Literatur häufig keine diesbezügliche Differenzierung vorgenommen wird. In der Regel wird bei der Bewertung der Stimuli im Rahmen der CA der Paarvergleich ohne jegliche Differenzierung mit Meßinstrumenten wie der Ratingskala beschrieben.

    Google Scholar 

  121. Vgl. Berekoven, L. / Eckert, W. / Ellenrieder, P. (1999), S. 159.

    Google Scholar 

  122. Vgl. Berekoven, L. / Eckert, W. / Ellenrieder, P. (1999), S. 159; anders Schubert, B. (1991) S. 171 f.

    Google Scholar 

  123. Vgl. Schubert, B. (1991), S. 172.

    Google Scholar 

  124. Vgl. Schweikl, H. (1985), S. 54.

    Google Scholar 

  125. Vgl. Sabel, H. (1977), S. 911; zur generellen Vorgehensweise beim Paarvergleich siehe auch Ea-gly, A. H. / Chaiken, S. (1993), S. 39ff.

    Google Scholar 

  126. Vgl. Schmidt, R. (1996), S. 118f.

    Google Scholar 

  127. Vgl. Sabel, H. (1977), S. 911.

    Google Scholar 

  128. Vgl. Schmidt, R. (1996), S. 151f.

    Google Scholar 

  129. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 112.

    Google Scholar 

  130. Vgl. Sabel, H. (1977), S. 911.

    Google Scholar 

  131. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 112.

    Google Scholar 

  132. Bei der nachfolgenden Beschreibung der Meßinstrumente wird der Paarvergleich nicht mehr gesondert herausgestellt. Prinzipiell können die Instrumente aber auch bei Paarvergleich eingesetzt werden.

    Google Scholar 

  133. Vgl. Jain A. K. / Acito, F. / Malhorta N. K. / Mahajan V. (1979), S. 313f.

    Google Scholar 

  134. Vgl. Teichert, T. (1994), S. 610.

    Google Scholar 

  135. Vgl. Green, P. E. / Krieger, A. M. (1993), S. 480.

    Google Scholar 

  136. Vgl. Melles, T. / Holling, H. (1998), S. 11.

    Google Scholar 

  137. Vgl. Sabel, H. (1977), S. 912.

    Google Scholar 

  138. Vgl. Schmidt, R. (1996), S. 148.

    Google Scholar 

  139. Vgl. Sabel, H. (1977), S. 912.

    Google Scholar 

  140. Zur Anzahl der Stimuli in Conjoint Analysen vgl. Schubert, B. (1991), S. 306-315.

    Google Scholar 

  141. Vgl. Schmidt, R. (1996), S. 151.

    Google Scholar 

  142. Vgl. Berekoven, L. / Eckert, W. / Ellenrieder, P. (1999), S. 74.

    Google Scholar 

  143. Vgl. zu den einzelnen Gestaltungsmöglichkeiten die Ausführungen bei Berekoven, L. / Eckert, W. / Ellenrieder, P. (1999), S.72ff.

    Google Scholar 

  144. Vgl. Schmidt, R. (1996), S. 163.

    Google Scholar 

  145. Vgl. Berekoven, L. / Eckert, W. / Ellenrieder, P. (1999), S. 76.

    Google Scholar 

  146. Vgl. Sabel, H. (1977), S. 912.

    Google Scholar 

  147. Vgl. Schubert, B. (1991), S. 174.

    Google Scholar 

  148. Vgl. Schmidt, R. (1996), S. 150 sowie S. 153.

    Google Scholar 

  149. Vgl. Schubert, B. (1991), S. 174.

    Google Scholar 

  150. Vgl. Schubert, B. (1991), S. 324-326.

    Google Scholar 

  151. Vgl. Eisenführ, F. / Weber, M. (1993), S. 20.

    Google Scholar 

  152. Vgl. Olshavsky, R. W. (1985), S. 17.

    Google Scholar 

  153. Vgl. Schmidt, R. (1996), S. 97.

    Google Scholar 

  154. Vgl. Schmidt, R. (1996), S. 154.

    Google Scholar 

  155. Ein Überblick über die Methoden der Teilnutzenschätzung bei der CA findet sich bei Carroll, J. D. / Green, P. E. (1995), S. 385ff.

