Verschiedene Arten von Analyseverfahren in der Marktforschung

Die deskriptive Statistik oder beschreibende Statistik umfasst jene statistischen Verfahren, die sich mit der Aufbereitung und Auswertung der untersuchten Datenmenge, mithin der aus der Grundgesamtheit gezogenen Stichprobe befassen. Verallgemeinerungen bzw. Schlüsse auf die Grundgesamtheit sind damit nicht möglich, sondern Gegenstand der induktiven Statistik. Es handelt sich hierbei um Verfahren der Datenanalyse mit dem Ziel der Beschreibung und ursächlichen Erklärung von Merkmalen und Merkmalszusammenhängen. Je nachdem, wie viele Variablen in die Analyse einbezogen werden, unterscheidet man uni-, bi- und multivariate Analysen.

Univariate Analyseverfahren

Bei univariaten Analysen wird nur eine Variable betrachtet. Univariate Analysen dienen vor allem dazu, einen Überblick über die Verteilung von Merkmalsausprägungen oder statistischen Kennwerten zu liefern, also vor allem Lagemaße und Streuungsmaße.

Zu den Lageparametern gehören der Modus, Median und das arithmetische Mittel. Den Streuungsmaßen zuzuordnen sind die Varianz und die Standardabweichung.

Modus (häufigster Wert): ist derjenige Wert, der in einer Häufigkeitsverteilung am häufigsten vorkommt, d.h. er bestimmt die Lage des Maximums der Häufigkeitsverteilung.

Median: ist der Wert, bei dem 50% größer und 50% der Einzelwerte kleiner sind. Er spaltet die Häufigkeitsverteilung somit in zwei gleich große Teile.

Arithmetisches Mittel: wird gebildet aus der Summe der Merkmalswerte, dividiert durch die Anzahl der Merkmalswerte. Es lässt sich nur für quantitative Daten berechnen.

Varianz: ist die Summe der Quadrierten Abweichungen der Merkmalswerte vom arithmetischen Mittelwert, dividiert durch die Anzahl der Werte.

Standardabweichung: ist die Wurzel aus der Varianz. Sie dient zur Analyse der Mittelwerte und erhält hierdurch eine große Bedeutung.

Bivariate Analyseverfahren

Bivariate Analysen untersuchen Zusammenhänge zwischen zwei Variablen.

Kreuztabellierung

Die interessierenden Variablen werden in disjunkte Gruppen geteilt. Anschließend werden alle denkbaren Ausprägungskombinationen in einer zweidimensionalen Tabelle (Kreuztabelle) oder einem Plot (im Beispiel sind die Variablen nicht unabhängig von einander) aufgezeigt.

Zwei Variablen Plot

Einschätzung der Bekanntheit von Technologiemerkmalen bei Verkäufern

Einfache Korrelationsanalyse

Allgemein beschäftigt sich die Korrelationsanalyse mit der Messung von wechselseitigen Zusammenhängen. Die einfache Korrelation misst den Zusammenhang zwischen zwei Variablen, genauer die Abhängigkeit einer beobachteten Erscheinung von einer anderen Erscheinung.
Besteht eine Korrelation zwischen den Variablen X und Y, gibt es mindestens drei Möglichkeiten einer Kausalbeziehung

1. X bewirkt Y
Beispiel: Der Preis einer Dienstleistung beeinflusst die Nachfrage

2. Y bewirkt X
Beispiel: Die Nachfrage nach einer Dienstleistung beeinflusst die Herstellungskosten.

3. X und Y werden durch Z bewirkt
Beispiel: Umsatz und Gewinn werden durch die Absatzmenge beeinflusst

Die Stärke des Zusammenhangs wird durch den Korrelationskoeffizienten (r) zum Ausdruck gebracht. Er kann alle Werte zwischen –1 und +1 annehmen.

Einfache Regressionsanalyse

Die Regressionsanalyse bildet eines der am häufigsten eingesetzten statistischen Analyseverfahren.

Mit Hilfe dieser Analyse werden die Richtung und die Stärke des Zusammenhangs zwischen einer abhängigen und ein oder mehrerer unabhängigen Variablen aufgezeigt.

Während die Korrelationsanalyse es ermöglicht, unabhängig von der Wirkungsrichtung nach einem Zusammenhang und dessen Stärke zu forschen unterstellt die Regressionsanalyse eine Wirkungsrichtung von einer unabhängigen Variablen zu einer abhängigen Variablen und bestimmt diesen Einfluss.

Die Regressionsanalyse geht damit über die Korrelationsanalyse hinaus, da sie unter den Variablen eine eindeutige Richtung des Zusammenhangs unterstellt.

Sprechen Sie uns an, wenn Sie Unterstützung bei komplexeren analytischen Verfahren benötigen

Ihr Kontakt: Manuela Dannenberg | Tel: +49 (0)30 4005 4914 | request@globis-consulting.com

 

Multivariate Analyseverfahren

Multivariate Analysenmethoden beschäftigen sich mit der Betrachtung von mehrdimensionalen Daten (Merkmalsausprägungen). Multivariat oder mehrdimensional bedeutet hier, das ein Objekt durch mehr als ein Merkmal ausgeprägt ist.

Bei einer Einordnung der Verfahren nach anwendungsbezogenen Fragestellungen bietet sich eine Einteilung in primär struktur-prüfende und struktur-entdeckende Verfahren an. Diese beiden Kriterien werden in diesem Zusammenhang wie folgt verstanden:

1. Strukturen-prüfende Verfahren sind solche multivariaten Verfahren, deren primäres Ziel in der Überprüfung von Zusammenhängen zwischen Variablen liegt. Der Anwender besitzt eine auf sachlogischen oder theoretischen Überlegungen basierende Vorstellung über die Zusammenhänge zwischen Variablen und möchte diese mit Hilfe multivariater Verfahren überprüfen. Verfahren, die diesem Bereich der multivariaten Datenanalyse zugeordnet werden können, sind die Regressionsanalyse, die Varianzanalyse, die Diskriminanzanalyse, die logistische Regression, die Kontingenzanalyse, Strukturgleichungsmodelle sowie die Kausalanalyse und das Conjoint Measurement zur Analyse von Präferenzstrukturen.

2. Strukturen-entdeckende Verfahren sind solche multivariaten Verfahren, deren primäres Ziel in der Entdeckung von Zusammenhängen zwischen Variablen oder zwischen Objekten liegt. Der Anwender besitzt zu Beginn der Analyse noch keine Vorstellungen darüber, welche Beziehungszusammenhänge in einem Datensatz existieren. Verfahren, die mögliche Beziehungszusammenhänge aufdecken können, sind die Faktorenanalyse, die Clusteranalyse und die Multidimensionale Skalierung.

Die vorgenommene Zweiteilung der multivariaten Verfahren in strukturen-prüfende und strukturen-entdeckende Verfahren kann keinen Anspruch auf Allgemeingültigkeit erheben, sondern kennzeichnet nur den vorwiegenden Einsatzbereich der Verfahren.