Zusammenfassung
Die Befragung fand im Juni / Juli 1999 statt. Befragt wurden insgesamt 166 Studierende und wissenschaftliche Angestellte der RWTH Aachen.1 Das Gros der Probanden ist zwischen 20 und 30 Jahren alt; der Altersdurchschnitt liegt bei knapp 26 Jahren. Die Altersverteilung wird in Abbildung 38 graphisch veranschaulicht.
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.
Referenzen
Die auf das Geratewohl vorgenommene Verteilung dieser Gesamtzahl auf die verschiedenen CA-Varianten kann der Einzeldarstellung der CA-Varianten entnommen werden.
Vier Befragte beantworteten die offene Frage zum Alter nicht.
Die Varianzanalyse brachte bei folgenden Fragestellungen (unabhängige Variable) diese Ergebnisse: Über Waschmaschinen weiß ich sehr gut Bescheid (Sig. 0,13); vor dem Kauf einer Waschmaschine müßte ich mich umfassend informieren (Sig. 0,36); wenn ich mich einmal für eine bestimmte Waschmaschine entschieden habe, ist es für mich sehr wichtig, daß ich auch genau dieses Modell bekomme (Sig. 0,15); um die Qualität einer Waschmaschine beurteilen zu können, muß man sich sehr gut auskennen (Sig. 0,11).
Es muß an dieser Stelle dennoch darauf hingewiesen werden, daß eventuelle Unterschiede zwischen den drei getesteten Verfahren prinzipiell auch auf Strukturunterschiede in den Testgruppen zurückgeführt werden können. Allerdings dürfte die Gefahr eines solchen Einflusses aufgrund der Ergebnisse der Tests auf Inter-Gruppen-Homogenität insgesamt eher gering sein.
Vgl. zur konfirmatorischen Faktorenanalyse Garbe, B. (1998), S. 80ff. Zur Durchführung der Faktorenanalyse sowie zur Berechnung des individuellen Kenntnisstands wurde der Wert des dritten Statements „Vor dem Kauf einer Waschmaschine müßte ich mich umfassend informieren” aufgrund der umgekehrten Statementformulierung mittels Ratingwerttransf = 6− Ratingwert transformiert.
Vgl. Brosius, G. / Brosius, F. (1995), S. 822f.
Vgl. Bortz, J. (1993), S. 480.
Vgl. Garbe, B. (1998), S. 85.
In der Literatur wird teilweise zusätzlich eine Reliabilitätsüberprüfung mittels Cronbachs Alpha vorgenommen (vgl. bspw. Garbe, B. (1998), S. 85). Hierauf wird an dieser Stelle verzichtet, da die „Höhe des Koeffizienten positiv von der Anzahl der Indikatoren” abhängig ist und Cronbachs Alpha folglich nur sehr eingeschränkte Aussagekraft besitzt. Homburg, C. / Giering, A. (1996), S. 8.
Die Aggregation erfolgte durch Addition der drei Skalenwerte (nach Transformation der 3. Skala) und anschließende Mittelwertbildung.
Zum Chi-Quadrat-Test vgl. Bortz, J. (1993), S. 145ff. Zum Test auf Gleichverteilung bei einem mehrfach gestuften Merkmal vgl. Bortz, J. (1993), S. 153f.
Die Aggregation erfolgte durch Addition der drei Skalenwerte und anschließende Mittelwertbildung.
Zur Zusammenfassung von Korrelationen vgl. Bortz, J. (1993), S. 201f.
Vgl. Bortz, J. (1993), S. 201; siehe auch Schweikl, H. (1985), S. 166f. und dort zitierte Quellen.
Bortz, J. (1993), S. 201f.
Vgl. Bortz, J. (1993), S. 201f. Die Fisher Z-Transformation beinhaltet, obwohl sie üblicherweise zur Aggregation individueller Korrelationen herangezogen wird, aus diesem Grund jedoch das Problem, daß z bei r = 1 gegen unendlich läuft. Somit nimmt das arithmetische Mittel individueller Korrelationen bereits beim Vorliegen eines einzigen individuellen Korrelationskoeffizienten gleich eins ebenfalls den Wert eins an. Um dies zu vermeiden, wird r im Falle von r = 1 manuell kleiner eins gesetzt.
Die Berechnung der Korrelationskoeffizienten (Pearson’s r, Kendall’s τ) wurde mit SPSS 8.0 vorgenommen. Die Transformationen sowie notwendige Zwischenberechnungen, wie die Berechnung der Gesamtnutzenwerte für die CA-Stimuli oder die Überführung der metrischen Präferenzdaten in Rangdaten, wurden mit Excel 97 vorgenommen.
