Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Grundlagen	der	Umfrageforschung
1
Einführungskurs
Jun.-Prof.	Dr...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Inhalt
1. Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typolog...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	M...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	M...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Was	ist	Forschung?
Forschung	ist
Alle	systematischen	Bestrebung...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Umfrage
6
Umfrage	-
ist	eine	der	populärsten	Methoden,	primäre	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Marktforschung
7
Forscher
Entscheidungsproblem
Entscheidungsträ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wer Was
Soziologie	und	
Politikwissenschaften
Meinungsforschung...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Prozess	der	Marktforschung	
die	“5	D’s”	der	Marktforschung
Defi...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wann	sollte	man	KEINE Marktforschungsprojekte	starten
Fall Komm...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	M...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typologie	der	Marktforschung
12
Nach	
Zielen
• Explorativ
(auch...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Marktforschungstypologie	nach	Zielen
• Analyse	von	Daten	und	Ak...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Marktforschungstypologie	nach	Datenquellen
14
• Generierung	von...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Marktforschungstypologie	nach	Methodologie
15
• Beinhaltet	Samm...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 16
WAHRHEIT
Literaturrecherche
InterviewBefragung
Triangulation...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 17
ABER IN WIRKLICHKEIT
IST ALLES
CHAOTISCHER
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Messung
Messung	–
Zuweisung	von	Zahlen	oder	anderen	Symbolen		z...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Skalierung
Skalierung	–
beinhaltet	ein	Kontinuum,	auf	dem	die	
...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Grundlegende	Typen	von	Skalen
22
•Zahlen	dienen	lediglich	zur	K...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wichtige	Skalen	in	Marketing
Skala Beschreibung Gängige	Beispie...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typologie	von	Skalierungsverfahren
Skalierung
Komparative	
Skal...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Vergleich	von	Skalierungsverfahren
25
Komparative	
Skalen
• Der...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typologie	von	Skalierungsverfahren
Skalierung
Komparative	
Skal...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Vor- und	Nachteile	von	komparativen	Skalen
28
+ Geringe	untersc...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Komparative	Skalen:	Paarweise	Vergleiche
29
Probanden	wählen	au...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Komparative	Skalen:	Paarweise	Vergleiche
30
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Paarweise	Vergleiche:	Vor- und	Nachteile
31
+ Direkter	Vergleic...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
>
>
Ordinale	Daten:	
Verletzung	der	Transitivitätsannahme	in	pa...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Ordinale	Daten:	
Verletzung	der	Transitivitätsannahme	bei	Aggre...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Komparative	Skalen:	Rangordnungsverfahren
34
Probanden	bringen	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Rangordnungsverfahren:	Beispiel
35
©ExavoGmbH,	exavo.de
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Rangordnungsverfahren:	Beispiele
36
Quelle:	exavo.de
©ExavoGmbH...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Rangordnungsverfahren:	Beispiel
37
Quelle:	exavo.de
©ExavoGmbH,...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Rangordnungsverfahren:	Vor- und	Nachteile
38
+ Direkter	Verglei...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Komparative	Skalen:	Konstantsummenverfahren
39
Probanden	vertei...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konstantsummenverfahren:	Beispiel	der	Auswertung
40
Attribute S...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konstantsummenverfahren:	Beispiel
41
©ExavoGmbH,	exavo.de
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konstantsummenverfahren:	Beispiele
42
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konstantsummenverfahren:	Vor- und	Nachteile
43
+ Kann	kleine	Un...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Komparative	Skalen:	Q-Sortierung
44
Rangordnungsverfahren,	bei	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typologie	von	Skalierungsverfahren
Skalierung
Komparative	
Skal...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Nicht-komparative	Skalen:	Kontinuierliche	Ratingskalen
