SlideShare uma empresa Scribd logo

Grundlagen der Umfrageforschung (www.questionstar.de)

•
•
Paul Marx
Paul Marx

Einführungskurs Umfrageforschung in Marketing. INHALT: 1. Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 2. Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 6. Fortgeschrittene Techniken der Marktforschung: Einige nützliche Konzepte 6.1 Conjoint-Analyse 6.2 Marktsimulationen 6.3 Segmentierung 6.4 Wahrnehmungskarten 7. Ergebnisse Berichten

Marketing
1 de 261
Paul Marx | Grundlagen der Umfrageforschung Grundlagen der Umfrageforschung 1 Einführungskurs
Paul Marx | Grundlagen der Umfrageforschung Inhalt 1. Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 2. Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 6. Fortgeschrittene Techniken der Marktforschung: Einige nützliche Konzepte 6.1 Conjoint-Analyse 6.2 Marktsimulationen 6.3 Segmentierung 6.4 Wahrnehmungskarten 7. Ergebnisse Berichten 2
Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 3
Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 4
Paul Marx | Grundlagen der Umfrageforschung Was ist Forschung? Forschung ist Alle systematischen Bestrebungen und Bemühungen, um neue Erkenntnisse für Wissenschaft oder Industrie zu erlangen. (Lexikon) 5 Forschung ist Suche und Sammlung von Informationen und Ideen in Antwort auf eine spezifische Fragestellung. (Unbekannt)
Paul Marx | Grundlagen der Umfrageforschung Umfrage 6 Umfrage - ist eine der populärsten Methoden, primäre Daten zu erheben, wobei der Forscher mit Befragten interagiert, um Informationen über Einstellungen, Meinungen, Wissen und Verhaltensweisen von Menschen zu gewinnen
Paul Marx | Grundlagen der Umfrageforschung Marktforschung 7 Forscher Entscheidungsproblem Entscheidungsträger Sichtbare und messbare Symptome Das eigentliche Business- bzw. Entscheidungsproblem Unzufriedene Kunden Gesunkener Marktanteil Fallende Verkäufe Geringer Traffic Unzureichende Qualität der Produkte Schlechtes Image Grenzwertige Leistung vom Verkaufsteam Mangelhafte Belieferung Unethischer Umgang mit Kunden
Paul Marx | Grundlagen der Umfrageforschung Wer Was Soziologie und Politikwissenschaften Meinungsforschung, Identifikation der Einstellungen von Bevölkerung ggü. Sozial bedeutenden Phänomenen, Ereignissen und Fakten,… Psychologie Persönlichkeitstests, Intelligenztests, Identifikation individueller Stärken und Schwächen, psychischer Stabilität, kognitiver Störungen, sozialer Einflüsse,… Personalwesen Messung von Mitarbeiterzufriedenheit, Loyalität, Potenziale, Persönlichkeitsmerkmale, Führungsqualitäten, Produktivität und Arbeitsqualität, professioneller Eignung, Stressresistenz, sozialer Intelligenz, Work-Life-Balance,… Marketing Markt- und Verbraucherforschung, Messung von Imagewahrnehmung, Präferenzen, Einstellungen, Zufriedenheit mit Produkt und/oder Dienstleistung, Loyalität, Zahlungsbereitschaft; Segmentierung, Positionierung, Neuproduktentwicklung, Bewertung von Marktpotentiale, Preisbestimmung, Werbetests, Nutzerfreundlichkeit von Webseiten, Nutzer-Feedback, NPS, … Wissenschaft (im Allgemeinen) Untersuchung von Beziehungen zwischen zwei oder mehreren Variablen, Faktoren, Phänomenen; Skalen- und Methodenentwicklung für wissenschaftliche und praktische Zwecke,… Bildung Wissenstests (Multiple-Choice-Prüfungen), Studenten- und Lehrerevaluation,… … … Praktische Nutzung von Umfragen 8
Paul Marx | Grundlagen der Umfrageforschung Prozess der Marktforschung die “5 D’s” der Marktforschung Definitions- phase Design- phase Datenerhebungs- phase Datenanalyse- phase Dateninterpretations- phase 9 ⁻ Informationsbedarf identifizieren ⁻ Forschungsproblem und -fragen definieren ⁻ Forschungsziele festlegen ⁻ Informationswert prüfen Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Entscheiden bzgl. ⁻ Budget ⁻ Datenquellen ⁻ Forschungs- methoden ⁻ Stichprobenplan ⁻ Kontaktmethoden ⁻ Methoden der Datenanalyse Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können ⁻ Daten entsprechend dem Plan erheben oder ⁻ externen Dienstleister beauftragen Diese Phase ist sehr kostspielig und sehr fehleranfällig Daten ⁻ statistisch und ⁻ subjektiv analysieren, sowie Antworten und Implikationen ableiten Wahl der Datenanalysemethode hängt im Wesentlichen von dem Forschungstyp ab - Ergebnisse der Datenanalyse Formulieren - Forschungsbericht aufbereiten Aktionsfähige Schlüssel- ergebnisse statt überwältigende statistische Methoden präsentieren
Paul Marx | Grundlagen der Umfrageforschung Wann sollte man KEINE Marktforschungsprojekte starten Fall Kommentar Vage Ziele Wenn Manager sich nicht darauf einigen können, welche Informationen sie zur Entscheidungsfindung brauchen. Marktforschung kann nur hilfreich sein, wenn sie eine konkrete Frage untersucht. Fixierte Haltung Wenn Entscheidung bereits getroffen ist und die Studie nur als “Abstempelung” eines vorgefassten Plans dienen soll. Zu spät Wenn Ergebnisse zu spät bereitgestellt werden, um die Entscheidung beeinflussen zu können. Schlechtes Timing Wenn ein Produkt in der Degenerationsphase ist, macht es wenig Sinn, neue Produktvariationen zu erforschen. Unzureichende Ressourcen Es lohnt sich nicht, eine quantitative Studie aufzusetzen, solange keine statistisch signifikante Stichprobe realisierbar ist; Wenn Finanzen nicht ausreichen, die aus der Studie resultierende Entscheidungen umzusetzen. Kosten überwiegen Vorteile Erwarteter Informationswert sollte die Kosten der Datenerhebung und -analyse übersteigen. Ergebnisse nicht aktionsfähig Wenn z.B. psychographische Charakteristiken genutzt werden, die nicht helfen können, konkrete Entscheidungen zu treffen. Informationen nicht erforderlich Wenn entscheidungsrelevanten Informationen bereits vorhanden sind. 10
Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 11
Paul Marx | Grundlagen der Umfrageforschung Typologie der Marktforschung 12 Nach Zielen • Explorativ (auch diagnostisch) • Deskriptiv • Kausal (auch prädiktiv, experimentell) Nach Datenquellen • Primär • Sekundär Nach Methodologie • Qualitativ • Quantitativ
Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Zielen • Analyse von Daten und Aktionen, um Probleme besser zu verstehen • Wie hat sich der Umsatz nach Änderung der Verpackung verändert? • Haben Werbeaktionen am POS Einfluss auf Markenbekanntheit? Explorativ auch diagnostisch • Sammeln und Präsentation von Fakten: wer, was, wann, wo, wie? • Wie sieht der historische Umsatztrend in der Branche aus? • Wie sind die Einstellungen von Konsumenten ggü. Unserem Produkt? Deskriptiv • Analyse der Ursache-Wirkungs-Beziehungen; „Was wäre wenn?“ • Vorhersage der Ergebnisse von Marketing-Aktionen. • Einfluss von Werbeausgaben auf den Umsatz. (Wieviel Umsatz bring ein Werbe-Euro?) Kausal auch prädiktiv, experimentell 13 kleinere Umfragen, Focus- Groups, Interviews größere Umfragen, Beobachtung, usw. Experimente, A/B-Tests, Konsumentenp anels Unsicherheit beeinflusst den Marktforschungstyp UnsicherSicher
Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Datenquellen 14 • Generierung von Daten, die bisher noch nicht vorliegen. Diese Daten werden analysiert und können ggf. von dem Forscher veröffentlicht werden. Primär • Verwendung von zu einem früheren Zeitpunkt erhobenen Daten für den beabsichtigten Untersuchungszweck. Sekundär Umfragen, Interviews, Beobachtung, Experimente, … Literatur- recherche: Bibliothek, Web, Datenbank, Archiv
Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Methodologie 15 • Beinhaltet Sammlung und Auswertung von Daten • Erfordert große Datenmengen • Verwendet statistische Methoden der Datenanalyse • Strebt Repräsentativität der Ergebnisse an Quantitativ • Versucht Konsumentenverhalten und seine Ursachen zu verstehen • Schwerpunkt auf Individuen und kleinen Gruppen • Nicht repräsentativ. Eine Sichtweise verstehen, nicht alle Sichtweisen Qualitativ größere Umfragen, Beobachtung, usw. kleinere Umfragen, Focus-Groups, Interviews,…
Paul Marx | Grundlagen der Umfrageforschung 16 WAHRHEIT Literaturrecherche InterviewBefragung Triangulation Robson (1998), Visocky & Visocky (2009)
Paul Marx | Grundlagen der Umfrageforschung 17 ABER IN WIRKLICHKEIT IST ALLES CHAOTISCHER
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 18
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 19
Paul Marx | Grundlagen der Umfrageforschung Messung Messung – Zuweisung von Zahlen oder anderen Symbolen zu Charakteristiken von Objekten nach bestimmter vorgegebener Regel. - Eins-zu-eins-Entsprechung der Zahlen und zu messender Größen - Standardisierte Regeln für die Zuweisung der Zahlen - Regeln dürfen nicht vom Objekt zum Objekt oder in der Zeit variieren 20
Paul Marx | Grundlagen der Umfrageforschung Skalierung Skalierung – beinhaltet ein Kontinuum, auf dem die Messobjekte angeordnet werden. 21 Extrem lecker Extrem übel
Paul Marx | Grundlagen der Umfrageforschung Grundlegende Typen von Skalen 22 •Zahlen dienen lediglich zur Klassifizierung der Objekte •nicht-kontinuierliche SkalaNominal •Zahlen geben die relativen Positionen der Objekte an •aber nicht die Größe der Differenz zwischen ihnenOrdinal •Unterschiede zwischen Objekten können verglichen werden •Nullpunkt willkürlich Intervall quasi-metrisch •Nullpunkt eindeutig festgesetzt •Verhältnisse der Skalenwerte können berechnet werden Metrisch auch Ratio oder 1 2 1 2 1 2 NICHT 3 1 2 1 2 3 Meine Präferenz für Snacks mehrweniger 0 25 50 75 100 Gewicht (Kg)
Paul Marx | Grundlagen der Umfrageforschung Wichtige Skalen in Marketing Skala Beschreibung Gängige Beispiele Beispiele aus Marketing Statistische Kennzahlen Deskriptive Induktive Nominalskala Zuweisung von Zahlen zur Identifikation und/oder Klassifikation von Objekten Reisepass-Nummer, Nummer vom Fußballspieler, Geschlecht Brand, Geschlecht, Beruf, Typ des Lokals Prozentwerte, Mode Chi-Quadrat, Binomialtest Ordinalskala Zahlen beschreiben die Rangordnung der Objekte, jedoch nicht den Ausmaß der Unterschiede zwischen ihnen Schulnoten, Position der Läufer im Marathonlauf Präferenzranking, Marktposition, soziale Klasse Perzentile, Median Rangkorrelations- koeffizient (Spearmans 𝜌), Friedman ANOVA Intervallskala Ermöglicht den Vergleich der Unterschiede zwischen Objekten: Nullpunkt willkürlich Temperatur (Fahrenheit, Celsius) Einstellungen, Meinungen, Kauf- absicht, Kunden- zufriedenheit, Index- Zahlen Range, Durchschnitt, Standard- abweichung Produkt-moment Korrelation (Pearsons r), t-tests, ANOVA, Regressions- und Faktorenanalyse Metrische Skala Nullpunkt ist eindeutig festgelegt; Ermöglicht den Vergleich der Abstände zwischen den Messwerten und deren Verhältnisse Länge, Gewicht, Zeit, Geld Alter, Umsatz, Einkommen, Kosten, Marktanteil, Umsatz Geometrisches Mittel, Harmonisches Mittel Variations- koeffizient 23
Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 24
Paul Marx | Grundlagen der Umfrageforschung Vergleich von Skalierungsverfahren 25 Komparative Skalen • Der Messwert von einem Objekt ergibt sich aus dem direkten Vergleich mit einem anderen Objekt. • Daten können nur als relative Positionen interpretiert werden, • haben nur ordinales Skalenniveau (Rangordnung). Nicht-Komparative Skalen • Jedes Objekt wird isoliert beurteilt (also unabhängig von anderen Objekten). • Messergebnisse werden i.d.R. als Intervallskaliert oder metrisch gesehen. Die Wahl zwischen den Skalierungsverfahren hängt von folgenden Überlegungen ab: - Natur der Forschungsfrage - Variabilität des Messwertes in der Grundgesamtheit - Methoden der Datenanalyse
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 26
Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 27
Paul Marx | Grundlagen der Umfrageforschung Vor- und Nachteile von komparativen Skalen 28 + Geringe unterschiede zwischen Objekten können regestiert werden + Dieselben bekannte Referenzpunkte für alle Probanden + Einfach zu verstehen und zu nutzen + Benötigen weniger theoretischen Annahmen + Reduzieren tendenziell Halo- und Carryover-Effekte Vorteile - Haben lediglich ordinales bzw. Rangordnungs-Skalenniveau ⟶ beschränkte Auswahl an statistischen Methoden zur Datenanalyse - Daten können nur als relative Positionen interpretiert werden - Unmöglich über das Set der bewerteten Objekte hinaus zu generalisieren Nachteile
Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 29 Probanden wählen aus jeweils zwei Objekten dasjenige aus, das nach ihrer Meinung ein bestimmten Kriterium am besten erfüllt Im Folgenden werden Ihnen zehn Paaren von Biermarken vorgelegt. In jedem Paar, wählen Sie bitte das Bier aus, welches Sie eher kaufen würden. Warsteiner Köstritzer Oerttinger Becks Paulaner Warsteiner Köstritzer Oettinger Becks Paulaner #Male Präferiert 3 2 0 4 1 Paarweise Vergleiche
Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 30
Paul Marx | Grundlagen der Umfrageforschung Paarweise Vergleiche: Vor- und Nachteile 31 + Direkter Vergleich und eindeutige Auswahl + Gut für Blindtests, Produktvergleiche und MDS + Ermöglicht die Berechnung vom prozentuellen Anteil der Probanden, die ein Objekt dem anderen bevorzugen + Rangordnung von Objekten kann geschätzt werden (unter Annahme der Transitivität) + Mögliche Erweiterungen: Alternative „keine Unterschiede“, abgestufter Vergleich Vorteile - Anzahl von Vergleiche wächst schneller als Anzahl der Objekte (für 𝑛 Objekte 𝑛(𝑛 − 1)/2 Vergleiche) - Reihenfolgeeffekte möglich (Einfluss der Präsentationsreihenfolge auf die Antworten) - Aus Präferenz von A über B folgt es nicht, dass der Proband A mag - Wenig realistisch für die realen Wahlsituationen mit mehreren Alternativen - Verletzung der Transitivitätsannahme möglich Nachteile
Paul Marx | Grundlagen der Umfrageforschung > > Ordinale Daten: Verletzung der Transitivitätsannahme in paarweisen Vergleichen 32
Paul Marx | Grundlagen der Umfrageforschung Ordinale Daten: Verletzung der Transitivitätsannahme bei Aggregation von Präferenzen 33 Proband #1 Proband #2 Proband #3 Stimmenzählung Ergebnis: 2 vs 1 2 vs 1 2 vs 1 Apfel wird gleichzeitig am meisten und am wenigsten präferiert. Gruppenpräferenzen sind inkonsistent! Abstimmung
Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Rangordnungsverfahren 34 Probanden bringen mehrere Objekte in eine Reihenfolge (basierend auf einem bestimmten Kriterium) Ordnen Sie bitte die unten aufgeführten Marken von Erfrischungs-getränke entsprechend Ihrer Präferenzen an. Dafür wählen Sie zunächst die Marke aus, die Sie am meisten präferieren und weisen Sie ihr den Rangplatz 1 zu. Anschließend weisen Sie den Rangplatz 2 der zweitbesten Marke. Setzten Sie die Bewertung fort, bis Sie allen Marken einen Rangplatz zugewiesen haben. Die letzte, am wenigsten präferierte Marke, muss den Rangplatz 5 bekommen. Keine zwei Marken dürfen denselben Rangplatz erhalten. Das Kriterium der Präferenz ist ganz Ihnen überlassen. Es gibt keine richtige oder falsche Antworten. Versuchen Sie einfach konsistent zu sein. Rangordnungsverfahren Marke Rangplatz Pepsi-Cola ______________ Coca-Cola ______________ Red Bull ______________ Sprite ______________ 7-Up ______________
Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 35 ©ExavoGmbH, exavo.de
Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiele 36 Quelle: exavo.de ©ExavoGmbH, exavo.de
Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 37 Quelle: exavo.de ©ExavoGmbH, exavo.de
Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Vor- und Nachteile 38 + Direkter Vergleich + Realitätsnäher als paarweise Vergleiche + Anzahl der Vergleiche ist nur (𝑛 − 1) + Einfacher zu verstehen + Nehmen weniger Zeit in Anspruch + Keine nicht-transitive Antworten + Daten können in paarweise Vergleiche konvertiert werden + Gut für Messung von Marken- und Eigenschaftspräferenzen Vorteile - Aus Präferenz von A über B folgt es nicht, dass der Proband A mag - Kein Null-Punkt; Keine Trennung zwischen Mögen und Nicht-Mögen - Lediglich ordinale Daten - Verletzung der Transitivitätsannahme möglich (bei Aggregation) Nachteile
Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Konstantsummenverfahren 39 Probanden verteilen einen fixierten Betrag (z.B. Punkte, Euros, Chips, %) vollständig über ein Set von Objekten nach einem bestimmten Kriterium Unterstehend ist eine Liste von fünf Eigenschaften von Autos aufgeführt. Bitte verteilen Sie 100 Punkte über diese Eigenschaften so, dass die Anzahl der Punkte, die Sie einer Eigenschaft zuweisen, die relative Wichtigkeit dieser Eigenschaft für Sie wiederspiegelt. Je mehr Punkte eine Eigenschaft bekommt, desto wichtiger ist diese Eigenschaft für Sie. Wenn eine Eigenschaft für Sie unwichtig ist, weisen Sie ihr 0 Punkte zu. Wenn eine Eigenschaft doppelt so wichtig für Sie ist als eine andere Eigenschaft, weisen Sie ihr doppelt so viel Punkte zu. Konstantsummenverfahren Eigenschaften Punkte Geschwindigkeit 0 Komfort 15 Getriebetyp (manuell/Automatik) 5 Kraftsoff (Benzin/Diesel) 35 Preis 45 Summe 100
Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel der Auswertung 40 Attribute Segment 1 Segment 2 Segment 3 Geschwindigkeit 0 17 53 Komfort 15 23 30 Getriebe (manuell/Automatik) 5 21 10 Kraftstoff (Benzin/Diesel) 35 12 7 Preis 45 27 0 Summe 100 100 100 Durchschnittliche Bewertung in drei Segmenten
Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel 41 ©ExavoGmbH, exavo.de
Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiele 42
Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Vor- und Nachteile 43 + Kann kleine Unterschiede zwischen den Objekten messen, ohne zu viel Zeit zu beanspruchen + Metrisch skaliert ⟶ flexible Auswahl an Analyseverfahren Vorteile - Ergebnisse sind auf die Liste der beurteilten Objekte beschränkt. D.h. es ist nicht möglich Aussagen über Objekte zu treffen, die nicht auf der Liste waren. - Relativ hohe kognitive Belastung der Probanden, insb. bei langen Listen - Anfällig für Rechenfehler (z.B. Verteilung von 108 oder 94 Punkte) Nachteile
Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Q-Sortierung 44 Rangordnungsverfahren, bei dem Objekte (in Hinblick auf ein bestimmtes Merkmal) in Stapeln sortiert werden. Wird genutzt, um eine hohe Anzahl an Objekten (60-140) schnell untereinander zu vergleichen. Die Anzahl von Objekten in einem Stapel ist i.d.R. so begrenzt, dass alle Stapeln zusammen die Form einer Normalverteilung nachbilden. Für die Prävention von Epidemien hat des Gesundheitsministerium 25 Maßnahmen für die Umsetzung in Krankenhäusern entwickelt. Bitte ordnen Sie diese Maßnahmen entsprechend ihrer Wirksamkeit zur Verhinderung der Infektionsausbreitung im unterstehenden Schema ein. Bitte nur eine Maßnahme in eine Box.Q-Sortierung Äußerst wirksam Ganz und gar nicht wirksam
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 45
Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 46
Paul Marx | Grundlagen der Umfrageforschung Nicht-komparative Skalen: Kontinuierliche Ratingskalen 47 Probanden bewerten Objekte, indem sie eine entsprechende Position auf einer Linie markieren, die von einem Extrem zum anderen Extrem eines bestimmten Kriteriums läuft. Wie bewerten Sie „Real“ als Lebensmittelgeschäft? Kontinuierliche Ratingskalen Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 1 х Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 2 х0 10 20 30 40 50 60 70 80 90 100 Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 3 х0 20 40 60 80 100 sehr schlecht sehr gut teils teils Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 4 76 sehr schlecht sehr gut teils teils
Paul Marx | Grundlagen der Umfrageforschung Kontinuierliche Ratingskalen: Perception Analyzer 48
Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Likert-Skala 49 Probanden geben an, inwieweit sie den aufgeführten Aussagen zustimmen – anhand von einer 5- oder 7-Punkte-Skala, die von einem Extrem zum andere reicht.. Im Folgenden sind unterschiedliche Aussagen über Real aufgelistet. Bitte geben Sie an, wie stark Sie diesen Aussagen zustimmen: Likert-Skala Stimme gar nicht zu Stimme nicht zu Neutral Stimme zu Stimme voll und ganz zu Real verkauft hochwertige Waren [1] [x] [3] [4] [5] Real hat schlechten Service [1] [x] [3] [4] [5] Einkaufen bei Real macht mir Spaß [1] [2] [x] [4] [5] Real bietet eine Mischung aus verschiedenen Marken [1] [2] [3] [x] [5] Die Kreditpolitik in Real ist schrecklich [1] [2] [3] [x] [5] Ich mag die Werbung von Real nicht [1] [2] [3] [x] [5] Die Preise bei Real sind fair [1] [x] [3] [4] [5] WICHTIG: Beachten Sie die umgekehrte Richtung von Fragen 2, 5 und 6. Kehren Sie die entsprechenden Skalen vor der Datenanalyse um – d.h. höhere Zahl soll bessere Einstellung bedeuten.
Paul Marx | Grundlagen der Umfrageforschung Likert-Skala: Beispiele 50
Paul Marx | Grundlagen der Umfrageforschung Populäre Likert-Skalen in Marketing 51 Konstrukt Skalenpunkte Einstellung Sehr schlecht Schlecht Weder gut, noch schlecht Gut Sehr gut Wichtigkeit Überhaupt nicht wichtig Unwichtig Neutral Wichtig Sehr wichtig Zufriedenheit Sehr unzufrieden Unzufrieden Weder zufrieden, noch unzufrieden Zufrieden Sehr zufrieden Kaufwahrscheinlichkeit (Kaufabsicht) Definitiv nicht Wahrscheinlich nicht Unentschieden Wahrscheinlich ja Auf jeden Fall ja Kaufhäufigkeit Nie Selten Manchmal Oft Sehr oft Zustimmung Trifft überhaupt nicht zu Trifft eher nicht zu Teils teils Trifft eher zu Trifft voll und ganz zu
Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Semantisches Differential 52 Zweipolige Rating-Skala, deren Extreme mit jeweils gegensätzlichen Adjektiven beschrieben werden. Erlaubt Messung mehrdimensionaler Einstellungen und deren Profildarstellung. Wie schätzen Sie das Erscheinungsbild von Kaufhof ein? Im folgenden Kasten finden Sie jeweils gegensätzliche Begriffspaare. Bitte kreuzen Sie an, inwieweit Sie in Ihrer Einschätzung jeweils mehr zu der einen oder der anderen Ausprägung tendieren. Semantisches Differential Stark [ ] [ ] [ ] [ ] [X] [ ] [ ] Schwach Unzuverlässig [ ] [ ] [ ] [ ] [ ] [X] [ ] Zuverlässig Modern [ ] [ ] [ ] [ ] [ ] [ ] [X] Altmodisch Kalt [ ] [ ] [ ] [ ] [ ] [X] [ ] Warm Sorgfältig [ ] [X] [ ] [ ] [ ] [ ] [ ] Leichtsinnig HINWEIS: Die negativen Adjektive erscheinen in der Skala manchmal links und manchmal rechts. Dies ermöglicht die Tendenz einiger Probanden nachträglich zu kontrollieren, alles links oder rechts anzukreuzen, ohne die Adjektive gelesen zu haben. Kaufhof ist:
Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 53 Hoch [ ] [ ] [ ] [ ] [ ] [ ] [ ] Tief Stark [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schwach Zuverlässig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unzuverlässig Kalt [ ] [ ] [ ] [ ] [ ] [ ] [ ] Heiß Modern [ ] [ ] [ ] [ ] [ ] [ ] [ ] Langsam Gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schlecht Freundlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Feindlich Hässlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schön Aktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] Passiv Jung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Alt Vorsichtig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Sorglos Klein [ ] [ ] [ ] [ ] [ ] [ ] [ ] Groß Sanft [ ] [ ] [ ] [ ] [ ] [ ] [ ] Abstoßend Robust [ ] [ ] [ ] [ ] [ ] [ ] [ ] Empfindlich Bescheiden [ ] [ ] [ ] [ ] [ ] [ ] [ ] Angeberisch Messung von Selbsteinschätzung, Einstellung ggü. Personen bzw. Produkten Bewertungsprofile von verschiedenen Objekten / Befragten / Segmente. Jeder Punkt entspricht dem Mittelwert oder Median der jeweiligen Skala.
Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 54 Quelle: http://www.provisor.com.ua/archive/2000/N16/gromovik.php Billig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Teuer Hat natürliche Inhaltsstoffe [ ] [ ] [ ] [ ] [ ] [ ] [ ] Hat keine natürliche Inhaltsstoffe Attraktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unattraktiv Überall verfügbar [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schwer zu bekommen Riecht gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] Riecht schlecht Hat Conditioner [ ] [ ] [ ] [ ] [ ] [ ] [ ] Hat kein Conditioner Bekannte Marke [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unbekannte Marke Geeignet für häufige Nutzung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Ungeeignet für häufige Nutzung Magischer Effekt von Glanz und Sauberkeit [ ] [ ] [ ] [ ] [ ] [ ] [ ] Kein Effekt von Sauberkeit Einfache Nutzung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Komplizierte Nutzung Ideales Shampoo Elseve Herbal Magic Semantische Profile von Shampoo-Marken „Herbal Magic” und „Elseve” im Vergleich zum idealen Shampoo aus der Sicht von Konsumenten
Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 55
Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Stapel-Skala 56 Eine unipolare Ratingskala mit 10 Kategorien von -5 bis +5 ohne Neutralpunkt (0). Wird oft als Alternative zum semantischen Differential verwendet, insb. wenn es schwierig erscheint, ein sinnvolles Paar von entgegengesetzten Adjektiven zu finden. Bitte geben Sie an, wie zutreffend folgende Wörter und Phrasen die Geschäfte beschreiben. Wählen Sie eine Plus-Zahl für Phrasen, die das Geschäft zutreffend beschreiben. Je genauer Ihrer Meinung nach trifft die Beschreibung auf das Geschäft zu, desto höhere Plus- Zahl sollten Sie wählen. Wählen Sie eine Minus-Zahl für Phrasen, die Ihrer Meinung nach auf das Geschäft nicht zutreffen. Je weniger die Phrase auf das Geschäft zutrifft, desto höhere Minus-Zahl sollten Sie wählen. Sie können jede Zahl zwischen +5 (für zutreffende) und -5 (für unzutreffende) Beschreibungen wählen. Stapel-Skala „Real“: +5 +4 +3 +2 +1 -1 -2 -3 -4 -5 Hohe Qualität +5 +4 +3 +2 +1 -1 -2 -3 -4 -5 Schlechter Service х х
Paul Marx | Grundlagen der Umfrageforschung Wichtigste nicht-komparative Skalen Skala Beschreibung Beispiele Vorteile Nachteile Kontinuierliche Ratingskalen Markierung auf einer kontinuierlichen Linie Reaktion auf TV- Werbespots Einfach zu bilden Nicht PC-gestützte manuelle Auswertung kann sehr mühsam sein Diskrete Ratingskalen Likert-Skala Grad der Zustimmung auf der Skala von 1 (stimme ganz und gar nicht zu) bis 5 (stimme vollkommen zu) Messung von Einstellungen Einfach zu verstehen, zu verwenden und zu bilden Zeitaufwendiger Semantisches Differential Zweipolige siebenstufige Ratingskala mit entgegengesetzten Adjektiven auf den Polen. Marken-, Produkt- und Firmenimage Vielseitig Keine Eignung darüber, ob die Daten intervallskaliert sind Stapel-Skala Unipolare zehn Punkte Skala von -5 bis +5 ohne Neutralpunkt (0) Messung von Einstellungen und Image Einfach zu konstruieren und zu verwenden in Telefon- Umfragen Manchmal verwirrend und schwierig anzuwenden 57
