36
Marketingimplementierung (Subject) / Panelarten (Lesson)
gruppe von Untersuchungseinheiten(Personen, unternehmen) die regelmäßig zu bestimmte Zeitpunkte und im bestimmte Bereiche befragt werden
This lesson was created by nicolemabie.
Advertisement
- Panelarten Panel: Gut geeignet für die Ermittlung/ Analyse des Marktvolumens Panel Untersuchung: gruppe von Untersuchungseinheiten(Personen, unternehmen) die regelmäßig zu bestimmte Zeitpunkte und im bestimmte Bereiche befragt werden. Beobachtungseinheiten, die möglichst bestand haben sollen
- Verbraucherpanel: → Haushaltspanel o Verbrauchsgüter-Panel o Gebrauchsgüter-Panel → Individualpanel o allgemeine/ repräsentativ o Spezielle Bevölkerungsgruppen(z.B. Hausbesitzer)
- Unternehmen(Handel) Panel: → allgemein/ repräsentativ → spezielle Branchen o Großhandelspanel o Einzelhandelspanel(allgemein/speziell, z.B. Apotheken) o Bankenpanel o etc.
- Verbraucher-/ Haushaltspanel →Erfassung aller einkaufe im Haushalt( Einkaufsverhalten) Berichtsbogen/ Haushaltsbuch( Diary-Method) →aufwendiges Verfahren →manuelle/ handschriftliche Vorgehensweise(Fehlerquelle) Vorgefertigtes Formular→ wie viel→ wo→Barcode→preis→ 1.Teil wird nicht angegeben Problem falsche Zahlen(preis) Inhome-Scanning(Handscanner) →Panelteilnehmer scannen EAN-Codierung der Produkte ein →Codierung der Einkaufsstätten & preise müssen von Probanden vorgenommen werden(Fehlerquellen) Wo + preise→Problem: bestimmte Produkte haben kein Code→Bäckerei. Metzgerei POS-scanning →Panelhaushalte erhalten ID-Karte, die beim Einkauf mitgeführt wird-> Handelsunternehmen übertragen Daten zum Panelinstitut → Probleme: ID-Karte muss immer mitgeführt werden/ Verbreitung von Scanner-Kassen noch nicht flächendeckend/ Motivation des Handels zur teilnahmen(gleich vor Ort)
- Probleme des Verbraucherpanels Paneleffekt („bewusster“ Einkauf, Over- / Underreporting(Produkte mehrfacheinscannen), Fehlregistrierung, etc.) Coverage ( Abdeckungs-) Probleme(z.B. Führung von Haushalten durch dritten oder der „Bürokonsum“ Kaffee + Tee-Konsum) Auswahl der Panelteilnehmer ( häufig hohe verweigerungsrate, deshalb meist Quoten- und keine Zufallsauswahl→ kein Zufallsfehler weit über 90% =Rücklauf-Problem) Handel( nicht immer alle Handelsunternehmen nehmen teil) Veränderung der Panelquote (Alter, Milieu, Einkommens- / Berufsveränderung ,Marktpositionierung(Unternehmen) Panelsterblichkeit o Aussichten von Panelteilnehmern(Repräsentanzproblem)→Insolvenz. Tod , Um-/Fortzug etc.) Dieses Problem besteht beim Verbraucher sowie bei den Unternehmen.
