Qualitative Forschungsmethoden. Multivariate Analysemethoden. Multivariate Verfahren, Kreuztabellierung und Kontingenztabelle, statistische Auswertung


Hausarbeit (Hauptseminar), 2016

18 Seiten, Note: 2,6


Leseprobe


Inhaltsverzeichnis

1. Multivariate Analysemethoden

1.1 Einleitung
1.2 Multivariate Verfahren
1.3 Kreuztabellierung und Kontingenztabelle
1.4 Statistische Auswertung – Prüfung der Zusammenhänge

2. Beispiel am Unternehmen in einem Vertriebsgebiet
2.1 Untersuchung mittels Kreuztabellierung
2.2 Auswertungen IBM SPSS Statistics
2.3 Interpretation des Ergebnisses und Fazit

Literatur

Anhang

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Skalenniveau

Abbildung 2: Grundlegende strukturen-prüfende Verfahren

Abbildung 3: I x J Kreuztabelle

Abbildung 4: Skaleneinteilung/Umwandelung

1. Multivariate Analysemethoden

1.1. Einleitung

Multivariate Analysemethoden sind heute eines der Fundamente der empirischen Forschung

in den Wirtschaftswissenschaften. Die Methoden sind immer noch in konsequenter Weiterentwicklung. Es werden ständig neue methodische Varianten entwickelt, neue Anwendungsbereiche erschlossen und neue oder verbesserte Computer-Programme, ohne die eine praktische Anwendung der Verfahren nicht möglich ist, entwickelt.[1]

Durch die Weiterentwicklung der Personal-Computer in den letzten Jahren hat auch die Entwicklung der Softwareprogramme zugenommen und damit auch die Anwendung der zu verarbeitenden einzelnen Methoden sehr erleichtert. NSDstats, IBM und GNU PSPP um nur einige Unternehmen in diesem Bereich von Statistischer Software zu erwähnen. Mit diesen Softwareprogrammen lassen sich Regressionsanalyse, Varianzanalyse, Diskriminanz- analyse, Faktorenanalyse und eine Vielzahl anderer statistischer Operationen durchführen.

Als „Ausgangsmaterial“ für die multivariate Analysen sind die vorhandenen oder noch zu erhebenden Daten. Die Qualität der Daten ist u.U. von der gewählten Art und Weise der Messung abhängig.[2] Das Ergebnis von Messvorgängen sind die gesammelten Daten, die über eine Befragung, Beobachtung oder durch Experimente erfolgen kann. Dabei kann es sich um eine Vollerhebung oder um eine Teilerhebung (Stichprobe) handeln bzw. die Daten können primärstatistisch oder sekundärstatistisch erhoben werden. Das Ausgangsmaterial kann erst dann ausgewertet und analysiert werden, wenn es in aufbereiteter Form vorliegt. Dazu werden die Merkmalausprägungen nach Eigenschaften eines Objektes in Zahlen ausgedrückt, dabei unterscheidet man Skalen mit unterschiedlichen Skalenniveau.

Abbildung 1: Skalenniveau

Abbildung in dieser Leseprobe nicht enthalten

1.2. Multivariate Verfahren

Im folgendem nehmen wie eine Einordnung dieser multivariaten Analysemethoden vor dem Hintergrund des Anwendungsbezuges vor. Es sei jedoch gesagt, das eine überschneidungsfreie Zuordnung der Verfahren zu praktischen Fragestellungen nicht immer möglich ist, weil sich die Zielsetzungen zu Verfahren zum Teil überlagern. Man versucht jedoch eine Einordnung der Verfahren nach anwendungsbezogenen Fragestellungen, so bietet sich eine Einteilung in primär Strukturen-entdeckende Verfahren und primär Strukturen-prüfende Verfahren an.[3]

Strukturen-entdeckende Verfahren - sind multivariate Verfahren, mit dem Ziel der Entdeckung von Zusammenhängen zwischen Variablen oder zwischen Objekten. Es erfolgt daher vorab durch den Anwender im Vorfeld keine Zweiteilung der Variablen in unabhängige und abhängige, wie es bei den strukturen-prüfenden Verfahren durchgeführt wird. Faktorenanalyse, Clusteranalyse, Multidimensionale Skalierung, Korrespondenzanalyse um einige Verfahren zu erwähnen.

