Der Einfluss von Buchrezensionen auf den Buchabsatz

Inhalt

Tabellenverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 Einleitung

2 Stand der Forschung

3 Empirische Analyse des Einflusses von Buchrezensionen auf den Buchabsatz
3.1 Daten- und Modellgrundlagen
3.2 Regressionsanalyse
3.3 Propensity Score Matching

4 Diskussion der Ergebnisse und Limitation

5 Implikationen für Management und Forschung

6 Zusammenfassung

Anhang

Literaturverzeichnis

Tabellenverzeichnis

Tabelle 1: Literaturtabelle

Tabelle 2: Bearbeitung der Datengrundlage

Tabelle 3: Deskriptive Parameter

Tabelle 4: Modellvergleich zur Regression

Tabelle 5: Modellzusammenfassung

Tabelle 6: Regressionskoeffizienten

Tabelle 7: Ergebnisse Propensity Score Matching

Tabelle A 1: Warengruppen der Belletristik

Tabelle A 2: Korrelationsmatrix

Tabelle A 3: Ergebnisse Propensity Score Matching

Abbildungsverzeichnis

Abbildung 1: Verteilung Warengruppen nach Zusammenführung

Abbildung 2: Propensity Score Matching-Algorithmen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Der Buchhandel in Deutschland hat in 2012 einen Umsatz von 9,5 Milliarden Euro erwirtschaftet (Börsenverein des Deutschen Buchhandels, 2013) Die anderen Teile der Unterhaltungsindustrie können im Vergleich dazu nur deutlich geringere Umsätze aufweisen. Die Filmbranche hat in 2012 einen Umsatz von 2,8 Milliarden Euro erwirtschaftet (Hermann et al., 2011, S. 62), die Computer- und Videospielbranche setzte 1,85 Milliarden Euro um (BIU, 2013) und die Musikindustrie sogar nur 1,4 Milliarden Euro (Bundesverband Musikindustrie, 2013). Dieser Vergleich unterstreicht, in welch hohem Maße die wirtschaftliche Relevanz des Buchhandels in Deutschland weiterhin gegeben ist.

Auch wenn sich ein Wandel in der Buchindustrie vollzieht, hin zu einer digitalen Bücherfassung für eBook-Reader bzw. ähnliche Geräte und weg vom traditionell gebundenen Buch, ändert sich nur wenig am Inhalt eines Buches (Börsenverein des Deutschen Buchhandels, 2013; Clement/Blömeke/Sambeth, 2009, S. 12). In jeder Woche erscheinen unzählige Bücher. Diese können durch die Konsumenten nicht alle wahrgenommen und schon gar nicht bewertet werden. Konsumenten können sich vor einem Kauf anhand von Rezensionen einen ersten Eindruck über ein Buch verschaffen und damit das Risiko eines Fehlkaufs verringern (Chen/Xie, 2005, S. 218 f.). Das Internet ist zum Alltag geworden, daher sind einerseits Produktbewertungen direkt in Online-Shops, aber auch über spezielle Bewertungsportale zu den verschiedensten Produktkategorien zu finden. Hierbei geben ausschließlich Kunden, und somit in der Regel Laien, eine Bewertung ab. Diese Bewertungen sind von unterschiedlicher Qualität. Dahingegen erscheinen professionelle Rezensionen in Tageszeitungen oder Magazinen und haben zudem eine sehr hohe Reichweite. Das spiegelt sich anhand der Verkaufszahlen deutscher Tageszeitungen wider. In 2012 haben täglich 46,8 Mio. Menschen ein gedrucktes Zeitungsexemplar gelesen (BDZV, 2012). Bisher ist eine umfangreiche Analyse des Einflusses von Buchrezensionen in verschiedenen Tageszeitungen mit einer hohen Anzahl an betrachteten Büchern ausgeblieben. Zudem wurden die Auswirkungen von Buchrezensionen auf den Absatz nicht oder nur in einem geringen Umfang auf mögliche Selektionseffekte untersucht.