Paul Marx | Grundlagen der Umfrageforschung Konstruktion von diskreten Ratingskalen 58 Anzahl von Antwortkategorien Zwar gibt es keine eindeutige einzig optimale Anzahl von Antwortkategorien, traditionell werden Skalen mit fünf bis neuen Antwortkategorien verwendet. Balanciert vs. nicht-balanciert Generell sollte die Skala balanciert sein, um objektive Ergebnisse erzielen zu können. Gerade vs. ungerade Anzahl von Antwortkategorien Wenn eine neutrale bzw. indifferente Antwort zumindest für einige Probanden in Frage kommt, sollte man eine Skala mit ungerader Anzahl von Antwortkategorien verwenden. Obligatorische vs. nicht- obligatorische Antwort Wenn einige Probanden keine Meinung haben können, durch nicht-obligatorische Fragen kann die Genauigkeit der Ergebnisse verbessert werden. Verbale Beschreibung Es gibt gute Argumente dafür, die meisten (wenn nicht alle) Antwortkategorien zu beschriften. Die Beschriftung sollte möglichst nah an Antwortkategorien sein.
Paul Marx | Grundlagen der Umfrageforschung Anzahl von Antwortkategorien Zwar gibt es keine eindeutige einzig optimale Anzahl von Antwortkategorien, traditionell werden Skalen mit fünf bis neuen Antwortkategorien verwendet. Anzahl von Antwortkategorien 59 + Je hoher die Anzahl von Antwortkategorien, desto feinere Unterschiede in der Bewertung können von der Skala registriert werden. - Die meisten Probanden können nur mir einigen wenigen Antwortkategorien umgehen. Involvement und Wissen • Mehr Antwortkategorien wenn Probanden an der Bewertungsaufgabe interessiert sind oder über tiefes Wissen über das Objekt oder Sachverhalt verfügen. Natur von Objekten • Sind feine Unterschiede für die Objekte charakteristisch? Modus der Datenerhebung • Weniger Antwortkategorien für Telefoninterviews. Datenanalyse • Weniger Antwortkategorien für Aggregation, Verallgemeinerungen, oder Gruppenvergleiche. • Mehr Kategorien für anspruchsvolle statistische Analysen, insb. Korrelationsbasierte u.ä.
Paul Marx | Grundlagen der Umfrageforschung Balanciert vs. nicht-balanciert Generell sollte die Skala balanciert sein, um objektive Ergebnisse erzielen zu können. Balancierte oder nicht-balancierte Skalen 60 Sehr gut Gut Weder gut noch schlecht Schlecht Sehr schlecht Balancierte Skala Extrem gut Sehr gut Gut Angemessen Schlecht Sehr schlecht Nicht-balancierte Skala
Paul Marx | Grundlagen der Umfrageforschung Gerade vs. ungerade Anzahl von Antwortkategorien Wenn eine neutrale bzw. indifferente Antwort zumindest für einige Probanden in Frage kommt, sollte man eine Skala mit ungerader Anzahl von Antwortkategorien verwenden. Gerade oder ungerade Anzahl von Antwortkategorien 61 - Die mittlere Option einer Einstellungsskala zieht viele Probanden an, die unsicher sind oder ihre Meinung nur ungern offenbaren würden. - Das kann die Maßen der zentralen Tendenz und Varianz verzerren. - Wollen/brauchen wir „Kontrast“ in kontroversen Einstellungen?
Paul Marx | Grundlagen der Umfrageforschung Obligatorische vs. nicht- obligatorische Antwort Wenn einige Probanden keine Meinung haben können, durch nicht-obligatorische Fragen kann die Genauigkeit der Ergebnisse verbessert werden. Obligatorische oder nicht-obligatorische Antwort? 62 - Fragen ohne Alternative „weiß nicht“ erzeugen tendenziell höhere Menge an genauen Daten. - Wollen die Probanden nicht Antworten oder haben sie keine Meinung? - Nutzen Sie „weiß nicht“ oder besser „nicht zutreffend“ bei sachlichen Fragen und Wissensabfragen, aber nicht für Messung von Einstellungen und Meinungen. - Nutzen Sie Filterführung, um sicherzustellen, dass Probanden ihre Fragen beantworten können
Paul Marx | Grundlagen der Umfrageforschung Verbale Beschreibung Es gibt gute Argumente dafür, die meisten (wenn nicht alle) Antwortkategorien zu beschriften. Die Beschriftung sollte möglichst nah an Antwortkategorien sein. Verbale Beschreibung 63 - Die verbale Beschreibung für jede Antwortkategorie verbessert die Genauigkeit und Reliabilität nicht immer. Wichtig ist es, die Ambivalenz der Beschriftung zu vermeiden. - Spitze vs. Flache Antwortverteilung stimme ganz und gar nicht zu stimme voll und ganz zu stimme nicht zu stimme zu
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 64
Paul Marx | Grundlagen der Umfrageforschung Latente Konstrukte und Multi-Item-Skalen 65 Bitte geben Sie an, wie zufrieden Sie mit dem Kauf von ______ sind. Kreuzen Sie dafür das Kästchen an, das Ihrer Einschätzung am besten entspricht. zufrieden [ ] [ ] [ ] [ ] [ ] [ ] [ ] unzufrieden erfreut [ ] [ ] [ ] [ ] [ ] [ ] [ ] verärgert vorteilhaft [ ] [ ] [ ] [ ] [ ] [ ] [ ] nachteilig angenehm [ ] [ ] [ ] [ ] [ ] [ ] [ ] unangenehm Ich mochte es sehr [ ] [ ] [ ] [ ] [ ] [ ] [ ] Ich mochte es überhaupt nicht befriedigt [ ] [ ] [ ] [ ] [ ] [ ] [ ] frustriert hinreißend [ ] [ ] [ ] [ ] [ ] [ ] [ ] schrecklich α=0,84 Latentes Konstrukt ist ein Sachverhalt (z.B. Kundenzufriedenheit), der nicht direkt beobachtbar bzw. messbar ist. Das bedeutet nicht, dass der betreffende Sachverhalt nicht “existiert”, sondern nur, dass er aus anderen, messbaren Sachverhalten (Indikatoren) erschlossen werden kann.
Paul Marx | Grundlagen der Umfrageforschung Latente Konstrukte und Multi-Item-Skalen Konstrukt Dimensionen Faktoren Items Skala Kunden- zufriedenheit Produkt- zufriedenheit Service- zufriedenheit Freund- lichkeit Fach- kompetenz Verbind- lichkeit Der Verkäufer war mir sympathisch Der Verkäufer lächelte nett Der Verkäufer war zuvorkommend trifft voll zu trifft weitgehend zu trifft nur teilweise zu trifft überhaupt nicht zu
Paul Marx | Grundlagen der Umfrageforschung Vorteile + Möglichkeit zur Beurteilung abstrakter Konzepte + Verschiedene Facetten des Konstruktes können erfasst werden + Reduktion der Datendimensionalität durch Aggregation einer Vielzahl von beobachtbaren Sachverhalte zu einem Modell + ... Latente Konstrukte und Multi-Item-Skalen 67
Paul Marx | Grundlagen der Umfrageforschung Multi-Item-Skalen: baue oder klaue Generierung vom anfänglichen Pool von Items: Theorie, Sekundärdaten und qualitative Analyse Wahl des reduzierten Set von Items auf Grundlage qualitativer Urteile Datenerhebung mit einer großen Stichprobe Statistische Analyse Entwicklung einer bereinigten Skala Datenerhebung mit einer anderen Stichprobe Beurteilung von Reliabilität, Validität und Generalisierbarkeit der Skala Ableitung der finalen Skala Theorieentwicklung Brunner, Gordon C. II (2012), “Marketing Scales Handbook: A Compilation of Multi-Item Measures for Consumer Behavior & Advertising Research”, Vol. 6, verfügbar als as PDF unter www.marketingscales.com/research Journal of the Academy of Marketing Science (JAMS) Journal of Advertising (JA) Journal of Consumer Research (JCR) Journal of Marketing (JM) Journal of Marketing Research (JMR) Journal of Retailing (JR) Wo findet man fertige Skalen?
Paul Marx | Grundlagen der Umfrageforschung Secure Customer Index™ Bewertung von Kundenloyalität und Kundenbindung 69 Secure Customer Sehr zufrieden Werde definitiv weiterempfehlen Werde definitiv wieder nutzen Quelle: D. Randall Brandt (1996), “Secure Customer Index”, Maritz Research Zufriedenheit im Allgemeinen 5 = sehr zufrieden 4 = eher zufrieden 3 = weder zufrieden noch unzufrieden 2 = eher unzufrieden 1 = sehr unzufrieden Bereitschaft zur Weiterempfehlung 5 = werde ganz sicher weiterempfehlen 4 = werde wahrscheinlich weiterempfehlen 3 = unentschieden 2= werde wahrscheinlich nicht weiterempfehlen 1= werde ganz sicher nicht weiterempfehlen Wahrscheinlichkeit der Wiederverwendung 5 = werde ganz sicher weiterverwenden 4 = werde wahrscheinlich wiederverwenden 3= unentschieden 2= werde wahrscheinlich nicht wiederverwenden 1 = werde ganz sicher nicht wiederverwenden Secure Customers (Sichere Konsumenten) % sehr zufrieden/werde ganz sicher wiederverwenden/werde ganz sicher weiterempfehlen Konsumenten mit einer günstigen Einstellung % zumindest zweitbeste Alternative auf allen drei Dimensionen der Zufriedenheit und Loyalität Verletzte Konsumenten % eher zufrieden/unentschieden/unentschieden Gefährdete Konsumenten % eher zufrieden oder nicht zufrieden/werde wahrscheinlich oder ganz sicher nicht wiederverwenden/werde wahrscheinlich oder ganz sicher nicht weiterempfehlen
Paul Marx | Grundlagen der Umfrageforschung Erweiterter Secure Customer Index™ von Burke Inc. 70 Zufriedenheit im Allgemeinen Wie zufrieden sind Sie mit (MARKE/UNT.) im Allgemeinen? Bereitschaft zur Weiterempfehlung Wenn man Sie bitten würde, ein Unternehmen aus (BRANCHE) zu empfehlen, wie wahrscheinlich ist es, dass Sie (MARKE/UNT.) empfehlen werden? Wahrscheinlichkeit des Wiederverkaufs Wie wahrscheinlich ist es, dass Sie (MARKE/UNT.) weiterverwenden werden? Verdiente Loyalität (MARKE/UNT.) hat meine Loyalität verdient. Bevorzugtes Unternehmen Ich ziehe (MARKE/UNT.) allen anderen Anbieter vor. Quelle: Burke Inc. http://www.burke.com/library/whitepapers/sci_white_paper_low_res_pages.pdf Loyalitäts- index Share of Wallet (0% - 100%) Periode 1 Periode 2
Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 71
Paul Marx | Grundlagen der Umfrageforschung Gütekriterien der Messung 72 Das True-Score-Modell ХO = ХT + ХS + ХR wobei ХO = beobachteter Wert einer Charakteristik ХT = der wahre Wert der Charakteristik ХS = systematischer Fehler ХR = Zufallsfehler
Paul Marx | Grundlagen der Umfrageforschung Reliabilität und Validität 73 Reliabilität (Zuverlässigkeit) • Gibt an, wie zuverlässig ein Messinstrument misst – d.h. wie konsistent die Ergebnisse bei wiederholten Messungen sind. • Kein Zufallsfehler (ХR ⟶ 0 |⇒ ХO ⟶ ХT + ХS) • Die Maßzahl von Reliabilität ist Cronbachs Alpha (0 ≥ α ≥ 1) • Werte von α ≥ 0,7 gelten als akzeptabel ХO = ХT + ХS + ХR Validität (Gültigkeit) • Gibt an, inwieweit ein Messinstrument auch tatsächlich den Sachverhalt misst, den es zu messen galt – d.h. inwiefern gemessene Unterschiede tatsächlichen unterschieden zwischen den Objekten entsprechen (Güte der Messung). • Kein Messfehler (ХS ⟶ 0, ХR ⟶ 0 |⇒ ХO ⟶ХT) Reliabel Nicht valide Geringe Reliabilität Geringe Validität Nicht reliabel Nicht valide Reliabel und valide * Negative Werte von α sind möglich, lassen sich aber nicht interpretieren.
Paul Marx | Grundlagen der Umfrageforschung Reliabel Nicht valide Geringe Reliabilität Geringe Validität Nicht reliabel Nicht valide Reliabel und valide Zusammenhang zwischen Reliabilität und Validität 74 ХO = ХT + ХS + ХR • Validität impliziert Reliabilität (ХO = ХT |⇒ ХS = 0, ХR = 0) • Nicht-Reliabilität impliziert Nicht-Validität (ХR ≠ 0 |⇒ ХO = ХT + ХR ≠ ХT) • Aus Reliabilität kann Validität nicht gefolgert werden (ХR = 0, ХS ≠ 0 |⇒ ХO = ХT + ХS ≠ ХT) • Reliabilität ist eine notwendige, aber nicht hinreichende Bedingung der Validität
Paul Marx | Grundlagen der Umfrageforschung 75 „Der Zweck einer Skala ist es uns zu ermöglichen, die Probanden mit der höchsten Genauigkeit und Reliabilität abzubilden. Wir können nicht das Eine ohne das Andere haben und dabei unseren Daten vertrauen.” Bart Gamble vice president client services, Burke, Inc. 2000-2003
Paul Marx | Grundlagen der Umfrageforschung Net Promoter Score® Unternehmenswachstum? 76 0 1 2 3 4 5 6 7 8 9 10 Quelle: Reichheld, Fred (2003) "OneNumberYouNeed toGrow", Harvard Business Review Kritiker Passiven Promoters Net Promoter Score % Promoters % Kritiker= – Wie wahrscheinlich ist es, dass Sie Unternehmen/Marke/Produkt X einem Freund, Verwandten oder Kollegen weiterempfehlen werden?? Ist die Skala reliabel? Ist die Skala valide? NPS (-100% – +100%) 5-10% Durchschnittliche Unternehmen 45% Perspektive Unternehmen mit offenem Wachstumspotential 50-80% Markführer mit hohem Wachstumspotential
Paul Marx | Grundlagen der Umfrageforschung Net Promoter Score®: Warnung 77 „Obwohl die „Weiterempfehlungs-“ Frage bei weitem die beste Einzelfrage für die Vorhersage vom Konsumentenverhalten für eine Reihe von Branchen ist, sie ist nicht die beste Frage für alle Branchen… Deshalb müssen Unternehmen ihre Hausaufgaben machen und die Verbindung zwischen der Antwort auf diese Frage und dem darauffolgenden Konsumentenverhalten für ihren Geschäftsfeld empirisch überprüfen.” Fred Reichheld, 2011 Quelle: Reichheld, Fred, and Rob Markey (2011). The Ultimate Question 2.0. Boston: Harvard Business Review Press; pp.50-51. ?
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 78
Paul Marx | Grundlagen der Umfrageforschung Fragebogen 79 Fragebogen ist eine formalisierte Liste von Fragen, die dazu dient, Informationen von Befragten zu erheben. Ziele eines Fragebogens: • Informationsbedarf in ein Set von eindeutigen Fragen zu „übersetzten“, welche die Probanden beantworten können und wollen. • Probanden zu motivieren und zu ermutigen, an der Umfrage teilzunehmen und sie abzuschließen. • Antwortfehler zu minimieren. Fragebogen
Paul Marx | Grundlagen der Umfrageforschung Fragetechniken und Befragungstaktik 80 • Auswahl einer Antwort aus der Liste von vorgegebenen Antwortalternativen • +: Einfach zu analysieren, belastet kognitive Fähigkeiten von Probanden nicht und setzt sie nicht unter Stress • –: Automatische und nicht durchdachte Antworten möglich • Antwortalternativen sind nicht vorgegeben • +: Unbegrenzte Anzahl an Antwortmöglichkeiten, beansprucht das Gedächtnis • –: Komplexität der Codierung und Analyse, Probanden können die Antwort verweigern Geschlossene Fragen vs. Offene Fragen • Trinken Sie täglich Alkohol? • Welche Getränke bevorzugen Sie zu Mahlzeiten? Direkte Fragen vs. Indirekte Fragen
Paul Marx | Grundlagen der Umfrageforschung Einfluss der Formulierung auf die Antwort 81 F: Darf man beim Beten rauchen? A: Nein F: Darf man beim Rauchen beten? A: Ja 0 15 30 45 60 Ja Nein Unsicher Glauben Sie überhaupt an die große Liebe? Glauben Sie an die große Liebe? Quelle: Noelle-Neumann and Petersen (1998), p. 192 n = 2100, p <.05
Paul Marx | Grundlagen der Umfrageforschung Was soll man bei der Entwicklung vom Fragebogen berücksichtigen? 82 • Ist die Frage notwendig? • Brauchen wir mehrere Frage anstelle einer? • Hat der Proband erforderliche Informationen? • Kann der Proband sich erinnern? • Aufwand seitens Probanden • Sensibilität der Frage • Ziele der Abfragen erklären • Kulturelle Aspekte • Ist der Fragebogen einfach auszufüllen? • Ist der Fragebogen vollständig und Umfassend? • Einfluss der Formulierung
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 83
Paul Marx | Grundlagen der Umfrageforschung Fragen stellen 84 “Nicht jede Frage verdient eine Antwort” Publius Syrus Rom, 1. Jh v.Chr. Vermeiden Sie • Mehrdeutigkeit, Verwirrung und Unklarheit • Fachsprache, Slang und Abkürzungen • Doppelläufige Fragen • Führende Fragen • Implizite Annahmen • Implizite Alternativen • Hypothetische Aussagen von Probanden als Beweis von Hypothesen zu behandeln • Verallgemeinerungen und Schätzungen
Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 85 Formulieren Sie die Frage in Bezug auf die sechs W‘s (wer, was, wann, wo, warum, und wie). Wer, was, wann und wo sind besonders wichtig. • Beispiel: Welche Marke vom Shampoo nutzen Sie? • Fragen Sie stattdessen: Welche Marke oder Marken vom Shampoo haben Sie persönlich zu Hause während des letzten Monats genutzt? Falls Sie mehr als eine Marke genutzt haben, nennen Sie bitte alle Marken.
Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 86 W’s Aspekte der Frage Wer Der Proband Es ist nicht klar, ob die Frage sich nur auf den Probanden selbst, oder z.B. auf sein gesamtes Haushalt bezieht. Was Marke vom Shampoo Es ist nicht klar, wie der Proband diese Frage beantworten soll, falls er mehr als eine Marke nutzt. Wann Unklar Der Bezugszeitrahmen ist nicht angegeben. Der Proband kann sich also auf diesen Morgen, diese Woche, oder das ganze vergangene Jahr beziehen. Wo Unklar Zu Hause, im Fitness-Studio, im Urlaub, bei der Geschäftsreise? Welche Marke vom Shampoo nutzen Sie?
Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 87 • Beispiel: Welchen Computertyp besitzen Sie? ☐ Windows ☐ Mac OS • Fragen Sie stattdessen: Besitzen Sie einen Windows PC? (☐ Ja ☐ Nein) Besitzen Sie einen Apple Computer? (☐ Ja ☐ Nein) • Noch besser: Welche Computer besitzen Sie? ☐ Ich besitze keinen Computer ☐ Windows ☐ Mac OS ☐ Anderes • Beispiel: Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? ☐ Ja ☐ Nein • Fragen Sie stattdessen: Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? ☐ Ja ☐ Nein ☐ Ich habe keine Kfz-Versicherung • Noch besser (Filterführung): 1. Haben Sie eine Kfz-Versicherung? (☐ Ja ☐ Nein). Wenn nein, bitte fahren sie mit Frage 3 fort. 2. Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? (☐ Ja ☐ Nein)
Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 88 Beispiel: Wie oft kaufen Sie in einem Supermarket in einem typischen Monat ein? ☐ Niemals ☐ Selten ☐ Manchmal ☐ Oft ☐ Regulär • Fragen Sie stattdessen: Wie oft kaufen Sie in einem Supermarket in einem typischen Monat ein? ☐ weniger als 1 Mal ☐ 1 bis 2 Mal ☐ 3 bis 4 Mal ☐ öfter als 4 Mal
Paul Marx | Grundlagen der Umfrageforschung Fachsprache, Slang und Abkürzungen vermeiden 89 Verwenden Sie einfache Wörter • Beispiel: Glauben Sie, dass die Distribution der Erfrischungs- getränke ist adäquat? • Fragen Sie stattdessen: Sind Erfrischungsgetränke einfach zu finden, wann immer Sie sie kaufen möchten? • Beispiel: Geben Ihr bereinigtes Nettoeinkommen im vergangenen Jahr an? € _______
Paul Marx | Grundlagen der Umfrageforschung Doppelläufige Fragen vermeiden 90 Jede Frage soll sich nur auf einem Aspekt konzentrieren. • Beispiel: Ist Ihrer Meinung nach Coca-Cola lecker und erfrischend? • Fragen Sie stattdessen: 1. Ist Ihrer Meinung nach Coca-Cola lecker? 2. Ist Ihrer Meinung nach Coca-Cola erfrischend?
Paul Marx | Grundlagen der Umfrageforschung Führende Fragen vermeiden 91 Wenn Sie eine bestimmte Antwort wollen, brauchen Sie die Frage nicht stellen. • Beispiel: Helfen Sie der Umwelt, indem Sie Einkaufstaschen aus Stoff nutzen? • Fragen Sie stattdessen: Nutzen Sie Einkaufstaschen aus Stoff?
Paul Marx | Grundlagen der Umfrageforschung Implizite Annahmen vermeiden 92 Die Antwort soll nicht von impliziten bzw. stillschweigenden Annahmen über die Konsequenzen abhängig sein. • Beispiel: Denken Sie, dass der Milchpreis gesenkt werden soll? • Fragen Sie stattdessen: Denken Sie, dass der Milchpreis gesenkt werden soll, auch wenn dadurch die Milchqualität schlechter wird?
Paul Marx | Grundlagen der Umfrageforschung Implizite Alternativen vermeiden 93 Implizite Alternativen sind Antwortalternativen, die nicht explizit genannt wurden. • Beispiel: Nehmen Sie gern Zug für kurze Städtereisen? • Fragen Sie stattdessen: Nehmen Sie gern Zug für kurze Städtereisen, oder fahren Sie lieber Auto? http://www.kostenlose3dmodelle.com/ mensch-argere-dich-nicht-lightwavedice -studio-3ds-obj-lwo/
Paul Marx | Grundlagen der Umfrageforschung Vermeiden Sie es, hypothetische Aussagen von Probanden als Beweis für die Hypothese zu behandeln 94 Meinungen und Überzeugungen stellen die realen Fakten nur verzerrt dar • Beispiel: Glauben Sie, dass höher gebildete Menschen tendenziell öfter Pelzkleidung tragen? • Fragen Sie stattdessen: 1. Was ist Ihr Bildungsstand? 2. Tragen Sie Pelzkleidung?
Paul Marx | Grundlagen der Umfrageforschung Verallgemeinerungen und Schätzungen vermeiden 95 Zwingen Sie den Probanden nicht, sein Gedächtnis und mathematische Fähigkeiten anzustrengen • Beispiel: Wie hoch sind die jährlichen Pro-Kopf-Ausgaben für Lebensmittel in Ihrem Haushalt? • Fragen Sie stattdessen: 1. Wie viel Geld wird in Ihrem Haushalt monatlich (bzw. wöchentlich) für Lebensmittel ausgegeben? 2. Wie viele Mitglieder sind in Ihrem Haushalt?
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 96
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortfähigkeit 97 Ist der Proband informiert? Kann der Proband sich erinnern? Kann der Proband artikulieren?
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortfähigkeit 98 Ist der Proband informiert? Probenden beantworten oft die Fragen, auch wenn sie nicht informiert sind • Beispiel: Bitte geben Sie an, inwieweit Sie folgender Aussage zustimmen: “Die Zentrale für Verbraucherbeschwerden hilft Menschen, die defekte Produkte gekauft haben, effizient ihre Problemen mit Händlern zu lösen.” 51.9% von Anwälten und 75% der Bevölkerung haben diese Frage beantwortet, obwohl es keine Zentrale für Verbraucherbeschwerden gibt. • Nutzen Sie Filter-Fragen: z.B. fragen Sie vorab nach dem Kenntnis vom Geschäft und/oder Einkaufshäufigkeit in der Studie von 10 Einkaufsläden. • Nutzen Sie die „Weiß nicht”-Antwortalternative
Paul Marx | Grundlagen der Umfrageforschung Kann der Proband sich erinnern? Bewältigung der mangelnden Antwortfähigkeit 99 Mangelnde Erinnerungsfähigkeit von Probanden führt zum Fehler des Weglassens, Telescoping und Schaffung. • Beispiel: Wie viele Flaschen von Erfrischungsgetränke haben Sie in den vergangenen vier Wochen verbraucht? • Fragen Sie stattdessen: Wie oft trinken Sie Erfrischungsgetränke in einer durchschnittlichen Woche? ☐ Weniger als einmal in der Woche ☐ 1 bis 3 Male in der Woche ☐ 4 bis 6 Male in der Woche ☐ 7 oder mehr Male in der Woche • Verwenden Sie die Methode der gestützten Erinnerung (wenn angemessen) “An welche Werbespots von Erfrischungsgetränken aus dem gestrigen TV-Programm können Sie sich erinnern?” vs “Welche der folgenden Marken von Erfrischungsgetränken wurden gestern Abend im Fernsehen beworben?” (Liste)
Paul Marx | Grundlagen der Umfrageforschung Kann der Proband artikulieren? Bewältigung der mangelnden Antwortfähigkeit 100 Bei Unfähigkeit ihre Antwort zu artikulieren, neigen Probanden dazu die Frage zu überspringen und die Beantwortung der Umfrage abzubrechen • Beispiel: Bei Frage, die Atmosphäre eines Kaufhauses zu beschreiben, in dem sie gern einkaufen würden, viele Probanden haben Schwierigkeiten Ihre Antwort zu formulieren. • Nutzen Sie Hilfsmittel, z.B. Bilder, Schemen, Beschreibungen Wenn man Probanden alternative Beschreibungen von Atmosphäre eines Kaufladens vorlegt, werden sie diejenige Beschreibung auswählen können, die ihnen am meisten gefällt.
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 101
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 102 Die meisten Probanden mögen nicht • Viel Zeit und Mühe in die Beantwortung von Umfragen investieren • Fragen zu beantworten, die unangemessen in dem Kontext der Umfrage erscheinen • Informationen preiszugeben, die nach ihrer Auffassung nicht zweckdienlich sind • Sensible Informationen offenlegen
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 103 Minimieren Sie den für die Beantwortung erforderlichen Aufwand • Beispiel: Bitte nennen Sie alle Abteilungen, bei denen Sie während Ihres letzten Besuch im Kaufhaus eingekauft haben. • Fragen Sie stattdessen: Bitte kreuzen Sie in der unten aufgeführten Liste alle Abteilungen an, bei denen Sie während Ihres letzten Einkaufs im Kaufhaus eingekauft haben: ☐ Damenbekleidung ☐ Herrenbekleidung ☐ Kinderbekleidung ☐ Kosmetik ……. ☐ Schmuck / Juwelierwaren ☐ Andere (bitte angeben) _________________
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 104104 Manche Fragen erschienen in bestimmten Kontexten unangemessen • Beispiel: Fragen über persönliche Hygienegewohnheiten können in einer medizinischen Umfrage angemessen erscheinen und in einer Umfrage über Fast-Food-Restaurants – als unangemessen. • Führen Sie den Kontext ein, indem Sie ein Statement abgeben: „Als ein Fast-Food-Restaurant sind wir bemüht, unseren Kunden eine saubere und hygienische Umgebung anbieten zu können. Deshalb möchten wir nun Ihnen einige Fragen über Ihre Hygienegewohnheiten stellen.”
Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 105105105 Erklären Sie warum die Informationen benötigt werden • Beispiel: Warum sollte sich ein Produzent von Frühstückscerealien für das Alter, Einkommen und Beruf von Probanden interessieren? • Legitimieren Sie die Informationsanfrage: „Um zu verstehen, wie sich der Konsum von Frühstückscerealien zwischen den Personen mit dem verschiedenen Alter, Einkommen und Beruf variiert, benötigen wir von Ihnen noch folgende Informationen…”
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 106
Paul Marx | Grundlagen der Umfrageforschung • Platzieren Sie die sensiblen Themen am Ende des Fragebogens • Leiten Sie die Fragen mit dem Statement ein, dass das Verhalten lediglich im Allgemeinen/generell von Interesse ist • Stellen Sie die Fragen in dritter Person: Formulieren Sie sie so, als ob sie sich auf andere Menschen bezieht • Verstecken Sie die Frage in der Gruppe von anderen Fragen • Geben Sie Antwortalternativen vor, anstelle konkrete Angaben oder Zahlen abzufragen Erhöhung der Antwortbereitschaft 107 Sensible Themen: - Geld - Privates und Familienleben - Politische und religiöse Ansichten - Beteiligung an Unfällen und Straftaten - …
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 108
Paul Marx | Grundlagen der Umfrageforschung Reihenfolge von Fragen 109 • Eröffnungsfragen Eröffnungsfragen sollten interessant, einfach und nicht abschreckend sein. • Informationstyp Als Faustregel, müssen zunächst die für die Forschungsfrage relevanten Informationen, dann die Klassifikations- und abschließend die Identifikationsinformationen abgefragt werden. • Schwierige Fragen Schwierige Fragen bzw. Frage, die sensibel, peinlich, kompliziert, oder mühsam sind, sollten möglichst hinten in der Fragenreihenfolge platziert werden.
Paul Marx | Grundlagen der Umfrageforschung Reihenfolge von Fragen 110 • Ausstrahlungseffekte auf Folgefragen (Trichterung, Funneling) Allgemeinere Fragen sollten konkreteren Fragen vorangehen 1. Welche Aspekte spielen für Sie bei der Auswahl eines Kaufhauses eine wichtige Rolle? 2. Wie wichtig ist für Sie die Bequemlichkeit der Lage bei der Auswahl eines Kaufhauses? • Logische Anordnung / Verzweigungslogik Die Frage, zu der es verzweigt wird, soll möglichst nah an die Frage platziert werden, die die Verzweigung verursacht. Die Verzeigungsfragen sollten so angeordnet werden, dass Probanden nicht vorhersehen können, welche Zusatzinformationen abgefragt werden.
Paul Marx | Grundlagen der Umfrageforschung Beispiel: Ablaufplan einer Umfrage 111 Einleitung Besitz einer Loyalitäts-, Bank-, und/oder anderen Kreditkarte Hat in einem bestimmten Kaufhaus in den letzten zwei Monaten eingekauft? Wie wurde bezahlt? Überhaupt in einem Kaufhaus eingekauft? Laden- Loylitäts- karte Bank-/EC- karte Andere Kredit- karte Absicht eine Loyalitäts-, Bank-, und/oder andere Kreditkarte zu verwenden? ja nein ja nein Mit Karte Bargeld Anderes
Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 112
Paul Marx | Grundlagen der Umfrageforschung Wie geht es weiter? 113113 Einleitung • Interesse der Probanden erwecken • Gründe und Ziele erklären • Probanden um Hilfe bitten • Sagen, dass Ihre Unterstützung wertvoll ist • Sagen, wie lange die Umfrage dauert • Anonymität betonen • Anreize schaffen (Nicht-monetäre Anreize)