Strukturen-prüfende Verfahren - sind multivariate Verfahren, mit dem primären Ziel der Überprüfung von Zusammenhängen zwischen den Variablen. Der Anwender besitzt eine auf sachlogische oder theoretischen Überlegungen basierte Vorstellung über die Zusammenhänge zwischen den Variablen und möchte diese mit Hilfe multivariater Verfahren überprüfen. Zu diesen Verfahren der multivariaten Datenanalyse gehören die Regressionsanalyse, die Varianzanalyse, die Diskriminanzanalyse, die Kontingenzanalyse sowie die Logistische Regression, Strukturgleichungsmodelle und das Conjoint Measurement zur Analyse von Präferenzstrukturen. Die Strukturen-prüfenden Verfahren werden primär zur Darstellung von Kausalanalysen eingesetzt, um herauszufinden, ob und wie stark sich z.B. das Wetter, die Bodenbeschaffenheit sowie unterschiedliche Düngemittel und -mengen auf den Ernteertrag auswirken oder wie stark die Nachfrage eines Produktes von dessen Qualität, dem Preis, der Werbung und dem Einkommen der Konsumenten abhängt. Voraussetzung für Anwendung der entsprechenden Verfahren ist, dass der Anwender a priori (vorab) eine sachlogisch möglichst gut fundierte Vorstellung über den Kausalzusammenhang zwischen den Variablen entwickelt hat, d.h. er weiß bereits oder vermutet, welche der Variablen auf andere Variablen einwirken. Zur Überprüfung seiner (theoretischen) Vorstellungen werden die von ihm betrachteten Variablen i.d.R. in abhängige und unabhängige Variablen eingeteilt und dann mit Hilfe von multivarianten Analysemethoden an dem empirisch erhobenen Daten überprüft. Nach dem Skalenniveau der Variablen lassen sich die grundlegenden Strukturen-prüfenden Verfahren gemäß der folgenden Abbildung charakterisieren.[4]

Abbildung 2: Grundlegende Strukturen-prüfende Verfahren[5]

Abbildung in dieser Leseprobe nicht enthalten

Um Eindrücke über Zusammenhänge eines gewählten Datensatzes zu erhalten und weitere Analysen durchzuführen, eignen sich z.B. die Kreuztabellierung und Kontingenzanalyse, welche in fortlaufenden Abschnitt 1.3. weiter behandelt und beschrieben werden soll. Auch außerhalb der Wirtschaftswissenschaften z.B. in der medizinischen Forschung werden Kreuztabellierung und Kontingenzanalyse angewendet, wenn beispielsweise das Auftreten bestimmter Krankheiten in Zusammenhang mit dem Geschlecht, persönlichen Charakteristika oder Gewohnheiten gebracht wird. Die Ross Europa GmbH fragt sich, werden Ihre Produkte in Zukunft, mehr an OEM oder an MRO verkauft, Aufgrund von Marktverschiebungen. Zusammenhänge mit wirtschaftlichen Bezug könnten z.B. zwischen erzielten Einkommen und Geschlecht, Bildungsabschluss und Einkaufsverhalten bestehen und mittels der folgend vorgestellten Methode analysiert werden.[6]

1.3 Kreuztabellierung und Kontingenzanalyse

Kreuztabellierung und Kontingenzanalyse sind Analyseinstrumente die eingesetzt werden können, um die Untersuchung eines Zusammenhangs oder der Unabhängigkeit von zweier oder mehreren nominal skalierten Variablen aufzudecken und zu untersuchen, dabei sind mehrerer unterschiedliche Sachverhalte möglich. Ein Anwendungsbeispiel ist die Untersuchung von Zusammenhängen zwischen der Einkommensklasse, dem Beruf oder dem Geschlecht von Personen und ihrem Konsumverhalten. Um Fragen zu beantworten, ist ein Zusammenhang zwischen den variablen erkennbar und signifikant, gibt es weitere Variablen, durch deren zusätzliche Betrachtungen das vorherige Untersuchungsergebnis bestätigt, näher erläutert oder revidiert werden. Sowie eine mögliche einer Aussage über Stärke oder gar Richtung dieser Zusammenhange zu treffen.[7]

Kreuztabellierung und Kontingenzanalysen sind Tabellen, die die absoluten oder relativen Häufigkeiten von Kombinationen bestimmter Merkmalsausprägungen enthalten. Kontingenz hat dabei die Bedeutung des gemeinsamen Auftretens von zwei Merkmalen. Das bedeutet, es werden Häufigkeiten für mehrere miteinander durch „und“ oder „sowie“ (Konjunktion) verknüpfte Merkmale dargestellt. Diese Häufigkeiten werden ergänzt durch deren Randsummen, welche die sogenannten Randhäufigkeiten bilden. Der häufige Spezialfall einer Kontingenztabelle mit zwei Merkmalen ist eine Konfusionsmatrix.

In der Abbildung 3 ist eine beispielhafte Kreuztabelle dargestellt. Die Anzahl der Ausprägungen I und J kann für beide Variablen Merkmal 1 und 2 unterschiedlich sein. Wenn Sie gleich ist, handelt es sich um eine quadratische Kreuztabelle.