47
Proba...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kontinuierliche	Ratingskalen:	Perception	Analyzer
48
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Diskrete	Ratingskalen:	Likert-Skala
49
Probanden	geben	an,	inwi...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Likert-Skala:	Beispiele
50
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Populäre	Likert-Skalen	in	Marketing
51
Konstrukt Skalenpunkte
E...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Diskrete	Ratingskalen:	Semantisches	Differential
52
Zweipolige	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Semantisches	Differential:	Beispiel
53
Hoch [		] [		] [		] [		]...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Semantisches	Differential:	Beispiel
54
Quelle:	http://www.provi...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Semantisches	Differential:	Beispiel
55
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Diskrete	Ratingskalen:	Stapel-Skala
56
Eine	unipolare	Ratingska...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wichtigste	nicht-komparative	Skalen
Skala Beschreibung Beispiel...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konstruktion	von	diskreten	Ratingskalen
58
Anzahl	von	
Antwortk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Anzahl	von	
Antwortkategorien
Zwar	gibt	es	keine	eindeutige	ein...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Balanciert	vs.	nicht-balanciert	
Generell	sollte	die	Skala	bala...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Gerade	vs.	ungerade
Anzahl	von	Antwortkategorien
Wenn	eine	neut...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Obligatorische	vs.	nicht-
obligatorische	Antwort	
Wenn	einige	P...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Verbale	Beschreibung
Es	gibt	gute	Argumente	dafür,	die	meisten	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Latente	Konstrukte	und	Multi-Item-Skalen
65
Bitte	geben	Sie	an,...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Latente	Konstrukte	und	Multi-Item-Skalen
Konstrukt Dimensionen ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Vorteile
+ Möglichkeit	zur	Beurteilung	abstrakter	
Konzepte
+ V...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Multi-Item-Skalen:	baue	oder	klaue
Generierung	vom	anfänglichen...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Secure	Customer	Index™		
Bewertung	von	Kundenloyalität	und	Kund...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Erweiterter	Secure	Customer	Index™	von	Burke	Inc.
70
Zufriedenh...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
2.Umfrage:	Messung	und	Skalierung
2.1	Einführung
2.2	Komparativ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Gütekriterien	der	Messung
72
Das	True-Score-Modell
ХO = ХT + ХS...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Reliabilität	und	Validität
73
Reliabilität
(Zuverlässigkeit)
• ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Reliabel
Nicht	valide
Geringe	Reliabilität
Geringe	Validität
Ni...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 75
„Der	Zweck	einer	Skala	ist	es	uns	zu	ermöglichen,	die	Proban...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Net	Promoter	Score®
Unternehmenswachstum?
76
0 1 2 3 4 5 6 7 8 ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Net	Promoter	Score®:	Warnung
77
„Obwohl	die	„Weiterempfehlungs-...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Fragebogen
79
Fragebogen ist	eine	formalisierte	Liste	von	
Frag...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Fragetechniken	und	Befragungstaktik
80
• Auswahl	einer	Antwort	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Einfluss	der	Formulierung	auf	die	Antwort
81
F: Darf	man	beim	B...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Was	soll	man	bei	der	Entwicklung	vom	Fragebogen	
berücksichtige...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Fragen	stellen
84
“Nicht	jede	Frage	verdient	eine	Antwort”
Publ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Mehrdeutigkeit,	Verwirrung	und	Unklarheit	vermeiden
85
Formulie...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Mehrdeutigkeit,	Verwirrung	und	Unklarheit	vermeiden
86
W’s Aspe...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Mehrdeutigkeit,	Verwirrung	und	Unklarheit	vermeiden
87
• Beispi...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Mehrdeutigkeit,	Verwirrung	und	Unklarheit	vermeiden
88
Beispiel...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Fachsprache,	Slang	und	Abkürzungen	vermeiden
89
Verwenden	Sie	e...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Doppelläufige	Fragen	vermeiden
90
Jede	Frage	soll	sich	nur	auf	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Führende	Fragen	vermeiden