Paul Marx | Grundlagen der Umfrageforschung Wie geht es weiter? 114114 Pretesten! Pretesten! Pretesten!!! • Inhalt von Fragen • Wortlaut / Formulierung • Reihenfolge • Form und Layout • Schwierigkeit der Frage • Anleitungen… • Analyseverfahren
Paul Marx | Grundlagen der Umfrageforschung Zusammenfassung 115 1. Entwickeln Sie einen Ablaufplan von erforderlichen Informationen ausgehend vom (Markt-)Forschungsproblem • Sobald die gesamte Sequenz ausgelegt ist, müssten die Zusammenhänge klar geworden sein • Stimmen Sie die Daten, die Sie aus dem Fragebogen zu erhalten planen, auf den im Ablaufplan definierten Informationsbedarf ab. • Legen Sie konkrete Ziele für jeden Informations- und Datenbereich fest. Formulieren Sie für jeden Bereich ein klares, eindeutiges Ziel, sodass daraus die Konstruktion Ihrer Fragen ergibt. 2. In diesem Schritt ziehen Sie Ihren „Kritikerhut“ an, gehen Sie zurück zu Ihrem Ablaufplan und fragen Sie sich • Muss ich das unbedingt wissen und weiß ich, was genau ich damit tun werde? oder • Das wäre zwar schön zu wissen, aber das brauche ich nicht unbedingt.
Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 116
Paul Marx | Grundlagen der Umfrageforschung 117 Der weltweit bekannteste Schlagzeilenfehler. Präsident Harry Truman gegen Thomas Dewey. Chicago Daily Tribute gibt falsche Wahlergebnisse bekannt. Grund? • Voreingenommenheit • ungenaue Meinungsumfrage
Paul Marx | Grundlagen der Umfrageforschung Auswahl der Stichprobe (Sampling) 118 Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. Diese Prozedur bezeichnet man als Sampling. Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psychografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Grundgesamtheit
Paul Marx | Grundlagen der Umfrageforschung Auswahl der Stichprobe (Sampling) 119 Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. Diese Prozedur bezeichnet man als Sampling. Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psychografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Grundgesamtheit Probanden Menschen, die antworten
Paul Marx | Grundlagen der Umfrageforschung Sampling: Zwei grundlegende Methoden 120 Image By Sergio Valle Duarte (Own work) [CC BY 3.0], via Wikimedia Commons
Paul Marx | Grundlagen der Umfrageforschung 121 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 122
Paul Marx | Grundlagen der Umfrageforschung 123 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
Paul Marx | Grundlagen der Umfrageforschung Willkürliche Auswahl 124 Bei der willkürlichen Auswahl (Auswahl auf‘s Geratewohl) gelangen die Probanden in die Stichprobe unkontrolliert, meistens aus Bequemlichkeit. Oft werden Probanden nur deshalb ausgewählt, weil sie zu richtiger Zeit am richtigen Ort sind. • Studenten und Mitglieder von öffentlichen Organisationen • Umfragen in Kaufläden ohne Qualifizierung von Probanden • Umfragen auf den Straßen • Abriss-Fragebögen in Katalogen und Zeitschriften
Paul Marx | Grundlagen der Umfrageforschung Bewusste Auswahl 125 Bewusste Auswahl ist eine Form der Willkürlichen Auswahl, bei der Probanden basierend auf dem Ermessen vom Forscher in die Stichprobe gelangen. • Testmärkte • Einkaufsingenieure in der Industriellen Marktforschung • Mütter als „Nutzer“ von Windeln
Paul Marx | Grundlagen der Umfrageforschung Quotenplan 126 Die Stichprobe wird nach vorgegebenen Kontrollmerkmalen (z.B. Geschlecht, Alter, Einkommen, Größe des Unternehmens, Umsatz usw.) gezogen, sodass die in der Stichprobe enthaltenen Objekte die Struktur der Grundgesamtheit im Hinblick auf die proportionale Aufteilung dieser Charakteristiken wiedergeben. Die Objekte der Stichprobe werden dabei meistens auf Geratewohl ausgewählt. Die Voraussetzung ist jedoch, dass die Stichprobenobjekte den Quotenplan erfüllen. Kontrollmerkmale Zusammensetzung der Grundgesamtheit Zusammensetzung der Stichprobe Anteil, % Anteil, % Anzahl Geschlecht Männlich
 Weiblich 
 48 52 ------- 100 48
 52
 ------- 100 
 480
 520
 ------- 1000 Alter
 18-30 31-45 45-60
 über 60 27 39 16 18 ------- 100 27 39 16 18 ------- 100 270 390 160 180 ------- 1000
Paul Marx | Grundlagen der Umfrageforschung Schneeball-Verfahren auch Ketten-Verfahren genannt 127127 Die erste Probandengruppe wird (in der Regel) zufällig ausgewählt. • Nach dem Interview werden diese Probanden gebeten andere Personen zu benennen, die zur Zielgruppe der Umfrage gehören. • Nachfolgende Probanden werden aufgrund von Weiterempfehlungen ausgewählt. Gut für die Lokalisierung einer gewünschten Eigenschaft in der Grundgesamtheit: • Schwer zu erreichenden Probanden (z.B. Staatsangestellte, Geschäftsführer, Obdachlose, Drogenabhängige) • Einschätzung von Charakteristiken, die selten in der Grundgesamtheit auftreten • Identifikation von Käufer-Verkäufer-Paaren in der industriellen Forschung
Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 128
Paul Marx | Grundlagen der Umfrageforschung 129 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
Paul Marx | Grundlagen der Umfrageforschung Einfache und systematische Zufallsstichproben 130 Systematische Zufallsstichproben • Für die Auswahl der Stichprobe wird zunächst ein „Startelement“ zufällig ausgewählt. Anschließend wird jedes 𝑖-te Element aus dem Stichprobenplan gezogen. • Der Abstand 𝑖 ergibt sich aus der Relation des Umfangs der Grundgesamtheit 𝑁 zum Umfang der Stichprobe 𝑛, d.h., 𝑖 = 𝑁/𝑛 Einfache Zufallsstichproben • Jedes Element wird unabhängig von allen anderen Elementen ausgewählt. Das bedeutet, dass: • Jedes Element der Grundgesamtheit hat eine bekannte und gleiche Wahrscheinlichkeit ausgewählt zu werden. • Jede mögliche Stichprobe der gegebenen Größe (𝑛) hat eine bekannte Wahrscheinlichkeit tatsächlich ausgewählt zu werden. Starte hier Wähle zufällig i i i Nehme jedes i-tes Element
Paul Marx | Grundlagen der Umfrageforschung Geschichtete Zufallsstichproben 131131 Bei der geschichteten Stichprobenziehung wird die Grundgesamtheit zunächst in die nicht-überlappenden Schichten (Stratas) aufgeteilt. Anschließend wird aus jeder Schicht ein (dis-)proportionaler Anteil der Elementen zufällig gezogen. Elementen eines Schichts müssen im gewissen Maße ähnlich sein. Gut für: • Hervorheben einer bestimmten Subgruppe in der Grundgesamtheit • Beobachtung von Zusammenhängen und Beziehungen zwischen zwei oder mehr Subgruppen • Repräsentative Stichprobenziehung auch von kleinsten und unzugänglichsten Subgruppen in der Grundgesamtheit • höhere statistische Genauigkeit Schicht A B C Umfang der Grundgesamtheit 100 200 300 Stichprobeanteil 1/2 1/2 1/2 Stichprobengröße 50 100 150 Schicht A B C Umfang der Grundgesamtheit 100 200 300 Stichprobeanteil 1/5 1/2 1/3 Stichprobengröße 20 100 100 Proportionierte Disproportionierte Stich- probe
Paul Marx | Grundlagen der Umfrageforschung Klumpenstichproben auch Cluster-Stichproben genannt 132132 Bei Klumpenstichprobe wird die Grundgesamtheit zunächst in gegenseitig exklusive Klumpen (Cluster) aufgeteilt. Anschließend werden zufällig Klumpen ausgewählt, die dann im vollen Umfang in die Stichprobe gelangen. Gut für: • Abdecken großer geographischen Gebiete • Reduktion von (Umfrage-)kosten • Wenn Konstruktion einer vollständigen Liste von Elementen der Grundgesamtheit ist schwierig • Wenn Grundgesamtheit aus natürlichen Clustern besteht (z.B. Blöcke, Städte, Schulen, Krankenhäuser, Kisten usw.) Für jeden Cluster werden entweder alle Elementen (einstufige Verfahren) oder eine zufällige Stichprobe der Elemente (zweistufige Verfahren) gezogen.
Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 133
Paul Marx | Grundlagen der Umfrageforschung Stärken und Schwächen von Stichproben-Auswahlverfahren 134 Verfahren Stärken Schwächen Nicht-zufällige Auswahlverfahren Willkürliche Auswahl Am günstigsten, am wenigsten zeitaufwendig, am bequemsten Fehlerbehaftet, Stichprobe nicht repräsentativ, nicht empfohlen für deskriptive und kausale Forschung Bewusste Auswahl Niedrige Kosten, bequem, nicht zeitaufwendig Subjektiv, Ergebnisse nicht verallgemeinerbar Quotenplan Bestimmte Charakteristiken der Stichprobe können Kontrolliert werden Fehlerbehaftet, keine Garantie der Repräsentativität Schneeball-Verfahren Ermöglicht Einschätzung seltener Eigenschaften Zeitaufwendig in der Feldforschung Zufällige Auswahlverfahren Einfache Zufallsstichproben Leicht verständlich, verallgemeinerbare bzw. repräsentative Ergebnisse Stichprobenplan schwer zu konstruieren, teuer, geringere Genauigkeit, keine Garantie der Repräsentativität Systematische Zufallsstichproben Kann Repräsentativität erhöhen, einfacher umzusetzen als einfache zufällige Auswahl Kann die Repräsentativität abschwächen Geschichtete Zufallsstichproben Enthält alle wichtigen Subgruppen der Grundgesamtheit, Genauigkeit Relevante Aufteilungskriterien schwer auszuwählen, Aufteilung anhand mehrerer Kriterien nicht praktikabel, teuer Klumpenstichproben Einfach umzusetzen, Kosteneffizient Ungenau, komplizierte Berechnung und Interpretation der Ergebnisse
Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 135
Paul Marx | Grundlagen der Umfrageforschung Bestimmung der Stichprobegröße 136 Die Stichprobengröße häng nicht von der Größe der Grundgesamtheit ab, vielmehr wird sie bestimmt durch qualitative Aspekte der Studie. • Gewünschte Genauigkeit der Vorhersagen • Kenntnis über die Parameter der Grundgesamtheit • Anzahl von Variablen • Typ der Analyse • Wichtigkeit der Entscheidung • Rücklaufs- und Abbruchsquoten • Ressourceneinschränkungen
Paul Marx | Grundlagen der Umfrageforschung Typische Stichprobengrößen in der Marktforschung 137 Typ der Studie Minimaler Umfang Typischer Umfang Problemidentifizierungs-Studien (z.B. Markpotenzial) 500 1.000 – 2.000 Problemlösungs-Studien (z.B. Preissetzung) 200 300 - 500 Produkttests 200 300 - 500 Studien auf den Testmärkten 200 300 - 500 TV/Radio/Print Werbung (pro Anzeige) 150 200 - 300 Audit von Test-Märkten 10 Geschäfte 10 - 20 Geschäfte Focus-Gruppen 6 Gruppen 10 - 15 Gruppen
Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 138
Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 139
Paul Marx | Grundlagen der Umfrageforschung 140 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 141 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne 𝐸 = 𝑧 𝜎 𝑛 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 142 𝐸 = 𝑧 𝜎 𝑛 Meistens unbekannt Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
Paul Marx | Grundlagen der Umfrageforschung 143 𝐸 = 𝑧 𝜎 𝑛 Meistens unbekannt Maximal bei π = 0,5 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
Paul Marx | Grundlagen der Umfrageforschung 144 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
Paul Marx | Grundlagen der Umfrageforschung 145 𝑥 = 𝑥. ± 𝐸 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 146 𝐸 ≈ 1 𝑛 ⟹ 𝑛 ≈ 1 𝐸 6 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 147 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 148 𝑛7899 = korrigierter Umfang der Stichprobe 𝑛 = Umfang der Stichprobe 𝑁 = Umfang der Grundgesamtheit Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) 149 Fehlerspanne 1% Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 150 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) Fehlerspanne 5% Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 151 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) Fehlerspanne 10% Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung Konfidenzintervall 152 Konfidenzintervall und Vertrauensniveau Konfidenzintervall (Vertrauensbereich) ist ein geschätzter Intervall von Zahlen zusammen mit Angabe der Wahrscheinlichkeit, dass dieses Intervall den unbekannten Parameterwert enthält. Vertrauensniveau (Vertrauenswahrscheinlichkeit) ist ein erwarteter Anteil von Intervallen, die bei einer hohen Anzahl an Stichprobenziehungen den Parameterwert enthalten werden. Angenommen, wir möchten herausfinden, wie viele Stunden pro Tag die Mitarbeiter eines Unternehmens durchschnittlich arbeiten. Wir könnten eine Stichprobe von 30 Menschen ziehen und den Stichprobendurchschnitt von 7,5 Stunden herausfinden. Wenn wir nun sagen, dass wir uns zu 95% sicher sind, dass der echte Durchschnitts- wert irgendwo im Bereich von 7,2 und 7,8 Stunden liegt, sagen wir, dass wenn wir unsere Messung mit neuen Stichproben wiederholen und dabei die Fehlerspanne auf ±0,3 setzten würden, würde dieser Bereich den echten Durchschnittswert in 95% der Fälle enthalten. Std
Paul Marx | Grundlagen der Umfrageforschung Konfidenzintervall, Fehlerspanne und Stichprobenumfang 153 Je höhere Sicherheit (Vertrauenswahrscheinlichkeit) wir brauchen, desto breiter wird unser Konfidenzintervall und desto höher wird unsere Fehlerspanne sein.
Paul Marx | Grundlagen der Umfrageforschung Je höhere Sicherheit (Vertrauenswahrscheinlichkeit) wir brauchen, desto breiter wird unser Konfidenzintervall und desto höher wird unsere Fehlerspanne sein. 154 Std kleinere Fehlerspannen erfordern größere Stichproben höhere Vertrauensniveaus Erfordern größere Stichproben Konfidenzintervall, Fehlerspanne und Stichprobenumfang
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 155
Paul Marx | Grundlagen der Umfrageforschung Typen von statistischen Analysemethoden 156 Deskriptive • Deskriptive Statistik fasst die Beobachtungen aus der Stichprobe zusammen und stellt sie übersichtlich dar. • Nutzt Kennzahlen, Tabellen, Grafiken und Diagrammen, zur Beschreibung, Systematisierung, Organisation und Darstellung von erhobenen Daten. Induktive • Induktive Statistik macht Aussagen über die Generalisierbarkeit bzw. Übertragbarkeit von Beobachtungen und Schlussfolgerungen aus Zufallsstichproben auf die Grundgesamtheit. • Beurteilt wechselseitige Beziehungen zwischen Variablen und quantifiziert sie. D.h. gibt Stärke und Signifikanz von Beziehungen an, ermöglich Vorhersagen und Schätzungen.
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 157
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 158
Paul Marx | Grundlagen der Umfrageforschung Relative Häufigkeit zeigt den Anteil (bzw. Prozent) von Beobachtungen eines Wertes. Verteilung der relativen Häufigkeiten listet alle Datenwerte zusammen mit ihren relativen Häufigkeiten auf. blau rot blau orange blau gelb grün rot rosa blau grün blau lila blau blau grün gelb rosa blau rot rosa grün blau gelb grün blau Tabellen: Häufigkeiten und relative Häufigkeiten 159 Erhobene Daten 𝑅𝑒𝑙 𝑎 𝑡𝑖𝑣𝑒 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡 = 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡 𝑆𝑢𝑚𝑚𝑒 𝑎𝑙𝑙 𝑒𝑟 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡𝑒𝑛 Häufigkeitsverteilung gibt zu jedem gemessenen Wert an, wie häufig dieser Wert in den Daten vorkommt. Lieblingsfarbe Häufigkeit blau 10 rot 3 orange 1 gelb 3 grün 5 rosa 3 lila 1 Lieblingsfarbe Relative Häufigkeit blau 10/26≈ 0,38 rot 3/26≈ 0,12 orange 1/26≈ 0,04 gelb 3/26≈ 0,12 grün 5/26≈ 0,19 rosa 3/26≈ 0,12 lila 1/26≈ 0,04
Paul Marx | Grundlagen der Umfrageforschung Lieblingsfarbe Relative Häufigkeit blau 10/26≈ 0,38 rot 3/26≈ 0,12 orange 1/26≈ 0,04 gelb 3/26≈ 0,12 grün 5/26≈ 0,19 rosa 3/26≈ 0,12 lila 1/26≈ 0,04 Lieblingsfarbe Häufigkeit blau 10 rot 3 orange 1 gelb 3 grün 5 rosa 3 lila 1 Säulendiagramm 160 0 2 4 6 8 10 12 blau rot orange gelb grün rosa lila HÄUFIGKEIT Lieblingsfarbe 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% blau rot orange gelb gr[n rosa lila RELATIVE HÄUFIGKEIT Lieblingsfarbe Säulendiagramm 1. Höhen von Säulen können Häufigkeiten oder relative Häufigkeiten sein 2. Säulen dürfen sich nicht berühren
Paul Marx | Grundlagen der Umfrageforschung Kreisdiagramm 161 blau 38% rot 11%orange 4% gelb 12% grün 19% rosa 12% lila 4% Lieblingsfarbe Kreisdiagramm 1. Sollte immer relative Häufigkeiten angeben 2. Auch sollte Beschriftungen enthalten – entweder direkt auf dem Diagramm oder in der Legende
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 162
Paul Marx | Grundlagen der Umfrageforschung Punkte in der Prüfung Häufigkeit 50–59 2 60–69 5 70–79 7 80–89 7 90–99 4 Anzahl der Kinder Häufigkeit Relative Häufigkeit 1 3 3/26≈0,12 2 8 8/26≈0,31 3 10 10/26≈0,38 4 2 2/26≈0,08 5 3 3/26≈0,12 Tabellen 163 Erhobene Daten Erhobene Daten Manchmal gibt es zu viele Werte, um für jeden Wert eine Zeile zu erstellen. In diesem Fall müssen wir mehrere Werte zu Gruppen zusammenfassen. Diskrete Variable ist eine quantitative Variable, die entweder eine endliche Anzahl von Werten (z.B. rot, grün, gelb) oder eine unendliche Anzahl von abzählbaren Werten (z.B. 0, 1, 2, 3, ...) hat 2 2 2 4 5 3 3 3 3 2 1 2 3 5 3 4 3 1 2 3 5 3 2 1 3 2 62 87 67 58 95 94 91 69 52 76 82 85 91 60 77 72 83 79 63 88 79 88 70 75 75 Untere Klassengrenze Obere Klassengrenze Klassenbreite = 90-80 = 10
Paul Marx | Grundlagen der Umfrageforschung ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07 Anzahl der Kinder Häufigkeit Relative Häufigkeit 1 3 3/26≈0,12 2 8 8/26≈0,31 3 10 10/26≈0,38 4 2 2/26≈0,08 5 3 3/26≈0,12 Tabellen und Histogrammen 164 0 2 4 6 8 10 12 1 2 3 4 5 HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0,00 0,10 0,20 0,30 0,40 0,50 1 2 3 4 5 RELATIVE HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit unterwegs
Paul Marx | Grundlagen der Umfrageforschung Histogramm 1. Höhen von Säulen sind Häufigkeiten oder relative Häufigkeiten der entsprechenden Klassen 2. Breiten von Säulen sind gleich und sie berühren einander 0 2 4 6 8 10 12 1 2 3 4 5 HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0,00 0,10 0,20 0,30 0,40 0,50 1 2 3 4 5 RELATIVE HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs Histogramm 165 ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07
Paul Marx | Grundlagen der Umfrageforschung Frequenz-Polygonzug 166 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs Frequenz-Polygonzug ist eine Linie, die die Klassenmittelpunkte miteinander verbindet. (Die Klassenmittelpunkte werden als Durchschnittswerte von Ober- und Untergrenzen der jeweiligen Klasse gebildet.) 16 21 26 31 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs 0 1 2 3 4 5 6 7 15 17 19 21 23 25 27 29 31 33 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07
Paul Marx | Grundlagen der Umfrageforschung Kumulative Tabellen und Ogiven 167 ∅ Zeit unterwegs Relative Häufigkeit Kumulierte relative Häufigkeit 16–17,9 1/15≈ 0,07 1/15≈ 0,07 18–19,9 2/15≈ 0,13 2/15≈ 0,20 20–21,9 1/15≈ 0,07 1/15≈ 0,27 22–23,9 6/15≈ 0,40 6/15≈ 0,67 24–25,9 2/15≈ 0,13 2/15≈ 0,80 26–27,9 1/15≈ 0,07 1/15≈ 0,87 28–29,9 1/15≈ 0,07 1/15≈ 0,94 30–31,9 1/15≈ 0,07 1/15≈ 1,00 Kumulative Tabellen zeigen die Summe von Häufigkeiten bis hin und einschließlich Häufigkeit des Wertes in der jeweiligen Zeile. Ogive ist ein Graph, der die kumulierte Häufigkeit bzw. kumulierte relative Häufigkeit für alle Klassen repräsentiert. ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1 18–19,9 2 3 20–21,9 1 4 22–23,9 6 10 24–25,9 2 12 26–27,9 1 13 28–29,9 1 14 30–31,9 1 15 0 0,2 0,4 0,6 0,8 1 1,2 17 19 21 23 25 27 29 31 33 Kumulierte relative Häufigkeit Zeit (Minuten) Durchschnittliche Zeit Unterwegs
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 168
Paul Marx | Grundlagen der Umfrageforschung Lagemaße 169 Mittelwert 𝑥̅ = 𝑥L + 𝑥6 + ⋯ + 𝑥N 𝑛 = ∑ 𝑥P 𝑛 Summe von einzelnen Elementen Summe von durchschnittlichen Elementen Mittelwert ist der „Schwerpunkt“ – ganz wie der Gleichgewichtspunkt Vorteile: • Einfach zu berechnen: nur aufsummieren und teilen. • Intuitiv – eine Zahl „in der Mitte“; wird von großen Zahlen nach oben und von kleinen Zahlen nach unten gezogen. Nachteile: • Der Mittelwert kann durch Ausreißer verzogen werden – er funktioniert nicht gut für Stichproben mit stark variierenden Daten. • Der Mittelwert von 100, 200 und -300 ist 0. Das ist verwirrend. Jahre Jahre
Paul Marx | Grundlagen der Umfrageforschung Lagemaße 170 Median Median ist das Element in der Mitte einer sortierten Liste Vorteile: • Kann gut mit Ausreißern umgehen – oft die genaueste Abbildung einer Gruppe. • Teilt die Daten in zwei Gruppen auf, jede mit der gleichen Anzahl an Elementen. Nachteile: • Ist schwieriger zu berechnen: Daten müssen zuvor sortiert werden. • Nicht so bekannt; wenn man „Median“ sagt, denken viele, dass man „Durchschnitt“ meint. 50% unterhalb 50% oberhalb 𝑥Q = R 𝑥(STL)/6 1 2 𝑥S/6 + 𝑥S/6TL für ungerade n für gerade n Jahre Jahre
Paul Marx | Grundlagen der Umfrageforschung Lagemaße 171 Modalwert Anzahl Werte Modalwert ist der häufigste Wert unter allen Beobachtungen der Variable Vorteile: • Gut geeignet für exklusive Auswahlsituationen (diese Wahl oder andere; keine Kompromisse), d.h. funktioniert gut mit nominalen Daten. • Zeig die Wahl, die die meisten wollten (während der Mittelwert oft zur Wahl führen kann, die keiner wollte). • Einfach zu verstehen. Nachteile: • Erfordert mehr Aufwand für die Berechnung (man muss die Stimmen zählen). • “Der Sieger nimmt alles” — es gibt keinen Mittelweg. Modalwert von ist
Paul Marx | Grundlagen der Umfrageforschung Lagemaße: Mittelwert und Median bestimmen die Form der Verteilung 172 symmetrisch Mittelwert und Median sind ungefähr gleich linksschief Median Mittelwert ist nach unten verzogen rechtsschief Median Mittelwert ist nach oben verzogen
Paul Marx | Grundlagen der Umfrageforschung Streuungsmaße 173 𝜎6 = ∑ 𝑥P − 𝜇 6 𝑛 Empirische Varianz (Varianz der Grundgesamtheit) Stichproben- Varianz 𝑠6 = ∑ 𝑥P − 𝑥̅ 6 𝑛 − 1 Varianz ist der Durchschnitt von quadrierten Abständen vom Mittelwert Körpergrößen des US-Amerikanischen olympischen Basketballmannschaft 2008
Paul Marx | Grundlagen der Umfrageforschung Der Mittelwert funktioniert wie Gleichgewichtspunkt. Deshalb ist die durchschnittliche Abweichung vom Mittelwert immer gleich Null. Bei der Berechnung von Varianz werden alle Abweichungen quadriert, damit negative Abweichungen positive Abweichungen nicht kompensieren. Streuungsmaße 174 Stichproben- Varianz 𝑠6 = ∑ 𝑥P − 𝑥̅ 6 𝑛 − 1 Körpergrößen des US-Amerikanischen olympischen Basketballmannschaft 2008 𝑥̅ = 1,5 + 2,5 + 3,5 − 0,5 + 4,5 + 1,5 − 2,5 − 6,5 + 2,5 − 0,5 − 2,5 − 3,5 12 = 0 𝑠6 = 117 12 − 1 ≈ 10,6 Warum Varianz?
Paul Marx | Grundlagen der Umfrageforschung Welcher Datensatz hat eine höhere Standardabweichung? Streuungsmaße 175 Standardabweichung 𝑠 = 𝑠6 Standardabweichung Behält die Messeinheiten von Originaldaten 𝜎 = 𝜎6 𝑠 = 10,6 ≈ 3,3 𝑠6 = 117 12 − 1 ≈ 10,6 Quadratzoll Zoll
Paul Marx | Grundlagen der Umfrageforschung Beziehung zwischen Standardabweichung und Normalverteilung 176 99,7% der Daten liegen innerhalb 3 Standardabweichungen vom Mittelwert 95% innerhalb 2 Standardabweichungen 68% innerhalb 1 Standard- abweichung © Dan Kernler
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 177
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 178 Kreuztabellen Kreuztabellen fassen die gemeinsame Verteilung von zwei (oder mehr) diskreten Variablen tabellarisch zusammen. • Helfen den Zusammenhang einer Variablen (z.B. Markentreue) mit einer anderen Variable (z.B. Geschlecht) zu analysieren und zu verstehen. • Eine Kreuztabelle enthält jeweils eine Zelle für jede Kombination von zwei (oder mehr) Variablen. Beispiele: • Wie viele markentreue Konsumenten sind Männer? • Hängt die Nutzungshäufigkeit (hoch, mittel, niedrig) eines Produkts mit Outdoor-Aktivitäten (oft, manchmal, selten, nie) zusammen? • Hängt die Vertrautheit mit dem neuen Produkt mit Alter und Bildungsniveau zusammen? • Hängt der Besitz eines Produkts mit dem Einkommen (hoch, mittel, niedrig)zusammen?
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 179 Bildungsgrad Besitz eines teuren Autos Hochschulabschluss Kein Hochschulabschluss ja 32 % 21 % nein 68 % 79 % Gesamt 100 % 100 % Anzahl der Fälle 250 750 Hängt der Besitz von teuren Automarken vom Bildungsgrad ab? Besitz von teuren Automarken nach Bildungsgrad
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 180 Manchmal kann die Einführung einer dritten Variable scheinbare Beziehungen, verdeckte Zusammenhänge, keine Veränderung in ursprünglicher Beziehung aufdecken.
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 181 Hängt der Besitz von teuren Automarken vom Bildungsgrad ab? Besitz von teuren Automarken nach Bildungsgrad und Einkommensniveau Hohes Einkommen Geringes Einkommen Besitz eines teuren Autos Hochschulabschluss Kein Hochschulabschluss Hochschulabschluss Kein Hochschulabschluss ja 20 % 20 % 40 % 40 % nein 80 % 80 % 60 % 60 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 100 700 150 50 Ist die Beziehung noch da?
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 182 Hat Alter Einfluss auf Reise- und Abenteuerlust? Verlangen nach Auslandsreisen nach Alter Verlangen nach Auslandsreisen Alter Unter 45 45 und mehr ja 50 % 50 % nein 50 % 50 % Gesamt 100 % 100 % Anzahl der Fälle 500 500 Verlangen nach Auslandsreisen Männlich Weiblich < 45 ≥ 45 < 45 ≥ 45 ja 60 % 40 % 35 % 65 % nein 40 % 60 % 65 % 35 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 300 300 200 200 Verlangen nach Auslandsreisen nach Alter und Geschlecht
Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 183 Hängt die Besuchshäufigkeit von Fast-Food-Restaurants mit der Familiengröße zusammen? Besuchshäufigkeit von Fast-Food-Restaurants nach Familiengröße Gehen häufig in Fast-Food- Restaurants Familiengröße Small Large ja 50 % 50 % nein 50 % 50 % Gesamt 100 % 100 % Anzahl der Fälle 500 500 Gehen häufig in Fast-Food- Restaurants Geringes Einkommen Hohes Einkommen Small Large Small Large ja 50 % 50 % 50 % 50 % nein 50 % 50 % 50 % 50 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 250 250 250 250 Besuchshäufigkeit von Fast-Food-Restaurants nach Familiengröße und Einkommen
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 184
Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 185
Paul Marx | Grundlagen der Umfrageforschung Hypothesentest 186 Hypothesentest Hypothesentest ist ein fünfstufiges Verfahren, in dem basierend auf den Daten einer Stichprobe und unter Einsatz von Wahrscheinlichkeitstheorie es bestimmt wird, ob eine Hypothese hinreichend begründet ist. M.a.W. ist dies eine Methode zu prüfen, ob die auf einer Zufallsstichprobe erhaltenen Ergebnisse sich verallgemeinern bzw. auf die Grundgesamtheit übertragen lassen. Vorgehensweise: 1. Formulierung einer Nullhypothese und ihrer Alternativhypothese 2. Festlegen vom Signifikanzniveau 3. Wahl der geeigneten Teststatistik 4. Formulierung der Entscheidungsregel 5. Berechnung von Kennzahlen aus der Stichprobe, Treffen der Entscheidung „Menschen sind sich irrtümlicherweise zuversichtlich in ihrem Wissen und unterschätzen die Wahrscheinlichkeit, dass ihre Informationen und ihre Überzeugungen sich als falsch erweisen können. Sie neigen dazu solche zusätzliche Informationen zu suchen, die nur bestätigen, was sie schon immer gewusst haben.“ Max Bazerman
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)

