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 ______________
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
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:
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
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