Skip to main content
main-content

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

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

share
TEILEN

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.
Fußnoten
1
Dieser Kommentar bezieht sich auf eine Schätzung der Nutzenfunktion in z. B. EXCEL (siehe www.​multivariate.​de). SPSS führt die Recodierung automatisch durch.
 
2
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.
 
3
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.
 
Literatur
Zurück zum Zitat Addelman, S. (1962a). Orthogonal main-effect plans for asymmetrical factorial experiments. Technometrics, 4(1), 21–46. CrossRef Addelman, S. (1962a). Orthogonal main-effect plans for asymmetrical factorial experiments. Technometrics, 4(1), 21–46. CrossRef
Zurück zum Zitat Addelman, S. (1962b). Symmetrical and asymmetrical fractional factorial plans. Technometrics, 4(1), 47–58. CrossRef Addelman, S. (1962b). Symmetrical and asymmetrical fractional factorial plans. Technometrics, 4(1), 47–58. CrossRef
Zurück zum Zitat Backhaus, K., Erichson, B., & Weiber, R. (2015). Fortgeschrittene Multivariate Analysemethoden (3. Aufl.). Berlin: Springer Gabler. CrossRef Backhaus, K., Erichson, B., & Weiber, R. (2015). Fortgeschrittene Multivariate Analysemethoden (3. Aufl.). Berlin: Springer Gabler. CrossRef
Zurück zum Zitat Dhar, R. (1997). Consumer preference for a no-choice option. Journal of Consumer Research, 24(2), 215–231. CrossRef Dhar, R. (1997). Consumer preference for a no-choice option. Journal of Consumer Research, 24(2), 215–231. CrossRef
Zurück zum Zitat Eliason, S. R. (1993). Maximum likelihood estimation: Logic and practice. Newbury Park: Sage. CrossRef Eliason, S. R. (1993). Maximum likelihood estimation: Logic and practice. Newbury Park: Sage. CrossRef
Zurück zum Zitat Gensler, S. (2003). Heterogenität in der Präferenzanalyse - Ein Vergleich von hierarchischen Bayes-Modellen und Finite-Mixture-Modellen, Wiesbaden: Gabler. Gensler, S. (2003). Heterogenität in der Präferenzanalyse - Ein Vergleich von hierarchischen Bayes-Modellen und Finite-Mixture-Modellen, Wiesbaden: Gabler.
Zurück zum Zitat 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., & Agarwal, M. K. (1991). Adaptive conjoint analysis: Some caveats and suggestions. Journal of Marketing Research, 28(2), 215–222. CrossRef
Zurück zum Zitat 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., Krieger, A. M., & Wind, Y. (2001). Thirty years of conjoint analysis: Reflections and prospects. Interfaces, 31(3), 56–73. CrossRef
Zurück zum Zitat Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: Issues and outlook. Journal of Consumer Research, 5(2), 103–123. CrossRef Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: Issues and outlook. Journal of Consumer Research, 5(2), 103–123. CrossRef
Zurück zum Zitat 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. 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.
Zurück zum Zitat 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 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
Zurück zum Zitat 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 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
Zurück zum Zitat 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 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
Zurück zum Zitat McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. In: P. Zarembka (Hrsg.), Frontiers in econometrics (S. 205–142). New York: Academic Press. McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. In: P. Zarembka (Hrsg.), Frontiers in econometrics (S. 205–142). New York: Academic Press.
Zurück zum Zitat 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 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
Zurück zum Zitat Train, K. (2009). Discrete choice models with simulation. Cambridge: University Press. Train, K. (2009). Discrete choice models with simulation. Cambridge: University Press.
Zurück zum Zitat 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 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
Zurück zum Zitat 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 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
Metadaten
Titel
Conjoint-Analyse
verfasst von
Klaus Backhaus
Bernd Erichson
Sonja Gensler
Rolf Weiber
Thomas Weiber
Copyright-Jahr
2021
DOI
https://doi.org/10.1007/978-3-658-32425-4_9