Conjoint Analyse

Question 1

Was ist Conjoint Measurement?

Answer 1

Messung der Ausprägung von komplexen Messobjekten auf Variablen, die eigentlich aus mehreren anderen Variablen oder Attributen zusammengesetzt sind (= Verbundmessung).

Idee: Man berücksichtigt alle Alternativen gleichzeitig.

Question 2

Was ist die Ausgangsbasis von Conjoint Measurement?

Answer 2

Gesamtbewertung (Relative Wichtigkeit der Attribute und Skala für Attributsausprägungen)

Question 3

Was ist das Ziel von Conjoint Measurement?

Answer 3

Beantwortung der beiden folgenden Fragen:
1. Wie werden die einzelnen Variablen/Attribute kombiniert, um zum Gesamturteil zu kommen (Kompositionsregel)
2. Wie müssen die einzelnen Variablen/Attribute (unter der Annahme einer bestimmten Kompositionsregel) skaliert werden, um die Verbundmessung am besten zu erklären?

Question 4

Wie heißen die Verfahren, die zur Beantwortung der zentralen Fragen führen?

Answer 4

Axiomatisches Conjoint Measurement
Numerisches (Conjoint Analysis, Verbundene Analyse)

Question 5

Was ist Axiomatisches Conjoint Measurement?

Answer 5

Herausfinden der Kompositionsregel: Wie sind die Attribute verknüpft?
–> Überprüfung der Axiome, die jeweils für eine bestimmte Art von Verknüpfung gelten

Question 6

Was ist Numerisches Conjoint Measurement?

Answer 6

Herausfinden einer geeigneten Skalierung: Wie können Attribute (in der Regel additiv) kombiniert werden, um die empirische Präferenzordnung am besten wiederzugeben?
–> Intervallskalierte Werte der Attributsausprägungen, relative Wichtigkeit der einzelnen Attribute

Question 7

Wozu Conjoint Analyse?

Answer 7

Allgemein:
1. Herausfinden der relativen Wichtigkeit der Attribute
2. Herausfinden der relativen Bedeutsamkeit der Attributsausprägungen (durch Intervallskalierung)

Question 8

Wie geht man vor?

Answer 8

1. Auswahl der relevanten Attribute für ein Messobjekt
2. Bestimmen des Erhebungsdesigns
3. Bewertung der Messobjekte
4. Schätzung der relativen Wichtigkeit der Attributsausprägungen (Teilnutzenwerte): Additives Modell
5. Aggregation der Nutzenwerte

Question 9

Wie wählt man die relevanten Attribute aus?

Answer 9

= Suche nach UVs, die die Verbundmessung beeinflussen und nach deren Abstufungen

• Inhaltliche Analyse –> nur relevante Attribute und realistische Abstufungen
• Nur Attribute mit kompensatorischer Beziehung (Annahme: Gesamturteil ist Kombination der Urteile über Einzelattribute –> niedriger Wert in einem Attribut kann durch hohen in einem anderen ausgeglichen werden – keine KO Attribute!)
• Bei Produktplanung: Attribute müssen durch Hersteller beeinflussbar und technisch realisierbar sein

Question 10

Wie bestimmt man ein Erhebungsdesign?

Answer 10

= Wie fragt man nach Verbundurteilen?

• Am besten: vollständige Erhebung (vollst. Kreuzen aller “UVs”)
• Bei gleicher Anzahl von Attributsabstufungen - evtl. Lateinisches Quadrat oder vereinfachte Lateinische Quadrate

Question 11

Wie bewertet man die Messobjekte?

Answer 11

Rangreihe oder Rating

meist ordinal, subjektiv

Question 12

Was ist das additive Modell?

Answer 12

Nutzen einer Alternative ist die Summe der Nutzen ihrer Attribute
–> Metrische und nichtmetrische Lösung

Question 13

Was ist die metrische Lösung des additiven Modells?

Answer 13

Annahme: Abstand zwischen den Rängen ist gleich = Intervallskala

bezieht sich auf Präferenzeinschätzung

1. MW zwischen Zeilen und Spalten
2. Gesamt MW
3. GesamtMW von jedem Zeilen- und Spaltenwert abziehen
4. –> Zeilen- und Spalteneffekte

Berechnung der normierten Teilnutzenwerte

Question 14

Wie berechnet man die normierten Teilnutzenwerte?

Answer 14

1. Berechnung der Differenz zwischen (unstandardisierten) Teilnutzenwerten und minimalem Teilnutzenwert pro Attribut
2. Setzen des Gesamtnutzenwerts des am stärksten präferierten Stimulus (Kombination der höchsten Teilnutzenwerte) auf 1
3. Berechnen der jeweiligen Anteile –> Teilnutzenwerte

Relative Wichtigkeit = Spannweite / Summe der Spannweite

Question 15

Wie berechnet man die nichtmetrische Lösung?

Answer 15

Annahme: Ränge sind ordinalskaliert (Monotone Varianzanalyse)

Monotone Regression: Ziel, die zk so zu bestimmen, dass ihre Werte mit steigenden Rängen der k Messobjekte monoton steigen

Monotone Varianzanalyse: Zielkriterium –> Stress-Maß (wird minimiert durch Optimierung der TNW, Auffinden einer geeigneten monotonen Transformation –> Iterativ)

Ausgangsbasis ist häufig die metrische Lösung

Question 16

Wie aggregiert man die Nutzenwerte?

Answer 16

Verschiedene Möglichkeiten:
1. Durchführung von Individualanalysen anschließende Aggregation der stand. TNW (ermöglicht Analyse der Variation innerhalb der SP)
2. Gemeinsame Analyse (Behandlung der Auskunftsperson als Messwdh.)
3. Bei metrischen Daten: erst Mittelung, dann “Individualanalyse”

Question 17

Was ist das Verbundene daran?

Answer 17

Bewertung eines Objekts und man erschließt mehrere dahinter liegende Variablen —> Realitätsnah