Fehlende Werte in der Marktforschung - Problembehandlung und Diskussion

Front Cover
GRIN Verlag, Jul 14, 2007 - Business & Economics - 22 pages
Studienarbeit aus dem Jahr 2005 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 1,7, Freie Universität Berlin, 25 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Ein in der Marktforschungspraxis häufig auftretendes Phänomen ist das Problem der fehlenden Werte innerhalb einer erhobenen Datenbasis. Dieses tritt auf, wenn Fragen durch den Interviewten nicht beantwortet werden können, Antworten verweigert werden oder wenn bei der Beantwortung einer Frage Werte angegeben werden, die sich außerhalb des vorgegebenen Antwortrahmens befinden. Liegt eine unvollständige Datenbasis vor, ist es zumeist nicht möglich, diese anhand multivariater Verfahren, wie z.B. der Varianz- oder Clusteranalyse zu analysieren. Diese gehen in ihren Grundannahmen von einer vollständigen Datenmatrix aus. Da fehlende Werte in einer Stichprobe auch zu verzerrten Untersuchungsergebnissen führen können, ist es notwendig, für dieses Problem Lösungsansätze zu finden. Der Marktforscher sieht sich vor die Frage gestellt, wie dieses Problem am sinnvollsten zu lösen ist. Die vorliegende Seminararbeit liefert zunächst eine ausführliche Charakterisierung des Problems fehlender Werte (Begriffsdefinition, Ursachen etc.), um dann auf die einzelnen Testmöglichkeiten einzugehen, die zur Analyse der Datenbasis dienen. Der Schwerpunkt der Arbeit liegt auf der Darstellung der verschiedenen Verfahren zur Behandlung fehlender Werte (Eliminierungs-, Imputations- und Parameterschätzverfahren).
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Common terms and phrases

Analyse der Daten Analyse der verfügbaren Analyseziel angewandt anhand Anteil fehlender Werte aufgrund Ausfallmodells Bankhofer 1995 Basis Befragten Behandlung der fehlenden Behandlung fehlender Werte Chi-Quadrat-Test Clusteranalyse complete-case analysis Datenanalyse Datensatz Eigenschaft MCAR besitzen einzelnen Objekte Elimination Eliminierung Eliminierungsverfahren EM-Algorithmus Expertenratings Faktorenanalyse Fall Fehlen der Daten Fehlen der Werte fehlende Werte aufweisen fehlenden Ausprägungen fehlenden Werte innerhalb Frage Fragebogens Grundlage hinsichtlich hohen Informationsverlustes Imputationsverfahren Imputationswerte innerhalb der Imputationsklassen jeweiligen Kovarianzmatrix Lageparameter Lösung des Problems MAR-Annahme MCAR-Eigenschaft Merkmalseliminierung Messniveaus missing Multidimensionale Skalierung Multiple Imputation Multivariate Imputation multivariaten Verfahren multivariater Analyseverfahren nominalskalierten nonresponse Normalverteilung Objekteliminierung Parameter Parameterschätzung Problem Problems fehlender Werte Rahmen der Strukturanalyse Regressionsanalyse Rubin Schätzwerte Sekundärdaten Sensitivitätsbetrachtungen sinnvoll Statistik Stichprobe Sudman systematischen Ausfallmechanismus t-Test Technik Tests auf MAR Testverfahren überprüfen unsystematischen unterschiedliche Untersuchungseinheit unvollständige Ursachen fehlender Werte Variablen Varianz Verfahren zur Behandlung Verhältnisschätzer verzerrten Untersuchungsergebnissen Verzerrung vollständigen Datenmatrix vollständiger Datenbasis Voraussetzung Vorgehensweise vorhanden zufällig fehlen zufällig fehlenden Daten Zufallszahlen zugrunde liegenden

Bibliographic information