- (GfK-) Fernsehpanel Festlegung wie viele Menschen schauen Fernsehprogramm→ Zielgruppe von Programmen → Spezieller Verbraucherpanel(n=5.000) Ziel: Ermittlung von Einschaltquoten & Reichweitewerten (nicht von Einkäufe!) Vorgehensweise: Apparative Beobachtung mittels Gfk-Meter(Zusatzgerät/ Dekoder, das/ der an das Fernsehgerät angeschlossen wird) →registriert/speichert, wann das Fernsehgerät auf welchen Kanal eingeschaltet wird →Jedes Familienmitglied muss sich mit einer Fernbedienung separat „anmelden/ einlogen“) Problem: →Laufend des Fernsehgerätes sagt nichts über tatsächliches Sehverhalten aus(„Leerlaufzeiten“) →Handlingsprobleme (Falschbedienung) -„bewusste“ Ab-/ Anmeldung
- (Einzel-) Handelspanel → repräsentativ angelegter Kreis von Handelsunternehmen o i.d.R. Quota-Verfahren, da mit hohen Verweigerungsquoten gerechnet wird → Zielsetzung: Ermittlung von Marktanteilen, Durchschnittspreisen von Produkten/ Marken & Sortimentsanalysen etc. →Erfassung von Absätzen/ Umsätzen verschiedener Waren Gruppen (an Endverbraucher) o Inventurrechnung →(Endverbraucher-) Absatz= Anfangsbestand+ Einkäufe− Endbestand →aufwendiges Verfahren →Schwund/ Warenverluste werden als Verkäufe registriert o Scanning →Voraussetzung ist EAN-Codierung der Artikel →Abverkaufserfassung über Scannerkassen (Voraussatzung ist Einsatz von Scannenkassen bei den Panelteilnehmern)
- Probleme des (Einzel-) Handelspanels Panelsterblichkeit ( Insolvenz von Handelsunternehmen, Standortverlagerung, etc.) Veränderung des Panels/ der Panelquote ( Neupositionierung von Handelsbetrieben, Expansion/ Sanierung, Mergers & Acquisations, etc.) Coverage-(Abdeckungs-) Probleme ( Fabrikverkäufe→Herstellerverkauf→ Outletverkauf, Teilnahmenverweigerung von Händlern/ Handelsketten(z.B. ALDI. C&A etc.) Panelzusammenstellung (i.d.R. Quotenauswahl)
- Paneldaten-Auswertung (1/2) Kennziffern( Markt- / Loyalitätsgrößen) Käuferreichweite = Zahl der Käufer ÷ Zahl der Panelteilnehmer Marktpenetration =Kumulierte Käufe von Marke Y ÷ kumulierte Käufe in der Produktklasse Wiederkäuferrate = kumulierte Wiederkäufe von Marke Y ÷ kumulierte Käufe von Marke Y Wiederkaufrate = Wiederkaufmenge von Marke Y ÷ Kaufmenge in der Produktkasse, die von den Käufern der Marke Y nach ihrem ersten kauf getätigt werden. Marktanteil= Marktpenetration × wiederkaufrate
- Paneldaten-Auswertung(2/2) Ausgabe-Bereitschaft der Kunden: Size of Wallet= Summe der Aufwendungen eines Kunden für eine Produktklasse bzw. Summe der Umsätze aller Anbieter einer Produktklasse bei einem bestimmten Kunden Share of Wallet= Verkäufe eines bestimmten Produkts(i) an einen Kunden(j) ÷ Summe aller Verkäufe der Produktkategorie(I) an den Kunden(j) Halten (eventl. Share Bedarfsteigerung → of ↑ auslösen) wallet Keine spezielle Ziel für Zusatzverkäufe Aktivitäten Kundenpenetration → Size of Wallet
- Advertisement
- Elemente von Experimente Kontrollierte Variable (n): beeinflussbar durch Untersuchungsleiter , aber nicht Gegenstand eigentlicher Messung. Ihr Einfluss auf die anhängige(n) Variable(n) wird durch Beibehaltung des vorhandenen Ausprägungsgrads kontrolliert. Unabhängige/ Test-Variable(n): Faktoren, deren Einfluss gemessen werden soll(z.B. Werbeaktionen, Verpackungs-, Preisänderungen) Störvariable(n): Variablen, die einen Einfluss auf die abhängige(n) Variablen ausüben, der aber nicht direkt kontrollierbar ist (z.B. Psychographische Kriterien, Konjunkturelle Einflüsse, Konkurrenzverhalten) ↓ Testelemente/ -einheiten: Objekte, an denen das Experiment ausgeführt wird(z.B. Personen, Geschäfte) ↓ Abhängige Variable(n): Fakturen, an denen die Wirkung des Einfluss der unabhängigen Variable(n) gemessen wird(z.B. Absatz, Image) à Messung durch Befragung und/oder Beobachtung