Abbildung 3: I x J Kreuztabelle

Abbildung in dieser Leseprobe nicht enthalten

Sofern mehrerer Merkmale zu berücksichtigen sind, ist eine entsprechende Erweiterung der Tabelle in der Spalte zu erstellen -mehrdimensionale Tafel. Kreuztabellen unterliegen einer entsprechenden Anforderung an die Merkmalsausprägung bei Ihrer Verwendung. Alle Kategorien müssen völlig unabhängig voneinander sein, z.B. eine Person kann gleichzeitig nicht „männlich“ und „weiblich“ sein. In der Kreuztabelle sollte es keine Zeile oder Spalten geben, die sich zu Null addieren, dies wäre problematisch bei einer statistischen Auswertung. Eine Kategorie „Sonstiges“ sollte weitergehend vermieden werden, falls Sie doch auftritt sollte diese „Sonstige“ Kategorie sehr klein gehalten werden.

Eine Methode ist der Abbildung in dieser Leseprobe nicht enthalten-Test, der bei vielen multivarianten Methoden sehr gern angewendet wird. Während mittels Chi-Quadrat-Test (Abbildung in dieser Leseprobe nicht enthalten-Test) auf Signifikanz eines Zusammenhangs geschlossen werden kann, wird mittels des darauf aufbauenden 𝟇 Koeffizienten die Stärke des Zusammenhangs quantifiziert. Im Grunde genommen können durch den Chi-Quadrat-Test (Abbildung in dieser Leseprobe nicht enthalten-Test) zwei sachlogische unterschiedliche Aspekte untersucht werden. Zwischen den untersuchten Variablen wird je nach untersuchenden Methode und Fragestellung entweder eine Homogenitätsanalyse oder eine Abhängigkeitsanalyse durchgeführt.[8]

Die Homogenitätsanalyse untersucht, ob ein Merkmal in zwei Gruppen gleich verteilt ist. Um zu prüfen, ob unterschiedliche Häufigkeiten des Merkmals in beiden Gruppen verwendet werden und diese zufällig entstanden sein könnten oder in statistisch signifikanten Ausmaß vorkommen.[9]

Die Abhängigkeitsanalyse untersucht, ob zwischen zwei Merkmalen ein Zusammenhang vermutet werden kann.[10]

Wie in jeder empirischen Untersuchung, sollten statistische Analysen nur durchgeführt werden, sofern sachlogische Vorüberlegungen stattgefunden haben, im schlimmsten Fall besteht die Gefahr, Zusammenhänge willkürlich zu konstruieren oder Abhängigkeiten die eventuell bestehen zu verdecken. Aus theoretischen Modellen und Konstruktionen und sachlogischen Überlegungen sind testbare Hypothesen zu entwickeln, die im Vorfeld empirisch formuliert und anschließend statistisch überprüft werden können.[11]

1.4 Statistische Auswertung – Prüfung der Zusammenhänge

Abbildung in dieser Leseprobe nicht enthalten -Test: Prüft ob ein Zusammenhang zwischen zwei nominalskalierten Variablen vorhanden ist. In Reports z.B. SPSS wird immer der Abbildung in dieser Leseprobe nicht enthalten- Wert, die Freiheitsgrade und die Signifikanz dargestellt, der Nachteil ist man erfährt ob der Zusammenhang signifikant ist, nicht aber, die Stärke des Zusammenhangs. Abbildung in dieser Leseprobe nicht enthalten- kann sehr große Werte annehmen und ist nicht auf das Intervall von 0 und 1 beschränkt. Ein hoher Chi-Quadrat-Wert bedeutet hohe Abhängigkeit.

Abbildung in dieser Leseprobe nicht enthalten

Phi-Koeffizient: Maßzahl für die Stärke des Zusammenhangs zweier dichotomer Merkmale, je größer der Wert, desto stärker ist die Abhängigkeit. Als Richtwert wird ein Wert der größer als 0,3 ist, als abhängig interpretiert.

Abbildung in dieser Leseprobe nicht enthalten

Cramér´s-V: ist ein χ2-basierte Zusammenhangsmaß. Ist eine symmetrische Maßzahl für die Stärke des Zusammenhangs zwischen zwei oder mehr nominalskalierten Variablen, wenn mindestens eine der beiden Variablen mehr als zwei Ausprägungen hat. Cramer´s V liegt in jeder Kreuztabelle unabhängig von der Anzahl der Spalten und Zeilen zwischen 0 und 1. Als Richtwert wird ein Wert der größer als 0,3 ist, als abhängig interpretiert.[12]

Abbildung in dieser Leseprobe nicht enthalten

Kontingenzkoeffizient: Ist ein Zusammenhangsmaß für nominalskalierte Variablen, es handelt sich hierbei zwar um das älteste und meistgenutzte Maß dieser Art, da auch bei sehr guten Zusammenhang der Wert von 1 nicht erreicht werden kann, das Maximum ist abhängig von Spalten- und Zeilenanzahl. Als Richtwert wird ein Wert der größer als 0,3 ist, als abhängig interpretiert.