Ebenso wie das durchschnittliche korrigierte R2 wird auch diese Korrelation vom Conjoint Analyzer ausgewiesen. Die Berechnung erfolgt in der oben skizzierten Form. Auf die Berechnung durchschnittlicher Bestimmtheitsmaße wird im Rahmen der Ergebnisdarstellung der ACA eingegangen.
Die im Vergleich zur Abbildung 47 unterschiedliche Höhe der Balken für die auf Basis der direkt erhobenen Kaufwahrscheinlichkeiten berechneten Käuferanteile resultiert aus der notwendigen Überführung der subjektiven Wahrscheinlichkeiten in objektive Wahrscheinlichkeiten mittels First Choice-bzw. BTL-Rule.
Dem Handbuch ist nicht zu entnehmen, ob es sich um ein korrigiertes R2 handelt oder nicht (Vgl. Sawtooth (1994), S. 5-85 sowie S. D-13). Diese Information wurde daher direkt bei Sawtooth Software erfragt (E-mail Auskunft von Herrn Bryan Orme, Sawtooth Software, E-mail: Bryan@sawtoothsoftware.com).
Zur Mittelwertbildung bei Bestimmtheitsmaßen vgl. Bretton Clark (1994), S. 29f.
Aus diesem Grund wurde dieses Maß lediglich über alle Befragten aggregiert. Eine weitere Betrachtung erfolgt nicht.
Dieses aufwendige Vorgehen praktizieren auch Green / Krieger / Agarwal. Vgl. Green, P. E. / Krieger, A. M. /Agarwal, M. K. (1991), S. 218f.
Vgl. zur Skalierung der Paarvergleichsaufgabe bei der ACA die Abbildung 32.
Soweit keine gesonderten Angaben zur Durchschnittsbildung bei Korrelationskoeffizienten gemacht werden, werden die Individualergebnisse entsprechend dem oben skizzierten Vorgehen ü-über die Z-Werte gemittelt.
Vgl. Sawtooth (1994), S. 5-22.
Prinzipiell müßte man die Kaufwahrscheinlichkeit nicht akzeptabler Produktprofile auf null setzen, da diese nicht gekauft würden.
Setzt man die inakzeptablen Produktkonzepte entgegen der getroffenen Annahme gleich null, ergibt sich eine Korrelation von — 0,22 (Pearson). Da die korrigierten Gesamtnutzenwerte bei einigen Befragten für alle Holdout-Stimuli den Wert Null annehmen (Nichtkäufer), basiert dieser Korrelationskoeffizient lediglich auf den Angaben von 29 Personen.
Setzt man die inakzeptablen Produktkonzepte entgegen der getroffenen Annahme gleich null, ergibt sich ein Korrelation von — 0,16 (Kendall’s τ). Aufgrund der ermittelten Nichtkäufer basiert diese Rangkorrelation ebenfalls auf den Angaben von lediglich 29 Personen.
Dieses Vorgehen ist — trotz der damit einhergehenden Willkür bei der Festlegung der „Wahrscheinlichkeitsgrenze” für den Nichtkauf — der einzig sinnvolle Weg, um eine Vergleichbarkeit zwischen den Käuferanteilen herstellen zu können.
Die Differenzen im Bereich der Nichtkäufer werden nicht weiter beachtet, da der Anteil der Nicht-käufer bei den auf Basis der direkt erhobenen Kaufwahrscheinlichkeiten berechneten Käuferanteilen allein durch die willkürlich festgelegt wird.
Die im Vergleich zur Abbildung 49 unterschiedliche Höhe der Balken für die auf Basis der direkt erhobenen Kaufwahrscheinlichkeiten berechneten Käuferanteile resultiert aus der notwendigen Überführung der subjektiven Wahrscheinlichkeiten in objektive Wahrscheinlichkeiten mittels First Choice-bzw. BTL-Rule.
Setzt man die inakzeptablen Produktkonzepte entgegen der getroffenen Annahme gleich null, ergibt sich ein Korrelation von 0,95 (Pearson). Da die korrigierten Gesamtnutzenwerte bei einigen Befragten in diesem Fall keine Streuung aufweisen, basiert dieser Korrelationskoeffizient lediglich auf den Angaben von 37 Personen. Die Korrelation zwischen den entsprechenden Rangpositionen beträgt 0,83 (Kendall).
Die Berechnung der Käuferanteile entspricht dem bei der ACA skizzierten Vorgehen.