Recomendados

Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...
Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...
Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...Nadine Edelmann
 
Präsentation Kolloquium Masterarbeit - Beispiel
Präsentation Kolloquium Masterarbeit - BeispielPräsentation Kolloquium Masterarbeit - Beispiel
Präsentation Kolloquium Masterarbeit - BeispielMichael Fröse
 
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...Daniela Wolf
 
교육평가의 이해(정의적 특성의 평가방법) 김민정
교육평가의 이해(정의적 특성의 평가방법) 김민정교육평가의 이해(정의적 특성의 평가방법) 김민정
교육평가의 이해(정의적 특성의 평가방법) 김민정Kminjeong
 
Market Research - course slides
Market Research - course slidesMarket Research - course slides
Market Research - course slidesPaul Marx
 
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)3. marketing vorlesung - ws13 14 (thema 3. marktforschung)
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)Paul Marx
 
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...Paul Marx
 

Recomendados

Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...
Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...
Präsentation der Masterarbeit: Mobil Healt& Fitness - Anforderungsanalyse für...Nadine Edelmann
 
Präsentation Kolloquium Masterarbeit - Beispiel
Präsentation Kolloquium Masterarbeit - BeispielPräsentation Kolloquium Masterarbeit - Beispiel
Präsentation Kolloquium Masterarbeit - BeispielMichael Fröse
 
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...
Verteidigung Masterarbeit "Entwicklung eines E-Learning Programms zur Steiger...Daniela Wolf
 
교육평가의 이해(정의적 특성의 평가방법) 김민정
교육평가의 이해(정의적 특성의 평가방법) 김민정교육평가의 이해(정의적 특성의 평가방법) 김민정
교육평가의 이해(정의적 특성의 평가방법) 김민정Kminjeong
 
Market Research - course slides
Market Research - course slidesMarket Research - course slides
Market Research - course slidesPaul Marx
 
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)3. marketing vorlesung - ws13 14 (thema 3. marktforschung)
3. marketing vorlesung - ws13 14 (thema 3. marktforschung)Paul Marx
 
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...Paul Marx
 
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...Paul Marx
 
Marketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real EstateMarketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real EstateManaan Choksi
 
1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)Paul Marx
 
advertising
advertising advertising
advertising Hailemariam Kebede
 
Market Research Slides
Market Research SlidesMarket Research Slides
Market Research SlidesRobbieA
 
Market research
Market researchMarket research
Market researchwilson tom
 
Facets of Strategic Marketing
Facets of Strategic MarketingFacets of Strategic Marketing
Facets of Strategic MarketingISAAC Jayant
 
Marketing Research Ppt
Marketing Research PptMarketing Research Ppt
Marketing Research PptVivek Sharma
 
Chapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research MalhotraChapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research MalhotraAADITYA TANTIA
 
The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...Moderandi Inc.
 
Strategic Marketing Overview
Strategic Marketing OverviewStrategic Marketing Overview
Strategic Marketing Overviewkthomas2223
 
Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA Babasab Patil
 
Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)Babasab Patil
 
Strategic marketing
Strategic marketingStrategic marketing
Strategic marketingRex Michael Resplandor
 
Research data collection methods and tools
Research data collection methods and toolsResearch data collection methods and tools
Research data collection methods and toolsLikhila Abraham
 
Marketing Research - Perceptual Map
Marketing Research - Perceptual MapMarketing Research - Perceptual Map
Marketing Research - Perceptual MapMinha Hwang
 
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
Chapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research MalhotraChapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research MalhotraAADITYA TANTIA
 
Strategic marketing management
Strategic marketing managementStrategic marketing management
Strategic marketing managementHailemariam Kebede
 
HS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfHS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfPaul Marx
 
SEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologieSEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologiePaul Marx
 

Mais conteúdo relacionado

Destaque

1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...Paul Marx
 
Marketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real EstateMarketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real EstateManaan Choksi
 
1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)Paul Marx
 
Market Research Slides
Market Research SlidesMarket Research Slides
Market Research SlidesRobbieA
 
Market research
Market researchMarket research
Market researchwilson tom
 
Facets of Strategic Marketing
Facets of Strategic MarketingFacets of Strategic Marketing
Facets of Strategic MarketingISAAC Jayant
 
Marketing Research Ppt
Marketing Research PptMarketing Research Ppt
Marketing Research PptVivek Sharma
 
Chapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research MalhotraChapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research MalhotraAADITYA TANTIA
 
The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...Moderandi Inc.
 
Strategic Marketing Overview
Strategic Marketing OverviewStrategic Marketing Overview
Strategic Marketing Overviewkthomas2223
 
Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA Babasab Patil
 
Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)Babasab Patil
 
Research data collection methods and tools
Research data collection methods and toolsResearch data collection methods and tools
Research data collection methods and toolsLikhila Abraham
 
Marketing Research - Perceptual Map
Marketing Research - Perceptual MapMarketing Research - Perceptual Map
Marketing Research - Perceptual MapMinha Hwang
 
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...Paul Marx
 
Chapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research MalhotraChapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research MalhotraAADITYA TANTIA
 
Strategic marketing management
Strategic marketing managementStrategic marketing management
Strategic marketing managementHailemariam Kebede
 

Destaque (20)

1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
 
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
PROVIDING ACTIONABLE RECOMMENDATIONS: A Movie Recommendation Algorithm with E...
 
Marketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real EstateMarketing Research, Survey, Tools and Presentations in Real Estate
Marketing Research, Survey, Tools and Presentations in Real Estate
 
1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)1. marketing vorlesung - ws13 14 (thema 1. einführung)
1. marketing vorlesung - ws13 14 (thema 1. einführung)
 
advertising
advertising advertising
advertising
 
Market Research Slides
Market Research SlidesMarket Research Slides
Market Research Slides
 
Market research
Market researchMarket research
Market research
 
Facets of Strategic Marketing
Facets of Strategic MarketingFacets of Strategic Marketing
Facets of Strategic Marketing
 
Marketing Research Ppt
Marketing Research PptMarketing Research Ppt
Marketing Research Ppt
 
Chapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research MalhotraChapter 9 Marketing Research Malhotra
Chapter 9 Marketing Research Malhotra
 
The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...The Strategic Marketing Process - How to Structure Your Marketing Activities ...
The Strategic Marketing Process - How to Structure Your Marketing Activities ...
 
