Die quantitative Datenanalyse bietet eine Vielzahl von Verfahren, um die Abhängigkeit von Variablen in einem Datensatz zu untersuchen und Hypothesen zu überprüfen. Diese Arbeit nutzt den Datensatz von verschiedenen Handels- und Drogeriegeschäften, um anhand ausgewählter Verfahren Hypothesen zu testen. Die Daten umfassen Kundeninformationen, Lieferorte, Produkte, Umsätze und Werbekosten. Durch die Analyse von Umsätzen und Werbekosten wird untersucht, ob und in welchem Zusammenhang diese Variablen stehen. Dabei wird auch berücksichtigt, ob Unternehmen ihre Produkte über soziale Netzwerke vertreiben oder einen eigenen Shop betreiben. Ziel ist es, festzustellen, ob signifikante Zusammenhänge zwischen den Variablen bestehen und ob die aufgestellten Hypothesen angenommen oder verworfen werden können.
Inhaltsverzeichnis
1 Einleitung - Allg. Datenbeschreibung
1.1 Motivation
1.2 Ziel und Gang der Arbeit
2 Explorative Betrachtung
2.1 Univariate Betrachtung
2.2 Bivariate Betrachtung
3 Induktive Analysen
3.1 Hypothese 1 - multivariate Regressionsanalyse
3.2 Hypothese 2 - Bootstrapping
4 Fazit
5 Dokumentation
Zielsetzung & Themen
Die vorliegende Arbeit verfolgt das Ziel, mittels quantitativer Analysemethoden wie der multivariaten Regressionsanalyse und dem Bootstrapping-Verfahren den Zusammenhang zwischen Werbeinvestitionen und Umsatz sowie die Abhängigkeit des Umsatzes von der Art des Handels zu untersuchen.
- Quantitative Datenanalyse in R
- Univariate und bivariate statistische Betrachtung
- Multivariate Regressionsanalyse zur Erfolgsmessung von Werbung
- Bootstrapping-Verfahren zur Hypothesenprüfung
- Analyse von Handels- und Drogeriegeschäften
Auszug aus dem Buch
1 Einleitung - Allg. Datenbeschreibung
Bootstrapping, multivariate Regressionsanalyse und Varianzanalyse sind nur ein kleiner Teil der möglichen Verfahren, um einen Datensatz in der quantitativen Datenanalyse zu analysieren und die Abhängigkeit der vorhandenen Variablen zu belegen. Mit der Aufstellung von Hypothesen soll bewiesen werden, in welchem Zusammenhang die Variablen stehen oder ob sie völlig unabhängig voneinander sind.
Anhand eines ausgewählten Datensatzes und der Auswahl zweier Verfahren, wird in den nächsten Seiten analysiert, ob die vorher aufgestellten Hypothesen angenommen oder verworfen werden. Für die Hausarbeit wird der Datensatz 2, bei welchem es sich um die Daten von verschiedenen Handels- und Drogeriegeschäfte aus verschiedenen Städten handelt, verwendet. Der Datensatz ist sortiert nach Kunde, Lieferort, Art und Kaufkraft. Für die Auswertung wurden jeweils drei Umsätze der Kunden und die jeweiligen Werbekosten zum Produkt anonym zur Verfügung gestellt, sodass die Produktkategorie unbekannt ist und somit keinen Einfluss auf die Auswertung hat.
Zusammenfassung der Kapitel
1 Einleitung - Allg. Datenbeschreibung: Einführung in die Zielsetzung der Arbeit sowie eine allgemeine Beschreibung des verwendeten Datensatzes und der methodischen Herangehensweise.
2 Explorative Betrachtung: Erstmalige Sichtung und statistische Beschreibung der Daten mittels Lage- und Streuungsmaßen sowie grafischer Darstellungen.
3 Induktive Analysen: Untersuchung der Hypothesen durch multivariate Regressionsanalyse und Bootstrapping mit dem Ziel der statistischen Bestätigung von Zusammenhängen.
4 Fazit: Zusammenfassende Betrachtung der Ergebnisse und kritische Reflexion hinsichtlich der Verfahrenswahl und Dateneignung.
5 Dokumentation: Übersicht der zur Analyse verwendeten R-Befehle und Skripte.
Schlüsselwörter
Quantitative Datenanalyse, R, multivariate Regressionsanalyse, Bootstrapping, Umsatz, Werbung, Handelsform, Statistik, Hypothesentest, Varianzanalyse, Datenbeschreibung, Resampling, Regressionsgerade, Korrelation, Signifikanzniveau.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der quantitativen Analyse eines Datensatzes über Umsatz- und Werbedaten in Handels- und Drogeriegeschäften.
Was sind die zentralen Themenfelder?
Zentrale Themen sind die statistische Untersuchung von Umsatzabhängigkeiten, der Einsatz von R zur Datenmodellierung und die Überprüfung von Hypothesen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, auf Basis der Daten zu analysieren, ob Werbekosten den Umsatz beeinflussen und ob signifikante Umsatzunterschiede zwischen verschiedenen Handelsarten bestehen.
Welche wissenschaftlichen Methoden werden verwendet?
Es kommen die multivariate Regressionsanalyse für lineare Zusammenhänge sowie das Bootstrapping-Verfahren für den Vergleich der Mittelwerte zum Einsatz.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine explorative Datenanalyse sowie die anschließende induktive Analyse zur statistischen Absicherung der aufgestellten Hypothesen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Regressionsanalyse, Bootstrapping, Umsatz, Werbeinvestitionen, Datenbeschreibung und Hypothesentest.
Wie unterscheidet sich die Vorgehensweise bei den beiden Hypothesen?
Die erste Hypothese wird mit einer linearen Regression auf Zusammenhänge geprüft, während bei der zweiten Hypothese das Bootstrapping als Resampling-Verfahren zum Vergleich von Gruppen angewandt wird.
Welches Ergebnis liefern die statistischen Analysen zum Thema Werbung?
Die Analyse ergab ein Bestimmtheitsmaß von 0,9391, was auf einen starken linearen Zusammenhang zwischen Werbung und Umsatz hindeutet und zur Annahme der Hypothese führt.
- Quote paper
- Clemens Fuchs (Author), 2020, Quantitative Datenanalyse. Analyse der Abhängigkeit von Variablen in Handels- und Drogeriegeschäften, Munich, GRIN Verlag, https://www.grin.com/document/1453671