91
Wenn	Sie	eine	bestimmte	Antwort	wo...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Implizite	Annahmen	vermeiden
92
Die	Antwort	soll	nicht	von	impl...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Implizite	Alternativen	vermeiden
93
Implizite	Alternativen	sind...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Vermeiden	Sie	es,	hypothetische	Aussagen	von	
Probanden	als	Bew...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Verallgemeinerungen	und	Schätzungen	vermeiden
95
Zwingen	Sie	de...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortfähigkeit
97
Ist	der	Proband	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortfähigkeit
98
Ist	der	Proband	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kann	der	Proband	sich	erinnern?
Bewältigung	der	mangelnden	Antw...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kann	der	Proband	artikulieren?
Bewältigung	der	mangelnden	Antwo...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortbereitschaft
102
Die	meisten	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortbereitschaft
103
Minimieren	S...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortbereitschaft
104104
Manche	Fr...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewältigung	der	mangelnden	Antwortbereitschaft
105105105
Erklär...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
• Platzieren	Sie	die	sensiblen	Themen	am	Ende	des	
Fragebogens
...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Reihenfolge	von	Fragen
109
• Eröffnungsfragen
Eröffnungsfragen ...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Reihenfolge	von	Fragen
110
• Ausstrahlungseffekte	auf	Folgefrag...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Beispiel:	Ablaufplan	einer	Umfrage
111
Einleitung
Besitz	einer	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
3. Fragebogen
3.1	Fragen	stellen
3.2	Bewältigung	der	mangelnden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wie	geht	es	weiter?
113113
Einleitung
• Interesse	der	Probanden...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Wie	geht	es	weiter?
114114
Pretesten!	Pretesten!	Pretesten!!!
•...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Zusammenfassung
115
1. Entwickeln	Sie	einen	Ablaufplan	von	erfo...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
4. Stichproben
4.1	Nicht-zufällige	Stichproben
4.2	Zufällige	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 117
Der	weltweit	bekannteste	Schlagzeilenfehler.
Präsident	Harr...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Auswahl	der	Stichprobe	(Sampling)
118
Die	meisten	Umfragen	könn...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Auswahl	der	Stichprobe	(Sampling)
119
Die	meisten	Umfragen	könn...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Sampling:	Zwei	grundlegende	Methoden
120
Image	By	Sergio	Valle	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 121
Stichproben-Auswahlverfahren
Willkürliche	
Auswahl
Bewusste...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
4. Stichproben
4.1	Nicht-zufällige	Stichproben
4.2	Zufällige	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 123
Stichproben-Auswahlverfahren
Willkürliche	
Auswahl
Bewusste...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Willkürliche	Auswahl
124
Bei	der	willkürlichen	Auswahl	(Auswahl...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bewusste	Auswahl
125
Bewusste	Auswahl	ist	eine	Form	der	Willkür...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Quotenplan
126
Die	Stichprobe	wird	nach	vorgegebenen	Kontrollme...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Schneeball-Verfahren	
auch	Ketten-Verfahren	genannt
127127
Die	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
4. Stichproben
4.1	Nicht-zufällige	Stichproben
4.2	Zufällige	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 129
Stichproben-Auswahlverfahren
Willkürliche	
Auswahl
Bewusste...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Einfache	und	systematische	Zufallsstichproben
130
Systematische...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Geschichtete	Zufallsstichproben
131131
Bei	der	geschichteten	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Klumpenstichproben
auch	Cluster-Stichproben	genannt
132132
Bei	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
4. Stichproben
4.1	Nicht-zufällige	Stichproben
4.2	Zufällige	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Stärken	und	Schwächen	von	Stichproben-Auswahlverfahren
134
Verf...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
4. Stichproben
4.1	Nicht-zufällige	Stichproben
4.2	Zufällige	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Bestimmung	der	Stichprobegröße
136
Die	Stichprobengröße	häng	ni...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typische	Stichprobengrößen	in	der	Marktforschung