Die im Vergleich zur Abbildung 47 unterschiedliche Höhe der Balken für die auf Basis der direkt erhobenen Kaufwahrscheinlichkeiten berechneten Käuferanteile resultiert aus der notwendigen Überführung der subjektiven Wahrscheinlichkeiten in objektive Wahrscheinlichkeiten mittels First Choice-bzw. BTL-Rule.
Auf eine Segmentierung im Rahmen dieser Arbeit wurde verzichtet. Einerseits stand eine Überprüfung der Validität der ICA-basierten Ermittlung individueller Konsumentenreaktionen im Mittelpunkt der Untersuchung; andererseits ist eine Segmentierung bei einer Stichprobengröße von n = 60 wenig sinnvoll.
Da die Beobachtung und Auswertung des Informationsverhaltens der Konsumenten nicht Gegenstand dieser Arbeit ist, wird auf eine diesbezügliche Auswertung verzichtet.
Zur Varianzanalyse vgl. Bortz, J. 81993), S. 225ff.
Zum Bonferroni-Test vgl. Brosius, G. / Brosius, F. (1995), S. 430.
Vgl. Bortz, J. (1993), S. 249f.
Zur α-Fehler-Kumulierung vgl. Bortz, J. (1993), S. 248f.
Vgl. Schweikl, H. (1985), S. 166f. und dort zitierte Quellen.
Zu den Voraussetzungen des t-Tests für unabhängige Stichproben vgl. Bortz, J. (1993); S. 133.
Zum Levene-Test vgl. Brosius, G. / Brosius, F. (1995), S. 338f. sowie Bortz, J. (1993), S. 262 und dort zitierte Quellen.
Mittelwert der z-transformierten Pearson’schen Korrelationskoeffizienten.
Da ein Befragter keine Angaben zu den zusätzlichen Holdout-Stimuli gemacht hat, ist n hier lediglich gleich 59.
SPSS weist zwei verschiedene Ergebnisse des t-Tests aus, da der t-Wert auf zwei verschiedene Weisen berechnet werden kann. Die Art der jeweils zu wählenden Berechnungsweise hängt davon ab, ob von Varianzhomogenität ausgegangen werden kann oder nicht. Das Ergebnis des Levene-Tests gibt somit Auskunft darüber, welcher t-Wert im Einzelfall zu wählen ist. Vgl. hierzu Brosius, G./Brosius, F. (1995), S. 408.
Zur Berechnung des t-Werts bei gleichen und ungleichen Varianzen vgl. Brosius, G. / Brosius, F. (1995), S. 404f. und 408f.
Die den Mittelwerten entsprechenden Korrelationen finden sich in der Einzeldarstellung der verschiedenen CA-Varianten.
In Übereinstimmung mit der einschlägigen Literatur wird im Rahmen dieser Arbeit bei einer Irrtumswahrscheinlichkeit kleiner oder gleich 5% von einem signifikanten, bei einer Irrtumswahrscheinlichkeit kleiner oder gleich 1% von einem sehr bzw. hoch signifikantem Ergebnis gesprochen. Vgl. hierzu Bortz, J. (1993), S. 110.
Denkbar wäre ebenfalls eine Überprüfung der Konvergenzvalidität anhand der Teilnutzenwerte oder der Beiträge der Eigenschaften zum Zustandekommen der Gesamtpräferenz. Für beide Vorgehensweisen wäre jedoch eine Normierung der Teilnutzenwerte erforderlich. Diese zieht, wie in Teil III aufgeführt, einen erheblichen Informationsverlust nach sich und verzerrt die Ergebnisse. Aus diesem Grund wird im Rahmen dieser Arbeit von einem solchen Vergleich abgesehen.
Die Holdout-Stimuli, denen eine Kaufwahrscheinlichkeit ≤ 30% zugewiesen wird, werden wiederum als nicht für einen Kauf in Frage kommend eingestuft.
Baier, D. Säuberlich, F. (1997), S. 970.
Rights and permissions
Copyright information
© 2001 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Fischer, J. (2001). Ergebnisse der empirischen Untersuchung. In: Individualisierte Präferenzanalyse. Unternehmensführung und Marketing, vol 40. Gabler Verlag. https://doi.org/10.1007/978-3-322-90855-1_20
Download citation
DOI: https://doi.org/10.1007/978-3-322-90855-1_20
Publisher Name: Gabler Verlag
Print ISBN: 978-3-409-11860-6
Online ISBN: 978-3-322-90855-1
eBook Packages: Springer Book Archive