    Google Scholar 

  156. Vgl. Schubert, B. (1991), S. 229; vgl. auch Green, P. E. / Srinivasan, V. (1978), S. 112f.

    Google Scholar 

  157. Vgl. Schubert, B. (1991), S. 230.

    Google Scholar 

  158. Vgl. Mishra, S. / Umesh, U. N. / Stem, D. E. (1989), S. 605 und S. 610. Zur Verwendung dieser beiden Algorithmen vgl. auch die Untersuchung von Melles und Holling zum Einsatz der CA in Deutschland. Melles, T. / Holling, H. (1998), S. 12.

    Google Scholar 

  159. Vgl. Melles, T. / Holling, H. (1998), S. 12; Wittink, D. R. / Vriens, M. / Burhenne, W. (1994), S. 44.

    Google Scholar 

  160. Vgl. Melles, T. / Holling, H. (1998), S. 11f.

    Google Scholar 

  161. Vgl. Wittink, D. R. / Vriens, M. / Burhenne, W. (1994), S. 46; Stallmeier, C. (1993), S.122; Schmidt, R. (1996), S. 198f.

    Google Scholar 

  162. Vgl. Schubert, B. (1991), S. 231.

    Google Scholar 

  163. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 552ff.

    Google Scholar 

  164. Vgl. Hahn, C. (1997), S. 72. Da die Kleinste-Quadrate-Schätzung auf Individualebene durchgeführt wird, wurde auf einen Index für die Konsumenten verzichtet.

    Google Scholar 

  165. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. /Weiber, R. (1994), S. 512-514 und S. 553.

    Google Scholar 

  166. Vgl. Schubert, B. (1991), S. 143f

    Google Scholar 

  167. Vgl. Thomas, U. / Dröll, C. (1989), S. 244.

    Google Scholar 

  168. Vgl. Steffenhagen, H. (1984), S. 52.

    Google Scholar 

  169. Vgl. Schubert, B. (1991), S. 232ff. und S. 240ff.

    Google Scholar 

  170. Vgl. Steffenhagen, H. (1994), S. 50f.

    Google Scholar 

  171. Vgl. Schubert, B. (1991), S. 241f.

    Google Scholar 

  172. Vgl. Schubert, B. (1991), S. 234f.; formal werden die gleichen Berechnungen wie bei der Indivi-dualanalyse durchgeführt; vgl. hierzu: Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 522f.

    Google Scholar 

  173. Vgl. Schubert, B. (1991), S. 234; vgl. auch Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 522.

    Google Scholar 

  174. Vgl. Schubert, B. (1991), S. 242.

    Google Scholar 

  175. Vgl. Schmidt, R. (1996), S. 206.

    Google Scholar 

  176. Vgl. Schubert, B. (1991), S. 242.

    Google Scholar 

  177. Vgl. Schubert, B. (1991), S. 244.

    Google Scholar 

  178. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 522.

    Google Scholar 

  179. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 520f.; vgl. auch Mengen, A. (1993), S. 100.

    Google Scholar 

  180. Schmidt weist bereits auf diesen Umstand hin (vgl. Schmidt, R. (1996), S. 206ff.). Allerdings haben diese Erkenntnisse in der CA-Literatur noch nicht den nötigen Eingang gefunden. Aus diesem Grund wird die Normierungsproblematik an dieser Stelle kurz aufgegriffen.

    Google Scholar 

  181. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 521.

    Google Scholar 

  182. Vgl. Schmidt, R. (1996), S. 210.

    Google Scholar 

  183. Ein anschauliches Beispiel zu den Auswirkungen der Normierung bei zwei verschiedenen Personen liefert Henrichsmeier. Vgl. Henrichsmeier, S. (1998), S. 24ff.

    Google Scholar 

  184. Vgl. Henrichsmeier, S. (1998), S. 26. Sofern verschiedene metrische Skalen zur Präferenzmessung verwendet werden, wird folgender Normierungsansatz vorgeschlagen: mit: = normierter Teilnutzenwert für Ausprägung a einer Eigenschaft e des Konsumenten k. Die Normierung wird dadurch erreicht, daß jeder Teilnutzenwert gemäß obiger Formel durch die Summe aller maximalen Teilnutzenwerte der einzelnen Eigenschaften dividiert wird. Auf diese Art wird dem am stärksten präferierten Stimulus, wie bei der Normierung gem. (10), ein Gesamtnutzenwert von eins zugewiesen. Bei dieser Form der Normierung bleiben die Verhältnisse zwischen den einzelnen Teilnutzenwerten unverändert.