- Grundlegende Formen von Experimenten Unterscheidung nach dem experimentellen Umfeld Laborexperiment: Erstellung einer künstlichen experimentellen Situation durch vereinfachte Bedingungen( Textmarktsimulationen, Werbemitteltests(Aktivierungs-/ Anmutungstests), Verpackungstests, Blindtest bei Produkte) Feldexperimente: Durchführung des Experiments in der „normalen“ Umgebung der Probanden unter(quasi-) biotischen Bedingungen ( regionaler Testmarkt, Mikrotestmarkt/ Storetest, Day-After-Recall-Tests(Werbemitteltests))
- Vorteile von Labor- Und Feldexperimenten Laborexperiment: o gute Kontrolle der experimentellen Bedingungen(Sog. interne Validität) o relativ gute Reproduzierbarkeit von Experimenten o Schnelle und relativ kostengünstige Durchführung o relativ gute Geheimhaltung (gegenüber Wettbewerbern) Feldexperiment: o hohe Realitätsnähe durch(quasi-) biotische Situation •relativ hohe Generalisierbarkeit der Ergebnisse(Sog. externe Validität)
- Interne, externe & Konstruktvalidität bei Experimenten Φ Externe Validität: Validität hinsichtlich der Übertragbarkeit der Kausalität einer Beziehung zwischen zwei variablen auf andere Situationen, Objekte, Variablen Ø Interne Validität: Validität hinsichtlich der Kausalität einer Beziehung zwischen zwei Variablen(z.B. x → y) Ø Konstuktvalidität: Einstellung als Hypothetisches Konstrukt Werbemittel: Darstellung einer Kommunikation( Werbebotschaft, Annonce, Spot, Brief) Werbeträger: Radio, Zeitung, fernsehen(Medien= transportiert Werbemittel)
- Grundlegende Formen von Experimenten Projektive Experiment: → Untersuchung eines Vorgangs vom Zeitpunkt der Veränderung der unabhängigen Größe(n) bis zur Auswirkung bei der/ den abhängigen Größe(n) o Untersuchungsleiter schafft die experimentellen Bedingungen o „echtes“ Experiment Ex-Post-facto-Experiment: → Unabhängige Variablen sind bereits in der Vergangenheit/ auf „natürliche“ Weise entstanden (z.B. Kenntnis einer Werbung), die abhängige Variabel(z.B. Markenimage) wird in der Gegenwart analysiert o Untersuchungsleiter greift auf entstandene Bedingungen zurück o kein „echtes“ Experiment
- Bestandteile von experimentellen Designs Analyse-gruppen: → Experimental Group (EG) →Control Group (CG) Analyse- /Mess-Zeitpunkte: →Before: Messung vor Durchführung des Experiments(B) →After: Messung nach Durchführung des Experiments(A) Experiment-Stimulus(Reiz): →Veränderung bzw. Einführung der unabhängigen Variablen(x)
- Wichtige Ansatzpunkte zur Minimierung von Störgrößen →Konstanthaltung o Auswahl von Untersuchungseinheiten erfolgt hinsichtlich(potenzieller) Störvariablen so homogen wie möglich o z.B. Potenzielle Störgröße = Alter, Geschlecht; Reduktion der Störgröße durch ausschließliche Analyse von Probanden einer Altersgruppe o Problem: Verallgemeinerungsfähigkeit der Ergebnisse ( externe Validität) → Einbau der(potenziellen) Störgrößen in ein mehrfaktorielles Design o (potenzielle) Störvariable wird als unabhängige Variable betrachtet o Problem: kann bei mehreren unabhängigen variablen sehr komplex werden → Matching oder Randomisierung o Matching = Zuordnung der Untersuchungseinheiten auf Experiment- und Kontrollgruppe erfolgt bezüglich der(potenziellen) Störgröße(n) möglichst gleich o Randomisierung = zufällige Zuweisung der einzelnen Untersuchungseinheiten zur Experiment-und Kontrollgruppe o Problem: möglichst große Gruppen/ Anzahl der Untersuchungseinheiten realisieren-> Aussagekraft der Ergebnisse
- 2×2-faktorielles Untersuchungsdesign(Beispiel Was wirkt mehr neu Slogan & neu Verpackung oder alte Slogan & alte Verpackung?
