Die Marktforschung versucht das Entscheidungsproblem des Managements mit den ihr
verfügbaren Instrumenten zu lösen und dabei möglichst vollständige Datensätze aus
Primärforschung oder Deskresearch zu verwenden. Dies ist jedoch häufig unmöglich,
auch wenn dasjenige Untersuchungsdesign verwendet wird, bei dem wenige Ausfälle
vermutet werden. Bei der Auswahl des entsprechenden Erhebungsdesigns sollte man sich
im Klaren über mögliche Ausfallursachen sein (Herrmann/Homburg, 2000, S.81ff). So
kann in einem Interview falsches Verständnis der Frage, die Auskunftsunfähigkeit oder der
Unwille zur Beantwortung der Frage zu fehlenden Werten führen. Vor allem Fragen zu
Einkommen, Sexualverhalten oder Alkoholkonsum werden oft nicht beantwortet. So gibt
es viele Datensätze in der Marktforschung, die unvollständig sind: In einem Panel von
Horowitz und Golob (1979) waren bei 60% der 1565 Befragten 1% der Fragen
unbeantwortet und bei 10% fehlten sogar 5% der Daten (Lehmann, 1989, S.369). Beim
Vorkommen fehlender Werte muss man zunächst Klarheit über die Struktur des Ausfalls
gewinnen, um die richtige Lösung, bzw. Korrektur anzuwenden. Im Rahmen der
Strukturanalyse muss also zunächst untersucht werden, ob der zu Grunde liegende
Ausfallmechanismus zufälliger Natur ist, oder ob ein systematischer Zusammenhang zu
befürchten ist. Ein Ignorieren dieses Problems oder die Benutzung einer Ad-hoc-Lösung
kann das Ergebnis verzerren. Denn die Anwendung der einfachsten und nicht zuletzt wohl
deswegen beliebtesten Methode, der Dateneliminierung, ist nur unter einer sehr strikten
Voraussetzung, nämlich dass der Datenausfall vollkommen zufällig ist, richtig. Außer der
Dateneliminierung besteht noch u. A. die Möglichkeit der Vervollständigung der Daten mit
Schätzwerten oder die direkte Schätzung aus den unvollständigen Daten. Alle diese
Methoden setzen allerdings eine zufällige Verteilung der fehlenden Werte voraus. Ein
systematisches Fehlen erfordert komplizierte Lösungsschritte und die Kenntnis über die
Struktur des Ausfalls.
Beim Vorliegen eines vollkommen zufälligen Ausfalls ist man frei in der Auswahl der Korrekturmöglichkeit. Wenn die fehlenden Werte nur innerhalb des Merkmals unsystematisch wegbleiben, fallen die Möglichkeiten der Eliminierung, der Sensitivitätsanalyse und fast alle Methoden der Imputation aus. Sind die Datenausfälle gar systematisch, bleibt praktisch nur die Modellierung des Ausfallmechanismus.
Inhaltsverzeichnis
- 1. Einleitung
- 2. Gründe für das Fehlen von Daten
- 2.1 Forschungsdesign
- 2.2 Primär- und Sekundärforschung
- 3. Arten und Verteilungsmuster fehlender Daten
- 3.1 Zufällige Verteilungsmuster fehlender Daten
- 3.2 Systematische Verteilungsmuster fehlender Daten
- 3.3 Strukturanalyse und Testverfahren auf Verteilungsmuster
- 4. Lösungsvorschläge und Korrekturmöglichkeiten
- 4.1 Strategien allgemein
- 4.2 Korrekturverfahren bei zufälligen Ausfällen
- 4.3 Korrekturverfahren bei systematischen Ausfällen
- 5. Diskussion und Schlussbemerkung
- 6. Literaturverzeichnis
- 7. Grafischer Anhang
- 7.1 Überblick Lösungsmöglichkeiten
Zielsetzung und Themenschwerpunkte
Die Arbeit befasst sich mit dem Problem fehlender Werte in der Marktforschung. Ziel ist es, die verschiedenen Gründe für das Auftreten fehlender Werte zu analysieren, die unterschiedlichen Verteilungsmuster zu beschreiben und Lösungsansätze sowie Korrekturmöglichkeiten aufzuzeigen.
- Ursachen für fehlende Werte in der Primär- und Sekundärforschung
- Zufällige und systematische Verteilungsmuster fehlender Daten
- Methoden zur Analyse von Datenverteilungen
- Korrekturverfahren für fehlende Werte
- Diskussion der Implikationen für die Marktforschung
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung
Die Einleitung stellt das Problem fehlender Werte in der Marktforschung vor und erklärt die Bedeutung des Themas. Sie unterstreicht die Notwendigkeit, das Ausfallmuster der Daten zu analysieren, um die richtigen Korrekturmaßnahmen zu treffen.
- Kapitel 2: Gründe für das Fehlen von Daten
Dieses Kapitel unterscheidet zwischen Item-Non-Response und Total-Non-Response. Es werden verschiedene Gründe für das Fehlen von Daten, insbesondere im Kontext von Primär- und Sekundärforschung, erläutert. Dabei werden die Rolle des Forschungsdesigns, die Fragestellung und die Datenerhebungsprozesse betrachtet.
- Kapitel 3: Arten und Verteilungsmuster fehlender Daten
Dieses Kapitel beschreibt die verschiedenen Arten und Verteilungsmuster fehlender Daten. Es werden sowohl zufällige als auch systematische Ausfälle betrachtet und verschiedene Analysemöglichkeiten vorgestellt.
- Kapitel 4: Lösungsvorschläge und Korrekturmöglichkeiten
Dieses Kapitel präsentiert verschiedene Strategien und Korrekturverfahren, die bei der Behandlung von fehlenden Werten angewendet werden können. Es werden sowohl Verfahren für zufällige als auch für systematische Ausfälle diskutiert.
Schlüsselwörter
Fehlende Werte, Marktforschung, Item-Non-Response, Total-Non-Response, Forschungsdesign, Primärforschung, Sekundärforschung, Verteilungsmuster, Strukturanalyse, Korrekturverfahren, Dateneliminierung, Schätzwerte, Interpolation, Zeitreihenanalyse.
- Citation du texte
- Milosz Splawinski (Auteur), 2004, Fehlende Werte in der Marktforschung Problembehandlung und Diskussion, Munich, GRIN Verlag, https://www.grin.com/document/70799
