Immer schneller wachsende Märkte und zunehmend komplexere Marktstrukturen haben in den letzten Jahren den Stellenwert der Marktforschung immer weiter nach oben getrieben.
Eine Ausweitung der Aufgabenbereiche, ein effizienteres Zusammenarbeiten der empirischen Forschungsaktivitäten und eine Intensivierung und Entwicklung neuer und alter theoretischer Erhebungsverfahren und Auswertungsmethoden waren unter anderem die Folgen.
Informationen über das Marktgeschehen werden aufgrund immer kürzerer Produktlebenszyklen, zum Beispiel durch zunehmenden Innovationswettbewerb, unumgänglich. Weiter noch wird der Kunde durch die Angebotsvielfalt immer kritischer in seinen Entscheidungen, da nicht mehr nur die Funktionalität des Produktes sondern in zunehmendem Maße auch die Befriedigung individueller Bedürfnisse in den Vordergrund treten.
Dies, die beachtlichen finanziellen Mittel und die personellen Ressourcen die für die Marktforschung bereitgestellt werden verdeutlichen, wie unumgänglich es im Hinblick auf unternehmerische Ziele und Handlungsoptionen ist über detaillierte und aktuelle Informationen des Marktes zu verfügen.
Inhaltsverzeichnis
1 Einleitung
2 Multivariate Verfahren
2.1 Begriffserklärung
2.2 Erscheinungsformen
3 Diskriminanzanalyse
3.1 Begriffserklärung
3.2 Analyseansätze
3.3 Basisannahmen
3.4 Methodik
3.4.1 Definition der Gruppen
3.4.2 Formulierung der Diskriminanzfunktion
3.4.3 Schätzung der Diskriminantfunktion
3.4.4 Prüfung der Diskriminanzfunktion
3.4.4.1 Prüfung der Klassifikation
3.4.4.2 Prüfung des Diskriminanzkriteriums
3.4.5 Prüfung der Merkmalsvariablen
3.4.6 Klassifikation neuer Elemente
4 Regressionsanalyse
4.1 Zielsetzung
4.2 Mathematisch – statistische Erläuterungen
4.2.1 Formulierung des Modells
4.2.2 Anpassungsgüte
4.2.3 Signifikanzprüfung
4.2.4 Standardisierung der Parameter
4.2.5 Interpretation der Ergebnisse
4.2.6 Prämissen bei der Anwendung der Regressionsanalyse
4.3 Vorgehensweise
4.3.1 Transformation der Variablen
4.3.2 Effizienz der Schätzer
4.3.3 Prüfung auf Multikollinearität
4.3.4 Prüfung auf Autokorrelation
4.3.5 Prüfung auf Heteroskedastizität
4.3.6 Identifizierung von Ausreißern
5 Software
6 Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit untersucht multivariate Verfahren der Dependenzanalyse, um deren praktische Anwendung in der Marktforschung zu verdeutlichen. Der Schwerpunkt liegt dabei auf der theoretischen und methodischen Darlegung der Diskriminanzanalyse sowie der Regressionsanalyse, um Zusammenhänge zwischen Variablen zu erklären und Prognosen zu erstellen.
- Grundlagen und Erscheinungsformen multivariater Analyseverfahren
- Methodik und Anwendungsbereiche der Diskriminanzanalyse
- Statistische Grundlagen und Modellierung der Regressionsanalyse
- Prüfung der Modellgüte und statistische Signifikanz
- Identifikation und Behebung von Störfaktoren in ökonometrischen Modellen
Auszug aus dem Buch
3.4.1 Definition der Gruppen
Zu Beginn der Analyse wird bestimmt, wie viele Gruppen in ihr berücksichtigt werden sollen. Die Definition der hierbei verwendeten Gruppen ergibt sich entweder aus dem Untersuchungskontext oder aus dem Ergebnis vorangegangener Analysen. Zu beachten ist jedoch, dass die Anzahl der Gruppen nicht größer als die Anzahl der Merkmalsvariablen sein sollte.
Zusammenfassung der Kapitel
1 Einleitung: Beschreibt die steigende Bedeutung der Marktforschung aufgrund zunehmender Marktkomplexität und kürzerer Produktlebenszyklen.
2 Multivariate Verfahren: Definiert multivariate Verfahren als Instrumentarium zur Analyse gerichteter und ungerichteter Zusammenhänge und differenziert zwischen Dependenz- und Interdependenzanalyse.
3 Diskriminanzanalyse: Erläutert das Verfahren zur Erklärung und Vorhersage der Gruppenzugehörigkeit von Untersuchungsobjekten basierend auf metrischen Variablen.
4 Regressionsanalyse: Behandelt die mathematischen und statistischen Grundlagen zur Untersuchung linearer Abhängigkeiten zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.
5 Software: Gibt einen kurzen Überblick über die zur Durchführung dieser Analysen geeigneten Werkzeuge, von Tabellenkalkulation bis hin zu spezialisierter Statistiksoftware.
6 Ausblick: Reflektiert die Komplexität der Modellspezifikation und den Trend hin zu nichtlinearen Regressionsmodellen.
Schlüsselwörter
Marktforschung, Multivariate Verfahren, Dependenzanalyse, Diskriminanzanalyse, Regressionsanalyse, Gruppenzugehörigkeit, Diskriminanzfunktion, abhängige Variable, unabhängige Variable, Signifikanzprüfung, Multikollinearität, Autokorrelation, Heteroskedastizität, Prognose.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die theoretischen Grundlagen und methodischen Vorgehensweisen von multivariaten Analyseverfahren innerhalb der Marktforschung.
Was sind die zentralen Themenfelder?
Im Fokus stehen die Diskriminanzanalyse zur Untersuchung von Gruppenunterschieden und die Regressionsanalyse zur Erforschung von Ursache-Wirkungsbeziehungen.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, die Funktionsweise, Voraussetzungen und Anwendungsbereiche dieser beiden statistischen Verfahren für Marketing-Fragestellungen darzustellen.
Welche wissenschaftlichen Methoden werden verwendet?
Es wird eine deskriptive und analytische Aufarbeitung der mathematisch-statistischen Verfahrensschritte inklusive deren Voraussetzungen und Prüfungsmöglichkeiten gewählt.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die detaillierte Beschreibung der Diskriminanzanalyse (Definition, Funktion, Prüfung) und der Regressionsanalyse (Modellierung, Gütemaßstäbe, Signifikanz, Störgrößen).
Welche Schlüsselwörter charakterisieren die Arbeit?
Marktforschung, Dependenzanalyse, Diskriminanzanalyse, Regressionsanalyse, statistische Signifikanz und Modellgüte.
Wie wird die Qualität einer Diskriminanzfunktion geprüft?
Die Qualität wird primär über die Trennkraft der Gruppen ermittelt, wobei einerseits die Trefferquote der Klassifikation (Klassifikationsmatrix) und andererseits statistische Kennzahlen wie das Diskriminanzkriterium oder Wilk's Lambda herangezogen werden.
Warum ist die Identifizierung von Ausreißern in der Regressionsanalyse wichtig?
Ausreißer können einen unverhältnismäßig starken Einfluss auf das Ergebnis einer Regression ausüben und somit die Schätzung verzerren, weshalb ihre Identifikation und gegebenenfalls Elimination für die Modellstabilität entscheidend ist.
- Quote paper
- Dipl.-Kaufmann techn. Oliver Florian Friede (Author), 2001, Multivariate Verfahren der Dependenzanalyse, dargestellt anhand der Diskriminanzanalyse und der Regressionsanalyse, Munich, GRIN Verlag, https://www.grin.com/document/6119