Strategic Marketing Overview
Strategic Marketing OverviewStrategic Marketing Overview
Strategic Marketing Overview
 
Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA Foundations of strategic marketing management ppt @ MBA
Foundations of strategic marketing management ppt @ MBA
 
Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)Principles of marketing mba 1st sem by babasab patil (karrisatte)
Principles of marketing mba 1st sem by babasab patil (karrisatte)
 
Strategic marketing
Strategic marketingStrategic marketing
Strategic marketing
 
Research data collection methods and tools
Research data collection methods and toolsResearch data collection methods and tools
Research data collection methods and tools
 
Marketing Research - Perceptual Map
Marketing Research - Perceptual MapMarketing Research - Perceptual Map
Marketing Research - Perceptual Map
 
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
 
Chapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research MalhotraChapter 1 Marketing Research Malhotra
Chapter 1 Marketing Research Malhotra
 
Strategic marketing management
Strategic marketing managementStrategic marketing management
Strategic marketing management
 

Mais de Paul Marx

HS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfHS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfPaul Marx
 
SEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologieSEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologiePaul Marx
 
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMUPaul Marx
 
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...Paul Marx
 
Einführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-AnalyseEinführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-AnalysePaul Marx
 
Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform marketsPaul Marx
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Paul Marx
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingPaul Marx
 
Preispolitik
PreispolitikPreispolitik
PreispolitikPaul Marx
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienproduktePaul Marx
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesPaul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenPaul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalysePaul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenPaul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. FragebogenGrundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. FragebogenPaul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungPaul Marx
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Paul Marx
 
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)Paul Marx
 
как проводить опросы
как проводить опросы как проводить опросы
как проводить опросы Paul Marx
 

Mais de Paul Marx (20)

HS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfHS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdf
 
SEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologieSEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und Methodologie
 
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
 
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
 
Einführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-AnalyseEinführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-Analyse
 
Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform markets
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language Processing
 
Preispolitik
PreispolitikPreispolitik
Preispolitik
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, Perspectives
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
 
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. FragebogenGrundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)
 
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
 
как проводить опросы
как проводить опросы как проводить опросы
как проводить опросы
 

Grundlagen der Umfrageforschung (www.questionstar.de)