Diese Masterarbeit untersucht den Einfluss von Buchrezensionen in verschiedenen Tageszeitungen auf den Buchabsatz unter Verwendung einer Datenbank mit Absatzdaten über 3.100 Bücher. Die betrachteten Tageszeitungen sind die Frankfurter Allgemeine Zeitung (FAZ) und die Süddeutsche Zeitung (SZ). Zusätzlich wurde über die Internetseite www.perlentaucher.de die Verfügbarkeit eigener Rezensionen bzw. kommentierter oder resümierter FAZ- und SZ-Rezensionen erfasst. Die Ergebnisse der durchgeführten Regressionsanalyse zeigen, dass im Gegensatz zu Buchrezensionen in der FAZ, für Rezensionen in der SZ ein signifikanter Einfluss festzustellen ist. Eine Rezension in der SZ führt zu einer Erhöhung des Absatzes um 35,58 % im Vergleich zu einem nicht rezensierten Buch. Ein unterstellter Selektionseffekt konnte mittels nachfolgend eingesetzter Propensity Score Matching Methode nicht nachgewiesen werden.

Die vorliegende Masterarbeit wird zur Klärung der Frage über den Einfluss von Buchrezensionen auf den Buchabsatz zunächst in Kapitel 2 den Stand der Forschung darstellen. Nachfolgend wird hierzu in Kapitel 3 eine empirische Analyse durchgeführt und die daraus gewonnen Ergebnisse anschließend in Kapitel 4 diskutiert. Implikationen für Management und Forschung werden in Kapitel 5 gegeben und eine abschließende Zusammenfassung dieser Masterarbeit erfolgt in Kapitel 6.

2 Stand der Forschung

Das Ziel der durchgeführten Literaturrecherche ist, den aktuellen Stand der Forschung festzustellen. Das Forschungsgebiet über Rezensionen bzw. Bewertungen im Allgemeinen, verändert sich inhaltlich über die Jahre nur geringfügig. Aber durch die Bewertungs- und Verbreitungsmöglichkeiten, unter anderem durchs Internet, werden weiterhin neue und relevante Erkenntnisse gewonnen (Floh/Koller/Zauner, 2013, S. 646 f.; Zhu/Zhang, 2010, S. 133 f.). Damit eine aktuelle State-of-the-Art-Betrachtung gewährleistet werden kann, gehen ausschließlich wissenschaftliche Ausarbeitungen ab dem Jahr 2010 in diese Betrachtung ein. Da die Autoren teilweise in ihren wissenschaftlichen Ausarbeitungen auf die fundamentale Grundlagenliteratur der davorliegenden Jahre zurückgreifen, gehen diese zumindest implizit mit in den aktuellen Stand der Forschung ein. Die Auswirkungen von Rezensionen, zum einen durch professionelle Kritiker und zum anderen durch gewöhnliche Konsumenten, auf Erfolgsmaße wie zum Beispiel den Absatz, werden durch Forscher in verschiedenen Märkten intensiv untersucht. In sind die relevanten wissenschaftlichen Arbeiten zu dieser Thematik aufgeführt. Der Fokus dieser wissenschaftlichen Arbeiten wurde hauptsächlich auf den Büchermarkt gelegt, wobei sich auch aus themenverwandten Märkten zu Produkten wie Spielfilme oder Videospiele, ebenfalls auf den Buchmarkt anwendbare Erkenntnisse ziehen lassen.

Die festgestellten Ergebnisse der betrachteten wissenschaftlichen Arbeiten sind größtenteils durch Methoden wie die Regressionsanalyse ermittelt worden. Regressionsanalysen wurden angewendet in den Arbeiten von Berger/Sorensen/Rasmussen (2010), Schmidt-Stölting/Blömeke/Clement (2011), Moon/Bergey/Iacobucci (2010), Chen/Liu/Zhang (2012), Zhu/Zhang (2010) und Mudambi/Schuff (2010). Berger/Sorensen/Rasmussen (2010) und Floh/Koller/Zauner (2013) verwenden zudem unterschiedliche Experimente, Peng/Gui/Li (2013) wenden die Generalisierbarkeitstheorie und Shehu et al. (2013) das Propensity Score Matching an, welches in dieser Masterarbeit in Kapitel 3.3 Anwendung findet.

Die relevanten wissenschaftlichen Arbeiten wurden insbesondere hinsichtlich gewonnener Erkenntnisse über Rezensionen und deren Auswirkungen untersucht. Dabei finden Berger/Sorensen/Rasmussen (2010) heraus, dass während positive Rezensionen immer zu Absatzsteigerungen führen, der Effekt von negativen Rezensionen davon abhängt, welchen Bekanntheitsgrad der Autor bereits besitzt oder ob dieser unbekannt ist. Über den Bekanntheitsgrad eines Buches haben Berger/Sorensen/Rasmussen (2010) in einem weiteren Experiment festgestellt, dass eine negative Rezension die Kaufwahrscheinlichkeit eines bereits bekannten Buches senkt. Die Kaufwahrscheinlichkeit wird erhöht, wenn das Buch unbekannt ist.