137
Typ	der	St...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang	
1...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang	
1...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 140
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfan...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 141
𝑥 = 𝑥.	± 𝐸
𝑥	=	echter	Wert	des	Parameters
𝑥. =	Stichprobenw...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 142
𝐸 = 𝑧
𝜎
𝑛
Meistens	unbekannt
Ansatz	der	Fehlerspanne	zur	Be...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 143
𝐸 = 𝑧
𝜎
𝑛
Meistens	unbekannt
Maximal	bei	π	=	0,5
Ansatz	der...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
144
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfan...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 145
𝑥 = 𝑥.	± 𝐸
Berechnungen	zeigen	approximierte	Werte	für	95%	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 146
𝐸 ≈
1
𝑛
							⟹ 							 𝑛 ≈
1
𝐸
6
Berechnungen	zeigen	appr...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 147
Berechnungen	zeigen	approximierte	Werte	für	95%	Vertrauensn...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 148
𝑛7899 =	korrigierter	Umfang	der	Stichprobe
𝑛								=	Umfan...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
𝑛7899 =
𝑛
(1 + 𝑛 − 1 	/	𝑁)
149
Fehlerspanne	1%
Berechnungen	zei...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 150
Berechnungen	zeigen	approximierte	Werte	für	95%	Vertrauensn...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 151
Berechnungen	zeigen	approximierte	Werte	für	95%	Vertrauensn...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konfidenzintervall
152
Konfidenzintervall	und	Vertrauensniveau
...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Konfidenzintervall,	Fehlerspanne	und	Stichprobenumfang
153
Je	h...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Je	höhere	Sicherheit	(Vertrauenswahrscheinlichkeit)	wir	
brauch...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Typen	von	statistischen	Analysemethoden
156
Deskriptive
• Deskr...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Relative	Häufigkeit	zeigt	den	Anteil	(bzw.	Prozent)	
von	Beobac...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Lieblingsfarbe Relative	Häufigkeit
blau 10/26≈ 0,38
rot 3/26≈ 0...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreisdiagramm
161
blau
38%
rot
11%orange
4%
gelb
12%
grün
19%
r...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Punkte in	
der	Prüfung Häufigkeit
50–59 2
60–69 5
70–79 7
80–89...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
∅ Zeit	
unterwegs Häufigkeit
Relative	
Häufigkeit
16–17,9 1 1/1...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Histogramm
1. Höhen	von	Säulen	sind	Häufigkeiten	
oder	relative...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Frequenz-Polygonzug
166
0
1
2
3
4
5
6
7
16 18 20 22 24 26 28 30...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kumulative	Tabellen	und	Ogiven
167
∅ Zeit
unterwegs Relative	Hä...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Lagemaße
169
Mittelwert
𝑥̅ =
𝑥L + 𝑥6 + ⋯ + 𝑥N
𝑛
=
∑ 𝑥P
𝑛 Summe	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Lagemaße
170
Median
Median	ist	das	Element	in	der	Mitte	
einer	...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Lagemaße
171
Modalwert
Anzahl
Werte
Modalwert	ist	der	häufigste...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Lagemaße:
Mittelwert und	Median	bestimmen	die	Form	der	Verteilu...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Streuungsmaße
173
𝜎6
=
∑ 𝑥P − 𝜇 6
𝑛
Empirische
Varianz
(Varianz...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Der	Mittelwert	funktioniert	wie	Gleichgewichtspunkt.	Deshalb	is...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Welcher	Datensatz	hat	eine	höhere	Standardabweichung?
Streuungs...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Beziehung	zwischen	Standardabweichung	und	Normalverteilung
176
...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
5. Datenanalyse:	Übersicht	über	statistische	Techniken
5.1	Desk...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreuztabellen
178
Kreuztabellen
Kreuztabellen	fassen	die	gemein...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreuztabellen
179
Bildungsgrad
Besitz	eines	teuren	Autos Hochsc...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreuztabellen
180
Manchmal	kann	die	Einführung	einer	dritten	
V...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreuztabellen
181
Hängt	der	Besitz	von	teuren	Automarken	vom	Bi...
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Kreuztabellen
182
Hat	Alter	Einfluss	auf	Reise- und	Abenteuerlu...
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Nächste SlideShare
Wird geladen in …5
×

Grundlagen der Umfrageforschung (Uni Siegen)

186 Aufrufe

Veröffentlicht am

Einführungskurs Umfrageforschung in Marketing.

INHALT:

1. Einführung
1.1 Marktforschung und Umfrage
1.2 Typologie der Marktforschung

2. Umfrage: Messung und Skalierung
2.1 Einführung
2.2 Komparative Skalen
2.3 Nicht-komparative Skalen
2.4 Latente Konstrukte
2.5 Reliabilität und Validität

3. Fragebogen
3.1 Fragen stellen
3.2 Bewältigung der mangelnden Antwortfähigkeit
3.3 Bewältigung der mangelnden Antwortbereitschaft
3.4 Erhöhung der Antwortbereitschaft
3.5 Reihenfolge von Fragen
3.6 Wie geht es weiter?

4. Stichproben
4.1 Nicht-zufällige Stichproben
4.2 Zufällige Stichproben
4.3 Wahl zwischen zufälligen und nicht-zufälligen Stichproben
4.4 Größe der Stichprobe

5. Datenanalyse: Übersicht über statistische Techniken
5.1 Deskriptive Statistik: Darstellung und Präsentation von Daten
5.1.1 Zusammenfassung qualitativer Daten
5.1.2 Zusammenfassung quantitativer Daten
5.1.3 Numerische Zusammenfassung von Daten
5.1.4 Kreuztabellen
5.2 Induktive Statistik: Kann man die Ergebnisse auf die Grundgesamtheit übertragen?
5.2.1 Hypothesentest
5.2.2 Stärke des Zusammenhangs in Kreuztabellen
5.2.3 Beziehung zwischen zwei (metrischen) Variablen

6. Fortgeschrittene Techniken der Marktforschung: Einige nützliche Konzepte
6.1 Conjoint-Analyse
6.2 Marktsimulationen
6.3 Segmentierung
6.4 Wahrnehmungskarten

7. Ergebnisse Berichten

Veröffentlicht in: Marketing
1 Kommentar
0 Gefällt mir
Statistik
Notizen
  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
186
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
6
Aktionen
Geteilt
0
Downloads
0
Kommentare
1
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Grundlagen der Umfrageforschung (Uni Siegen)

  1. 1. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Grundlagen der Umfrageforschung 1 Einführungskurs Jun.-Prof. Dr. Paul Marx
  2. 2. Jun.-Prof. Dr. 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. 3. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 3
  4. 4. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 4
  5. 5. Jun.-Prof. Dr. 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. 6. Jun.-Prof. Dr. 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. 7. Jun.-Prof. Dr. 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. 8. Jun.-Prof. Dr. 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. 9. Jun.-Prof. Dr. 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. 10. Jun.-Prof. Dr. 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. 11. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 11
  12. 12. Jun.-Prof. Dr. 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. 13. Jun.-Prof. Dr. 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. 14. Jun.-Prof. Dr. 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. 15. Jun.-Prof. Dr. 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. 16. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 16 WAHRHEIT Literaturrecherche InterviewBefragung Triangulation Robson (1998), Visocky & Visocky (2009)
  17. 17. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 17 ABER IN WIRKLICHKEIT IST ALLES CHAOTISCHER
  18. 18. Jun.-Prof. Dr. 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. 19. Jun.-Prof. Dr. 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. 20. Jun.-Prof. Dr. 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. 21. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Skalierung Skalierung – beinhaltet ein Kontinuum, auf dem die Messobjekte angeordnet werden. 21 Extrem lecker Extrem übel
  22. 22. Jun.-Prof. Dr. 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. 23. Jun.-Prof. Dr. 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. 24. Jun.-Prof. Dr. 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. 25. Jun.-Prof. Dr. 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. 26. Jun.-Prof. Dr. 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. 27. Jun.-Prof. Dr. 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. 28. Jun.-Prof. Dr. 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. 29. Jun.-Prof. Dr. 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. 30. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 30
  31. 31. Jun.-Prof. Dr. 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. 32. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung > > Ordinale Daten: Verletzung der Transitivitätsannahme in paarweisen Vergleichen 32
  33. 33. Jun.-Prof. Dr. 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. 34. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Rangordnungsverfahren 34 Probanden bringen mehrere Objekte in eine Reihenfolge (basierend auf einem bestimmten Kriterium) Ordnen Sie bitte die unten aufgeführten Marken von Erfrischungs-getränke entsprechend Ihrer Präferenzen an. Dafür wählen Sie zunächst die Marke aus, die Sie am meisten präferieren und weisen Sie ihr den Rangplatz 1 zu. Anschließend weisen Sie den Rangplatz 2 der zweitbesten Marke. Setzten Sie die Bewertung fort, bis Sie allen Marken einen Rangplatz zugewiesen haben. Die letzte, am wenigsten präferierte Marke, muss den Rangplatz 5 bekommen. Keine zwei Marken dürfen denselben Rangplatz erhalten. Das Kriterium der Präferenz ist ganz Ihnen überlassen. Es gibt keine richtige oder falsche Antworten. Versuchen Sie einfach konsistent zu sein. Rangordnungsverfahren Marke Rangplatz Pepsi-Cola ______________ Coca-Cola ______________ Red Bull ______________ Sprite ______________ 7-Up ______________
  35. 35. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 35 ©ExavoGmbH, exavo.de
  36. 36. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiele 36 Quelle: exavo.de ©ExavoGmbH, exavo.de
  37. 37. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 37 Quelle: exavo.de ©ExavoGmbH, exavo.de
  38. 38. Jun.-Prof. Dr. 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. 39. Jun.-Prof. Dr. 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. 40. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel der Auswertung 40 Attribute Segment 1 Segment 2 Segment 3 Geschwindigkeit 0 17 53 Komfort 15 23 30 Getriebe (manuell/Automatik) 5 21 10 Kraftstoff (Benzin/Diesel) 35 12 7 Preis 45 27 0 Summe 100 100 100 Durchschnittliche Bewertung in drei Segmenten
  41. 41. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel 41 ©ExavoGmbH, exavo.de
  42. 42. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiele 42
  43. 43. Jun.-Prof. Dr. 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. 44. Jun.-Prof. Dr. 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. 45. Jun.-Prof. Dr. 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. 46. Jun.-Prof. Dr. 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. 47. Jun.-Prof. Dr. 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. 48. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Kontinuierliche Ratingskalen: Perception Analyzer 48
  49. 49. Jun.-Prof. Dr. 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. 50. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Likert-Skala: Beispiele 50
  51. 51. Jun.-Prof. Dr. 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. 52. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Diskrete Ratingskalen: Semantisches Differential 52 Zweipolige Rating-Skala, deren Extreme mit jeweils gegensätzlichen Adjektiven beschrieben werden. Erlaubt Messung mehrdimensionaler Einstellungen und deren Profildarstellung. Wie schätzen Sie das Erscheinungsbild von Kaufhof ein? Im folgenden Kasten finden Sie jeweils gegensätzliche Begriffspaare. Bitte kreuzen Sie an, inwieweit Sie in Ihrer Einschätzung jeweils mehr zu der einen oder der anderen Ausprägung tendieren. Semantisches Differential Stark [ ] [ ] [ ] [ ] [X] [ ] [ ] Schwach Unzuverlässig [ ] [ ] [ ] [ ] [ ] [X] [ ] Zuverlässig Modern [ ] [ ] [ ] [ ] [ ] [ ] [X] Altmodisch Kalt [ ] [ ] [ ] [ ] [ ] [X] [ ] Warm Sorgfältig [ ] [X] [ ] [ ] [ ] [ ] [ ] Leichtsinnig HINWEIS: Die negativen Adjektive erscheinen in der Skala manchmal links und manchmal rechts. Dies ermöglicht die Tendenz einiger Probanden nachträglich zu kontrollieren, alles links oder rechts anzukreuzen, ohne die Adjektive gelesen zu haben. Kaufhof ist:
  53. 53. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 53 Hoch [ ] [ ] [ ] [ ] [ ] [ ] [ ] Tief Stark [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schwach Zuverlässig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Unzuverlässig Kalt [ ] [ ] [ ] [ ] [ ] [ ] [ ] Heiß Modern [ ] [ ] [ ] [ ] [ ] [ ] [ ] Langsam Gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schlecht Freundlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Feindlich Hässlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] Schön Aktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] Passiv Jung [ ] [ ] [ ] [ ] [ ] [ ] [ ] Alt Vorsichtig [ ] [ ] [ ] [ ] [ ] [ ] [ ] Sorglos Klein [ ] [ ] [ ] [ ] [ ] [ ] [ ] Groß Sanft [ ] [ ] [ ] [ ] [ ] [ ] [ ] Abstoßend Robust [ ] [ ] [ ] [ ] [ ] [ ] [ ] Empfindlich Bescheiden [ ] [ ] [ ] [ ] [ ] [ ] [ ] Angeberisch Messung von Selbsteinschätzung, Einstellung ggü. Personen bzw. Produkten Bewertungsprofile von verschiedenen Objekten / Befragten / Segmente. Jeder Punkt entspricht dem Mittelwert oder Median der jeweiligen Skala.
  54. 54. Jun.-Prof. Dr. 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. 55. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 55
  56. 56. Jun.-Prof. Dr. 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. 57. Jun.-Prof. Dr. 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. 58. Jun.-Prof. Dr. 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. 59. Jun.-Prof. Dr. 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. 60. Jun.-Prof. Dr. 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. 61. Jun.-Prof. Dr. 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. 62. Jun.-Prof. Dr. 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. 63. Jun.-Prof. Dr. 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. 64. Jun.-Prof. Dr. 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. 65. Jun.-Prof. Dr. 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. 66. Jun.-Prof. Dr. 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. 67. Jun.-Prof. Dr. 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. 68. Jun.-Prof. Dr. 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. 69. Jun.-Prof. Dr. 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. 70. Jun.-Prof. Dr. 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. 71. Jun.-Prof. Dr. 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. 72. Jun.-Prof. Dr. 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. 73. Jun.-Prof. Dr. 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. 74. Jun.-Prof. Dr. 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. 75. Jun.-Prof. Dr. 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. 76. Jun.-Prof. Dr. 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. 77. Jun.-Prof. Dr. 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. 78. Jun.-Prof. Dr. 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. 79. Jun.-Prof. Dr. 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. 80. Jun.-Prof. Dr. 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. 81. Jun.-Prof. Dr. 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. 82. Jun.-Prof. Dr. 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. 83. Jun.-Prof. Dr. 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. 84. Jun.-Prof. Dr. 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. 85. Jun.-Prof. Dr. 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. 86. Jun.-Prof. Dr. 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. 87. Jun.-Prof. Dr. 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. 88. Jun.-Prof. Dr. 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. 89. Jun.-Prof. Dr. 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. 90. Jun.-Prof. Dr. 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. 91. Jun.-Prof. Dr. 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. 92. Jun.-Prof. Dr. 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. 93. Jun.-Prof. Dr. 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. 94. Jun.-Prof. Dr. 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. 95. Jun.-Prof. Dr. 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. 96. Jun.-Prof. Dr. 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. 97. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Bewältigung der mangelnden Antwortfähigkeit 97 Ist der Proband informiert? Kann der Proband sich erinnern? Kann der Proband artikulieren?
  98. 98. Jun.-Prof. Dr. 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. 99. Jun.-Prof. Dr. 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. 100. Jun.-Prof. Dr. 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. 101. Jun.-Prof. Dr. 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. 102. Jun.-Prof. Dr. 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. 103. Jun.-Prof. Dr. 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. 104. Jun.-Prof. Dr. 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. 105. Jun.-Prof. Dr. 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. 106. Jun.-Prof. Dr. 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. 107. Jun.-Prof. Dr. 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. 108. Jun.-Prof. Dr. 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. 109. Jun.-Prof. Dr. 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. 110. Jun.-Prof. Dr. 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. 111. Jun.-Prof. Dr. 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. 112. Jun.-Prof. Dr. 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. 113. Jun.-Prof. Dr. 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. 114. Jun.-Prof. Dr. 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. 115. Jun.-Prof. Dr. 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. 116. Jun.-Prof. Dr. 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. 117. Jun.-Prof. Dr. 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. 118. Jun.-Prof. Dr. 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. 119. Jun.-Prof. Dr. 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. 120. Jun.-Prof. Dr. 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. 121. Jun.-Prof. Dr. 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. 122. Jun.-Prof. Dr. 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. 123. Jun.-Prof. Dr. 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. 124. Jun.-Prof. Dr. 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. 125. Jun.-Prof. Dr. 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. 126. Jun.-Prof. Dr. 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. 127. Jun.-Prof. Dr. 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. 128. Jun.-Prof. Dr. 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. 129. Jun.-Prof. Dr. 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. 130. Jun.-Prof. Dr. 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. 131. Jun.-Prof. Dr. 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. 132. Jun.-Prof. Dr. 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. 133. Jun.-Prof. Dr. 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. 134. Jun.-Prof. Dr. 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. 135. Jun.-Prof. Dr. 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. 136. Jun.-Prof. Dr. 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. 137. Jun.-Prof. Dr. 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. 138. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 138
  139. 139. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 139
  140. 140. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 140 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  141. 141. Jun.-Prof. Dr. 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. 142. Jun.-Prof. Dr. 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. 143. Jun.-Prof. Dr. 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. 144. Jun.-Prof. Dr. 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. 145. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 145 𝑥 = 𝑥. ± 𝐸 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  146. 146. Jun.-Prof. Dr. 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. 147. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 147 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  148. 148. Jun.-Prof. Dr. 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. 149. Jun.-Prof. Dr. 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. 150. Jun.-Prof. Dr. 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. 151. Jun.-Prof. Dr. 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. 152. Jun.-Prof. Dr. 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. 153. Jun.-Prof. Dr. 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. 154. Jun.-Prof. Dr. 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. 155. Jun.-Prof. Dr. 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. 156. Jun.-Prof. Dr. 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. 157. Jun.-Prof. Dr. 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. 158. Jun.-Prof. Dr. 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. 159. Jun.-Prof. Dr. 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. 160. Jun.-Prof. Dr. 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. 161. Jun.-Prof. Dr. 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. 162. Jun.-Prof. Dr. 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. 163. Jun.-Prof. Dr. 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. 164. Jun.-Prof. Dr. 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. 165. Jun.-Prof. Dr. 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. 166. Jun.-Prof. Dr. 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. 167. Jun.-Prof. Dr. 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. 168. Jun.-Prof. Dr. 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. 169. Jun.-Prof. Dr. 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. 170. Jun.-Prof. Dr. 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. 171. Jun.-Prof. Dr. 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. 172. Jun.-Prof. Dr. 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. 173. Jun.-Prof. Dr. 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. 174. Jun.-Prof. Dr. 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. 175. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Welcher Datensatz hat eine höhere Standardabweichung? Streuungsmaße 175 Standardabweichung 𝑠 = 𝑠6 Standardabweichung Behält die Messeinheiten von Originaldaten 𝜎 = 𝜎6 𝑠 = 10,6 ≈ 3,3 𝑠6 = 117 12 − 1 ≈ 10,6 Quadratzoll Zoll
  176. 176. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Beziehung zwischen Standardabweichung und Normalverteilung 176 99,7% der Daten liegen innerhalb 3 Standardabweichungen vom Mittelwert 95% innerhalb 2 Standardabweichungen 68% innerhalb 1 Standard- abweichung © Dan Kernler
  177. 177. Jun.-Prof. Dr. 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. 178. Jun.-Prof. Dr. 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. 179. Jun.-Prof. Dr. 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. 180. Jun.-Prof. Dr. 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. 181. Jun.-Prof. Dr. 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. 182. Jun.-Prof. Dr. 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

×