- Ausprägung experimenteller Design EBA-Experiment: →Wirkungsmessung: EA−EB Φ Problem: Kausalität zwischen Experimentier-Stimulus und Wirkung o Ist der Unterschied beim Absatz durch die Preisreduzierung entstanden? EA-CA-Experiment: →wirkungsmessung: EA−CA (häufig bei Ex-post-facto-Experiment) Φ Problem: Gruppeneffekt o Bestand bei den beiden Gruppen bereits vor der Preisreduzierung ein Unterschied bei der Einkaufsmenge? EBA-CBA-Experiment: →wirkungsmessung: (EA- EB)-(CA-CB) Φ Problem: mögliche Lerneffekte(vor allem bei Laborexperimenten) o Hat die Vormessung zu Verzerrungen/ Lerneffekte bei den Probanden geführt? E1A-E2BA-CBA-Experiment: → wirkungsmessung: (E2A-E2B)-(CA-CB)-E1A Φ Problem: keine speziellen Effekte, aber aufwendig
- Fehlerarten bei statistischen Entscheidungen/ Hypothesentests Arbeitshypothese / Alternativhypothese Wenn H0 gilt / ist richtig→ Fehler der 1. Art(α-Fehler)→ = Ablehnung von Nullhypothese, obwohl richtig → direkt kontollierbar( Alpha= 0,05(5%) oder Alpha=0,01(1%) -Signifikanzniveau (α) begrenzt das Auftreten des Fehlers 1. Art Wenn H0 gilt nicht/ ist Falsch→Fehler der 2. Art(ᵦ-Fehler) = Annahme v. Nullhypothese obwohl falsch bzw. sie nicht in der Grundgesamtheit zutrifft→indirekt kontrollierbar→ die Teststärken Ermitteln(1−ᵦ) Teststärke: gibt die Wahrscheinlichkeit an, mit der eine richtige Alternativhypothese durch einen Signifikantest entdeckt wird bzw. eine unzutreffende Nullhypothese verworfen wird. Alphafehler: Signifikanz ob Ergebnisse aus Stichproben Untersuchung kein zufälliges, sondern auf Grundgesamt übertragen wenn empirische große über den kritischer Wert liegt, dann wird die Nullhypothese nicht angenommen
- Determinanten der Teststärke Effektgröße(d): Mit Zunahme der Effektgröße(d), wird Zᵦ kleiner & somit die Teststärke größer Stichproben-umfang(n): Mit Zunahme des Stichprobenumfangs nimmt auch die Teststärke zu Signifikanz-Niveau(α): Mit der Erhöhung des Signifikanz-Niveaus nimmt auch die Teststärke zu bwz. kleine Irrtumswahrscheinlichkeiten(α) führen zu einer hohen Wahrscheinlichkeit des ᵦ-Fehlers ↓ Teststärke (1-ᵦ)
- Effektgrößenermittlung beim t-Test(unabhängige Stichproben): Cohen’s d-Koeffizient → Cohen’s d-Koeffizient standardisiert Mittelwerts Unterschiede von zwei Populationen, wodurch sie mit anderen Befunden gut vergleichbar sind. d= Effektgrößenmaß nach Cohen µ1,2= Populationsmittelwerte Ϭx = Streuung der Population d= 1,0 entspricht einer Mittelwertsdifferenz, die so groß ist wie die Standardabweichung der Rohdaten! Formel hinzufügen: Beurteilung der Effektstärke (Konvention) (kleiner Effekt: d=0,2; mittlerer Effekt: d= 0,5; großer Effekt: = 0,8)
- Effektstärke & „optimale“ Stichprobengrößen beim t-Test (mit unabhängige Stichproben) α=0,01 α=0,05 Ermittlung eines… Umfang pro Kleinen mittleren großen kleinen mittleren großen einzelne Effekts Effekts Effekts Effekts Effekts Effekts Stichprobe (n) n=503 n=82 n=33 n=310 n=50 n=20 →Um einen großen Effekt(d≥0,8) in der Differenz zweier unabhängiger Stichproben mit einer Irrtumswahrscheinlichkeit von max. 5% zu ermitteln, benötigt man eine Stichprobe von je 20 Untersuchungseinheiten (insgesamt 40) → Ist eine ungleiche Verteilung der beiden Stichproben gegeben bzw. erforderlich (z.B. n1=15), dann ist der stichprobenumfang für die anderen Stichproben wie folgt zu berechnen, um die Teststärke beizubehalten: n2= n1× n ⁄ 2×n1−n = 15×20 ⁄ 2×15−20 = 300⁄10 = 30
- Teststärke: Komplementärgröße des ᵦ-Fehlers(Fehler der 2. Art) o Die Teststärke(Power) gibt die wahrscheinlichkeit an, mit der eine richtige Alternativhypothese durch einen Signifikanztest entdeckt wird bzw. eine unzutreffende Nullhypothese verworfen wird o Teststärke= 1−ᵦ o ᵦ= Wahrscheinlichkeit des Fehlers der 2.Art, dass also eine Nullhypothese H0 angenommen wird, obwohl sie in der Grundgesamtheit nicht zutrifft. o Ermittlung der Teststärke kann auf Grund der Kritischen Grenzen der z-Transformation erfolgen: zᵦ = Z1−α − √n. d o Durch Auflösung der Formel nach n erhält man die Stichprobengröße, die notwendig ist, um die Teststärke zu gewährleisten: n = ﴾ zᵦ − z1−α)2 (durch( d))
- Testmärkte als experimentelle Anwendungen typischerweiser Aufbau eine testmarksimulation und die damit verbundene Probleme · regionale Markttests/ Testmärkte V Φversuchsweise Umsetzung von speziellen Marktingmaßnahmen auf geographisch begrenzten (Absatz-) Markt o wesentliche Probleme: Repräsentanz, Konkurrenz kann aufmerksam werden, Isolierbarkeit der Aktivitäten, Aufwendig/ teuer · Mini-Testmarkt (Kombination von Storetest & Haushaltspanel) Φversuchsweise Umsetzung von speziellen Marketingmaßnahmen in bestimmten Testgeschäften & Installation eines regionalen Haushaltspanels(z.B. GFk-Beheviour Scan in Haßloch, Pfalz) wesentliche Probleme: Repräsentanz, Konkurrenz kann aufmerksam werden, „Verhaltensverzerrung“ in sehr beliebten Minimärkte · Store-/Ladentests Φversuchsweise Umsetzung von speziellen Marketingmaßnahmen in einigen Läden/EH-Geschäfte(ca.20-30), die i.d.R. einem Handelspanel angeschlossen sind Wesentliche Probleme: Repräsentanz( der Stichprobe), Abhängigkeit von Laden-/ Storeaktivitäten(Störgröße) · Labortest Simulation von Testmärkten im Labor 1. Auswahl von Probanden(zufällig, willkürlich/bewusst) 2. Befragung der Probanden hinsichtlich Markenbekanntheit, -präferenzen, kaufverhalten etc. 3. Probanden wird Werbung für Test- und Konkurrenzprodukte gezeigt 4. Probanden kaufen im Labor Produkte aus der entsprechenden Produktgruppe 5. Nach einiger Zeit werden Probanden über ihre Verwendungserfahrung der im Labor gekauften Produkte befragt 6. Zweite Kaufsimulation im Labor zur Ermittlung der wiederkaufrate
- Wichtige Lageparameter Modalwert/Modus o →die am häufigsten vorkommende Merkmalsausprägung(häufiger/ dichtester Wert) Median o →Die Merkmalsausprägung, die bei einer nach der Größe geordneten Beobachtungsreihe in der Mitte steht(Zentralwert) Arithmetisches Mittel o →gibt den Durchschnittswert bei metrischen Merkmalsausprägungen an
- Wichtige Streuparameter Maße zur Beschreibung der Variabilität der Messwerte Varianz o →durchschnittliche quadratische Abweichung der Beobachtungswerte vom Mittelwert Standartabweichung o →mittlere Abweichung der Beobachtungswerte vom Mittelwert
- Ausgewählte Verfahren der Dependenzanalyse (Strukturprüfende Verfahren) abhängige Variable→ metrisch ¦ Varianzanalyse Unabhängige Variable→ nicht-metrisch ¦ Dummy- Regression (Regressionsanalyse mit Dummy-Variable) Unabhängige Variable→ metrisch ¦ klassische(lineare) abhängige Variable→ metrisch ¦ Regressionsanalyse Unabhängige Variable→ metrisch ¦ Diskriminanzanalyse abhängige Variable→nicht-metrisch ¦ logistische & ordinale Regressionsanalyse abhängige Variable→nicht-metrisch ¦ Kontingenzanalyse Unabhängige Variable→nicht-metrisch
- Kontingenzanalyse: Methode zur Messung der Abhängigkeit zweier oder mehrere nominaler Variablen Es gibt verschiedene Kontingenzkoeffizienten o →Pearson’s KontingenzkoeffizientC o →Phi-Koeffizient (bei einer 2×2-Tabelle) bauen auf dem Chi-Quadrat- o →Cramer‘s V- Koeffizient ¦ Koeffizienten auf -Grundlage alle Koeffizienten: chi2-Test Problem: nur wissen über ein Zusammenhang, aber wie stark der Zusammenhang ist unbekannt