  • 1. Paul Marx | Grundlagen der Umfrageforschung Grundlagen der Umfrageforschung 1 Einführungskurs
  • 2. Paul Marx | Grundlagen der Umfrageforschung Inhalt 1. Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 2. Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 6. Fortgeschrittene Techniken der Marktforschung: Einige nützliche Konzepte 6.1 Conjoint-Analyse 6.2 Marktsimulationen 6.3 Segmentierung 6.4 Wahrnehmungskarten 7. Ergebnisse Berichten 2
  • 3. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 3
  • 4. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 4
  • 5. Paul Marx | Grundlagen der Umfrageforschung Was ist Forschung? Forschung ist Alle systematischen Bestrebungen und Bemühungen, um neue Erkenntnisse für Wissenschaft oder Industrie zu erlangen. (Lexikon) 5 Forschung ist Suche und Sammlung von Informationen und Ideen in Antwort auf eine spezifische Fragestellung. (Unbekannt)
  • 6. Paul Marx | Grundlagen der Umfrageforschung Umfrage 6 Umfrage - ist eine der populärsten Methoden, primäre Daten zu erheben, wobei der Forscher mit Befragten interagiert, um Informationen über Einstellungen, Meinungen, Wissen und Verhaltensweisen von Menschen zu gewinnen
  • 7. Paul Marx | Grundlagen der Umfrageforschung Marktforschung 7 Forscher Entscheidungsproblem Entscheidungsträger Sichtbare und messbare Symptome Das eigentliche Business- bzw. Entscheidungsproblem Unzufriedene Kunden Gesunkener Marktanteil Fallende Verkäufe Geringer Traffic Unzureichende Qualität der Produkte Schlechtes Image Grenzwertige Leistung vom Verkaufsteam Mangelhafte Belieferung Unethischer Umgang mit Kunden
  • 8. Paul Marx | Grundlagen der Umfrageforschung Wer Was Soziologie und Politikwissenschaften Meinungsforschung, Identifikation der Einstellungen von Bevölkerung ggü. Sozial bedeutenden Phänomenen, Ereignissen und Fakten,… Psychologie Persönlichkeitstests, Intelligenztests, Identifikation individueller Stärken und Schwächen, psychischer Stabilität, kognitiver Störungen, sozialer Einflüsse,… Personalwesen Messung von Mitarbeiterzufriedenheit, Loyalität, Potenziale, Persönlichkeitsmerkmale, Führungsqualitäten, Produktivität und Arbeitsqualität, professioneller Eignung, Stressresistenz, sozialer Intelligenz, Work-Life-Balance,… Marketing Markt- und Verbraucherforschung, Messung von Imagewahrnehmung, Präferenzen, Einstellungen, Zufriedenheit mit Produkt und/oder Dienstleistung, Loyalität, Zahlungsbereitschaft; Segmentierung, Positionierung, Neuproduktentwicklung, Bewertung von Marktpotentiale, Preisbestimmung, Werbetests, Nutzerfreundlichkeit von Webseiten, Nutzer-Feedback, NPS, … Wissenschaft (im Allgemeinen) Untersuchung von Beziehungen zwischen zwei oder mehreren Variablen, Faktoren, Phänomenen; Skalen- und Methodenentwicklung für wissenschaftliche und praktische Zwecke,… Bildung Wissenstests (Multiple-Choice-Prüfungen), Studenten- und Lehrerevaluation,… … … Praktische Nutzung von Umfragen 8
  • 9. Paul Marx | Grundlagen der Umfrageforschung Prozess der Marktforschung die “5 D’s” der Marktforschung Definitions- phase Design- phase Datenerhebungs- phase Datenanalyse- phase Dateninterpretations- phase 9 ⁻ Informationsbedarf identifizieren ⁻ Forschungsproblem und -fragen definieren ⁻ Forschungsziele festlegen ⁻ Informationswert prüfen Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Entscheiden bzgl. ⁻ Budget ⁻ Datenquellen ⁻ Forschungs- methoden ⁻ Stichprobenplan ⁻ Kontaktmethoden ⁻ Methoden der Datenanalyse Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können ⁻ Daten entsprechend dem Plan erheben oder ⁻ externen Dienstleister beauftragen Diese Phase ist sehr kostspielig und sehr fehleranfällig Daten ⁻ statistisch und ⁻ subjektiv analysieren, sowie Antworten und Implikationen ableiten Wahl der Datenanalysemethode hängt im Wesentlichen von dem Forschungstyp ab - Ergebnisse der Datenanalyse Formulieren - Forschungsbericht aufbereiten Aktionsfähige Schlüssel- ergebnisse statt überwältigende statistische Methoden präsentieren
  • 10. Paul Marx | Grundlagen der Umfrageforschung Wann sollte man KEINE Marktforschungsprojekte starten Fall Kommentar Vage Ziele Wenn Manager sich nicht darauf einigen können, welche Informationen sie zur Entscheidungsfindung brauchen. Marktforschung kann nur hilfreich sein, wenn sie eine konkrete Frage untersucht. Fixierte Haltung Wenn Entscheidung bereits getroffen ist und die Studie nur als “Abstempelung” eines vorgefassten Plans dienen soll. Zu spät Wenn Ergebnisse zu spät bereitgestellt werden, um die Entscheidung beeinflussen zu können. Schlechtes Timing Wenn ein Produkt in der Degenerationsphase ist, macht es wenig Sinn, neue Produktvariationen zu erforschen. Unzureichende Ressourcen Es lohnt sich nicht, eine quantitative Studie aufzusetzen, solange keine statistisch signifikante Stichprobe realisierbar ist; Wenn Finanzen nicht ausreichen, die aus der Studie resultierende Entscheidungen umzusetzen. Kosten überwiegen Vorteile Erwarteter Informationswert sollte die Kosten der Datenerhebung und -analyse übersteigen. Ergebnisse nicht aktionsfähig Wenn z.B. psychographische Charakteristiken genutzt werden, die nicht helfen können, konkrete Entscheidungen zu treffen. Informationen nicht erforderlich Wenn entscheidungsrelevanten Informationen bereits vorhanden sind. 10
  • 11. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 11
  • 12. Paul Marx | Grundlagen der Umfrageforschung Typologie der Marktforschung 12 Nach Zielen • Explorativ (auch diagnostisch) • Deskriptiv • Kausal (auch prädiktiv, experimentell) Nach Datenquellen • Primär • Sekundär Nach Methodologie • Qualitativ • Quantitativ
  • 13. Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Zielen • Analyse von Daten und Aktionen, um Probleme besser zu verstehen • Wie hat sich der Umsatz nach Änderung der Verpackung verändert? • Haben Werbeaktionen am POS Einfluss auf Markenbekanntheit? Explorativ auch diagnostisch • Sammeln und Präsentation von Fakten: wer, was, wann, wo, wie? • Wie sieht der historische Umsatztrend in der Branche aus? • Wie sind die Einstellungen von Konsumenten ggü. Unserem Produkt? Deskriptiv • Analyse der Ursache-Wirkungs-Beziehungen; „Was wäre wenn?“ • Vorhersage der Ergebnisse von Marketing-Aktionen. • Einfluss von Werbeausgaben auf den Umsatz. (Wieviel Umsatz bring ein Werbe-Euro?) Kausal auch prädiktiv, experimentell 13 kleinere Umfragen, Focus- Groups, Interviews größere Umfragen, Beobachtung, usw. Experimente, A/B-Tests, Konsumentenp anels Unsicherheit beeinflusst den Marktforschungstyp UnsicherSicher
  • 14. Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Datenquellen 14 • Generierung von Daten, die bisher noch nicht vorliegen. Diese Daten werden analysiert und können ggf. von dem Forscher veröffentlicht werden. Primär • Verwendung von zu einem früheren Zeitpunkt erhobenen Daten für den beabsichtigten Untersuchungszweck. Sekundär Umfragen, Interviews, Beobachtung, Experimente, … Literatur- recherche: Bibliothek, Web, Datenbank, Archiv
  • 15. Paul Marx | Grundlagen der Umfrageforschung Marktforschungstypologie nach Methodologie 15 • Beinhaltet Sammlung und Auswertung von Daten • Erfordert große Datenmengen • Verwendet statistische Methoden der Datenanalyse • Strebt Repräsentativität der Ergebnisse an Quantitativ • Versucht Konsumentenverhalten und seine Ursachen zu verstehen • Schwerpunkt auf Individuen und kleinen Gruppen • Nicht repräsentativ. Eine Sichtweise verstehen, nicht alle Sichtweisen Qualitativ größere Umfragen, Beobachtung, usw. kleinere Umfragen, Focus-Groups, Interviews,…
  • 16. Paul Marx | Grundlagen der Umfrageforschung 16 WAHRHEIT Literaturrecherche InterviewBefragung Triangulation Robson (1998), Visocky & Visocky (2009)
  • 17. Paul Marx | Grundlagen der Umfrageforschung 17 ABER IN WIRKLICHKEIT IST ALLES CHAOTISCHER
  • 18. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 18
  • 19. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 19
  • 20. Paul Marx | Grundlagen der Umfrageforschung Messung Messung – Zuweisung von Zahlen oder anderen Symbolen zu Charakteristiken von Objekten nach bestimmter vorgegebener Regel. - Eins-zu-eins-Entsprechung der Zahlen und zu messender Größen - Standardisierte Regeln für die Zuweisung der Zahlen - Regeln dürfen nicht vom Objekt zum Objekt oder in der Zeit variieren 20
  • 21. Paul Marx | Grundlagen der Umfrageforschung Skalierung Skalierung – beinhaltet ein Kontinuum, auf dem die Messobjekte angeordnet werden. 21 Extrem lecker Extrem übel
  • 22. Paul Marx | Grundlagen der Umfrageforschung Grundlegende Typen von Skalen 22 •Zahlen dienen lediglich zur Klassifizierung der Objekte •nicht-kontinuierliche SkalaNominal •Zahlen geben die relativen Positionen der Objekte an •aber nicht die Größe der Differenz zwischen ihnenOrdinal •Unterschiede zwischen Objekten können verglichen werden •Nullpunkt willkürlich Intervall quasi-metrisch •Nullpunkt eindeutig festgesetzt •Verhältnisse der Skalenwerte können berechnet werden Metrisch auch Ratio oder 1 2 1 2 1 2 NICHT 3 1 2 1 2 3 Meine Präferenz für Snacks mehrweniger 0 25 50 75 100 Gewicht (Kg)
  • 23. Paul Marx | Grundlagen der Umfrageforschung Wichtige Skalen in Marketing Skala Beschreibung Gängige Beispiele Beispiele aus Marketing Statistische Kennzahlen Deskriptive Induktive Nominalskala Zuweisung von Zahlen zur Identifikation und/oder Klassifikation von Objekten Reisepass-Nummer, Nummer vom Fußballspieler, Geschlecht Brand, Geschlecht, Beruf, Typ des Lokals Prozentwerte, Mode Chi-Quadrat, Binomialtest Ordinalskala Zahlen beschreiben die Rangordnung der Objekte, jedoch nicht den Ausmaß der Unterschiede zwischen ihnen Schulnoten, Position der Läufer im Marathonlauf Präferenzranking, Marktposition, soziale Klasse Perzentile, Median Rangkorrelations- koeffizient (Spearmans 𝜌), Friedman ANOVA Intervallskala Ermöglicht den Vergleich der Unterschiede zwischen Objekten: Nullpunkt willkürlich Temperatur (Fahrenheit, Celsius) Einstellungen, Meinungen, Kauf- absicht, Kunden- zufriedenheit, Index- Zahlen Range, Durchschnitt, Standard- abweichung Produkt-moment Korrelation (Pearsons r), t-tests, ANOVA, Regressions- und Faktorenanalyse Metrische Skala Nullpunkt ist eindeutig festgelegt; Ermöglicht den Vergleich der Abstände zwischen den Messwerten und deren Verhältnisse Länge, Gewicht, Zeit, Geld Alter, Umsatz, Einkommen, Kosten, Marktanteil, Umsatz Geometrisches Mittel, Harmonisches Mittel Variations- koeffizient 23
  • 24. Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 24
  • 25. Paul Marx | Grundlagen der Umfrageforschung Vergleich von Skalierungsverfahren 25 Komparative Skalen • Der Messwert von einem Objekt ergibt sich aus dem direkten Vergleich mit einem anderen Objekt. • Daten können nur als relative Positionen interpretiert werden, • haben nur ordinales Skalenniveau (Rangordnung). Nicht-Komparative Skalen • Jedes Objekt wird isoliert beurteilt (also unabhängig von anderen Objekten). • Messergebnisse werden i.d.R. als Intervallskaliert oder metrisch gesehen. Die Wahl zwischen den Skalierungsverfahren hängt von folgenden Überlegungen ab: - Natur der Forschungsfrage - Variabilität des Messwertes in der Grundgesamtheit - Methoden der Datenanalyse
  • 26. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 26
  • 27. Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 27
  • 28. Paul Marx | Grundlagen der Umfrageforschung Vor- und Nachteile von komparativen Skalen 28 + Geringe unterschiede zwischen Objekten können regestiert werden + Dieselben bekannte Referenzpunkte für alle Probanden + Einfach zu verstehen und zu nutzen + Benötigen weniger theoretischen Annahmen + Reduzieren tendenziell Halo- und Carryover-Effekte Vorteile - Haben lediglich ordinales bzw. Rangordnungs-Skalenniveau ⟶ beschränkte Auswahl an statistischen Methoden zur Datenanalyse - Daten können nur als relative Positionen interpretiert werden - Unmöglich über das Set der bewerteten Objekte hinaus zu generalisieren Nachteile
  • 29. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 29 Probanden wählen aus jeweils zwei Objekten dasjenige aus, das nach ihrer Meinung ein bestimmten Kriterium am besten erfüllt Im Folgenden werden Ihnen zehn Paaren von Biermarken vorgelegt. In jedem Paar, wählen Sie bitte das Bier aus, welches Sie eher kaufen würden. Warsteiner Köstritzer Oerttinger Becks Paulaner Warsteiner Köstritzer Oettinger Becks Paulaner #Male Präferiert 3 2 0 4 1 Paarweise Vergleiche
  • 30. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 30
  • 31. Paul Marx | Grundlagen der Umfrageforschung Paarweise Vergleiche: Vor- und Nachteile 31 + Direkter Vergleich und eindeutige Auswahl + Gut für Blindtests, Produktvergleiche und MDS + Ermöglicht die Berechnung vom prozentuellen Anteil der Probanden, die ein Objekt dem anderen bevorzugen + Rangordnung von Objekten kann geschätzt werden (unter Annahme der Transitivität) + Mögliche Erweiterungen: Alternative „keine Unterschiede“, abgestufter Vergleich Vorteile - Anzahl von Vergleiche wächst schneller als Anzahl der Objekte (für 𝑛 Objekte 𝑛(𝑛 − 1)/2 Vergleiche) - Reihenfolgeeffekte möglich (Einfluss der Präsentationsreihenfolge auf die Antworten) - Aus Präferenz von A über B folgt es nicht, dass der Proband A mag - Wenig realistisch für die realen Wahlsituationen mit mehreren Alternativen - Verletzung der Transitivitätsannahme möglich Nachteile
  • 32. Paul Marx | Grundlagen der Umfrageforschung > > Ordinale Daten: Verletzung der Transitivitätsannahme in paarweisen Vergleichen 32
  • 33. Paul Marx | Grundlagen der Umfrageforschung Ordinale Daten: Verletzung der Transitivitätsannahme bei Aggregation von Präferenzen 33 Proband #1 Proband #2 Proband #3 Stimmenzählung Ergebnis: 2 vs 1 2 vs 1 2 vs 1 Apfel wird gleichzeitig am meisten und am wenigsten präferiert. Gruppenpräferenzen sind inkonsistent! Abstimmung
  • 34. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Rangordnungsverfahren 34 Probanden bringen mehrere Objekte in eine Reihenfolge (basierend auf einem bestimmten Kriterium) Ordnen Sie bitte die unten aufgeführten Marken von Erfrischungs-getränke entsprechend Ihrer Präferenzen an. Dafür wählen Sie zunächst die Marke aus, die Sie am meisten präferieren und weisen Sie ihr den Rangplatz 1 zu. Anschließend weisen Sie den Rangplatz 2 der zweitbesten Marke. Setzten Sie die Bewertung fort, bis Sie allen Marken einen Rangplatz zugewiesen haben. Die letzte, am wenigsten präferierte Marke, muss den Rangplatz 5 bekommen. Keine zwei Marken dürfen denselben Rangplatz erhalten. Das Kriterium der Präferenz ist ganz Ihnen überlassen. Es gibt keine richtige oder falsche Antworten. Versuchen Sie einfach konsistent zu sein. Rangordnungsverfahren Marke Rangplatz Pepsi-Cola ______________ Coca-Cola ______________ Red Bull ______________ Sprite ______________ 7-Up ______________
  • 35. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 35 ©ExavoGmbH, exavo.de
  • 36. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiele 36 Quelle: exavo.de ©ExavoGmbH, exavo.de
  • 37. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 37 Quelle: exavo.de ©ExavoGmbH, exavo.de
  • 38. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Vor- und Nachteile 38 + Direkter Vergleich + Realitätsnäher als paarweise Vergleiche + Anzahl der Vergleiche ist nur (𝑛 − 1) + Einfacher zu verstehen + Nehmen weniger Zeit in Anspruch + Keine nicht-transitive Antworten + Daten können in paarweise Vergleiche konvertiert werden + Gut für Messung von Marken- und Eigenschaftspräferenzen Vorteile - Aus Präferenz von A über B folgt es nicht, dass der Proband A mag - Kein Null-Punkt; Keine Trennung zwischen Mögen und Nicht-Mögen - Lediglich ordinale Daten - Verletzung der Transitivitätsannahme möglich (bei Aggregation) Nachteile
  • 39. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Konstantsummenverfahren 39 Probanden verteilen einen fixierten Betrag (z.B. Punkte, Euros, Chips, %) vollständig über ein Set von Objekten nach einem bestimmten Kriterium Unterstehend ist eine Liste von fünf Eigenschaften von Autos aufgeführt. Bitte verteilen Sie 100 Punkte über diese Eigenschaften so, dass die Anzahl der Punkte, die Sie einer Eigenschaft zuweisen, die relative Wichtigkeit dieser Eigenschaft für Sie wiederspiegelt. Je mehr Punkte eine Eigenschaft bekommt, desto wichtiger ist diese Eigenschaft für Sie. Wenn eine Eigenschaft für Sie unwichtig ist, weisen Sie ihr 0 Punkte zu. Wenn eine Eigenschaft doppelt so wichtig für Sie ist als eine andere Eigenschaft, weisen Sie ihr doppelt so viel Punkte zu. Konstantsummenverfahren Eigenschaften Punkte Geschwindigkeit 0 Komfort 15 Getriebetyp (manuell/Automatik) 5 Kraftsoff (Benzin/Diesel) 35 Preis 45 Summe 100
  • 40. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel der Auswertung 40 Attribute Segment 1 Segment 2 Segment 3 Geschwindigkeit 0 17 53 Komfort 15 23 30 Getriebe (manuell/Automatik) 5 21 10 Kraftstoff (Benzin/Diesel) 35 12 7 Preis 45 27 0 Summe 100 100 100 Durchschnittliche Bewertung in drei Segmenten
  • 41. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel 41 ©ExavoGmbH, exavo.de
  • 42. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiele 42
  • 43. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Vor- und Nachteile 43 + Kann kleine Unterschiede zwischen den Objekten messen, ohne zu viel Zeit zu beanspruchen + Metrisch skaliert ⟶ flexible Auswahl an Analyseverfahren Vorteile - Ergebnisse sind auf die Liste der beurteilten Objekte beschränkt. D.h. es ist nicht möglich Aussagen über Objekte zu treffen, die nicht auf der Liste waren. - Relativ hohe kognitive Belastung der Probanden, insb. bei langen Listen - Anfällig für Rechenfehler (z.B. Verteilung von 108 oder 94 Punkte) Nachteile
  • 44. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Q-Sortierung 44 Rangordnungsverfahren, bei dem Objekte (in Hinblick auf ein bestimmtes Merkmal) in Stapeln sortiert werden. Wird genutzt, um eine hohe Anzahl an Objekten (60-140) schnell untereinander zu vergleichen. Die Anzahl von Objekten in einem Stapel ist i.d.R. so begrenzt, dass alle Stapeln zusammen die Form einer Normalverteilung nachbilden. Für die Prävention von Epidemien hat des Gesundheitsministerium 25 Maßnahmen für die Umsetzung in Krankenhäusern entwickelt. Bitte ordnen Sie diese Maßnahmen entsprechend ihrer Wirksamkeit zur Verhinderung der Infektionsausbreitung im unterstehenden Schema ein. Bitte nur eine Maßnahme in eine Box.Q-Sortierung Äußerst wirksam Ganz und gar nicht wirksam
  • 45. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 45
  • 46. Paul Marx | Grundlagen der Umfrageforschung Typologie von Skalierungsverfahren Skalierung Komparative Skalen Paarweise Vergleiche Rangordnungs- verfahren Konstant- summen- verfahren Q-Sortierung und andere Nicht- komparative Skalen Kontinuierliche Ratingskalen Diskrete Ratingskalen Likert-Skala Semantisches Differential Stapel-Skala 46
  • 47. Paul Marx | Grundlagen der Umfrageforschung Nicht-komparative Skalen: Kontinuierliche Ratingskalen 47 Probanden bewerten Objekte, indem sie eine entsprechende Position auf einer Linie markieren, die von einem Extrem zum anderen Extrem eines bestimmten Kriteriums läuft. Wie bewerten Sie „Real“ als Lebensmittelgeschäft? Kontinuierliche Ratingskalen Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 1 х Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 2 х0 10 20 30 40 50 60 70 80 90 100 Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 3 х0 20 40 60 80 100 sehr schlecht sehr gut teils teils Wahrscheinlich das schlechteste Wahrscheinlich das beste Version 4 76 sehr schlecht sehr gut teils teils
  • 48. Paul Marx | Grundlagen der Umfrageforschung Kontinuierliche Ratingskalen: Perception Analyzer 48
  • 49. Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Likert-Skala 49 Probanden geben an, inwieweit sie den aufgeführten Aussagen zustimmen – anhand von einer 5- oder 7-Punkte-Skala, die von einem Extrem zum andere reicht.. Im Folgenden sind unterschiedliche Aussagen über Real aufgelistet. Bitte geben Sie an, wie stark Sie diesen Aussagen zustimmen: Likert-Skala Stimme gar nicht zu Stimme nicht zu Neutral Stimme zu Stimme voll und ganz zu Real verkauft hochwertige Waren [1] [x] [3] [4] [5] Real hat schlechten Service [1] [x] [3] [4] [5] Einkaufen bei Real macht mir Spaß [1] [2] [x] [4] [5] Real bietet eine Mischung aus verschiedenen Marken [1] [2] [3] [x] [5] Die Kreditpolitik in Real ist schrecklich [1] [2] [3] [x] [5] Ich mag die Werbung von Real nicht [1] [2] [3] [x] [5] Die Preise bei Real sind fair [1] [x] [3] [4] [5] WICHTIG: Beachten Sie die umgekehrte Richtung von Fragen 2, 5 und 6. Kehren Sie die entsprechenden Skalen vor der Datenanalyse um – d.h. höhere Zahl soll bessere Einstellung bedeuten.
  • 50. Paul Marx | Grundlagen der Umfrageforschung Likert-Skala: Beispiele 50
  • 51. Paul Marx | Grundlagen der Umfrageforschung Populäre Likert-Skalen in Marketing 51 Konstrukt Skalenpunkte Einstellung Sehr schlecht Schlecht Weder gut, noch schlecht Gut Sehr gut Wichtigkeit Überhaupt nicht wichtig Unwichtig Neutral Wichtig Sehr wichtig Zufriedenheit Sehr unzufrieden Unzufrieden Weder zufrieden, noch unzufrieden Zufrieden Sehr zufrieden Kaufwahrscheinlichkeit (Kaufabsicht) Definitiv nicht Wahrscheinlich nicht Unentschieden Wahrscheinlich ja Auf jeden Fall ja Kaufhäufigkeit Nie Selten Manchmal Oft Sehr oft Zustimmung Trifft überhaupt nicht zu Trifft eher nicht zu Teils teils Trifft eher zu Trifft voll und ganz zu
  • 52. Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Semantisches Differential 52 Zweipolige Rating-Skala, deren Extreme mit jeweils gegensätzlichen Adjektiven beschrieben werden. Erlaubt Messung mehrdimensionaler Einstellungen und deren Profildarstellung. Wie schätzen Sie das Erscheinungsbild von Kaufhof ein? Im folgenden Kasten finden Sie jeweils gegensätzliche Begriffspaare. Bitte kreuzen Sie an, inwieweit Sie in Ihrer Einschätzung jeweils mehr zu der einen oder der anderen Ausprägung tendieren. Semantisches Differential Stark [ ] [ ] [ ] [ ] [X] [ ] [ ] Schwach Unzuverlässig [ ] [ ] [ ] [ ] [ ] [X] [ ] Zuverlässig Modern [ ] [ ] [ ] [ ] [ ] [ ] [X] Altmodisch Kalt [ ] [ ] [ ] [ ] [ ] [X] [ ] Warm Sorgfältig [ ] [X] [ ] [ ] [ ] [ ] [ ] Leichtsinnig HINWEIS: Die negativen Adjektive erscheinen in der Skala manchmal links und manchmal rechts. Dies ermöglicht die Tendenz einiger Probanden nachträglich zu kontrollieren, alles links oder rechts anzukreuzen, ohne die Adjektive gelesen zu haben. Kaufhof ist:
  • 53. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 53 Hoch [ ] [ ] [ ] [ ] [ ] [ ] [ ] Tief Stark [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schwach Zuverlässig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unzuverlässig Kalt [ ] [ ] [ ] [ ] [ ] [ ] [ ] Heiß Modern [ ] [ ] [ ] [ ] [ ] [ ] [ ] Langsam Gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schlecht Freundlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Feindlich Hässlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schön Aktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] Passiv Jung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Alt Vorsichtig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Sorglos Klein [ ] [ ] [ ] [ ] [ ] [ ] [ ] Groß Sanft [ ] [ ] [ ] [ ] [ ] [ ] [ ] Abstoßend Robust [ ] [ ] [ ] [ ] [ ] [ ] [ ] Empfindlich Bescheiden [ ] [ ] [ ] [ ] [ ] [ ] [ ] Angeberisch Messung von Selbsteinschätzung, Einstellung ggü. Personen bzw. Produkten Bewertungsprofile von verschiedenen Objekten / Befragten / Segmente. Jeder Punkt entspricht dem Mittelwert oder Median der jeweiligen Skala.
  • 54. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 54 Quelle: http://www.provisor.com.ua/archive/2000/N16/gromovik.php Billig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Teuer Hat natürliche Inhaltsstoffe [ ] [ ] [ ] [ ] [ ] [ ] [ ] Hat keine natürliche Inhaltsstoffe Attraktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unattraktiv Überall verfügbar [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schwer zu bekommen Riecht gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] Riecht schlecht Hat Conditioner [ ] [ ] [ ] [ ] [ ] [ ] [ ] Hat kein Conditioner Bekannte Marke [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unbekannte Marke Geeignet für häufige Nutzung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Ungeeignet für häufige Nutzung Magischer Effekt von Glanz und Sauberkeit [ ] [ ] [ ] [ ] [ ] [ ] [ ] Kein Effekt von Sauberkeit Einfache Nutzung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Komplizierte Nutzung Ideales Shampoo Elseve Herbal Magic Semantische Profile von Shampoo-Marken „Herbal Magic” und „Elseve” im Vergleich zum idealen Shampoo aus der Sicht von Konsumenten
  • 55. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 55
  • 56. Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Stapel-Skala 56 Eine unipolare Ratingskala mit 10 Kategorien von -5 bis +5 ohne Neutralpunkt (0). Wird oft als Alternative zum semantischen Differential verwendet, insb. wenn es schwierig erscheint, ein sinnvolles Paar von entgegengesetzten Adjektiven zu finden. Bitte geben Sie an, wie zutreffend folgende Wörter und Phrasen die Geschäfte beschreiben. Wählen Sie eine Plus-Zahl für Phrasen, die das Geschäft zutreffend beschreiben. Je genauer Ihrer Meinung nach trifft die Beschreibung auf das Geschäft zu, desto höhere Plus- Zahl sollten Sie wählen. Wählen Sie eine Minus-Zahl für Phrasen, die Ihrer Meinung nach auf das Geschäft nicht zutreffen. Je weniger die Phrase auf das Geschäft zutrifft, desto höhere Minus-Zahl sollten Sie wählen. Sie können jede Zahl zwischen +5 (für zutreffende) und -5 (für unzutreffende) Beschreibungen wählen. Stapel-Skala „Real“: +5 +4 +3 +2 +1 -1 -2 -3 -4 -5 Hohe Qualität +5 +4 +3 +2 +1 -1 -2 -3 -4 -5 Schlechter Service х х
  • 57. Paul Marx | Grundlagen der Umfrageforschung Wichtigste nicht-komparative Skalen Skala Beschreibung Beispiele Vorteile Nachteile Kontinuierliche Ratingskalen Markierung auf einer kontinuierlichen Linie Reaktion auf TV- Werbespots Einfach zu bilden Nicht PC-gestützte manuelle Auswertung kann sehr mühsam sein Diskrete Ratingskalen Likert-Skala Grad der Zustimmung auf der Skala von 1 (stimme ganz und gar nicht zu) bis 5 (stimme vollkommen zu) Messung von Einstellungen Einfach zu verstehen, zu verwenden und zu bilden Zeitaufwendiger Semantisches Differential Zweipolige siebenstufige Ratingskala mit entgegengesetzten Adjektiven auf den Polen. Marken-, Produkt- und Firmenimage Vielseitig Keine Eignung darüber, ob die Daten intervallskaliert sind Stapel-Skala Unipolare zehn Punkte Skala von -5 bis +5 ohne Neutralpunkt (0) Messung von Einstellungen und Image Einfach zu konstruieren und zu verwenden in Telefon- Umfragen Manchmal verwirrend und schwierig anzuwenden 57
  • 58. Paul Marx | Grundlagen der Umfrageforschung Konstruktion von diskreten Ratingskalen 58 Anzahl von Antwortkategorien Zwar gibt es keine eindeutige einzig optimale Anzahl von Antwortkategorien, traditionell werden Skalen mit fünf bis neuen Antwortkategorien verwendet. Balanciert vs. nicht-balanciert Generell sollte die Skala balanciert sein, um objektive Ergebnisse erzielen zu können. Gerade vs. ungerade Anzahl von Antwortkategorien Wenn eine neutrale bzw. indifferente Antwort zumindest für einige Probanden in Frage kommt, sollte man eine Skala mit ungerader Anzahl von Antwortkategorien verwenden. Obligatorische vs. nicht- obligatorische Antwort Wenn einige Probanden keine Meinung haben können, durch nicht-obligatorische Fragen kann die Genauigkeit der Ergebnisse verbessert werden. Verbale Beschreibung Es gibt gute Argumente dafür, die meisten (wenn nicht alle) Antwortkategorien zu beschriften. Die Beschriftung sollte möglichst nah an Antwortkategorien sein.
