nach oben

Erschienen in:

2021 | OriginalPaper | Buchkapitel

9. Conjoint-Analyse

verfasst von : Klaus Backhaus, Bernd Erichson, Sonja Gensler, Rolf Weiber, Thomas Weiber

Erschienen in: Multivariate Analysemethoden

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Die (traditionelle) Conjoint-Analyse ist ein Verfahren zur Messung und Analyse von Präferenzen. Die Probanden bewerten unterschiedliche Alternativen mithilfe metrischer oder ordinaler Skalen. Die gemessenen Präferenzen dienen als Maß für den Nutzenwert einer Alternative. Ziel der Conjoint-Analyse ist es, aus den gemessenen Nutzenwerten den Nutzenbeitrag der einzelnen Eigenschaftsausprägungen zu bestimmen. In diesem Kapitel wird sowohl die traditionelle Conjoint-Analyse wie auch die auswahlbasierte Conjoint-Analyse, die sog. Choice-Based Conjoint-Analyse (CBC-Analyse), beschrieben.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Clusteranalyse

Dieser Kommentar bezieht sich auf eine Schätzung der Nutzenfunktion in z. B. EXCEL (siehe www.multivariate.de). SPSS führt die Recodierung automatisch durch.

Auf der zu diesem Buch gehörigen Internetseite www.multivariate.de stellen wir ergänzendes Material zur Verfügung, um das Verstehen der Methode zu erleichtern und zu vertiefen.

Wir überlassen es dem Leser, die Daten genauer zu inspizieren und die Heterogenität der Präferenzstrukturen zu untersuchen. Auf der Webseite www.multivariate.de findet der Leser weitere Informationen.

Addelman, S. (1962a). Orthogonal main-effect plans for asymmetrical factorial experiments. Technometrics, 4(1), 21–46.CrossRef

Addelman, S. (1962b). Symmetrical and asymmetrical fractional factorial plans. Technometrics, 4(1), 47–58.CrossRef

Backhaus, K., Erichson, B., & Weiber, R. (2015). Fortgeschrittene Multivariate Analysemethoden (3. Aufl.). Berlin: Springer Gabler.CrossRef

Dhar, R. (1997). Consumer preference for a no-choice option. Journal of Consumer Research, 24(2), 215–231.CrossRef

Eliason, S. R. (1993). Maximum likelihood estimation: Logic and practice. Newbury Park: Sage.CrossRef

Gensler, S. (2003). Heterogenität in der Präferenzanalyse - Ein Vergleich von hierarchischen Bayes-Modellen und Finite-Mixture-Modellen, Wiesbaden: Gabler.

Green, P. E., Krieger, A. M., & Agarwal, M. K. (1991). Adaptive conjoint analysis: Some caveats and suggestions. Journal of Marketing Research, 28(2), 215–222.CrossRef

Green, P. E., Krieger, A. M., & Wind, Y. (2001). Thirty years of conjoint analysis: Reflections and prospects. Interfaces, 31(3), 56–73.CrossRef

Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: Issues and outlook. Journal of Consumer Research, 5(2), 103–123.CrossRef

Haaijer, R., Kamakura, W. A., & Wedel, M. (2001). The ‘no-choice’ alternative to conjoint choice experiments. International Journal of Market Research, 43(1), 93–106.

Johnson, R. M., & Orme, B. K. (1996). How many questions should you ask in choice-based conjoint studies? Research Paper Series. Sawtooth Software. https://www.sawtoothsoftware.com/download/techpap/howmanyq.pdf. Accessed 19. Sept. 2020.

Kuhfeld, W. F., Tobias, R. D., & Garratt, M. (1994). Efficient experimental design with marketing research applications. Journal of Marketing Research, 31(4), 545–557.CrossRef

Kumar, V., & Gaeth, G. J. (1991). Attribute order and product familiarity effects in decision tasks using conjoint analysis. International Journal of Research in Marketing, 8(2), 113–124.CrossRef

Louviere, J. J., & Woodworth, G. (1983). Design and analysis of simulated consumer choice or allocation experiments: An approach based on aggregated data. Journal of Marketing Research, 20(4), 350–367.CrossRef

McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. In: P. Zarembka (Hrsg.), Frontiers in econometrics (S. 205–142). New York: Academic Press.

Swait, J., & Louviere, J. (1993). The role of the scale parameter in the estimation and comparison of multinomial logit models. Journal of Marketing Research, 30(3), 305–314.CrossRef

Train, K. (2009). Discrete choice models with simulation. Cambridge: University Press.

Verlegh, P. W. J., Schifferstein, H. N. J., & Wittink, D. R. (2002). Range and number-of-levels effects in derived and stated measures of attribute importance. Marketing Letters, 13(1), 41–52.CrossRef

Wittink, D. R., Vriens, M., & Burhenne, W. (1994). Commercial use of conjoint analysis in Europe: Results and critical reflections. International Journal of Research in Marketing, 11(1), 41–52.CrossRef

Titel: Conjoint-Analyse
verfasst von: Klaus Backhaus
Bernd Erichson
Sonja Gensler
Rolf Weiber
Thomas Weiber
Verlag: Springer Fachmedien Wiesbaden
Buch: Multivariate Analysemethoden
Print ISBN: 978-3-658-32424-7

Electronic ISBN: 978-3-658-32425-4

Copyright-Jahr: 2021
DOI: https://doi.org/10.1007/978-3-658-32425-4_9