    Google Scholar 

  185. Vgl. Green, P. E. / Wind, Y. (1975), S. 110f.; vgl. auch Nieschlag, R. / Dichtl, E. / Hörschgen, H. (1988) S. 791.

    Google Scholar 

  186. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. /Weiber, R. (1994), S. 521.

    Google Scholar 

  187. Vgl. Schmidt, R. (1996), S. 207f.

    Google Scholar 

  188. Die Wichtigkeit einer Eigenschaft kann unter Umständen durch eine gleichgewichtige Verknüpfung des bisherigen Wichtigkeitsmaßes (relative Spannweite) mit dem Verhältnis des jeweils höchsten absoluten Teilnutzens einer Eigenschaft zu den höchsten Teilnutzen aller Eigenschaften bestimmt werden. Dies würde bedeuten, daß sich die Eigenschaftswichtigkeiten aus den Teilnutzenverhält-nissen der maximalen Teilnutzen des „idealen” Produkts innerhalb der vorgegebenen Ausprägungsbandbreite und der jeweiligen Spannweite ableiten ließen.

    Google Scholar 

  189. Vgl. Schubert, B. (1991), S. 239; vgl. auch Schmidt, R. (1996), S. 208.

    Google Scholar 

  190. Vgl. Backhaus, K. / Erichson, B. / Plinke, W. / Weiber, R. (1994), S. 534.

    Google Scholar 

  191. Weitere Modelle sowie Erweiterung der vorgestellten Modelle finden sich bei Gutsche, J. (1995), S. 142ff.

    Google Scholar 

  192. Vgl. Gutsche, J. (1995), S. 142.

    Google Scholar 

  193. Vgl. Green, P. E. / Krieger, A. M. (1988), S. 114f.

    Google Scholar 

  194. Vgl. Gutsche, J. (1995), S. 143f.; Henrichsmeier, S. (1998), S. 30.

    Google Scholar 

  195. Vgl. Bradley, R. A. / Terry, M. E. (1952), S. 324ff.; Luce, R. D. (1959), S. 5ff. In der Literatur werden alternativ auch die Begriffe Attraktionsregel, Attraktionsmodell oder auch Luce-Modell verwendet.

    Google Scholar 

  196. Vgl. Gutsche, J. (1995), S. 144.

    Google Scholar 

  197. Der letzte Vektor beinhaltet einen Rundungsfehler.

    Google Scholar 

  198. Vgl. Ben-Akiva, M. / Lerman, S. R. (1987), S. 51 ff.

    Google Scholar 

  199. Vgl. Batseil, R. R. (1982), S. 244; Baiderjahn, I. (1993), S. 132; Gutsche, J. (1995), S. 163.

    Google Scholar 

  200. Vgl. Henrichsmeier, S. (1998), S. 32. Henrichsmeier kommt zu demselben Ergebnis und zieht abschließend folgendes Fazit: „Das Problem tritt erst dann auf, wenn sich mindestens ein Produkt stark von einem oder mehreren Produkten unterscheidet.” (Henrichsmeier, S. (1998), S. 32). Sofern sich jedoch zwei Alternativen deutlich voneinander unterscheiden, tritt kein „Problem” auf. Vielmehr müssen zwingend mehrere (mindestens zwei) gleichartige Alternativen vorliegen.

    Google Scholar 

  201. Vgl. Henrichsmeier, S. (1998), S. 32f.

    Google Scholar 

  202. Vgl. Henrichsmeier, S. (1998), S. 34f.

    Google Scholar 

  203. Vgl. bspw. Heeler, R. M. / Ray, M. L. (1972), S. 361 oder Breitung, A. (1979), S. 210.

    Google Scholar 

  204. Vgl. Homburg, C. / Giering, A. (1996), S. 7.

    Google Scholar 

  205. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 125.