- Chi²- Unabhängigkeitstest zur Kontingenzanalyse è → Ermittlung, ob zwei nominalskalierte Variablen unabhängig voneinander sind Bij= beobachtete Häufigkeit in Zelle ij Eij= erwartete Häufigkeit in Zelle ij K = Kategorien der Variable i I = Kategorien der Variable j o Stärke des Zusammenhangs wird nicht ermittelt! o Zusammenhang ist gegeben, wenn Chi²emp.> Chi²tab. bei (k-1)×(I-1) Freiheitsgraden ist. o Bei einer 4-Felder-Tabelle(2 Variablen mit 2 Ausprägungen) gilt: Formel Beispiel: chi²-Berechnung Sind das Kaufverhalten und das Geschlecht Unabhängig voneinander? wenn der empirische Wert größer ist als der tabellarische Wert dann ist der Zusammenhang gegeben. ( 95%-Vertrauenswahrscheinlichkeit)
- Advertisement
- Pearson‘s-Koeffizient C: è →Analyse von zusammenhangen bei nominalskalierten variablen Der Wertbereich für C liegt zwischen 0 & 1 bei unendlicher Anzahl einer k×I-Tabelle. Der maximale Kontingenzkoeffizient für eine gegebene k×I-Tabelle kann wie folgt ermittelt werden: Formel: wobei R= min(k,I), also die geringere Anzahl der Spalten oder Zeilen ist è → Zum bessernVergleich mit anderen Koeffizienten kann man C an Cmax mit dem Tschurpow Kontingenzkoeffizient C‘ relativieren
- Phi-Koeffizient Welche grundlegenden Probleme sind mit dem phi-Koeffizient verbunden? è →Analyse von Zusammenhänge bei nominalskalierten Variablen in einer 2×2-Tabelle Der wertebereich liegt bei −≤Φ≥+1 Das Vorzeichen ist aber abhängig von der Anordnung der Merkmale in der Matrix Antwort: es kann nicht ermittelt werden, ob die unabhängige Variable einen positiven oder negativen Einflüss auf die abhängige Variable hat! und die Phi-Koeffizient ist nur in einer 2×2 Tabelle anwendbar
- Cramèrs V- Koeffizient Analyse von zusammenhänge bei nominalskalierten variablen o wobei R= min(k, I), also die geringere Anzahl der Spalten oder Zeilen ist o Der wertebereich für V liegt zwischen 0 & 1( unabhängig von der Tabellengröße) →Nachteil immer im Bereich+, einsetzbar (metrischen Skalen)
- Bravais- Pearson-Korrelationskoeffizient( für die Zusammenhangsanalyse metrischer Variablen) Der wertebereich von r liegt zwischen −1 und1 Formel:
- Korrelationen sag etwas über einen bestehenden Zusammenhang, keine Abhängigkeit Kausalität( Ursache-Wirkung-Beziehung, Abhängigkeit) Intervenierende Variable & Scheinkorrelation Storchendichte Urbanisierung/ → ↓ Scheinkorrelation Industrialisierung → ↓ Geburtenrate
- (Einfache) Regressionsanalyse Methode zur Überprüfung von Beziehungen zwischen einer abhängigen(y) und einer unabhängigen Variable(x) è → Beide Variablen müssen metrisch sein è →Regressionsgerade wird in das zweidimensionale Punktdiagramm der empirisch ermittelten Werte der beiden Variablen gelegt è →Verlauf der Regressionsgerade muss sich möglichst gut an die beobachteten Merkmalausprägungen anpassen è Regressionsfunktion: y= b0 + b1x (bei linearen Verlauf) o y= abhängige Variable o x = unabhängige Variable o b0 = Regressionskonstante o b1 = Regressionskoeffizient(Steigerung der Regressionsgerade) è Regressionskoeffizient(b1) gibt an, in welcher Richtung und Umfang sich eine Änderung der unabhängigen auf die abhängige Variable auswirkt è Die Güte der berechneten Regressionsfunktion wird durch das Bestimmtheitsmaß (r²) charakterisiert è Das Bestimmtheitsmaß (r²) = Maß für die Stärke des Einflusses der unabhängigen auf die abhängige Variable r² = erklärte Streuung durch die Gesamtstreuung è r² liegt zwischen 0 und +1 o r² = 1: Die Gesamtstreuung der abhängigen Variablen wird allein durch dir unabhängige Variablen erklärt o r² = 0: Die Gesamtstreuung der abhängigen Variablen wird überhaupt nicht durch die unabhängige Variable erklärt rquadrat= ist ein maß für die starke des einflüsses einer unabhängige variable auf die abhängige variable