  • 59. Paul Marx | Grundlagen der Umfrageforschung Anzahl von Antwortkategorien Zwar gibt es keine eindeutige einzig optimale Anzahl von Antwortkategorien, traditionell werden Skalen mit fünf bis neuen Antwortkategorien verwendet. Anzahl von Antwortkategorien 59 + Je hoher die Anzahl von Antwortkategorien, desto feinere Unterschiede in der Bewertung können von der Skala registriert werden. - Die meisten Probanden können nur mir einigen wenigen Antwortkategorien umgehen. Involvement und Wissen • Mehr Antwortkategorien wenn Probanden an der Bewertungsaufgabe interessiert sind oder über tiefes Wissen über das Objekt oder Sachverhalt verfügen. Natur von Objekten • Sind feine Unterschiede für die Objekte charakteristisch? Modus der Datenerhebung • Weniger Antwortkategorien für Telefoninterviews. Datenanalyse • Weniger Antwortkategorien für Aggregation, Verallgemeinerungen, oder Gruppenvergleiche. • Mehr Kategorien für anspruchsvolle statistische Analysen, insb. Korrelationsbasierte u.ä.
  • 60. Paul Marx | Grundlagen der Umfrageforschung Balanciert vs. nicht-balanciert Generell sollte die Skala balanciert sein, um objektive Ergebnisse erzielen zu können. Balancierte oder nicht-balancierte Skalen 60 Sehr gut Gut Weder gut noch schlecht Schlecht Sehr schlecht Balancierte Skala Extrem gut Sehr gut Gut Angemessen Schlecht Sehr schlecht Nicht-balancierte Skala
  • 61. Paul Marx | Grundlagen der Umfrageforschung Gerade vs. ungerade Anzahl von Antwortkategorien Wenn eine neutrale bzw. indifferente Antwort zumindest für einige Probanden in Frage kommt, sollte man eine Skala mit ungerader Anzahl von Antwortkategorien verwenden. Gerade oder ungerade Anzahl von Antwortkategorien 61 - Die mittlere Option einer Einstellungsskala zieht viele Probanden an, die unsicher sind oder ihre Meinung nur ungern offenbaren würden. - Das kann die Maßen der zentralen Tendenz und Varianz verzerren. - Wollen/brauchen wir „Kontrast“ in kontroversen Einstellungen?
  • 62. Paul Marx | Grundlagen der Umfrageforschung Obligatorische vs. nicht- obligatorische Antwort Wenn einige Probanden keine Meinung haben können, durch nicht-obligatorische Fragen kann die Genauigkeit der Ergebnisse verbessert werden. Obligatorische oder nicht-obligatorische Antwort? 62 - Fragen ohne Alternative „weiß nicht“ erzeugen tendenziell höhere Menge an genauen Daten. - Wollen die Probanden nicht Antworten oder haben sie keine Meinung? - Nutzen Sie „weiß nicht“ oder besser „nicht zutreffend“ bei sachlichen Fragen und Wissensabfragen, aber nicht für Messung von Einstellungen und Meinungen. - Nutzen Sie Filterführung, um sicherzustellen, dass Probanden ihre Fragen beantworten können
  • 63. Paul Marx | Grundlagen der Umfrageforschung Verbale Beschreibung Es gibt gute Argumente dafür, die meisten (wenn nicht alle) Antwortkategorien zu beschriften. Die Beschriftung sollte möglichst nah an Antwortkategorien sein. Verbale Beschreibung 63 - Die verbale Beschreibung für jede Antwortkategorie verbessert die Genauigkeit und Reliabilität nicht immer. Wichtig ist es, die Ambivalenz der Beschriftung zu vermeiden. - Spitze vs. Flache Antwortverteilung stimme ganz und gar nicht zu stimme voll und ganz zu stimme nicht zu stimme zu
  • 64. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 64
  • 65. Paul Marx | Grundlagen der Umfrageforschung Latente Konstrukte und Multi-Item-Skalen 65 Bitte geben Sie an, wie zufrieden Sie mit dem Kauf von ______ sind. Kreuzen Sie dafür das Kästchen an, das Ihrer Einschätzung am besten entspricht. zufrieden [ ] [ ] [ ] [ ] [ ] [ ] [ ] unzufrieden erfreut [ ] [ ] [ ] [ ] [ ] [ ] [ ] verärgert vorteilhaft [ ] [ ] [ ] [ ] [ ] [ ] [ ] nachteilig angenehm [ ] [ ] [ ] [ ] [ ] [ ] [ ] unangenehm Ich mochte es sehr [ ] [ ] [ ] [ ] [ ] [ ] [ ] Ich mochte es überhaupt nicht befriedigt [ ] [ ] [ ] [ ] [ ] [ ] [ ] frustriert hinreißend [ ] [ ] [ ] [ ] [ ] [ ] [ ] schrecklich α=0,84 Latentes Konstrukt ist ein Sachverhalt (z.B. Kundenzufriedenheit), der nicht direkt beobachtbar bzw. messbar ist. Das bedeutet nicht, dass der betreffende Sachverhalt nicht “existiert”, sondern nur, dass er aus anderen, messbaren Sachverhalten (Indikatoren) erschlossen werden kann.
  • 66. Paul Marx | Grundlagen der Umfrageforschung Latente Konstrukte und Multi-Item-Skalen Konstrukt Dimensionen Faktoren Items Skala Kunden- zufriedenheit Produkt- zufriedenheit Service- zufriedenheit Freund- lichkeit Fach- kompetenz Verbind- lichkeit Der Verkäufer war mir sympathisch Der Verkäufer lächelte nett Der Verkäufer war zuvorkommend trifft voll zu trifft weitgehend zu trifft nur teilweise zu trifft überhaupt nicht zu
  • 67. Paul Marx | Grundlagen der Umfrageforschung Vorteile + Möglichkeit zur Beurteilung abstrakter Konzepte + Verschiedene Facetten des Konstruktes können erfasst werden + Reduktion der Datendimensionalität durch Aggregation einer Vielzahl von beobachtbaren Sachverhalte zu einem Modell + ... Latente Konstrukte und Multi-Item-Skalen 67
  • 68. Paul Marx | Grundlagen der Umfrageforschung Multi-Item-Skalen: baue oder klaue Generierung vom anfänglichen Pool von Items: Theorie, Sekundärdaten und qualitative Analyse Wahl des reduzierten Set von Items auf Grundlage qualitativer Urteile Datenerhebung mit einer großen Stichprobe Statistische Analyse Entwicklung einer bereinigten Skala Datenerhebung mit einer anderen Stichprobe Beurteilung von Reliabilität, Validität und Generalisierbarkeit der Skala Ableitung der finalen Skala Theorieentwicklung Brunner, Gordon C. II (2012), “Marketing Scales Handbook: A Compilation of Multi-Item Measures for Consumer Behavior & Advertising Research”, Vol. 6, verfügbar als as PDF unter www.marketingscales.com/research Journal of the Academy of Marketing Science (JAMS) Journal of Advertising (JA) Journal of Consumer Research (JCR) Journal of Marketing (JM) Journal of Marketing Research (JMR) Journal of Retailing (JR) Wo findet man fertige Skalen?
  • 69. Paul Marx | Grundlagen der Umfrageforschung Secure Customer Index™ Bewertung von Kundenloyalität und Kundenbindung 69 Secure Customer Sehr zufrieden Werde definitiv weiterempfehlen Werde definitiv wieder nutzen Quelle: D. Randall Brandt (1996), “Secure Customer Index”, Maritz Research Zufriedenheit im Allgemeinen 5 = sehr zufrieden 4 = eher zufrieden 3 = weder zufrieden noch unzufrieden 2 = eher unzufrieden 1 = sehr unzufrieden Bereitschaft zur Weiterempfehlung 5 = werde ganz sicher weiterempfehlen 4 = werde wahrscheinlich weiterempfehlen 3 = unentschieden 2= werde wahrscheinlich nicht weiterempfehlen 1= werde ganz sicher nicht weiterempfehlen Wahrscheinlichkeit der Wiederverwendung 5 = werde ganz sicher weiterverwenden 4 = werde wahrscheinlich wiederverwenden 3= unentschieden 2= werde wahrscheinlich nicht wiederverwenden 1 = werde ganz sicher nicht wiederverwenden Secure Customers (Sichere Konsumenten) % sehr zufrieden/werde ganz sicher wiederverwenden/werde ganz sicher weiterempfehlen Konsumenten mit einer günstigen Einstellung % zumindest zweitbeste Alternative auf allen drei Dimensionen der Zufriedenheit und Loyalität Verletzte Konsumenten % eher zufrieden/unentschieden/unentschieden Gefährdete Konsumenten % eher zufrieden oder nicht zufrieden/werde wahrscheinlich oder ganz sicher nicht wiederverwenden/werde wahrscheinlich oder ganz sicher nicht weiterempfehlen
  • 70. Paul Marx | Grundlagen der Umfrageforschung Erweiterter Secure Customer Index™ von Burke Inc. 70 Zufriedenheit im Allgemeinen Wie zufrieden sind Sie mit (MARKE/UNT.) im Allgemeinen? Bereitschaft zur Weiterempfehlung Wenn man Sie bitten würde, ein Unternehmen aus (BRANCHE) zu empfehlen, wie wahrscheinlich ist es, dass Sie (MARKE/UNT.) empfehlen werden? Wahrscheinlichkeit des Wiederverkaufs Wie wahrscheinlich ist es, dass Sie (MARKE/UNT.) weiterverwenden werden? Verdiente Loyalität (MARKE/UNT.) hat meine Loyalität verdient. Bevorzugtes Unternehmen Ich ziehe (MARKE/UNT.) allen anderen Anbieter vor. Quelle: Burke Inc. http://www.burke.com/library/whitepapers/sci_white_paper_low_res_pages.pdf Loyalitäts- index Share of Wallet (0% - 100%) Periode 1 Periode 2
  • 71. Paul Marx | Grundlagen der Umfrageforschung 2.Umfrage: Messung und Skalierung 2.1 Einführung 2.2 Komparative Skalen 2.3 Nicht-komparative Skalen 2.4 Latente Konstrukte 2.5 Reliabilität und Validität 71
  • 72. Paul Marx | Grundlagen der Umfrageforschung Gütekriterien der Messung 72 Das True-Score-Modell ХO = ХT + ХS + ХR wobei ХO = beobachteter Wert einer Charakteristik ХT = der wahre Wert der Charakteristik ХS = systematischer Fehler ХR = Zufallsfehler
  • 73. Paul Marx | Grundlagen der Umfrageforschung Reliabilität und Validität 73 Reliabilität (Zuverlässigkeit) • Gibt an, wie zuverlässig ein Messinstrument misst – d.h. wie konsistent die Ergebnisse bei wiederholten Messungen sind. • Kein Zufallsfehler (ХR ⟶ 0 |⇒ ХO ⟶ ХT + ХS) • Die Maßzahl von Reliabilität ist Cronbachs Alpha (0 ≥ α ≥ 1) • Werte von α ≥ 0,7 gelten als akzeptabel ХO = ХT + ХS + ХR Validität (Gültigkeit) • Gibt an, inwieweit ein Messinstrument auch tatsächlich den Sachverhalt misst, den es zu messen galt – d.h. inwiefern gemessene Unterschiede tatsächlichen unterschieden zwischen den Objekten entsprechen (Güte der Messung). • Kein Messfehler (ХS ⟶ 0, ХR ⟶ 0 |⇒ ХO ⟶ХT) Reliabel Nicht valide Geringe Reliabilität Geringe Validität Nicht reliabel Nicht valide Reliabel und valide * Negative Werte von α sind möglich, lassen sich aber nicht interpretieren.
  • 74. Paul Marx | Grundlagen der Umfrageforschung Reliabel Nicht valide Geringe Reliabilität Geringe Validität Nicht reliabel Nicht valide Reliabel und valide Zusammenhang zwischen Reliabilität und Validität 74 ХO = ХT + ХS + ХR • Validität impliziert Reliabilität (ХO = ХT |⇒ ХS = 0, ХR = 0) • Nicht-Reliabilität impliziert Nicht-Validität (ХR ≠ 0 |⇒ ХO = ХT + ХR ≠ ХT) • Aus Reliabilität kann Validität nicht gefolgert werden (ХR = 0, ХS ≠ 0 |⇒ ХO = ХT + ХS ≠ ХT) • Reliabilität ist eine notwendige, aber nicht hinreichende Bedingung der Validität
  • 75. Paul Marx | Grundlagen der Umfrageforschung 75 „Der Zweck einer Skala ist es uns zu ermöglichen, die Probanden mit der höchsten Genauigkeit und Reliabilität abzubilden. Wir können nicht das Eine ohne das Andere haben und dabei unseren Daten vertrauen.” Bart Gamble vice president client services, Burke, Inc. 2000-2003
  • 76. Paul Marx | Grundlagen der Umfrageforschung Net Promoter Score® Unternehmenswachstum? 76 0 1 2 3 4 5 6 7 8 9 10 Quelle: Reichheld, Fred (2003) "OneNumberYouNeed toGrow", Harvard Business Review Kritiker Passiven Promoters Net Promoter Score % Promoters % Kritiker= – Wie wahrscheinlich ist es, dass Sie Unternehmen/Marke/Produkt X einem Freund, Verwandten oder Kollegen weiterempfehlen werden?? Ist die Skala reliabel? Ist die Skala valide? NPS (-100% – +100%) 5-10% Durchschnittliche Unternehmen 45% Perspektive Unternehmen mit offenem Wachstumspotential 50-80% Markführer mit hohem Wachstumspotential
  • 77. Paul Marx | Grundlagen der Umfrageforschung Net Promoter Score®: Warnung 77 „Obwohl die „Weiterempfehlungs-“ Frage bei weitem die beste Einzelfrage für die Vorhersage vom Konsumentenverhalten für eine Reihe von Branchen ist, sie ist nicht die beste Frage für alle Branchen… Deshalb müssen Unternehmen ihre Hausaufgaben machen und die Verbindung zwischen der Antwort auf diese Frage und dem darauffolgenden Konsumentenverhalten für ihren Geschäftsfeld empirisch überprüfen.” Fred Reichheld, 2011 Quelle: Reichheld, Fred, and Rob Markey (2011). The Ultimate Question 2.0. Boston: Harvard Business Review Press; pp.50-51. ?
  • 78. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 78
  • 79. Paul Marx | Grundlagen der Umfrageforschung Fragebogen 79 Fragebogen ist eine formalisierte Liste von Fragen, die dazu dient, Informationen von Befragten zu erheben. Ziele eines Fragebogens: • Informationsbedarf in ein Set von eindeutigen Fragen zu „übersetzten“, welche die Probanden beantworten können und wollen. • Probanden zu motivieren und zu ermutigen, an der Umfrage teilzunehmen und sie abzuschließen. • Antwortfehler zu minimieren. Fragebogen
  • 80. Paul Marx | Grundlagen der Umfrageforschung Fragetechniken und Befragungstaktik 80 • Auswahl einer Antwort aus der Liste von vorgegebenen Antwortalternativen • +: Einfach zu analysieren, belastet kognitive Fähigkeiten von Probanden nicht und setzt sie nicht unter Stress • –: Automatische und nicht durchdachte Antworten möglich • Antwortalternativen sind nicht vorgegeben • +: Unbegrenzte Anzahl an Antwortmöglichkeiten, beansprucht das Gedächtnis • –: Komplexität der Codierung und Analyse, Probanden können die Antwort verweigern Geschlossene Fragen vs. Offene Fragen • Trinken Sie täglich Alkohol? • Welche Getränke bevorzugen Sie zu Mahlzeiten? Direkte Fragen vs. Indirekte Fragen
  • 81. Paul Marx | Grundlagen der Umfrageforschung Einfluss der Formulierung auf die Antwort 81 F: Darf man beim Beten rauchen? A: Nein F: Darf man beim Rauchen beten? A: Ja 0 15 30 45 60 Ja Nein Unsicher Glauben Sie überhaupt an die große Liebe? Glauben Sie an die große Liebe? Quelle: Noelle-Neumann and Petersen (1998), p. 192 n = 2100, p <.05
  • 82. Paul Marx | Grundlagen der Umfrageforschung Was soll man bei der Entwicklung vom Fragebogen berücksichtigen? 82 • Ist die Frage notwendig? • Brauchen wir mehrere Frage anstelle einer? • Hat der Proband erforderliche Informationen? • Kann der Proband sich erinnern? • Aufwand seitens Probanden • Sensibilität der Frage • Ziele der Abfragen erklären • Kulturelle Aspekte • Ist der Fragebogen einfach auszufüllen? • Ist der Fragebogen vollständig und Umfassend? • Einfluss der Formulierung
  • 83. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 83
  • 84. Paul Marx | Grundlagen der Umfrageforschung Fragen stellen 84 “Nicht jede Frage verdient eine Antwort” Publius Syrus Rom, 1. Jh v.Chr. Vermeiden Sie • Mehrdeutigkeit, Verwirrung und Unklarheit • Fachsprache, Slang und Abkürzungen • Doppelläufige Fragen • Führende Fragen • Implizite Annahmen • Implizite Alternativen • Hypothetische Aussagen von Probanden als Beweis von Hypothesen zu behandeln • Verallgemeinerungen und Schätzungen
  • 85. Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 85 Formulieren Sie die Frage in Bezug auf die sechs W‘s (wer, was, wann, wo, warum, und wie). Wer, was, wann und wo sind besonders wichtig. • Beispiel: Welche Marke vom Shampoo nutzen Sie? • Fragen Sie stattdessen: Welche Marke oder Marken vom Shampoo haben Sie persönlich zu Hause während des letzten Monats genutzt? Falls Sie mehr als eine Marke genutzt haben, nennen Sie bitte alle Marken.
  • 86. Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 86 W’s Aspekte der Frage Wer Der Proband Es ist nicht klar, ob die Frage sich nur auf den Probanden selbst, oder z.B. auf sein gesamtes Haushalt bezieht. Was Marke vom Shampoo Es ist nicht klar, wie der Proband diese Frage beantworten soll, falls er mehr als eine Marke nutzt. Wann Unklar Der Bezugszeitrahmen ist nicht angegeben. Der Proband kann sich also auf diesen Morgen, diese Woche, oder das ganze vergangene Jahr beziehen. Wo Unklar Zu Hause, im Fitness-Studio, im Urlaub, bei der Geschäftsreise? Welche Marke vom Shampoo nutzen Sie?
  • 87. Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 87 • Beispiel: Welchen Computertyp besitzen Sie? ☐ Windows ☐ Mac OS • Fragen Sie stattdessen: Besitzen Sie einen Windows PC? (☐ Ja ☐ Nein) Besitzen Sie einen Apple Computer? (☐ Ja ☐ Nein) • Noch besser: Welche Computer besitzen Sie? ☐ Ich besitze keinen Computer ☐ Windows ☐ Mac OS ☐ Anderes • Beispiel: Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? ☐ Ja ☐ Nein • Fragen Sie stattdessen: Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? ☐ Ja ☐ Nein ☐ Ich habe keine Kfz-Versicherung • Noch besser (Filterführung): 1. Haben Sie eine Kfz-Versicherung? (☐ Ja ☐ Nein). Wenn nein, bitte fahren sie mit Frage 3 fort. 2. Sind Sie zufrieden mit Ihrer jetzigen Kfz-Versicherung? (☐ Ja ☐ Nein)
  • 88. Paul Marx | Grundlagen der Umfrageforschung Mehrdeutigkeit, Verwirrung und Unklarheit vermeiden 88 Beispiel: Wie oft kaufen Sie in einem Supermarket in einem typischen Monat ein? ☐ Niemals ☐ Selten ☐ Manchmal ☐ Oft ☐ Regulär • Fragen Sie stattdessen: Wie oft kaufen Sie in einem Supermarket in einem typischen Monat ein? ☐ weniger als 1 Mal ☐ 1 bis 2 Mal ☐ 3 bis 4 Mal ☐ öfter als 4 Mal
  • 89. Paul Marx | Grundlagen der Umfrageforschung Fachsprache, Slang und Abkürzungen vermeiden 89 Verwenden Sie einfache Wörter • Beispiel: Glauben Sie, dass die Distribution der Erfrischungs- getränke ist adäquat? • Fragen Sie stattdessen: Sind Erfrischungsgetränke einfach zu finden, wann immer Sie sie kaufen möchten? • Beispiel: Geben Ihr bereinigtes Nettoeinkommen im vergangenen Jahr an? € _______
  • 90. Paul Marx | Grundlagen der Umfrageforschung Doppelläufige Fragen vermeiden 90 Jede Frage soll sich nur auf einem Aspekt konzentrieren. • Beispiel: Ist Ihrer Meinung nach Coca-Cola lecker und erfrischend? • Fragen Sie stattdessen: 1. Ist Ihrer Meinung nach Coca-Cola lecker? 2. Ist Ihrer Meinung nach Coca-Cola erfrischend?
  • 91. Paul Marx | Grundlagen der Umfrageforschung Führende Fragen vermeiden 91 Wenn Sie eine bestimmte Antwort wollen, brauchen Sie die Frage nicht stellen. • Beispiel: Helfen Sie der Umwelt, indem Sie Einkaufstaschen aus Stoff nutzen? • Fragen Sie stattdessen: Nutzen Sie Einkaufstaschen aus Stoff?
  • 92. Paul Marx | Grundlagen der Umfrageforschung Implizite Annahmen vermeiden 92 Die Antwort soll nicht von impliziten bzw. stillschweigenden Annahmen über die Konsequenzen abhängig sein. • Beispiel: Denken Sie, dass der Milchpreis gesenkt werden soll? • Fragen Sie stattdessen: Denken Sie, dass der Milchpreis gesenkt werden soll, auch wenn dadurch die Milchqualität schlechter wird?
  • 93. Paul Marx | Grundlagen der Umfrageforschung Implizite Alternativen vermeiden 93 Implizite Alternativen sind Antwortalternativen, die nicht explizit genannt wurden. • Beispiel: Nehmen Sie gern Zug für kurze Städtereisen? • Fragen Sie stattdessen: Nehmen Sie gern Zug für kurze Städtereisen, oder fahren Sie lieber Auto? http://www.kostenlose3dmodelle.com/ mensch-argere-dich-nicht-lightwavedice -studio-3ds-obj-lwo/
  • 94. Paul Marx | Grundlagen der Umfrageforschung Vermeiden Sie es, hypothetische Aussagen von Probanden als Beweis für die Hypothese zu behandeln 94 Meinungen und Überzeugungen stellen die realen Fakten nur verzerrt dar • Beispiel: Glauben Sie, dass höher gebildete Menschen tendenziell öfter Pelzkleidung tragen? • Fragen Sie stattdessen: 1. Was ist Ihr Bildungsstand? 2. Tragen Sie Pelzkleidung?
  • 95. Paul Marx | Grundlagen der Umfrageforschung Verallgemeinerungen und Schätzungen vermeiden 95 Zwingen Sie den Probanden nicht, sein Gedächtnis und mathematische Fähigkeiten anzustrengen • Beispiel: Wie hoch sind die jährlichen Pro-Kopf-Ausgaben für Lebensmittel in Ihrem Haushalt? • Fragen Sie stattdessen: 1. Wie viel Geld wird in Ihrem Haushalt monatlich (bzw. wöchentlich) für Lebensmittel ausgegeben? 2. Wie viele Mitglieder sind in Ihrem Haushalt?
  • 96. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 96
  • 97. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortfähigkeit 97 Ist der Proband informiert? Kann der Proband sich erinnern? Kann der Proband artikulieren?
  • 98. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortfähigkeit 98 Ist der Proband informiert? Probenden beantworten oft die Fragen, auch wenn sie nicht informiert sind • Beispiel: Bitte geben Sie an, inwieweit Sie folgender Aussage zustimmen: “Die Zentrale für Verbraucherbeschwerden hilft Menschen, die defekte Produkte gekauft haben, effizient ihre Problemen mit Händlern zu lösen.” 51.9% von Anwälten und 75% der Bevölkerung haben diese Frage beantwortet, obwohl es keine Zentrale für Verbraucherbeschwerden gibt. • Nutzen Sie Filter-Fragen: z.B. fragen Sie vorab nach dem Kenntnis vom Geschäft und/oder Einkaufshäufigkeit in der Studie von 10 Einkaufsläden. • Nutzen Sie die „Weiß nicht”-Antwortalternative
  • 99. Paul Marx | Grundlagen der Umfrageforschung Kann der Proband sich erinnern? Bewältigung der mangelnden Antwortfähigkeit 99 Mangelnde Erinnerungsfähigkeit von Probanden führt zum Fehler des Weglassens, Telescoping und Schaffung. • Beispiel: Wie viele Flaschen von Erfrischungsgetränke haben Sie in den vergangenen vier Wochen verbraucht? • Fragen Sie stattdessen: Wie oft trinken Sie Erfrischungsgetränke in einer durchschnittlichen Woche? ☐ Weniger als einmal in der Woche ☐ 1 bis 3 Male in der Woche ☐ 4 bis 6 Male in der Woche ☐ 7 oder mehr Male in der Woche • Verwenden Sie die Methode der gestützten Erinnerung (wenn angemessen) “An welche Werbespots von Erfrischungsgetränken aus dem gestrigen TV-Programm können Sie sich erinnern?” vs “Welche der folgenden Marken von Erfrischungsgetränken wurden gestern Abend im Fernsehen beworben?” (Liste)
  • 100. Paul Marx | Grundlagen der Umfrageforschung Kann der Proband artikulieren? Bewältigung der mangelnden Antwortfähigkeit 100 Bei Unfähigkeit ihre Antwort zu artikulieren, neigen Probanden dazu die Frage zu überspringen und die Beantwortung der Umfrage abzubrechen • Beispiel: Bei Frage, die Atmosphäre eines Kaufhauses zu beschreiben, in dem sie gern einkaufen würden, viele Probanden haben Schwierigkeiten Ihre Antwort zu formulieren. • Nutzen Sie Hilfsmittel, z.B. Bilder, Schemen, Beschreibungen Wenn man Probanden alternative Beschreibungen von Atmosphäre eines Kaufladens vorlegt, werden sie diejenige Beschreibung auswählen können, die ihnen am meisten gefällt.
  • 101. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 101
  • 102. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 102 Die meisten Probanden mögen nicht • Viel Zeit und Mühe in die Beantwortung von Umfragen investieren • Fragen zu beantworten, die unangemessen in dem Kontext der Umfrage erscheinen • Informationen preiszugeben, die nach ihrer Auffassung nicht zweckdienlich sind • Sensible Informationen offenlegen
  • 103. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 103 Minimieren Sie den für die Beantwortung erforderlichen Aufwand • Beispiel: Bitte nennen Sie alle Abteilungen, bei denen Sie während Ihres letzten Besuch im Kaufhaus eingekauft haben. • Fragen Sie stattdessen: Bitte kreuzen Sie in der unten aufgeführten Liste alle Abteilungen an, bei denen Sie während Ihres letzten Einkaufs im Kaufhaus eingekauft haben: ☐ Damenbekleidung ☐ Herrenbekleidung ☐ Kinderbekleidung ☐ Kosmetik ……. ☐ Schmuck / Juwelierwaren ☐ Andere (bitte angeben) _________________
  • 104. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 104104 Manche Fragen erschienen in bestimmten Kontexten unangemessen • Beispiel: Fragen über persönliche Hygienegewohnheiten können in einer medizinischen Umfrage angemessen erscheinen und in einer Umfrage über Fast-Food-Restaurants – als unangemessen. • Führen Sie den Kontext ein, indem Sie ein Statement abgeben: „Als ein Fast-Food-Restaurant sind wir bemüht, unseren Kunden eine saubere und hygienische Umgebung anbieten zu können. Deshalb möchten wir nun Ihnen einige Fragen über Ihre Hygienegewohnheiten stellen.”
  • 105. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortbereitschaft 105105105 Erklären Sie warum die Informationen benötigt werden • Beispiel: Warum sollte sich ein Produzent von Frühstückscerealien für das Alter, Einkommen und Beruf von Probanden interessieren? • Legitimieren Sie die Informationsanfrage: „Um zu verstehen, wie sich der Konsum von Frühstückscerealien zwischen den Personen mit dem verschiedenen Alter, Einkommen und Beruf variiert, benötigen wir von Ihnen noch folgende Informationen…”
  • 106. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 106
  • 107. Paul Marx | Grundlagen der Umfrageforschung • Platzieren Sie die sensiblen Themen am Ende des Fragebogens • Leiten Sie die Fragen mit dem Statement ein, dass das Verhalten lediglich im Allgemeinen/generell von Interesse ist • Stellen Sie die Fragen in dritter Person: Formulieren Sie sie so, als ob sie sich auf andere Menschen bezieht • Verstecken Sie die Frage in der Gruppe von anderen Fragen • Geben Sie Antwortalternativen vor, anstelle konkrete Angaben oder Zahlen abzufragen Erhöhung der Antwortbereitschaft 107 Sensible Themen: - Geld - Privates und Familienleben - Politische und religiöse Ansichten - Beteiligung an Unfällen und Straftaten - …
  • 108. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 108
  • 109. Paul Marx | Grundlagen der Umfrageforschung Reihenfolge von Fragen 109 • Eröffnungsfragen Eröffnungsfragen sollten interessant, einfach und nicht abschreckend sein. • Informationstyp Als Faustregel, müssen zunächst die für die Forschungsfrage relevanten Informationen, dann die Klassifikations- und abschließend die Identifikationsinformationen abgefragt werden. • Schwierige Fragen Schwierige Fragen bzw. Frage, die sensibel, peinlich, kompliziert, oder mühsam sind, sollten möglichst hinten in der Fragenreihenfolge platziert werden.
  • 110. Paul Marx | Grundlagen der Umfrageforschung Reihenfolge von Fragen 110 • Ausstrahlungseffekte auf Folgefragen (Trichterung, Funneling) Allgemeinere Fragen sollten konkreteren Fragen vorangehen 1. Welche Aspekte spielen für Sie bei der Auswahl eines Kaufhauses eine wichtige Rolle? 2. Wie wichtig ist für Sie die Bequemlichkeit der Lage bei der Auswahl eines Kaufhauses? • Logische Anordnung / Verzweigungslogik Die Frage, zu der es verzweigt wird, soll möglichst nah an die Frage platziert werden, die die Verzweigung verursacht. Die Verzeigungsfragen sollten so angeordnet werden, dass Probanden nicht vorhersehen können, welche Zusatzinformationen abgefragt werden.
  • 111. Paul Marx | Grundlagen der Umfrageforschung Beispiel: Ablaufplan einer Umfrage 111 Einleitung Besitz einer Loyalitäts-, Bank-, und/oder anderen Kreditkarte Hat in einem bestimmten Kaufhaus in den letzten zwei Monaten eingekauft? Wie wurde bezahlt? Überhaupt in einem Kaufhaus eingekauft? Laden- Loylitäts- karte Bank-/EC- karte Andere Kredit- karte Absicht eine Loyalitäts-, Bank-, und/oder andere Kreditkarte zu verwenden? ja nein ja nein Mit Karte Bargeld Anderes
  • 112. Paul Marx | Grundlagen der Umfrageforschung 3. Fragebogen 3.1 Fragen stellen 3.2 Bewältigung der mangelnden Antwortfähigkeit 3.3 Bewältigung der mangelnden Antwortbereitschaft 3.4 Erhöhung der Antwortbereitschaft 3.5 Reihenfolge von Fragen 3.6 Wie geht es weiter? 112
  • 113. Paul Marx | Grundlagen der Umfrageforschung Wie geht es weiter? 113113 Einleitung • Interesse der Probanden erwecken • Gründe und Ziele erklären • Probanden um Hilfe bitten • Sagen, dass Ihre Unterstützung wertvoll ist • Sagen, wie lange die Umfrage dauert • Anonymität betonen • Anreize schaffen (Nicht-monetäre Anreize)
  • 114. Paul Marx | Grundlagen der Umfrageforschung Wie geht es weiter? 114114 Pretesten! Pretesten! Pretesten!!! • Inhalt von Fragen • Wortlaut / Formulierung • Reihenfolge • Form und Layout • Schwierigkeit der Frage • Anleitungen… • Analyseverfahren
  • 115. Paul Marx | Grundlagen der Umfrageforschung Zusammenfassung 115 1. Entwickeln Sie einen Ablaufplan von erforderlichen Informationen ausgehend vom (Markt-)Forschungsproblem • Sobald die gesamte Sequenz ausgelegt ist, müssten die Zusammenhänge klar geworden sein • Stimmen Sie die Daten, die Sie aus dem Fragebogen zu erhalten planen, auf den im Ablaufplan definierten Informationsbedarf ab. • Legen Sie konkrete Ziele für jeden Informations- und Datenbereich fest. Formulieren Sie für jeden Bereich ein klares, eindeutiges Ziel, sodass daraus die Konstruktion Ihrer Fragen ergibt. 2. In diesem Schritt ziehen Sie Ihren „Kritikerhut“ an, gehen Sie zurück zu Ihrem Ablaufplan und fragen Sie sich • Muss ich das unbedingt wissen und weiß ich, was genau ich damit tun werde? oder • Das wäre zwar schön zu wissen, aber das brauche ich nicht unbedingt.
  • 116. Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 116
  • 117. Paul Marx | Grundlagen der Umfrageforschung 117 Der weltweit bekannteste Schlagzeilenfehler. Präsident Harry Truman gegen Thomas Dewey. Chicago Daily Tribute gibt falsche Wahlergebnisse bekannt. Grund? • Voreingenommenheit • ungenaue Meinungsumfrage
  • 118. Paul Marx | Grundlagen der Umfrageforschung Auswahl der Stichprobe (Sampling) 118 Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. Diese Prozedur bezeichnet man als Sampling. Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psychografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Grundgesamtheit
  • 119. Paul Marx | Grundlagen der Umfrageforschung Auswahl der Stichprobe (Sampling) 119 Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. Diese Prozedur bezeichnet man als Sampling. Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psychografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Grundgesamtheit Probanden Menschen, die antworten
  • 120. Paul Marx | Grundlagen der Umfrageforschung Sampling: Zwei grundlegende Methoden 120 Image By Sergio Valle Duarte (Own work) [CC BY 3.0], via Wikimedia Commons
  • 121. Paul Marx | Grundlagen der Umfrageforschung 121 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
  • 122. Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 122
  • 123. Paul Marx | Grundlagen der Umfrageforschung 123 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
  • 124. Paul Marx | Grundlagen der Umfrageforschung Willkürliche Auswahl 124 Bei der willkürlichen Auswahl (Auswahl auf‘s Geratewohl) gelangen die Probanden in die Stichprobe unkontrolliert, meistens aus Bequemlichkeit. Oft werden Probanden nur deshalb ausgewählt, weil sie zu richtiger Zeit am richtigen Ort sind. • Studenten und Mitglieder von öffentlichen Organisationen • Umfragen in Kaufläden ohne Qualifizierung von Probanden • Umfragen auf den Straßen • Abriss-Fragebögen in Katalogen und Zeitschriften
  • 125. Paul Marx | Grundlagen der Umfrageforschung Bewusste Auswahl 125 Bewusste Auswahl ist eine Form der Willkürlichen Auswahl, bei der Probanden basierend auf dem Ermessen vom Forscher in die Stichprobe gelangen. • Testmärkte • Einkaufsingenieure in der Industriellen Marktforschung • Mütter als „Nutzer“ von Windeln
  • 126. Paul Marx | Grundlagen der Umfrageforschung Quotenplan 126 Die Stichprobe wird nach vorgegebenen Kontrollmerkmalen (z.B. Geschlecht, Alter, Einkommen, Größe des Unternehmens, Umsatz usw.) gezogen, sodass die in der Stichprobe enthaltenen Objekte die Struktur der Grundgesamtheit im Hinblick auf die proportionale Aufteilung dieser Charakteristiken wiedergeben. Die Objekte der Stichprobe werden dabei meistens auf Geratewohl ausgewählt. Die Voraussetzung ist jedoch, dass die Stichprobenobjekte den Quotenplan erfüllen. Kontrollmerkmale Zusammensetzung der Grundgesamtheit Zusammensetzung der Stichprobe Anteil, % Anteil, % Anzahl Geschlecht Männlich
 Weiblich 
 48 52 ------- 100 48
 52
 ------- 100 
 480
 520
 ------- 1000 Alter
 18-30 31-45 45-60
 über 60 27 39 16 18 ------- 100 27 39 16 18 ------- 100 270 390 160 180 ------- 1000
  • 127. Paul Marx | Grundlagen der Umfrageforschung Schneeball-Verfahren auch Ketten-Verfahren genannt 127127 Die erste Probandengruppe wird (in der Regel) zufällig ausgewählt. • Nach dem Interview werden diese Probanden gebeten andere Personen zu benennen, die zur Zielgruppe der Umfrage gehören. • Nachfolgende Probanden werden aufgrund von Weiterempfehlungen ausgewählt. Gut für die Lokalisierung einer gewünschten Eigenschaft in der Grundgesamtheit: • Schwer zu erreichenden Probanden (z.B. Staatsangestellte, Geschäftsführer, Obdachlose, Drogenabhängige) • Einschätzung von Charakteristiken, die selten in der Grundgesamtheit auftreten • Identifikation von Käufer-Verkäufer-Paaren in der industriellen Forschung
  • 128. Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 128
  • 129. Paul Marx | Grundlagen der Umfrageforschung 129 Stichproben-Auswahlverfahren Willkürliche Auswahl Bewusste Auswahl Quotenplan Schneeball- Verfahren Nicht zufällige Zufällige Einfache Zufallsstichproben Systematische Zufallsstichproben Geschichtete Zufallsstichproben Klumpen- stichproben Andere Stichprobenverfahren Proportionierte Disproportionierte
  • 130. Paul Marx | Grundlagen der Umfrageforschung Einfache und systematische Zufallsstichproben 130 Systematische Zufallsstichproben • Für die Auswahl der Stichprobe wird zunächst ein „Startelement“ zufällig ausgewählt. Anschließend wird jedes 𝑖-te Element aus dem Stichprobenplan gezogen. • Der Abstand 𝑖 ergibt sich aus der Relation des Umfangs der Grundgesamtheit 𝑁 zum Umfang der Stichprobe 𝑛, d.h., 𝑖 = 𝑁/𝑛 Einfache Zufallsstichproben • Jedes Element wird unabhängig von allen anderen Elementen ausgewählt. Das bedeutet, dass: • Jedes Element der Grundgesamtheit hat eine bekannte und gleiche Wahrscheinlichkeit ausgewählt zu werden. • Jede mögliche Stichprobe der gegebenen Größe (𝑛) hat eine bekannte Wahrscheinlichkeit tatsächlich ausgewählt zu werden. Starte hier Wähle zufällig i i i Nehme jedes i-tes Element
  • 131. Paul Marx | Grundlagen der Umfrageforschung Geschichtete Zufallsstichproben 131131 Bei der geschichteten Stichprobenziehung wird die Grundgesamtheit zunächst in die nicht-überlappenden Schichten (Stratas) aufgeteilt. Anschließend wird aus jeder Schicht ein (dis-)proportionaler Anteil der Elementen zufällig gezogen. Elementen eines Schichts müssen im gewissen Maße ähnlich sein. Gut für: • Hervorheben einer bestimmten Subgruppe in der Grundgesamtheit • Beobachtung von Zusammenhängen und Beziehungen zwischen zwei oder mehr Subgruppen • Repräsentative Stichprobenziehung auch von kleinsten und unzugänglichsten Subgruppen in der Grundgesamtheit • höhere statistische Genauigkeit Schicht A B C Umfang der Grundgesamtheit 100 200 300 Stichprobeanteil 1/2 1/2 1/2 Stichprobengröße 50 100 150 Schicht A B C Umfang der Grundgesamtheit 100 200 300 Stichprobeanteil 1/5 1/2 1/3 Stichprobengröße 20 100 100 Proportionierte Disproportionierte Stich- probe
  • 132. Paul Marx | Grundlagen der Umfrageforschung Klumpenstichproben auch Cluster-Stichproben genannt 132132 Bei Klumpenstichprobe wird die Grundgesamtheit zunächst in gegenseitig exklusive Klumpen (Cluster) aufgeteilt. Anschließend werden zufällig Klumpen ausgewählt, die dann im vollen Umfang in die Stichprobe gelangen. Gut für: • Abdecken großer geographischen Gebiete • Reduktion von (Umfrage-)kosten • Wenn Konstruktion einer vollständigen Liste von Elementen der Grundgesamtheit ist schwierig • Wenn Grundgesamtheit aus natürlichen Clustern besteht (z.B. Blöcke, Städte, Schulen, Krankenhäuser, Kisten usw.) Für jeden Cluster werden entweder alle Elementen (einstufige Verfahren) oder eine zufällige Stichprobe der Elemente (zweistufige Verfahren) gezogen.
  • 133. Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 133
  • 134. Paul Marx | Grundlagen der Umfrageforschung Stärken und Schwächen von Stichproben-Auswahlverfahren 134 Verfahren Stärken Schwächen Nicht-zufällige Auswahlverfahren Willkürliche Auswahl Am günstigsten, am wenigsten zeitaufwendig, am bequemsten Fehlerbehaftet, Stichprobe nicht repräsentativ, nicht empfohlen für deskriptive und kausale Forschung Bewusste Auswahl Niedrige Kosten, bequem, nicht zeitaufwendig Subjektiv, Ergebnisse nicht verallgemeinerbar Quotenplan Bestimmte Charakteristiken der Stichprobe können Kontrolliert werden Fehlerbehaftet, keine Garantie der Repräsentativität Schneeball-Verfahren Ermöglicht Einschätzung seltener Eigenschaften Zeitaufwendig in der Feldforschung Zufällige Auswahlverfahren Einfache Zufallsstichproben Leicht verständlich, verallgemeinerbare bzw. repräsentative Ergebnisse Stichprobenplan schwer zu konstruieren, teuer, geringere Genauigkeit, keine Garantie der Repräsentativität Systematische Zufallsstichproben Kann Repräsentativität erhöhen, einfacher umzusetzen als einfache zufällige Auswahl Kann die Repräsentativität abschwächen Geschichtete Zufallsstichproben Enthält alle wichtigen Subgruppen der Grundgesamtheit, Genauigkeit Relevante Aufteilungskriterien schwer auszuwählen, Aufteilung anhand mehrerer Kriterien nicht praktikabel, teuer Klumpenstichproben Einfach umzusetzen, Kosteneffizient Ungenau, komplizierte Berechnung und Interpretation der Ergebnisse
  • 135. Paul Marx | Grundlagen der Umfrageforschung 4. Stichproben 4.1 Nicht-zufällige Stichproben 4.2 Zufällige Stichproben 4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben 4.4 Größe der Stichprobe 135
  • 136. Paul Marx | Grundlagen der Umfrageforschung Bestimmung der Stichprobegröße 136 Die Stichprobengröße häng nicht von der Größe der Grundgesamtheit ab, vielmehr wird sie bestimmt durch qualitative Aspekte der Studie. • Gewünschte Genauigkeit der Vorhersagen • Kenntnis über die Parameter der Grundgesamtheit • Anzahl von Variablen • Typ der Analyse • Wichtigkeit der Entscheidung • Rücklaufs- und Abbruchsquoten • Ressourceneinschränkungen
  • 137. Paul Marx | Grundlagen der Umfrageforschung Typische Stichprobengrößen in der Marktforschung 137 Typ der Studie Minimaler Umfang Typischer Umfang Problemidentifizierungs-Studien (z.B. Markpotenzial) 500 1.000 – 2.000 Problemlösungs-Studien (z.B. Preissetzung) 200 300 - 500 Produkttests 200 300 - 500 Studien auf den Testmärkten 200 300 - 500 TV/Radio/Print Werbung (pro Anzeige) 150 200 - 300 Audit von Test-Märkten 10 Geschäfte 10 - 20 Geschäfte Focus-Gruppen 6 Gruppen 10 - 15 Gruppen
  • 138. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 138
  • 139. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 139
  • 140. Paul Marx | Grundlagen der Umfrageforschung 140 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 141. Paul Marx | Grundlagen der Umfrageforschung 141 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne 𝐸 = 𝑧 𝜎 𝑛 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 142. Paul Marx | Grundlagen der Umfrageforschung 142 𝐸 = 𝑧 𝜎 𝑛 Meistens unbekannt Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
  • 143. Paul Marx | Grundlagen der Umfrageforschung 143 𝐸 = 𝑧 𝜎 𝑛 Meistens unbekannt Maximal bei π = 0,5 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
  • 144. Paul Marx | Grundlagen der Umfrageforschung 144 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 𝑥 = 𝑥. ± 𝐸 𝑥 = echter Wert des Parameters 𝑥. = Stichprobenwert 𝐸 = Fehlerspanne
  • 145. Paul Marx | Grundlagen der Umfrageforschung 145 𝑥 = 𝑥. ± 𝐸 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 146. Paul Marx | Grundlagen der Umfrageforschung 146 𝐸 ≈ 1 𝑛 ⟹ 𝑛 ≈ 1 𝐸 6 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 147. Paul Marx | Grundlagen der Umfrageforschung 147 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 148. Paul Marx | Grundlagen der Umfrageforschung 148 𝑛7899 = korrigierter Umfang der Stichprobe 𝑛 = Umfang der Stichprobe 𝑁 = Umfang der Grundgesamtheit Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 149. Paul Marx | Grundlagen der Umfrageforschung 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) 149 Fehlerspanne 1% Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 150. Paul Marx | Grundlagen der Umfrageforschung 150 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) Fehlerspanne 5% Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 151. Paul Marx | Grundlagen der Umfrageforschung 151 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau 𝑛7899 = 𝑛 (1 + 𝑛 − 1 / 𝑁) Fehlerspanne 10% Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 152. Paul Marx | Grundlagen der Umfrageforschung Konfidenzintervall 152 Konfidenzintervall und Vertrauensniveau Konfidenzintervall (Vertrauensbereich) ist ein geschätzter Intervall von Zahlen zusammen mit Angabe der Wahrscheinlichkeit, dass dieses Intervall den unbekannten Parameterwert enthält. Vertrauensniveau (Vertrauenswahrscheinlichkeit) ist ein erwarteter Anteil von Intervallen, die bei einer hohen Anzahl an Stichprobenziehungen den Parameterwert enthalten werden. Angenommen, wir möchten herausfinden, wie viele Stunden pro Tag die Mitarbeiter eines Unternehmens durchschnittlich arbeiten. Wir könnten eine Stichprobe von 30 Menschen ziehen und den Stichprobendurchschnitt von 7,5 Stunden herausfinden. Wenn wir nun sagen, dass wir uns zu 95% sicher sind, dass der echte Durchschnitts- wert irgendwo im Bereich von 7,2 und 7,8 Stunden liegt, sagen wir, dass wenn wir unsere Messung mit neuen Stichproben wiederholen und dabei die Fehlerspanne auf ±0,3 setzten würden, würde dieser Bereich den echten Durchschnittswert in 95% der Fälle enthalten. Std
  • 153. Paul Marx | Grundlagen der Umfrageforschung Konfidenzintervall, Fehlerspanne und Stichprobenumfang 153 Je höhere Sicherheit (Vertrauenswahrscheinlichkeit) wir brauchen, desto breiter wird unser Konfidenzintervall und desto höher wird unsere Fehlerspanne sein.
  • 154. Paul Marx | Grundlagen der Umfrageforschung Je höhere Sicherheit (Vertrauenswahrscheinlichkeit) wir brauchen, desto breiter wird unser Konfidenzintervall und desto höher wird unsere Fehlerspanne sein. 154 Std kleinere Fehlerspannen erfordern größere Stichproben höhere Vertrauensniveaus Erfordern größere Stichproben Konfidenzintervall, Fehlerspanne und Stichprobenumfang
  • 155. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 155
  • 156. Paul Marx | Grundlagen der Umfrageforschung Typen von statistischen Analysemethoden 156 Deskriptive • Deskriptive Statistik fasst die Beobachtungen aus der Stichprobe zusammen und stellt sie übersichtlich dar. • Nutzt Kennzahlen, Tabellen, Grafiken und Diagrammen, zur Beschreibung, Systematisierung, Organisation und Darstellung von erhobenen Daten. Induktive • Induktive Statistik macht Aussagen über die Generalisierbarkeit bzw. Übertragbarkeit von Beobachtungen und Schlussfolgerungen aus Zufallsstichproben auf die Grundgesamtheit. • Beurteilt wechselseitige Beziehungen zwischen Variablen und quantifiziert sie. D.h. gibt Stärke und Signifikanz von Beziehungen an, ermöglich Vorhersagen und Schätzungen.
  • 157. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 157
  • 158. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 158
  • 159. Paul Marx | Grundlagen der Umfrageforschung Relative Häufigkeit zeigt den Anteil (bzw. Prozent) von Beobachtungen eines Wertes. Verteilung der relativen Häufigkeiten listet alle Datenwerte zusammen mit ihren relativen Häufigkeiten auf. blau rot blau orange blau gelb grün rot rosa blau grün blau lila blau blau grün gelb rosa blau rot rosa grün blau gelb grün blau Tabellen: Häufigkeiten und relative Häufigkeiten 159 Erhobene Daten 𝑅𝑒𝑙 𝑎 𝑡𝑖𝑣𝑒 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡 = 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡 𝑆𝑢𝑚𝑚𝑒 𝑎𝑙𝑙 𝑒𝑟 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡𝑒𝑛 Häufigkeitsverteilung gibt zu jedem gemessenen Wert an, wie häufig dieser Wert in den Daten vorkommt. Lieblingsfarbe Häufigkeit blau 10 rot 3 orange 1 gelb 3 grün 5 rosa 3 lila 1 Lieblingsfarbe Relative Häufigkeit blau 10/26≈ 0,38 rot 3/26≈ 0,12 orange 1/26≈ 0,04 gelb 3/26≈ 0,12 grün 5/26≈ 0,19 rosa 3/26≈ 0,12 lila 1/26≈ 0,04
  • 160. Paul Marx | Grundlagen der Umfrageforschung Lieblingsfarbe Relative Häufigkeit blau 10/26≈ 0,38 rot 3/26≈ 0,12 orange 1/26≈ 0,04 gelb 3/26≈ 0,12 grün 5/26≈ 0,19 rosa 3/26≈ 0,12 lila 1/26≈ 0,04 Lieblingsfarbe Häufigkeit blau 10 rot 3 orange 1 gelb 3 grün 5 rosa 3 lila 1 Säulendiagramm 160 0 2 4 6 8 10 12 blau rot orange gelb grün rosa lila HÄUFIGKEIT Lieblingsfarbe 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% blau rot orange gelb gr[n rosa lila RELATIVE HÄUFIGKEIT Lieblingsfarbe Säulendiagramm 1. Höhen von Säulen können Häufigkeiten oder relative Häufigkeiten sein 2. Säulen dürfen sich nicht berühren
  • 161. Paul Marx | Grundlagen der Umfrageforschung Kreisdiagramm 161 blau 38% rot 11%orange 4% gelb 12% grün 19% rosa 12% lila 4% Lieblingsfarbe Kreisdiagramm 1. Sollte immer relative Häufigkeiten angeben 2. Auch sollte Beschriftungen enthalten – entweder direkt auf dem Diagramm oder in der Legende
  • 162. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 162
  • 163. Paul Marx | Grundlagen der Umfrageforschung Punkte in der Prüfung Häufigkeit 50–59 2 60–69 5 70–79 7 80–89 7 90–99 4 Anzahl der Kinder Häufigkeit Relative Häufigkeit 1 3 3/26≈0,12 2 8 8/26≈0,31 3 10 10/26≈0,38 4 2 2/26≈0,08 5 3 3/26≈0,12 Tabellen 163 Erhobene Daten Erhobene Daten Manchmal gibt es zu viele Werte, um für jeden Wert eine Zeile zu erstellen. In diesem Fall müssen wir mehrere Werte zu Gruppen zusammenfassen. Diskrete Variable ist eine quantitative Variable, die entweder eine endliche Anzahl von Werten (z.B. rot, grün, gelb) oder eine unendliche Anzahl von abzählbaren Werten (z.B. 0, 1, 2, 3, ...) hat 2 2 2 4 5 3 3 3 3 2 1 2 3 5 3 4 3 1 2 3 5 3 2 1 3 2 62 87 67 58 95 94 91 69 52 76 82 85 91 60 77 72 83 79 63 88 79 88 70 75 75 Untere Klassengrenze Obere Klassengrenze Klassenbreite = 90-80 = 10
  • 164. Paul Marx | Grundlagen der Umfrageforschung ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07 Anzahl der Kinder Häufigkeit Relative Häufigkeit 1 3 3/26≈0,12 2 8 8/26≈0,31 3 10 10/26≈0,38 4 2 2/26≈0,08 5 3 3/26≈0,12 Tabellen und Histogrammen 164 0 2 4 6 8 10 12 1 2 3 4 5 HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0,00 0,10 0,20 0,30 0,40 0,50 1 2 3 4 5 RELATIVE HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit unterwegs
  • 165. Paul Marx | Grundlagen der Umfrageforschung Histogramm 1. Höhen von Säulen sind Häufigkeiten oder relative Häufigkeiten der entsprechenden Klassen 2. Breiten von Säulen sind gleich und sie berühren einander 0 2 4 6 8 10 12 1 2 3 4 5 HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0,00 0,10 0,20 0,30 0,40 0,50 1 2 3 4 5 RELATIVE HÄUFIGKEIT ANZAHL DER KINDER IN DER FAMILIE 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs Histogramm 165 ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07
  • 166. Paul Marx | Grundlagen der Umfrageforschung Frequenz-Polygonzug 166 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs Frequenz-Polygonzug ist eine Linie, die die Klassenmittelpunkte miteinander verbindet. (Die Klassenmittelpunkte werden als Durchschnittswerte von Ober- und Untergrenzen der jeweiligen Klasse gebildet.) 16 21 26 31 0 1 2 3 4 5 6 7 16 18 20 22 24 26 28 30 32 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs 0 1 2 3 4 5 6 7 15 17 19 21 23 25 27 29 31 33 HÄUFIGKEIT ZEIT (MINUTEN) Durchschnittliche Zeit Unterwegs ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1/15≈0,07 18–19,9 2 2/15≈0,13 20–21,9 1 1/15≈0,07 22–23,9 6 6/15≈0,40 24–25,9 2 2/15≈0,13 26–27,9 1 1/15≈0,07 28–29,9 1 1/15≈0,07 30–31,9 1 1/15≈0,07
  • 167. Paul Marx | Grundlagen der Umfrageforschung Kumulative Tabellen und Ogiven 167 ∅ Zeit unterwegs Relative Häufigkeit Kumulierte relative Häufigkeit 16–17,9 1/15≈ 0,07 1/15≈ 0,07 18–19,9 2/15≈ 0,13 2/15≈ 0,20 20–21,9 1/15≈ 0,07 1/15≈ 0,27 22–23,9 6/15≈ 0,40 6/15≈ 0,67 24–25,9 2/15≈ 0,13 2/15≈ 0,80 26–27,9 1/15≈ 0,07 1/15≈ 0,87 28–29,9 1/15≈ 0,07 1/15≈ 0,94 30–31,9 1/15≈ 0,07 1/15≈ 1,00 Kumulative Tabellen zeigen die Summe von Häufigkeiten bis hin und einschließlich Häufigkeit des Wertes in der jeweiligen Zeile. Ogive ist ein Graph, der die kumulierte Häufigkeit bzw. kumulierte relative Häufigkeit für alle Klassen repräsentiert. ∅ Zeit unterwegs Häufigkeit Relative Häufigkeit 16–17,9 1 1 18–19,9 2 3 20–21,9 1 4 22–23,9 6 10 24–25,9 2 12 26–27,9 1 13 28–29,9 1 14 30–31,9 1 15 0 0,2 0,4 0,6 0,8 1 1,2 17 19 21 23 25 27 29 31 33 Kumulierte relative Häufigkeit Zeit (Minuten) Durchschnittliche Zeit Unterwegs
  • 168. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 168
  • 169. Paul Marx | Grundlagen der Umfrageforschung Lagemaße 169 Mittelwert 𝑥̅ = 𝑥L + 𝑥6 + ⋯ + 𝑥N 𝑛 = ∑ 𝑥P 𝑛 Summe von einzelnen Elementen Summe von durchschnittlichen Elementen Mittelwert ist der „Schwerpunkt“ – ganz wie der Gleichgewichtspunkt Vorteile: • Einfach zu berechnen: nur aufsummieren und teilen. • Intuitiv – eine Zahl „in der Mitte“; wird von großen Zahlen nach oben und von kleinen Zahlen nach unten gezogen. Nachteile: • Der Mittelwert kann durch Ausreißer verzogen werden – er funktioniert nicht gut für Stichproben mit stark variierenden Daten. • Der Mittelwert von 100, 200 und -300 ist 0. Das ist verwirrend. Jahre Jahre
  • 170. Paul Marx | Grundlagen der Umfrageforschung Lagemaße 170 Median Median ist das Element in der Mitte einer sortierten Liste Vorteile: • Kann gut mit Ausreißern umgehen – oft die genaueste Abbildung einer Gruppe. • Teilt die Daten in zwei Gruppen auf, jede mit der gleichen Anzahl an Elementen. Nachteile: • Ist schwieriger zu berechnen: Daten müssen zuvor sortiert werden. • Nicht so bekannt; wenn man „Median“ sagt, denken viele, dass man „Durchschnitt“ meint. 50% unterhalb 50% oberhalb 𝑥Q = R 𝑥(STL)/6 1 2 𝑥S/6 + 𝑥S/6TL für ungerade n für gerade n Jahre Jahre
  • 171. Paul Marx | Grundlagen der Umfrageforschung Lagemaße 171 Modalwert Anzahl Werte Modalwert ist der häufigste Wert unter allen Beobachtungen der Variable Vorteile: • Gut geeignet für exklusive Auswahlsituationen (diese Wahl oder andere; keine Kompromisse), d.h. funktioniert gut mit nominalen Daten. • Zeig die Wahl, die die meisten wollten (während der Mittelwert oft zur Wahl führen kann, die keiner wollte). • Einfach zu verstehen. Nachteile: • Erfordert mehr Aufwand für die Berechnung (man muss die Stimmen zählen). • “Der Sieger nimmt alles” — es gibt keinen Mittelweg. Modalwert von ist
  • 172. Paul Marx | Grundlagen der Umfrageforschung Lagemaße: Mittelwert und Median bestimmen die Form der Verteilung 172 symmetrisch Mittelwert und Median sind ungefähr gleich linksschief Median Mittelwert ist nach unten verzogen rechtsschief Median Mittelwert ist nach oben verzogen
  • 173. Paul Marx | Grundlagen der Umfrageforschung Streuungsmaße 173 𝜎6 = ∑ 𝑥P − 𝜇 6 𝑛 Empirische Varianz (Varianz der Grundgesamtheit) Stichproben- Varianz 𝑠6 = ∑ 𝑥P − 𝑥̅ 6 𝑛 − 1 Varianz ist der Durchschnitt von quadrierten Abständen vom Mittelwert Körpergrößen des US-Amerikanischen olympischen Basketballmannschaft 2008
  • 174. Paul Marx | Grundlagen der Umfrageforschung Der Mittelwert funktioniert wie Gleichgewichtspunkt. Deshalb ist die durchschnittliche Abweichung vom Mittelwert immer gleich Null. Bei der Berechnung von Varianz werden alle Abweichungen quadriert, damit negative Abweichungen positive Abweichungen nicht kompensieren. Streuungsmaße 174 Stichproben- Varianz 𝑠6 = ∑ 𝑥P − 𝑥̅ 6 𝑛 − 1 Körpergrößen des US-Amerikanischen olympischen Basketballmannschaft 2008 𝑥̅ = 1,5 + 2,5 + 3,5 − 0,5 + 4,5 + 1,5 − 2,5 − 6,5 + 2,5 − 0,5 − 2,5 − 3,5 12 = 0 𝑠6 = 117 12 − 1 ≈ 10,6 Warum Varianz?
  • 175. Paul Marx | Grundlagen der Umfrageforschung Welcher Datensatz hat eine höhere Standardabweichung? Streuungsmaße 175 Standardabweichung 𝑠 = 𝑠6 Standardabweichung Behält die Messeinheiten von Originaldaten 𝜎 = 𝜎6 𝑠 = 10,6 ≈ 3,3 𝑠6 = 117 12 − 1 ≈ 10,6 Quadratzoll Zoll
  • 176. Paul Marx | Grundlagen der Umfrageforschung Beziehung zwischen Standardabweichung und Normalverteilung 176 99,7% der Daten liegen innerhalb 3 Standardabweichungen vom Mittelwert 95% innerhalb 2 Standardabweichungen 68% innerhalb 1 Standard- abweichung © Dan Kernler
  • 177. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 177
  • 178. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 178 Kreuztabellen Kreuztabellen fassen die gemeinsame Verteilung von zwei (oder mehr) diskreten Variablen tabellarisch zusammen. • Helfen den Zusammenhang einer Variablen (z.B. Markentreue) mit einer anderen Variable (z.B. Geschlecht) zu analysieren und zu verstehen. • Eine Kreuztabelle enthält jeweils eine Zelle für jede Kombination von zwei (oder mehr) Variablen. Beispiele: • Wie viele markentreue Konsumenten sind Männer? • Hängt die Nutzungshäufigkeit (hoch, mittel, niedrig) eines Produkts mit Outdoor-Aktivitäten (oft, manchmal, selten, nie) zusammen? • Hängt die Vertrautheit mit dem neuen Produkt mit Alter und Bildungsniveau zusammen? • Hängt der Besitz eines Produkts mit dem Einkommen (hoch, mittel, niedrig)zusammen?
  • 179. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 179 Bildungsgrad Besitz eines teuren Autos Hochschulabschluss Kein Hochschulabschluss ja 32 % 21 % nein 68 % 79 % Gesamt 100 % 100 % Anzahl der Fälle 250 750 Hängt der Besitz von teuren Automarken vom Bildungsgrad ab? Besitz von teuren Automarken nach Bildungsgrad
  • 180. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 180 Manchmal kann die Einführung einer dritten Variable scheinbare Beziehungen, verdeckte Zusammenhänge, keine Veränderung in ursprünglicher Beziehung aufdecken.
  • 181. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 181 Hängt der Besitz von teuren Automarken vom Bildungsgrad ab? Besitz von teuren Automarken nach Bildungsgrad und Einkommensniveau Hohes Einkommen Geringes Einkommen Besitz eines teuren Autos Hochschulabschluss Kein Hochschulabschluss Hochschulabschluss Kein Hochschulabschluss ja 20 % 20 % 40 % 40 % nein 80 % 80 % 60 % 60 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 100 700 150 50 Ist die Beziehung noch da?
  • 182. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 182 Hat Alter Einfluss auf Reise- und Abenteuerlust? Verlangen nach Auslandsreisen nach Alter Verlangen nach Auslandsreisen Alter Unter 45 45 und mehr ja 50 % 50 % nein 50 % 50 % Gesamt 100 % 100 % Anzahl der Fälle 500 500 Verlangen nach Auslandsreisen Männlich Weiblich < 45 ≥ 45 < 45 ≥ 45 ja 60 % 40 % 35 % 65 % nein 40 % 60 % 65 % 35 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 300 300 200 200 Verlangen nach Auslandsreisen nach Alter und Geschlecht
  • 183. Paul Marx | Grundlagen der Umfrageforschung Kreuztabellen 183 Hängt die Besuchshäufigkeit von Fast-Food-Restaurants mit der Familiengröße zusammen? Besuchshäufigkeit von Fast-Food-Restaurants nach Familiengröße Gehen häufig in Fast-Food- Restaurants Familiengröße Small Large ja 50 % 50 % nein 50 % 50 % Gesamt 100 % 100 % Anzahl der Fälle 500 500 Gehen häufig in Fast-Food- Restaurants Geringes Einkommen Hohes Einkommen Small Large Small Large ja 50 % 50 % 50 % 50 % nein 50 % 50 % 50 % 50 % Gesamt 100 % 100 % 100 % 100 % Anzahl der Fälle 250 250 250 250 Besuchshäufigkeit von Fast-Food-Restaurants nach Familiengröße und Einkommen
  • 184. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 184
  • 185. Paul Marx | Grundlagen der Umfrageforschung 5. Datenanalyse: Übersicht über statistische Techniken 5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten 5.1.1 Zusammenfassung qualitativer Daten 5.1.2 Zusammenfassung quantitativer Daten 5.1.3 Numerische Zusammenfassung von Daten 5.1.4 Kreuztabellen 5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen? 5.2.1 Hypothesentest 5.2.2 Stärke des Zusammenhangs in Kreuztabellen 5.2.3 Beziehung zwischen zwei (metrischen) Variablen 185
  • 186. Paul Marx | Grundlagen der Umfrageforschung Hypothesentest 186 Hypothesentest Hypothesentest ist ein fünfstufiges Verfahren, in dem basierend auf den Daten einer Stichprobe und unter Einsatz von Wahrscheinlichkeitstheorie es bestimmt wird, ob eine Hypothese hinreichend begründet ist. M.a.W. ist dies eine Methode zu prüfen, ob die auf einer Zufallsstichprobe erhaltenen Ergebnisse sich verallgemeinern bzw. auf die Grundgesamtheit übertragen lassen. Vorgehensweise: 1. Formulierung einer Nullhypothese und ihrer Alternativhypothese 2. Festlegen vom Signifikanzniveau 3. Wahl der geeigneten Teststatistik 4. Formulierung der Entscheidungsregel 5. Berechnung von Kennzahlen aus der Stichprobe, Treffen der Entscheidung „Menschen sind sich irrtümlicherweise zuversichtlich in ihrem Wissen und unterschätzen die Wahrscheinlichkeit, dass ihre Informationen und ihre Überzeugungen sich als falsch erweisen können. Sie neigen dazu solche zusätzliche Informationen zu suchen, die nur bestätigen, was sie schon immer gewusst haben.“ Max Bazerman