    Google Scholar 

  206. Vgl. Heemeyer, H. (1981), S. 140.

    Google Scholar 

  207. Vgl. Hammann, P. / Erichson, B. (1994), S. 76.

    Google Scholar 

  208. Vgl. Hammann, P. / Erichson, B. (1994), S. 77.

    Google Scholar 

  209. Vgl. Hammann, P. / Erichson, B. (1994), S. 77.

    Google Scholar 

  210. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 126.

    Google Scholar 

  211. Borg, I. / Staufenbiel, T. (1989), S. 51; Schmidt, R. (1996), S. 109.

    Google Scholar 

  212. Hammann, P. / Erichson, B. (1994), S. 77.

    Google Scholar 

  213. Vgl. Breitung, A. (1979), S. 211; Hammann, P. / Erichson, B. (1994), S. 76.

    Google Scholar 

  214. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 126f.; Hammann, P. / Erichson, B. (1994), S. 76.

    Google Scholar 

  215. Vgl. Breitung, A. (1979), S. 211; Green, P. E. / Srinivasan, V. (1978), S. 115.

    Google Scholar 

  216. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 115.

    Google Scholar 

  217. Vgl. Breitung, A. (1979), S. 211; Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 126f.

    Google Scholar 

  218. Als weitere Kriterien führen Müller-Hagedorn / Sewing / Toporowski die relative Bedeutung einzelner Produkteigenschaften sowie die Teilnutzen der Eigenschaftsausprägungen an. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 127.

    Google Scholar 

  219. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 115; vgl. auch Sattler, H. (1994), S. 36.

    Google Scholar 

  220. Die Überprüfung der Produkt-Moment-Korrelation erfolgt mittels Pearson’s r (Korrelationskoeefi-zient nach Bravais-Pearson), die Rangkorrelationen werden mittels Spearman’s p bzw. häufiger mittels Kendall’s τ überprüft. Zur Korrelation vgl. Bortz, J. (1993), S. 187ff.; Bamberg, G. / Baur, F. (1989), S. 35ff.

    Google Scholar 

  221. Vgl. Green, P. E. / Srinivasan, V. (1978), S. 115. Müller-Hagedorn / Sewing / Toporowski zählen darüber hinaus die innere Validität auf, welche durch einen Vergleich der mittels verschiedener Verfahren ermittelten empirischen Werte für das gleiche Konstrukt überprüft werden kann. Diese „innere Validität” entspricht damit jedoch der nachfolgend beschriebenen Konvergenzvalidität, welche in der Literatur regelmäßig nicht der Kriteriums-validität zugeordnet wird. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 126; Schmidt, R. (1996), S. 112. Zur Einordnung der Konvergenzvalidität vgl. bspw. Hammann, P. / E-richson, B. (1994), S. 77; Schmidt, R. (1996), S. 108ff.; Heemeyer, H. (1981), S. 142.

    Google Scholar 

  222. Vgl. Green, P. E. / Krieger, A. M. / Agarwal, M. K. (1993), S. 375f.

    Google Scholar 

  223. Vgl. Hammann, P. / Erichson, B. (1994), S. 77; Grunert, K. G. (1985), S. 179.

    Google Scholar 

  224. Vgl. Schmidt, R. (1996), S. 114.

    Google Scholar 

  225. Vgl. Hammann, P. / Erichson, B. (1994), S. 77; Schmidt, R. (1996), S. 108ff.

    Google Scholar 

  226. Vgl. Heemeyer, H. (1981), S. 143ff.

    Google Scholar 

  227. Hierunter sind das Nichtwollen sowie das Nichtkönnen, welches auf Nichtverstehen, Nichtschaffen oder Nichtwissen rückführbar ist, zu verstehen. Vgl. Schmidt, R. (1996), S. 117.

    Google Scholar 

  228. Vgl. hierzu die detaillierte Beurteilung bei Schmidt, R. (1996), S. 211ff. sowie die Übersicht auf S. 294.

    Google Scholar 

  229. Vgl. Schmidt, R. (1996), S. 116ff.

    Google Scholar 

  230. Der hier aufgestellte Kriterienkatalog ist als Ergänzung zu den Validitätskriterien bei Schmidt, R. (1996) zu verstehen.

    Google Scholar 

  231. „Beurteilungen” der verschiedenen Validitätsarten finden sich bei Schmidt, R. (1996), S. 108ff.; in Zusammenhang mit der CA vgl. Stallmeier, C. (1993), S.123ff.