Zu einer ähnlichen Erkenntnis sind auch Zhu/Zhang (2010) gekommen, die sich auf den Videospielmarkt konzentriert haben. Laut ihrer Studie haben (Online-)Rezensionen einen großen Einfluss auf weniger bekannte Videospiele und auf Spiele deren Spieler eine hohe Internetaffinität aufweisen. Peng/Gui/Li (2013) haben grundlegend für den Spielfilmmarkt herausgefunden, dass sowohl die Kundenbewertungen als auch die professionellen Kritiken einen großen Einfluss auf den latenten Spielfilmerfolg haben. Zudem können die Spielfilmerfahrungen der Zuschauer dazu führen, dass Bewertungen im Laufe der Zeit kritischer ausfallen (Moon/Bergey/Iacobucci, 2010). Hier ist besonders die herausgegebene Rezension inhaltlich zu bewerten. Die Auswirkung von negativen Rezensionen wird über die Zeit positiver, welches die Kaufwahrscheinlichkeit fördern kann (Berger/Sorensen/Rasmussen, 2010). Es hat sich herausgestellt, dass gemäßigte Rezensionen nützlicher sind als extreme Rezensionen (stark positiv oder stark negativ) für Erfahrungsgüter (Mudambi/Schuff, 2010). Eine signifikante Veränderung des (Online-) Kaufverhaltens wurde bei mittleren und stark positiven, aber nicht bei negativen Bewertungen festgestellt (Floh/Koller/Zauner, 2013). Chen/Liu/Zhang (2012) ergänzen mit ihrer Erkenntnis, dass während Wertigkeit Rückschlüsse über das Absatzpotenzial oder Produktqualität zulässt, kann auch allein die Anzahl von Rezensionen nützlich sein. Ein bewertetes Produkt mit einer erhöhten Anzahl an Rezensionen könnte einfach bekannter sein als eines mit weniger Rezensionen.

Die Arbeiten aus Tabelle 1 haben verschiedene Auswirkungen von Rezensionen festgestellt. Eine umfangreiche Analyse des Einflusses von Buchrezensionen in verschiedenen Tageszeitungen und einer hohen Anzahl an betrachteten Büchern ist bisher ausgeblieben. Ebenfalls wurde in den wissenschaftlichen Ausarbeitungen bisher nicht oder nur in einem geringen Umfang auf mögliche Selektionseffekte eingegangen, welche die Auswirkungen von Rezensionen auf den Absatz verfälschen könnten. Die vorliegende Masterarbeit soll genau diese Problematik behandeln und untersucht den Einfluss von Buchrezensionen verschiedener Tageszeitungen auf den Buchabsatz unter Verwendung einer Datenbank mit Absatzdaten über 3.100 Büchern. Insbesondere wird auch überprüft, ob mögliche Selektionseffekte bestehen, die die Auswirkungen von Buchrezensionen auf den Buchabsatz verfälschen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Literaturtabelle (Quelle: eigene Darstellung)

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Fortsetzung

3 Empirische Analyse des Einflusses von Buchrezensionen auf den Buchabsatz

Damit eine empirische Analyse des zu untersuchenden Sachverhalts über den Einfluss von Buchrezensionen auf den Buchabsatz erfolgen kann, müssen verschiedene Voraussetzungen geschaffen werden. Hierzu ist unter anderem notwendig, eine solide Datengrundlage zu schaffen, aus der Erkenntnisse gezogen werden können. Diese Datengrundlage muss so aufbereitet werden, dass eine Anwendung von statistischen Verfahren gewährleistet werden kann.

Das vorliegende Kapitel behandelt die Daten- und Modellgrundlagen, welche im Unterkapitel 3.1 dargestellt und erläutert werden. Nachfolgend wird auf Grundlage dieser Daten in Kapitel 3.2 eine Regressionsanalyse durchgeführt. Anschließend wird in Kapitel 3.3 die Propensity Score Matching Methode angewandt. Die Gründe für die gewählten Verfahren werden in den jeweiligen Kapiteln der Verfahren erläutert. Im darauffolgenden Kapitel 4 werden die gewonnen Ergebnisse diskutiert.

