Am 9. Juli 1984 erklärte US-Präsident Ronald Reagan auf Vorschlag des Kongresses den dritten Sonntag im Juli zum National Ice Cream Day. Auch in Deutschland ist die Speiseeisindustrie ein bedeutender Wirtschaftszweig der Lebensmittelbranche. Die Markeneishersteller haben im Jahr 2016 in Deutschland einen Absatz von 529 Mio. Liter sowie einen Umsatz von 2 Mrd. Euro generiert und beschäftigen 4.300 Angestellte. Der Pro-Kopf-Verbrauch von Speiseeis lag bei 7,9 Litern (inkl. Eisdielen- und Softeis). Dies entspricht 113 Kugeln per capita . Diese Arbeit soll sich allerdings auf den Absatz von Speiseeis am Verkaufsort Eisdiele konzentrieren, da dieser Point-of-Sale für den Verfasser ein persönliches und professionelles Interesse birgt. Tatsächlich ist Deutschland der größte Produzent von Speiseeis in Europa, noch vor Italien, Frankreich und Spanien. Insofern erklärt sich hier die Relevanz des Themas für den Realzusammenhang allein durch die Bedeutung für den deutschen Arbeitsmarkt und die nationale Milchwirtschaft.
Zur Erhebung der Datensätze wurde das Prinzip der Regressionsanalyse (multiple lineare Regression) herangezogen. Dieses ist in besonderem Maße dazu geeignet die gesammelten Daten empirisch auszuwerten. Gearbeitet wurde hier mit Daten zu Bestellmengen, die im Laufe des Jahres 2016 in der Eisboutique Conedera in Dinslaken gesammelt wurden. Diese wurden von Bestelleinheiten (Behälter à 18 Liter) auf Konsumeinheiten (60 Kugeln pro Einheit) umgerechnet. Die Anwendung der Regressionsanalyse erlaubt es die statistische Beziehung zwischen unseren unabhängigen Variablen (UV) oder Prädiktoren herzustellen, die eine möglichst präzise Vorhersage der abhängigen Variable (AV) oder des Kriteriums erlauben. Als ausschlaggebend wird hier das korrigierte R² betrachtet, da die Aufnahme zusätzlicher Prädiktoren für gewöhnlich zu einer Verschlechterung des Gütemaßes R² (Bestimmtheitsmaß) führt. Selbst wenn zwischen den gewählten Variablen auch nur ein augenscheinlicher (wenn auch nicht tatsächlicher) Zusammenhang bestünde, würde dies demnach dazu führen, dass ein steigendes R² zu der Fehleinschätzung führt, dass es sich hier um ein gutes Regressionsmodell mit einer für die Realität relevanten Aussage handle.
Inhaltsverzeichnis
- EINLEITUNG: PROBLEMSTELLUNG UND RELEVANZ.
- GRUNDLAGEN UND DEFINITION
- FORSCHUNGSHYPOTHESEN
- EMPIRISCHE STUDIE
- ERGEBNISSE UND FAZIT
Zielsetzung und Themenschwerpunkte
Diese Arbeit befasst sich mit dem Absatz von Speiseeis am Verkaufsort Eisdiele und untersucht die Einflussfaktoren auf die Absatzmenge.
- Relevanz der Speiseeisindustrie in Deutschland
- Anwendung der Regressionsanalyse zur Datenanalyse
- Einfluss von Temperatur, Niederschlagsmenge und Feiertagen auf den Absatz
- Analyse der Ergebnisse aus empirischen Daten
- Zusammenhang zwischen den Prädiktoren und dem Absatz von Speiseeis
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung: Problemstellung und Relevanz. Die Einleitung befasst sich mit der Relevanz des Themas Speiseeisabsatz in Deutschland. Die Bedeutung für den Arbeitsmarkt und die nationale Milchwirtschaft wird hervorgehoben.
- Kapitel 2: Grundlagen und Definition Dieses Kapitel erläutert das Prinzip der Regressionsanalyse, die zur empirischen Auswertung der Daten eingesetzt wird.
- Kapitel 3: Forschungshypothesen Die Forschungshypothesen legen fest, welche Faktoren den Speiseeisabsatz beeinflussen könnten. Es wird erwartet, dass höhere Temperaturen und niedrige Niederschlagsmengen zu einem höheren Absatz führen.
- Kapitel 4: Empirische Studie Dieses Kapitel beschreibt die empirische Studie und die verwendeten Daten.
Schlüsselwörter
Speiseeis Absatz, Regressionsanalyse, Temperatur, Niederschlagsmenge, Feiertage, Eisdiele, Empirische Studie, Gütemaße R², R²korr., Prädiktoren, Abhängige Variable, Unabhängige Variable
- Quote paper
- A. V. A. Canetti (Author), 2017, Eisverkauf. Abhängigkeit des Absatzes von äußeren Faktoren, Munich, GRIN Verlag, https://www.grin.com/document/384511
