Header Image Mobile

Multivariate Analysen

Multivariate Analysemethoden liefern heutzutage in der empirischen Forschung weiter gehende Erkenntnisse, welche durch den Einsatz entsprechender Computer-Programme aufgedeckt werden können. In der Wissenschaft haben die multivariaten Analysen inzwischen einen festen Platz eingenommen. amPuls Market Research hat sich zum Ziel gesetzt, Ihnen die entsprechenden Verfahren näher zu bringen und Ihnen dabei in der Datenanalyse einen echten Mehrwert zu bieten.

Multivariate Analysemethoden eröffnen Ihnen die Möglichkeit, eine grosse Daten- oder Variablenmenge zu reduzieren und damit die wesentlichsten und entscheidendsten Informationen herauszuschälen. Sie verlieren somit nicht unnötig Zeit beim Studium von Tabellenbänden: Die Suche nach der Nadel im Heuhaufen übernimmt amPuls Market Research für Sie.

Im Folgenden werden die gebräuchlichsten und etabliertesten multivariaten Analysemethoden kurz vorgestellt:

Regressionsanalyse
Die Regressionsanalyse ist sowohl für die Beschreibung und Erklärung von Zusammenhängen als auch für die Durchführung von Prognosen von grosser Bedeutung. Sie kommt insbesondere dann zur Anwendung, wenn Wirkungsbeziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen untersucht werden sollen. Idealerweise sollten die Daten bei der Regressionsanalyse metrisch skaliert sein.

Varianzanalyse
Die Varianzanalyse ist besonders geeignet für die Durchführung von Experimenten: Mit ihrer Hilfe kann beispielsweise untersucht werden, welche Wirkung unterschiedliche Verpackungen eines Produktes auf die Absatzmenge hat. Bei der Varianzanalyse liegen die Daten der unabhängigen Variablen auf nominalem und die Daten der abhängigen Variablen auf metrischem Skalenniveau vor.

Diskriminanzanalyse
In der Marktforschung kann es von Interesse sein, durch welche soziodemografischen oder psychografischen Merkmalen sich z.B. die Peugeot-, BMW- und Fiat-Käufer unterscheiden: Dieser Frage geht die Diskriminanzanalyse nach. Bei diesem Verfahren ist die abhängige Variable stets nominal skaliert und die unabhängigen Variablen besitzen metrisches Skalenniveau.

Strukturgleichungsmodelle
Bei diesem Verfahren wird angenommen, dass die Variablen nicht beobachtbar sind, sondern so genannte hypothetische Konstrukte (z.B. Einstellung, Kundenbindung) oder eben latente Variablen vorliegen. Jede latente Variable wird durch mehrere Indikatoren operationalisiert. Auf der Basis solcher latenter Variablen kann mit Hilfe von Strukturgleichungsmodellen festgestellt werden, welche mehrstufigen Kausalbeziehungen vorhanden sind. Als praktisches Beispiel wollen z.B. Finanzdienstleistungsunternehmen wissen, in welcher Form und wie stark das Image eines Unternehmens die Kundenbindung beeinflusst oder in welcher Weise Einstellungen auf das Kaufverhalten wirken. Die Indikatoren der latenten Variablen liegen in metrischer Form vor.

Conjoint-Measurment
Das Ziel der Conjoint-Analyse ist, den Beitrag einzelner Merkmale von Produkten oder sonstigen Objekten im Verhältnis zum Gesamtnutzen dieser Objekte herauszufinden. Die Conjoint-Analyse liefert wichtige Hinweise, wie z.B. ein neues Produkt gestaltet werden muss und welche Eigenschaften beim Kauf dieses Produktes entscheidend sind. Darüber hinaus können mit der Conjoint-Analyse auch Preisschwellen bestimmt werden. amPuls Market Research besitzt ein ideales Onlinetool, um Conjoint-Analysen schnell und kostengünstig durchzuführen.

Faktorenanalyse
In dieser Analyse geht es darum, aus einer grossen Anzahl von Variablen, die zu einem bestimmten Sachverhalt erhoben wurden, diejenigen zusammenzufassen, die etwas Ähnliches messen. Die «zentralen Faktoren» werden herauskristallisiert und in der Auswertung dargestellt. Der Vorteil liegt in der Konzentration auf das Wesentliche. Für die Faktorenanalyse wird metrisches Skalenniveau verlangt.

Clusteranalyse
Bei der Clusteranalyse wird eine Bündelung von Objekten vorgenommen. Ziel ist die Zusammenfassung ähnlicher Objekte zu bestimmten Gruppen. In der Kaufverhaltensforschung wurde mit der Clusteranalyse versucht, auf der Basis psychografischer Merkmale bestimmte Einkaufstypen zu identifizieren (z.B. der Lifestyle-Typ, der Konservative). Die Daten können in nominaler Form vorliegen (Geschlecht, Studienfach, Nationalität usw.)

Multidimensionale Skalierung
Die multidimensionale Skalierung versucht den gesamten Wahrnehmungsraum einer Person auf zwei oder drei Dimensionen zu reduzieren. Mit dieser Eingrenzung werden interessante Positionierungsanalysen möglich. Im Gegensatz zur faktoranalytischen Positionierung erfragt die multidimensionale Skalierung wahrgenommene globale Ähnlichkeiten zwischen den Objekten; der Forscher besitzt oft nur vage Kenntnisse, welche Eigenschaften für die subjektive Beurteilung der Objekte relevant sind. Ordinale Daten genügen für die multidimensionale Skalierung.