3.1 Daten- und Modellgrundlagen

Grundlage der empirischen Analyse der vorliegenden Masterarbeit ist eine Datenbank des Marktforschungsunternehmens Gesellschaft für Konsumforschung (GfK). Diese Datenbank umfasst die Absatzdaten von 186.113 Artikeln des Buchhandels für den Zeitraum 45. Kalenderwoche 2004 bis 30. Kalenderwoche 2010. Erfasst wurden diese Daten über 800 Einzel- und Onlinehändler. Das entspricht einer Marktabdeckung von 80 % in Deutschland (Schmidt-Stölting/Blömeke/Clement, 2011, S. 30).

Zusätzlich zu den Absatzdaten enthält die Datenbank Angaben über den Buchtitel, den Autor, den Verlag, die Seitenanzahl, die ISBN-Nummer, das Erscheinungsdatum, den Verkaufspreis bei Erscheinung sowie die Platzierung in der Bestseller-Liste je Woche.

Um den Einfluss von Buchrezensionen auf den Buchabsatz zu untersuchen, werden nicht alle in der Datenbank enthaltenen Informationen benötigt, bzw. noch benötigte Informationen ergänzt. In Tabelle 2 wird aufgeführt wie diese Datenbank zunächst reduziert wurde:

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Bearbeitung der Datengrundlage (Angaben in Stück) (Quelle: eigene Darstellung)

Rezensionen in Tageszeitungen sind tagesaktuell und erscheinen meist zeitnah zum Erscheinungsdatum eines Buches. Verlage verwenden für Erstauflagen oft hochpreisige und hochwertigere Hardcover- (fester Einband) bzw. Broschurausgaben – zukünftig einheitlich Hardcover genannt (Schrape, 2011, S. 48). Daher wird in dieser Arbeit der Fokus auf Hardcover gelegt und somit alle andersartigen 60.696 Artikel aus dem Datensatz eliminiert. Nachfolgend werden nur die relevanten Warengruppen der Belletristik betrachtet, die den Kern der Unterhaltungsliteratur darstellen, wie Romane oder Erzählungen. Dazu gehören aber auch Warengruppen wie zum Beispiel Märchen sowie Anthologien. Die 62.775 reduzierten Artikel sind zum Beispiel aus Warengruppen wie „Briefe und Tagebücher“ oder „Essays, Feuilleton, Literaturkritik, Interviews“. Warengruppen stellen eine themenbasierte Abgrenzung der einzelnen Bücher dar und wurden von der deutschen Buchindustrie festgelegt. Eine vollständige Auflistung dieser Warengruppe kann dem Anhang 1 entnommen werden. Damit die verbleibenden Bücher einheitlich betrachtet werden können und eine relevante zeitliche Basis besitzen, werden nur Bücher betrachtet die mindestens 52 Wochen nach Erscheinungsdatum verfügbar sind. Somit scheiden weitere 30.654 Bücher aus dem Datensatz aus. Des Weiteren werden nur Bücher betrachtet, die Mindestverkäufe von 1.500 Exemplaren innerhalb der ersten 52 Wochen nach Erscheinung vorweisen können und daher eine Relevanz für Verlage besitzen. Bücher mit einer geringeren Anzahl an verkauften Exemplaren tragen nur geringfügig zum wirtschaftlichen Erfolg eines Verlages bei und sind somit uninteressant für die Verlage (Schmidt-Stölting/Blömeke/Clement, 2011, S. 31). Das führt dazu, dass der Datensatz um weitere 26.873 Bücher reduziert wurde. Nachfolgend werden 1.482 ungültige Datensätze, wie identische Neuauflagen unter der gleichen ISBN-Nummer sowie 23 unvollständige Datensätze eliminiert. Abschließend werden 462 fremdsprachige Bücher und fremdartige Artikel sowie 48 doppelte Datensätze aus dem Datensatz eliminiert, da diese ebenfalls nicht verwendet werden können und das Ergebnis durchgeführter Analysen verfälschen können. Der verbleibende Datensatz beinhaltet 3.100 Bücher und stellt die Grundlage dieser Masterarbeit dar. Alle weiteren Berechnungen und Betrachtungen beziehen sich auf diesen Datensatz.

Anschließend wurden für diese verbliebenden 3.100 Bücher die Erscheinungsdaten der jeweiligen Rezensionen erhoben. Hierzu wurden die größten überregionalen Tageszeitungen Deutschlands, die Frankfurter Allgemeine Zeitung (FAZ) mit 1.406.064 (Montag – Freitag) und die Süddeutsche Zeitung (SZ) mit 1.626.191 (Montag – Freitag) verkauften Exemplaren in 2012 (IVW, 2013), herangezogen. Die Angaben über die Erscheinungsdaten der Rezensionen wurde über die Internetseite www.buecher.de erhoben. Zusätzlich wurde über das Internet-Rezensionsportal www.perlentaucher.de – nachfolgend Perlentaucher genannt – die Verfügbarkeit eigener Rezensionen bzw. kommentierter oder resümierter FAZ- und SZ-Rezensionen festgestellt. Perlentaucher ist führend im Alexa Ranking in der Kategorie Zeitschriften und Onlinemagazine und somit die meistbesuchte Internetseite in diesem Bereich (Alexa Internet, 2013). Eine Rezension wurde nur als relevant erachtet, wenn diese vor Erscheinung des Buches oder innerhalb der ersten 52 Wochen nach Erscheinung verfügbar war.

Nachdem der Gesamtdatensatz auf 3.100 Bücher reduziert wurde, erfolgte eine Bestandsaufnahme dieser Warengruppen. Hierbei wurde festgestellt, dass verschiedene Warengruppen eine sehr geringe Stückzahl an Büchern aufwiesen. Damit fundierte Aussagen bezüglich der Warengruppen getroffen werden können, wurden einzelne Warengruppen sinnvoll zusammengeführt. So wurden die Warengruppen „Spannung“ (Warengruppenindex: 120), „Krimis“ (121), „Historische Krimis“ (122) und „Horror“ (123) zu „Krimis“ zusammengeführt. Ebenfalls wurden die Warengruppen „Science Fiction, Fantasy“ (130), „Science Fiction“ (131), „Fantasy“ (132) und „Fantastische Literatur“ (133) zu „SF+Fantasy“ zusammengeführt. Abschließend wurde „Gemischte Anthologien“ (140) den „Anthologien“ (115) zugeordnet. Die daraus entstandene Verteilung der Warengruppen ist in Abbildung 1 abgebildet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Verteilung Warengruppen nach Zusammenführung (Quelle: eigene Darstellung)

3.2 Regressionsanalyse

Damit die Zusammenhänge zwischen den Rezensionen in Tageszeitungen oder Onlinemedien und dem Buchhandel erklärt werden können, wurde in vergleichbaren Arbeiten als Methode eine lineare Regressionsanalyse gewählt, wie zum Beispiel von Schmidt-Stölting/Blömeke/Clement (2011).

In der vorliegenden Masterarbeit wurden die Modellprämissen der linearen Regression überprüft. Hierbei wiesen die Residuen den Schiefe-Wert 10,351 und den Kurtosis-Wert 140,815 auf. Somit liegt keine Normalverteilung der Daten vor. Eine der Prämissen zur Reduktion des Gesamtdatensatzes ist, dass ein Mindestabsatz von 1.500 Stück eines Buches vorliegen muss. Somit bestehen keine Nullabsätze und die vorliegenden Absatzzahlen dürfen logarithmiert werden, um bessere Werte der Schiefe und Kurtosis zu erreichen. Die logarithmierten Werte der Residuen von ABSATZ52W haben einen Schiefe-Wert von 1,204 und einen Kurtosis-Wert von 1,890. Eine Normalverteilung liegt vor, wenn die Schiefe- und der Kurtosis-Werte Null sind. Nach dem Logarithmieren liegt also weiterhin keine Normalverteilung vor. Auch wenn nun von einer deutlich verbesserten Datenstruktur auszugehen ist, ist eine Anwendung der Methode der linearen Regression nicht zu empfehlen (Janssen/Laatz, 2012, S. 213f.).

Da die Buchabsätze der ersten 52 Wochen als Zähldaten vorliegen, wurde zuerst als Alternativmethode eine Poisson Regression gewählt. Bei diskreten Verteilungen, die insbesondere Zähldaten berücksichtigen oder welche die Prämisse der linearen Regression bezüglich der normalverteilten Störgrößen nicht einhalten können, wird die Poisson-Verteilung am häufigsten verwendet. Zähldaten liegen vor, wenn die Anzahl bestimmter Ereignisse in einem Zeitraum betrachtet werden sollen. Für die betrachteten Buchabsätze der ersten 52 Wochen nach Erscheinung trifft das zu (Fahrmeir/Kneib/Lang, 2009, S. 210).

Modellformulierung und Hypothesenbildung

Die zu analysierende Kernthese dieser Masterarbeit ist, dass Buchrezensionen einen Einfluss auf den Buchabsatz haben. Somit wird der Absatz der ersten 52 Wochen nach Erscheinung (ABSATZ52W) als abhängige Variable gewählt. Bereits Berger/Sorensen/Rasmussen (2010) und Schmidt-Stölting/Blömeke/Clement (2011) haben für ihre wissenschaftlichen Ausarbeitungen den Absatz als abhängige Variable gewählt.

Gemäß Kernthese und der bereits gewonnenen Erkenntnisse der in Kapitel 2 untersuchten wissenschaftlichen Arbeiten wird vermutet, dass Buchrezensionen einen signifikanten Einfluss auf den Buchabsatz haben. Hierfür werden für die Analyse die Buchrezensionen der Tageszeitungen FAZ und SZ sowie Internet-Buchrezensionen von Perlentaucher herangezogen und diesen einen signifikanten Einfluss unterstellt.

Die Hypothesen lauten somit:

Hypothese 1 : Eine Buchrezension in der FAZ hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches.

Hypothese 2 : Eine Buchrezension in der SZ hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches.

Hypothese 3 : Eine Buchrezension auf Perlentaucher hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches.

Neben den Buchrezensionen werden als weitere Kontrollvariablen der Verlag, der Preis pro Seite, die Warengruppe und das Erscheinungsdatum eines Buches eingeführt. Auch diese Einflussfaktoren wurden bereits erfolgreich in anderen wissenschaftlichen Arbeiten verwendet. Den Verlag hat ebenfalls Shehu et al. (2013) als Einflussfaktor erkannt. Des Weiteren wählten auch Berger/Sorensen/Rasmussen (2010), Schmidt-Stölting/Blömeke/Clement (2011), Shehu et al. (2013) und Zhu/Zhang (2010) den Preis als unabhängige Variable. Das Genre und somit gleichbedeutend die Warengruppe verwendeten Schmidt-Stölting/Blömeke/Clement (2011), Shehu et al. (2013), Moon/Bergey/Iacobucci (2010), Chen/Liu/Zhang (2012) und Peng/Gui/Li (2013) als unabhängige Variable. Das Erscheinungsdatum eines Buches wurde bereits von Schmidt-Stölting/Blömeke/Clement (2011) als Einflussfaktor gewählt.

Damit die vorliegenden und in Kapitel 3.1 bereits reduzierten Daten für das Regressionsmodell verwendet werden können, wurden diese Daten aufbereitet und operationalisiert. Die Variablen wurden so konstruiert, dass die Verarbeitung effektiver und eine anschließende Ergebnisbewertung qualitativer erfolgen kann:

- In den nachfolgenden Betrachtungen wird der Buchverkaufspreis in Cent pro Seite (PREIS) angegeben.
- Das Erscheinungsdatum wurde in Quartals-Dummy-Variablen transformiert (Q1, Q2, Q3 und Q4 jeweils mit 0 = „nicht im Quartal erschienen“ und 1 = „im Quartal erschienen“).
- Die Angabe über die jeweilige Warengruppe wurde ebenfalls in eine Dummy-Variable transformiert (ERZÄHL. LITERATUR, GEGENW. LITERATUR, HIST. ROMANE, MÄRCHEN, ROMANH. BIOGRAPHIEN, ANTHOLOGIEN, KRIMIS und SF+FANTASY jeweils mit 0 = „Buch nicht in Warengruppe erschienen“ und 1 = „Buch in Warengruppe erschienen“).
- Die Angaben über eine vorhandene Rezension in der FAZ, der SZ und auf PERLENTAUCHER wurden analog zur Warengruppe konstruiert. Die Variablen über vorhandene Rezensionen wurden ebenfalls binärcodiert (0 = „keine Rezension“ und 1 = „Rezension vorhanden“).

In Tabelle 3 sind für alle verwendeten Variablen die deskriptiven Parameter der einzelnen Variablen aufgeführt. Diese Tabelle zeigt die jeweiligen Minimum-, Maximum- und Mittelwerte sowie die Werte der Standardabweichung und der Varianz pro Variable der 3.100 Bücherdatensätze (Schlittgen, 2009, S. 56 f.).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: Deskriptive Parameter (Quelle: eigene Darstellung)

Die unabhängige Variable PERLENTAUCHER wird aufgrund festgestellter Korrelationen zu den unabhängigen Variablen FAZ und SZ aus der weiteren Betrachtung herausgenommen. Die aufgestellte Hypothese 3 wird somit nicht weiter betrachtet. Die Korrelationsmatrix der unabhängigen Variablen ist in Anhang 2 aufgeführt.

Schätzung der Regressionsfunktion

Im gewählten Poisson-Modell wird die Anzahl der Ereignisse im betrachteten Zeitraum als Rate λi der Poisson-Verteilung angegeben mit

Abbildung in dieser Leseprobe nicht enthalten

Für das Log-lineare Poisson-Modell gilt dann

Abbildung in dieser Leseprobe nicht enthalten

Die unabhängigen Variablen haben also auf die Rate λi einen exponentiellen-multiplikativen Einfluss, während der Einfluss auf die logarithmierte Rate log(λi) linear ist. Für die Schätzung der abhängigen Variablen λi (ABSATZ52W) wird somit folgende Regressionsfunktion zugrunde gelegt:

Abbildung in dieser Leseprobe nicht enthalten

β0 = konstantes Glied

βi = Regressionskoeffizient

X = Unabhängige Variable

Die abhängige Variable ABSATZ52W stellt den Absatz der ersten 52 Wochen nach Erscheinung eines Buches dar. Als unabhängige Variablen wurden die bereits in Kapitel 3.1 vorgestellten Variablen über eine vorhandene Rezension, den Verlag, die Preis-, die Quartals- sowie die Warengruppenangeben festgelegt (Fahrmeir/Kneib/Lang, 2009, S. 210 ff.).

Bei den ersten Berechnungen konnte festgestellt werden, dass eine Überdispersion vorliegt. Das wurde durch die später ermittelten Alpha-Werte aus Tabelle 6 bestätigt. Diese weichen signifikant von Null ab. Von Überdispersion wird gesprochen, wenn die Daten mehr Variabilität aufweisen, also der Standardfehler überschätzt wird, als durch das Modell unterstellt wird (Fahrmeir/Kneib/Lang, 2009, S. 197) Das Poisson-Modell wäre dann zwar konsistent, aber insgesamt ineffizient. Das könnte auf das einfache Design der Poisson-Regression zurückzuführen sein (Tutz, 2000, S. 261).

Um das Modell zweckmäßig verändern zu können, wird häufig ein Überdispersions-Parameter eingeführt. Ein komplexerer Ansatz, der zusätzliche Variabilität von Zähldaten berücksichtigt, stellt die Negative-Binomial-(NB)-Regression dar (Fahrmeir/Kneib/Lang, 2009, S. 211). Als Entscheidungsunterstützung über die Wahl des korrekten Modells wird der Akaike’s Information Criterion (AIC)- und der Bayesian Information Criterion (BIC)-Wert dieser Modelle in Tabelle 4 herangezogen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 4: Modellvergleich zur Regression (Quelle: eigene Darstellung)

Die Grundidee dieses Vergleiches ist, dass ein Kompromiss zwischen guter Datenanpassung und Modellkomplexität (in Bezug auf die Anzahl an Parametern) gefunden werden soll. Vergleichbar ist hier die Betrachtung des Bestimmtheitsmaßes R² bei der linearen Regression. Es wird das Modell mit dem kleinsten AIC-Wert ausgewählt (Fahrmeir/Kneib/Lang, 2009, S. 477). Zu der gleichen Entscheidung führt der Bayes-Faktor BIC. Hierbei wird ebenfalls das Modell mit dem kleinsten BIC-Wert gewählt (Fahrmeir/Kneib/Lang, 2009, S. 489). Im vorliegenden Fall aus Tabelle 4 weist die NB-Regression für beide Kriterien deutlich niedrigere Werte auf als die der Poisson-Regression. Deshalb kommt die NB-Regression als Methode zur Anwendung.

Das gewählte Modell (3.21) sowie die daraus resultierende und auf diese Masterarbeit angepasste Regressionsfunktion (3.23) können beibehalten werden. Die Schätzung der Regressionsfunktion basiert jedoch nun auf der NB-Verteilung (Greene, 2003, S. 744 f.).

Überprüfung der Regressionsfunktion und der Regressionskoeffizienten

Für die Berechnung der Regressionsergebnisse wurde die Statistik-Software Stata 11 verwendet. Bei der Poisson- und NB-Regression werden die gleichen Kriterien zur Modellanpassung sowie die gleichen Teststatistiken für das Testen der linearen Hypothesen wie bei den binären Regressionsmethoden eingesetzt (Fahrmeir/Kneib/Lang, 2009, S. 213). Bei der Berechnung wurden robuste Schätzer verwendet. Diese robusten Schätzer verhindern, dass aufgrund der nicht vorhandenen Normalverteilung, sensibel auf extreme Werte des verwendeten Datensatzes reagiert wird (Schlittgen, 2009, S. 102).

Zuerst soll die Überprüfung des Gesamtmodells anhand der gewonnen Werte aus Tabelle 5 erfolgen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 5: Modellzusammenfassung (Quelle: eigene Darstellung)

Der Wald-Test überprüft, ob die unabhängigen Variablen einen Einfluss auf die abhängige Variable haben und somit die Nullhypothese abgelehnt werden kann. Für den Wald-Wert von 246,32 bei 14 Freiheitsgraden (Df) wird unter „Prob > chi2“ der entsprechende Signifikanzwert angegeben. Der Wert 0,000 gibt an, dass die Nullhypothese abgelehnt wird und das Modellergebnis hochsignifikant ist (Schlittgen, 2009, S. 119).

Die LogLikelihood (LL)-Werte werden für den Likelihood-Ratio-Test benötigt. Dieser Test versucht, die mit der Devianz einhergehenden Probleme zu beheben. Der maximierte LL-Wert wird dabei nicht mit Null, sondern mit dem konstanten Term verglichen. Dieser ergibt sich, wenn die Regressionskoeffizienten aller unabhängigen Variablen auf Null gesetzt werden. Der Devianzwert des Null-Modells wird anschließend mit demjenigen Devianzwert des vollständigen Modells verglichen. Hierbei beträgt die Differenz 207,45 und ist mit diesem Wert als gering einzuschätzen. Folglich ist festzustellen, dass die in diesem Regressionsmodell verwendeten unabhängigen Variablen eine relativ geringe Erklärungskraft besitzen (Backhaus et al., 2011, S. 268).

Die Aussagekraft der AIC- und BIC-Werte ist nur begrenzt. Die AIC- und BIC-Werte berücksichtigen die Güte der Modellanpassung und die Modellkomplexität. Kleinere Werte sprechen für eine erhöhte Informativität. Bei den ermittelten Werten von 62.718,29 für AIC und 62.814,92 für BIC ist somit eine verringerte Informativität anzunehmen (Wollschläger, 2010, S. 183).

Nachdem der Wald-Test ergeben hat, dass ein signifikanter Zusammenhang zwischen den unabhängigen Variablen und der abhängigen Variablen besteht und somit nicht alle Regressionskoeffizienten βi Null sind, werden diese einzeln überprüft. Der durch Stata 11 generierte Output wird in Tabelle 6 dargestellt. Für die Dummy-Variablen der Quartale wurde die Variable Q1 als Referenzkategorie festgelegt. Analog wurde GEGENW. LITERATUR als Referenzkategorie für die Warengruppen festgelegt. Diese Referenzvariablen haben in ihrer jeweiligen Kategorie die höchste Anzahl an Büchern und wurden daher als Referenz gewählt (Fahrmeir/Kneib/Lang, 2009, S. 82).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 6: Regressionskoeffizienten (Quelle: eigene Darstellung)

Ähnlich wie beim Wald-Test werden die unabhängigen Variablen mit dem t-Test überprüft. Der unter „P>|z|“ angegebene Wert entspricht dem Signifikanzniveau. In der weiteren Bewertung des Modellergebnisses werden nur Regressionskoeffizienten mit einem Signifikanzwert von unter 0,05 betrachtet. Folgende unabhängigen Variablen haben somit einen signifikanten Einfluss auf die Regressionsbeziehung: SZ, VERLAG, PREIS, MÄRCHEN, ROMANH. BIOGRAPHIEN und ANTHOLOGIEN (Schlittgen, 2009, S. 108 f.). Das bei FAZ festgestellte Signifikanzniveau von 0,061 lässt vermuten, dass ein gewisser Einfluss auf den Buchabsatz bestehen könnte. Aufgrund des Grenzwertes von 0,05, wird diese Vermutung nicht weiter verfolgt.

[...]