Abbildung in dieser Leseprobe nicht enthalten

2. Beispiel am Unternehmen in einem Vertriebsgebiet

2.1 Untersuchungen mittels Kreuztabellierung

Im Folgenden soll untersucht werden in welcher Region eines Vertriebsgebietes die größten Potentiale hinsichtlich der Zielkunden für ein Unternehmen zu finden sind, bzw. ob es einen Zusammenhang zwischen der Zielgruppe, dem Potential und der Region zu den Kunden und Interessenten feststellbar ist. Ziel dieser Arbeit ist es, die Einsatzmöglichkeiten für den Vertriebsmitarbeiter im Außendienst – dem Autor, eine mögliche Entscheidungsgrundlage zu liefern, welche Regionen sich im Detail genauer angesehen werden sollte, um eine effiziente Besuchsplanung im Bestandskundenbereich sowie Neukundenbereich ableiten zu lassen. Hierzu soll das multivariate Verfahren der Kreuztabellierung mittels EDV Software von IBM SPSS Statistics angewendet werden, um zu prüfen ob diese Methode als eine geeignete erscheint und eventuell eine signifikante Aussage über die Zusammenhänge treffen bzw. liefern kann. Um diese Daten entsprechend aufzubereiten, würde aus der Kundendatenbank eines Vertriebsbüros eine Excel Tabelle erstellt: Diese hat einen Datensatz von derzeit 835 Datensätzen, die Kunden und Interessenten gleichermaßen enthält. Der Datensatz enthält nur Kunden und Interessenten, einen Anspruch auf Vollständigkeit eines Vertriebsgebietes besteht nicht. Die Kundendatenbank ist eine dynamische Datenbank, die ständig erweitert wird und ggf. auch abnimmt durch Löschung von Kundendaten, diese Datenbank wird ständig gepflegt und aktualisiert.

Zur Erklärung wurde in der nachfolgenden Abbildung 4 eine Umwandelung der Excel Tabelle in bestimmten Kriterien durchgeführt um dieses in IBM SPSS Statistics entsprechend auszuwerten, bzw. ein entsprechendes Ergebnis zu erhalten und ggf. interpretieren zu können. Ein kleiner Ausschnitt der Excel Tabelle befindet sich im Anhang.

Abbildung 4: Skaleneinteilung/Umwandelung

Abbildung in dieser Leseprobe nicht enthalten

[...]


[1] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 2

[2] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 4

[3] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 7

[4] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 8

[5] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 8

[6] Vgl. Wölfle, M. (2011), S.49

[7] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 230

[8] Vgl. Wölfle, M. (2011), S.50

[9] Vgl. Wölfle, M. (2011), S.50

[10] Vgl. Wölfle, M. (2011), S.50

[11] Vgl. Wölfle, M. (2011), S.50

[12] Vgl. Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weber, 2003: Multivariate Analysemethoden, Springer Verlag, 10. Auflage , Seite 244

Ende der Leseprobe aus 18 Seiten

Details

Titel
Qualitative Forschungsmethoden. Multivariate Analysemethoden. Multivariate Verfahren, Kreuztabellierung und Kontingenztabelle, statistische Auswertung
Hochschule
Steinbeis-Hochschule Berlin
Veranstaltung
Qualitative Forschungsmethoden
Note
2,6
Autor
Jahr
2016
Seiten
18
Katalognummer
V374873
ISBN (eBook)
9783668553699
ISBN (Buch)
9783668553705
Dateigröße
602 KB
Sprache
Deutsch
Schlagworte
qualitative, forschungsmethoden, multivariate, analysemethoden, verfahren, kreuztabellierung, kontingenztabelle, auswertung
Arbeit zitieren
Mario Muthmann (Autor:in), 2016, Qualitative Forschungsmethoden. Multivariate Analysemethoden. Multivariate Verfahren, Kreuztabellierung und Kontingenztabelle, statistische Auswertung, München, GRIN Verlag, https://www.grin.com/document/374873

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Qualitative Forschungsmethoden. Multivariate Analysemethoden. Multivariate Verfahren, Kreuztabellierung und Kontingenztabelle, statistische Auswertung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden