Marketing-Forschung
Grundlagen der Datenerhebung und Datenauswertung
Zusammenfassung
Von der Fragestellung bis zur empirisch fundierten Antwort
Um eine empirische Studie durchführen zu können, bedarf es fundierten Wissens zu den einzelnen Phasen der Marketing-Forschung vom Studiendesign bis hin zur Dokumentation der Ergebnisse. Dieses Buch zeigt anhand eines durchgängigen Fallbeispiels, wie sich eine empirische Studie eigenständig planen und umsetzen lässt.
Aus dem Inhalt
• Einführung in den Prozess der Marketing-Forschung
• Vorgehen bei der Datenerhebung (u.a. Formen der Datenerhebung und Stichprobenauswahl)
• Wissenschaftliche Anforderungen wie Hypothesenformulierung und Gütekriterien von Messinstrumenten
• Ziele, Voraussetzungen, Durchführung, Güteprüfung und Interpretation grundlegender multivariater Analyseverfahren: Varianzanalyse, Faktorenanalyse, Regressionsanalyse und Clusteranalyse
Zielgruppe
Studierende an Universitäten, Fachhochschulen und Berufsakademien sowie Praktiker, die einen Einblick in Datenerhebung und Datenauswertung erhalten wollen.
Autoren
Prof. Dr. Stefan Hoffmann ist Professor für Marketing an der Christian-Albrechts-Universität zu Kiel.
Dr. Anja Franck ist geschäftsführende Gesellschafterin der Lotsenboot Gesellschaft für Marktforschung mbH.
Dr. Uta Schwarz ist Leiterin für Qualitätsmanagement und Kommunikation der Fakultät Wirtschaftswissenschaften der TU Dresden.
Prof. Dr. Katja Soyez lehrt an der Berufsakademie Sachsen und leitet den Studiengang BWL-Dienstleistungsmanagement in Riesa.
Dr. Stefan Wünschmann lehrte Marketing und Marktforschung und leitet aktuell die Customer Intelligence der Volkswagen AG.
- I–VIII Titelei/Inhaltsverzeichnis I–VIII
- 1–55 1. Ablauf einer Studie 1–55
- 1.1 Ziele der Marketing-Forschung
- 1.2 Formulierung der Fragestellung
- 1.2.1 Studienart
- 1.2.2 Aufstellen von Hypothesen und Forschungsfragen
- 1.3 Konzeption der Erhebung
- 1.3.1 Erhebungs-Paradigma
- 1.3.2 Sekundär- vs. Primärforschung
- 1.3.3 Formen der Informationsgewinnung
- 1.3.3.1 Befragung
- 1.3.3.2 Beobachtung
- 1.3.3.3 Experiment
- 1.3.4 Auswahl der Probanden
- 1.4 Datenerhebung
- 1.4.1 Eigene Durchführung vs. externer Auftragnehmer
- 1.4.2 Frequenz der Durchführung
- 1.4.3 Formen der Datenerhebung
- 1.5 Statistische Analyse
- 1.5.1 Skalenniveau
- 1.5.2 Deskriptive Statistik
- 1.5.3 Inferenzstatistik und Überprüfen von Hypothesen
- 1.5.4 Wahl des Analyseverfahrens
- 1.5.5 Parametrische Verfahren und die Prüfung der Normalverteilung
- 1.5.6 Wahl der Analysesoftware
- 1.6 Dokumentation
- 1.6.1 Dokumentation für die Praxis
- 1.6.2 Dokumentation für die Wissenschaft
- 1.7 Literaturempfehlungen
- 1.8 Lernhilfen
- 1.8.1 Kontrollfragen
- 1.8.2 Vernetzungsaufgaben
- 57–84 2. Varianzanalyse 57–84
- 2.1 Ziel
- 2.2 Voraussetzungen
- 2.3 Durchführung
- 2.3.1 Streuungszerlegung
- 2.3.2 Berechnung der Varianz bei der einfaktoriellen Varianzanalyse
- 2.3.3 Mehrfaktorielle Varianzanalyse und Interaktionen
- 2.4 Güteprüfung
- 2.4.1 Statistische Signifikanz
- 2.4.2 Effektgröße
- 2.5 Interpretation
- 2.6 Dokumentation für Praktiker
- 2.7 Ausblick auf verwandte Verfahren
- 2.8 Literaturempfehlungen
- 2.9 Lernhilfen
- 2.9.1 Kontrollfragen
- 2.9.2 Vernetzungsaufgaben
- 85–109 3. Faktorenanalyse 85–109
- 3.1 Ziel
- 3.2 Voraussetzungen
- 3.3 Durchführung
- 3.3.1 Grundprinzip
- 3.3.2 Kommunalität und Faktorextraktionsverfahren
- 3.3.3 Eigenwert und Anzahl der zu extrahierenden Faktoren
- 3.3.4 Rotation
- 3.3.5 Faktorwerte
- 3.4 Güteprüfung
- 3.4.1 Globale Güte
- 3.4.2 Regionale Güte
- 3.4.3 Lokale Güte
- 3.4.4 Zusammenfassung
- 3.5 Interpretation
- 3.6 Dokumentation für Praktiker
- 3.7 Ausblick auf verwandte Verfahren
- 3.8 Literaturempfehlungen
- 3.9 Lernhilfen
- 3.9.1 Kontrollfragen
- 3.9.2 Vernetzungsaufgaben
- 111–142 4. Regressionsanalyse 111–142
- 4.1 Ziel
- 4.2 Voraussetzungen
- 4.2.1 Linearität des Zusammenhangs
- 4.2.2 Kein Overfitting und Underfitting
- 4.2.3 Keine Multikollinearität
- 4.2.4 Normalverteilung der Residuen
- 4.2.5 Keine Autokorrelation der Residuen
- 4.2.6 Keine Heteroskedastizität
- 4.2.7 Zusammenfassung
- 4.3 Durchführung
- 4.3.1 Methode der kleinsten Quadrate
- 4.3.2 Einfache lineare Regression
- 4.3.3 Multiple lineare Regression
- 4.3.4 Dummy-Variablen
- 4.4 Güteprüfung
- 4.4.1 Inhaltliche Prüfung
- 4.4.2 Bestimmtheitsmaß
- 4.4.3 F-Test als globales Gütekriterium
- 4.4.4 t-Test als lokales Gütekriterium
- 4.4.5 Stichprobengröße und Gültigkeitsbereich
- 4.5 Interpretation
- 4.6 Dokumentation für Praktiker
- 4.7 Ausblick auf verwandte Verfahren
- 4.8 Literaturempfehlungen
- 4.9 Lernhilfen
- 4.9.1 Kontrollfragen
- 4.9.2 Vernetzungsaufgaben
- 143–168 5. Clusteranalyse 143–168
- 5.1 Ziel
- 5.2 Voraussetzungen
- 5.3 Durchführung
- 5.3.1 Ausgangs-/Rohdatenmatrix
- 5.3.2. Ähnlichkeits- bzw. Distanzmaße
- 5.3.3 Fusionierungsalgorithmus: Zusammenfassen der Objekte zu Gruppen
- 5.3.4 Bestimmen der Clusteranzahl
- 5.4 Güteprüfung
- 5.5 Interpretation
- 5.6 Dokumentation für Praktiker
- 5.7 Ausblick auf verwandte Verfahren
- 5.8 Literaturempfehlungen
- 5.9 Lernhilfen
- 5.9.1 Kontrollfragen
- 5.9.2 Vernetzungsaufgaben
- 169–177 Literaturverzeichnis 169–177
- 179–183 Stichwortverzeichnis 179–183
- 184–184 Impressum 184–184
