Übersicht - Datenanalysemethoden

Ein Überblick über die wesentlichen statistischen Datenanalyse-Verfahren, die in der Marktforschung bei der Auswertung von Daten eingesetzt werden:

Uni- und Bivariate Datenanalyse-Methoden:

• Häufigkeitsverteilungen: absolute und relative Häufigkeiten etc.
• Parameter von Häufigkeitsverteilungen: Lageparameter, Streuungsparameter etc.
• Assoziationsanalysen: Korrelationskoeffizienten, Kreuztabellen etc.
• Regressionsanalysen: Beziehungen zwischen einer oder mehrerer abhängigen und einer unabhängigen Variablen aufdecken. Hierbei wird untersucht, ob die abhängige Variable durch die unabhängigen erklärt werden kann. Beispiel: Kann der Absatzpreis die Absatzmenge erklären.
• Induktive Verfahren: Mittelwert- und Verteilungstests.
• Univariate Varianzanalyse: Der Einfluss einer Gruppenvariable auf eine abhängige Variable. Die Mittelwerte der abhängigen Variablen zwischen den verschiedenen Gruppen werden hierbei untersucht. Beispiel: Unterscheiden sich verschiedene Werbeaussagen hinsichtlich ihrer Glaubwürdigkeit.

Multivariate Verfahren der Datenanalyse:

Lage- und Streuungsparameter beschreiben als statistische Kennzahlen, wie Daten verteilt sind, also z.B. welche Werte im Mittel, am häufigsten usw. angegeben werden, und wie die Daten um diese Werte streuen.

Das Skalenniveau als Eigenschaft von Merkmalen bestimmt im Wesentlichen den Informationsgehalt des Merkmals und welche mathematischen Transformationen und statistischen Verfahren durchgeführt werden können.

Das Skalenniveau der Daten bestimmt:

• die mathematischen Operationen, welche mit dem Merkmal durchgeführt werden können und welche statistischen Analyseverfahren zu Auswertung infrage kommen.
• welche Transformationen durchgeführt werden können, ohne dass ein Informationsverlust auftritt.
• wie das Merkmal interpretiert werden kann.

Die verschiedene Skalenniveaus:

Die klassische 3-Teilung der Datenanalyse nach der Zielsetzung der Verfahren in einer kurzen Übersicht.

Im Wesentlichen können drei Ziele verfolgt werden, wenn die klassischen Verfahren der Datenanalyse angewendet werden:

1. Segmentierung: Zusammenfassung von Objekten zu homogenen Klassen -> Clusteranalysen.
2. Repräsentation: Darstellung der Ähnlichkeitsbeziehungen von Objekten in 2- oder 3-dimensionalen Räumen -> MDS, Korrespondenz- und Faktorenanalysen.
3. Identifikation: Überprüfung bzw. Aufdeckung von Zusammenhängen zwischen verschiedenen Merkmalen -> Diskriminanzanalysen, Conjoint-Analysen, Regressionsanalysen und Varianzanalysen.

Weiterführende Literatur: