Fehlende Werte in der Marktforschung Problembehandlung und Diskussion

Front Cover
GRIN Verlag, Mar 24, 2007 - Business & Economics - 21 pages
Studienarbeit aus dem Jahr 2004 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 1,7, Freie Universität Berlin (Marketing-Department), 17 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Die Marktforschung versucht das Entscheidungsproblem des Managements mit den ihr verfügbaren Instrumenten zu lösen und dabei möglichst vollständige Datensätze aus Primärforschung oder Deskresearch zu verwenden. Dies ist jedoch häufig unmöglich, auch wenn dasjenige Untersuchungsdesign verwendet wird, bei dem wenige Ausfälle vermutet werden. Bei der Auswahl des entsprechenden Erhebungsdesigns sollte man sich im Klaren über mögliche Ausfallursachen sein (Herrmann/Homburg, 2000, S.81ff). So kann in einem Interview falsches Verständnis der Frage, die Auskunftsunfähigkeit oder der Unwille zur Beantwortung der Frage zu fehlenden Werten führen. Vor allem Fragen zu Einkommen, Sexualverhalten oder Alkoholkonsum werden oft nicht beantwortet. So gibt es viele Datensätze in der Marktforschung, die unvollständig sind: In einem Panel von Horowitz und Golob (1979) waren bei 60% der 1565 Befragten 1% der Fragen unbeantwortet und bei 10% fehlten sogar 5% der Daten (Lehmann, 1989, S.369). Beim Vorkommen fehlender Werte muss man zunächst Klarheit über die Struktur des Ausfalls gewinnen, um die richtige Lösung, bzw. Korrektur anzuwenden. Im Rahmen der Strukturanalyse muss also zunächst untersucht werden, ob der zu Grunde liegende Ausfallmechanismus zufälliger Natur ist, oder ob ein systematischer Zusammenhang zu befürchten ist. Ein Ignorieren dieses Problems oder die Benutzung einer Ad-hoc-Lösung kann das Ergebnis verzerren. Denn die Anwendung der einfachsten und nicht zuletzt wohl deswegen beliebtesten Methode, der Dateneliminierung, ist nur unter einer sehr strikten Voraussetzung, nämlich dass der Datenausfall vollkommen zufällig ist, richtig. Außer der Dateneliminierung besteht noch u. A. die Möglichkeit der Vervollständigung der Daten mit Schätzwerten oder die direkte Schätzung aus den unvollständigen Daten. Alle diese Methoden setzen allerdings eine zufällige Verteilung der fehlenden Werte voraus. Ein systematisches Fehlen erfordert komplizierte Lösungsschritte und die Kenntnis über die Struktur des Ausfalls. Beim Vorliegen eines vollkommen zufälligen Ausfalls ist man frei in der Auswahl der Korrekturmöglichkeit. Wenn die fehlenden Werte nur innerhalb des Merkmals unsystematisch wegbleiben, fallen die Möglichkeiten der Eliminierung, der Sensitivitätsanalyse und fast alle Methoden der Imputation aus. Sind die Datenausfälle gar systematisch, bleibt praktisch nur die Modellierung des Ausfallmechanismus.
 

What people are saying - Write a review

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

Other editions - View all

Common terms and phrases

3.2 Systematische Verteilungsmuster abhängig ähnliche Objekte Alkoholkonsum allerdings Analog zur einfachen Ansatz Anwendung Anzahl Arten und Verteilungsmuster Ausschluss von Daten available-case Bankhofer Befragten beispielsweise Berechnung bestimmten brauchbare Ergebnisse Clusteranalyse Cold-Deck complete-case Datenausfall Dateneliminierung Datenerfassung Datenerhebung Datenverlust Desk-research Diskriminanzanalyse einfachen Imputation Einkommen Eliminierung EM-Algorithmus Expertenratings Faktorenanalyse Fehlen von Daten fehlenden Werte müssen Forschungsdesign Fragen Gruppen möglichst groß Hilfe Hot-Deck-Verfahren Imputation innerhalb Imputationsklasse Instrumentvariable intervallskaliert Interviewer Item-Non-Response kardinalskaliert komplizierter könnte Korrekturverfahren bei systematischen Kovarianzen lassen Likelihood lückenhafte Datenmatrix Marktforschung Matrizen Maximum-Likelihood missing completely Mittelwert modifiziert Möglichkeit der Vervollständigung Multidimensionale Skalierung Multivariate Analysemethode Multivariate Regression MVL Verfahren nominalen Normalverteilung der Daten Nullhypothese ordinal Parameterschätzung Praxmarer Primärforschung Regressionsanalyse Schätzung Schätzwerte Sekundärforschung Sensitivitätsanalyse Sensitivitätsbetrachtung signifikant Skalenniveau sollte Statistik Struktur des Ausfalls Strukturanalyse und Testverfahren Systematische Verteilungsmuster fehlender systematischen Ausfällen systematischer Zusammenhang t-Test Tests Testverfahren auf Verteilungsmuster Total-Non-Response Unterschiede unvollständigen Variablen Varianz Varianzanalyse Verhältnisschätzer Verteilungsannahme Verteilungsmuster fehlender Daten Vervollständigung der Daten vorhandenen zufällige Verteilung Zufallszahlen Zufallszahlengenerator zunächst

Bibliographic information