SlideShare ist ein Scribd-Unternehmen logo
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Grundlagen	der	Umfrageforschung
1
Einführungskurs
Jun.-Prof.	Dr.	Paul	Marx
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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	Marktforschung
3
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	Marktforschung
4
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)
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
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
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
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
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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
1.Einführung
1.1	Marktforschung	und	Umfrage
1.2	Typologie	der	Marktforschung
11
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
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
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
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,…
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 16
WAHRHEIT
Literaturrecherche
InterviewBefragung
Triangulation
Robson	(1998),	Visocky	&	Visocky	(2009)
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	Komparative	Skalen
2.3	Nicht-komparative	Skalen
2.4	Latente	Konstrukte
2.5	Reliabilität	und	Validität
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
19
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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Skalierung
Skalierung	–
beinhaltet	ein	Kontinuum,	auf	dem	die	
Messobjekte	angeordnet	werden.
21
Extrem
lecker
Extrem	
übel
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)
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
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
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
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
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
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
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
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	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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
>
>
Ordinale	Daten:	
Verletzung	der	Transitivitätsannahme	in	paarweisen	Vergleichen
32
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
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 ______________
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,	exavo.de
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Rangordnungsverfahren:	Beispiel
37
Quelle:	exavo.de
©ExavoGmbH,	exavo.de
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
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
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
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	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
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
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
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
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
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,	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.
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
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
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:
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.
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
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	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
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
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.
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.
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
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?
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
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
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
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.
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
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
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?
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
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
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
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
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.
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
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
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
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.
?
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
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
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
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
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
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
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
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.
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?
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)
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
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?
€	_______
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?
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?
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?
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/
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?
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?
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
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?
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
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)
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.
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
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
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)	_________________
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.”
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…”
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
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
- …
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
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.
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.
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
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
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)
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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.
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
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
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
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
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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang	
138
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang	
139
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 140
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang
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
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
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
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
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
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
Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 147
Berechnungen	zeigen	approximierte	Werte	für	95%	Vertrauensniveau
Ansatz	der	Fehlerspanne	zur	Bestimmung	vom	Stichprobenumfang
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
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
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
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
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
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.
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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?
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
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
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
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?
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
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.
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?
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
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)

Weitere ähnliche Inhalte

Mehr von Paul Marx

Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform markets
Paul Marx
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Paul Marx
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language Processing
Paul Marx
 
Preispolitik
PreispolitikPreispolitik
Preispolitik
Paul Marx
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Paul Marx
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, Perspectives
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Paul Marx
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)
Paul Marx
 
как проводить опросы
как проводить опросы как проводить опросы
как проводить опросы
Paul Marx
 
Scientific Writing (Einführung in das wissenschaftliche Arbeiten) WS 2014-2015
Scientific Writing (Einführung in das wissenschaftliche Arbeiten)   WS 2014-2015Scientific Writing (Einführung in das wissenschaftliche Arbeiten)   WS 2014-2015
Scientific Writing (Einführung in das wissenschaftliche Arbeiten) WS 2014-2015
Paul Marx
 
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
Paul Marx
 
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
Paul Marx
 
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
Paul Marx
 
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
Paul Marx
 
Regressionanalyse
RegressionanalyseRegressionanalyse
Regressionanalyse
Paul Marx
 
4. marketing vorlesung - ws13 14 (thema 4. strategisches marketing)
4. marketing   vorlesung - ws13 14 (thema 4. strategisches marketing)4. marketing   vorlesung - ws13 14 (thema 4. strategisches marketing)
4. marketing vorlesung - ws13 14 (thema 4. strategisches marketing)
Paul Marx
 

Mehr von Paul Marx (20)

Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform markets
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language Processing
 
Preispolitik
PreispolitikPreispolitik
Preispolitik
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, Perspectives
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)
 
как проводить опросы
как проводить опросы как проводить опросы
как проводить опросы
 
Scientific Writing (Einführung in das wissenschaftliche Arbeiten) WS 2014-2015
Scientific Writing (Einführung in das wissenschaftliche Arbeiten)   WS 2014-2015Scientific Writing (Einführung in das wissenschaftliche Arbeiten)   WS 2014-2015
Scientific Writing (Einführung in das wissenschaftliche Arbeiten) WS 2014-2015
 
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
3. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
 
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
2. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
 
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
1. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Chapt...
 
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
0. Principles of Marketing - SS2014 - University of Siegen - Paul Marx: Organ...
 
Regressionanalyse
RegressionanalyseRegressionanalyse
Regressionanalyse
 
4. marketing vorlesung - ws13 14 (thema 4. strategisches marketing)
4. marketing   vorlesung - ws13 14 (thema 4. strategisches marketing)4. marketing   vorlesung - ws13 14 (thema 4. strategisches marketing)
4. marketing vorlesung - ws13 14 (thema 4. strategisches marketing)
 

Grundlagen der Umfrageforschung (Uni Siegen)

  • 1. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Grundlagen der Umfrageforschung 1 Einführungskurs Jun.-Prof. Dr. Paul Marx
  • 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 3
  • 4. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 4
  • 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. 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. 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 1.Einführung 1.1 Marktforschung und Umfrage 1.2 Typologie der Marktforschung 11
  • 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 16 WAHRHEIT Literaturrecherche InterviewBefragung Triangulation Robson (1998), Visocky & Visocky (2009)
  • 17. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 17 ABER IN WIRKLICHKEIT IST ALLES CHAOTISCHER
  • 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Komparative Skalen: Paarweise Vergleiche 30
  • 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung > > Ordinale Daten: Verletzung der Transitivitätsannahme in paarweisen Vergleichen 32
  • 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 35 ©ExavoGmbH, exavo.de
  • 36. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiele 36 Quelle: exavo.de ©ExavoGmbH, exavo.de
  • 37. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Rangordnungsverfahren: Beispiel 37 Quelle: exavo.de ©ExavoGmbH, exavo.de
  • 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiel 41 ©ExavoGmbH, exavo.de
  • 42. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Konstantsummenverfahren: Beispiele 42
  • 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. 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Kontinuierliche Ratingskalen: Perception Analyzer 48
  • 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Likert-Skala: Beispiele 50
  • 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Semantisches Differential: Beispiel 55
  • 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 138
  • 139. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang 139
  • 140. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 140 Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 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. 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. 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. 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. 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. 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. Jun.-Prof. Dr. Paul Marx | Grundlagen der Umfrageforschung 147 Berechnungen zeigen approximierte Werte für 95% Vertrauensniveau Ansatz der Fehlerspanne zur Bestimmung vom Stichprobenumfang
  • 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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