8
Marketingimplementierung (Subject) / 5. Kapitel (Lesson)
- Ausgewählte Verfahren der Datenanalyse 1) Deskriptive vs. Induktive Verfahren 2) Dependenz- vs. Interdependenzanalyse 1. - Deskriptiv: Aussage über Strukturen in der Stichprobe- Induktiv: Übertragung von Stichprobenergebnissen auf die GG 2.- Dependenzanalyse: Untersuchung der Abhängigkeit von einer oder mehreren Variablen- Interdependenzanalyse: Untersuchung der wechselseitigen Beziehung zwischen zwei und mehr Variablen
- Wichtige Lageparameter Modalwert / Modus:- Die am häufigsten vorkommende Merkmalsausprägung (der am häufigsten auftretende Wert) Median:- Die Merkmalausprägung, die bei einer nach der Größe geordneten Beobachtungsreihe genau in der Mitte steht (Zentralwert) --> (50% links, Median, 50% rechts) Arithmetisches Mittel:- Ist der Durchschnittswert aller auftretenden Merkmalsausprägung
- Kontigentkoeffizienten (4x) - Chi^2 Koeffizient (Grundlage für die folgenden) - Pearson C-Koeffizient - Phi Koeffizient - Cramers V-Koeffizient
- Chi^2 Koeffizient - Bsp: Sind das Kaufverhalten und das Geschlecht unabhängig voneinander? - Ermittlung, ob zwei nicht-metrische Variablen unabhängig voneinander sind - Problem: Es wird keine Aussage über die Stärke des Zusammenhangs gegeben - Zusammenhang ist gegeben, wenn der empirische Wert größer als der tabellarische Chi^2 Wert ist
- Pearsons Koeffizient C - Analyse von Zusammenhängen von nicht-metrischen Variablen - Der C-Wert liegt zwischen 0 und 1, wobei 1 ein theoretischer Wert ist, der nur bei einer unendlichen großen Tabelle erreicht werden kann
- Phi - Koeffizient - Dient der Analyse von Zusammenhängen bei nicht-metrischen Variablen - Ist nur bei einer 2x2 Matrix anwendbar - Wertebereich liegt zwischen -1 und 1 - Es kann eine Aussage über die Stärke des Zusammenhangs gegeben werden, aber keine Aussage ob es einen positiven oder negativen Zusammenhang gibt (Vorzeichen spielt keine Rolle)
- Cramers V-Koeffizient - Analyse von Zusammenhängen von nicht-metrischen Variablen - Wertebereich liegt zwischen 0 und 1
- Bravais - Pearson Korrelationskoeffizient - Für die Zusammenhangsanalyse metrischer Variablen - Ermittelt lineare Zusammenhänge relativ gut - Wertebereich liegt zwischen -1 und 1 --> Vorzeichen ist von Relevanz
Advertisement