    Google Scholar 

  232. Vgl. Nunnally, J. C. / Durham, R. (1975), S.290; Heemeyer, H. (1981), S. 144.

    Google Scholar 

  233. Vgl. Heemeyer, H. (1981), S. 144.

    Google Scholar 

  234. Vgl. Bateson, J. E. G. / Reibstein, D. / Boulding, W. (1987), S. 473ff.; Green, P. E. / Srinivasan, V. (1990), S. 13. Zur zeitlichen Stablitität der CA-Ergebnisse vgl. McCullough, J. / Best, R. (1979), S. 26ff.

    Google Scholar 

  235. Vgl. Müller-Hagedorn, L. / Sewing, E. / Toporowski, W. (1993), S. 129.

    Google Scholar 

  236. Vgl. Cattin, P. / Weinberger, M. G. (1980), S. 781.

    Google Scholar 

  237. Vgl. Tscheulin, D. K. / Blaimont, C. (1993), S. 843ff. Die Autoren überprüfen Rangkorrelationen. Eine Angabe des verwendeten Korrelationskoeffizienten fehlt jedoch. Darüber hinaus führen die Autoren Varianzanalysen über die Korrelationskoeffizienten durch. Sie interpretieren in diesem Kontext die Korrelationskoeffizienten fälschlicherweise als metrisch. Vgl. Tscheulin, D. K. / Blaimont, C. (1993), S. 842ff. Zum Skalenniveau von Korrelationskoeffizienten siehe Schweikl, H. (1985), S. 166 sowie die Ausführungen in Teil V dieser Arbeit.

    Google Scholar 

  238. Vgl. Baier, D. / Säuberlich, F. (1997), S. 968.

    Google Scholar 

  239. Vgl. Akaah, I. P. / Korgaonkar, P. K. (1983), S. 192.

    Google Scholar 

  240. Vgl. Green, P. E. / Krieger, A. M. / Agarwal, M. K. (1993), S. 375f.

    Google Scholar 

  241. Vgl. Green, P.E. (1984), S. 166.

    Google Scholar 

  242. Vgl. Böcker, F. / Schweikl, H. (1988), S. 21 sowie Schweikl, H. (1985), S. 190.

    Google Scholar 

  243. Vgl. Baier, D. / Säuberlich, F. (1997), S. 969. Baier/ Säuberlich bezeichnen die Kreuzvalidität jedoch als Prognosevalidität.

    Google Scholar 

  244. Vgl. Srinivasan, V. / Jain, A. K. / Malhorta, N. K. (1983), S. 437.

    Google Scholar 

  245. Vgl. Vriens, M. / Loosschilder, G. H. / Rosbergen, E. / Wittink, D. R. (1998), S. 464.

    Google Scholar 

  246. Vgl. Weiber, R. / Rosendahl, T. (1997), S. 111.

    Google Scholar 

  247. Vgl. Henrichsmeier, S. (1998), S. 20; Schmidt, R. (1996), S. 215; Thomas, L. (1979), S. 203.

    Google Scholar 

  248. Vgl. Schmidt, R. (1996), S. 215; Thomas, L. (1979), S. 203.

    Google Scholar 

  249. Vgl. Schmidt, R. (1996), S. 215.

    Google Scholar 

  250. Vgl. Schmidt, R. (1996), S. 215. Über die multiplikative Verknüpfung der Teilnutzenwerte können zwar nichtkompensatorische Urteilsprozesse abgebildet werden, allerdings weist Schmidt zu Recht darauf hin, daß sich die Mehrstuf ig keit auch im Rahmen des CA-Interviews widerspiegeln müßte.

    Google Scholar 

  251. Vgl. Gutsche, J. (1995), S. 86 [Fußnote].

    Google Scholar 

Download references

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 2001 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden

About this chapter

Cite this chapter

Fischer, J. (2001). Ermittlung individueller Konsumentenreaktionen mit der traditionellen Conjoint Analyse. In: Individualisierte Präferenzanalyse. Unternehmensführung und Marketing, vol 40. Gabler Verlag. https://doi.org/10.1007/978-3-322-90855-1_11

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-90855-1_11

  • Publisher Name: Gabler Verlag

  • Print ISBN: 978-3-409-11860-6

  • Online ISBN: 978-3-322-90855-1

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics