IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort...

53
i IBM SPSS Conjoint 19

Transcript of IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort...

Page 1: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

i

IBM SPSS Conjoint 19

Page 2: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Note: Before using this information and the product it supports, read the general informationunder Notices auf S. 43.

This document contains proprietary information of SPSS Inc, an IBM Company. It is providedunder a license agreement and is protected by copyright law. The information contained in thispublication does not include any product warranties, and any statements provided in this manualshould not be interpreted as such.

When you send information to IBM or SPSS, you grant IBM and SPSS a nonexclusive rightto use or distribute the information in any way it believes appropriate without incurring anyobligation to you.

© Copyright SPSS Inc. 1989, 2010.

Page 3: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Vorwort

IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionaleZusatzmodul Conjoint bietet die zusätzlichen Analyseverfahren, die in diesem Handbuchbeschrieben sind. Die Prozeduren im Zusatzmodul Conjoint müssen zusammen mit SPSSStatistics Core verwendet werden. Sie sind vollständig in dieses System integriert.

Über SPSS Inc., ein Unternehmen von IBM

SPSS Inc., ein Unternehmen von IBM, ist ein führender globaler Anbieter von Analysesoftwareund -lösungen zur Prognoseerstellung. Mit der vollständigen Produktpalette des Unternehmens –Datenerfassung, Statistik, Modellierung und Bereitstellung – werden Einstellungen undMeinungen von Personen erfasst und Ergebnisse von künftigen Interaktionen mit Kundenprognostiziert. Anschließend werden diese Erkenntnisse durch die Einbettung der Analysen inGeschäftsprozesse praktisch umgesetzt. Lösungen von SPSS Inc. sind durch die Konzentrationauf die Zusammenführung von Analysefunktionen, IT-Architektur und Geschäftsprozessen fürzusammenhängende unternehmensübergreifende Geschäftsziele konzipiert. Kunden aus denBereichen Wirtschaft, Regierung und Wissenschaft vertrauen weltweit auf die Technologievon SPSS Inc. als Wettbewerbsvorteil, wenn es gilt, Kunden anzuziehen, zu binden und neueKunden zu gewinnen und dabei Betrugsfälle zu verringern und Risiken zu entschärfen. SPSSInc. wurde im Oktober 2009 von IBM übernommen. Weitere Informationen erhalten Sie unterhttp://www.spss.com.

Technischer Support

Kunden mit Wartungsvertrag können den Technischen Support in Anspruch nehmen.Kunden können sich an den Technischen Support wenden, wenn sie Hilfe bei der Arbeitmit den Produkten von SPSS Inc. oder bei der Installation in einer der unterstütztenHardware-Umgebungen benötigen. Wie Sie den Technischen Support kontaktieren können,entnehmen Sie der Website von SPSS Inc. unter http://support.spss.com. Über die Website unterhttp://support.spss.com/default.asp?refpage=contactus.asp können Sie auch nach Ihrem örtlichenBüro suchen. Wenn Sie Hilfe anfordern, halten Sie bitte Informationen bereit, um sich, IhreOrganisation und Ihren Supportvertrag zu identifizieren.

Kundendienst

Wenden Sie sich bei Fragen zur Lieferung oder Ihrem Kundenkonto an Ihr regionales Büro, dasSie auf der Website unter http://www.spss.com/worldwide finden. Halten Sie bitte stets IhreSeriennummer bereit.

© Copyright SPSS Inc. 1989, 2010 iii

Page 4: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Ausbildungsseminare

SPSS Inc. bietet öffentliche und unternehmensinterne Seminare an. Alle Seminare beinhaltenauch praktische Übungen. Seminare finden in größeren Städten regelmäßig statt. Wenn Sieweitere Informationen zu diesen Seminaren wünschen, wenden Sie sich an Ihr regionales Büro,das Sie auf der Website unter http://www.spss.com/worldwide finden.

Weitere Veröffentlichungen

Die Handbücher SPSS Statistics: Guide to Data Analysis, SPSS Statistics: Statistical ProceduresCompanion und SPSS Statistics: Advanced Statistical Procedures Companion, die von MarijaNorušis geschrieben und von Prentice Hall veröffentlicht wurden, werden als Quelle fürZusatzinformationen empfohlen. Diese Veröffentlichungen enthalten statistische Verfahrenin den Modulen “Statistics Base”, “Advanced Statistics” und “Regression” von SPSS. DieseBücher werden Sie dabei unterstützen, die Funktionen und Möglichkeiten von IBM® SPSS®Statistics optimal zu nutzen. Dabei ist es unerheblich, ob Sie ein Neuling im Bereich derDatenanalyse sind oder bereits über umfangreiche Vorkenntnisse verfügen und damit in derLage sind, auch die erweiterten Anwendungen zu nutzen. Weitere Informationen zu denInhalten der Veröffentlichungen sowie Auszüge aus den Kapiteln finden Sie auf der folgendenAutoren-Website: http://www.norusis.com

iv

Page 5: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Inhalt

1 Einführung in die Conjoint-Analyse 1

Die Profilmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Orthogonales Feld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Die experimentellen Stimuli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2Datenerfassung und -analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Teil I: Benutzerhandbuch

2 Erzeugen eines orthogonalen Designs 6

Festlegen von Werten für ein orthogonales Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8Optionen für orthogonale Designs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9Zusätzliche Funktionen beim Befehl ORTHOPLAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Anzeigen eines Designs 10

Design anzeigen: Titel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11Zusätzliche Funktionen beim Befehl PLANCARDS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

4 Durchführen einer Conjoint-Analyse 12

Voraussetzungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12Angeben der Plandatei und der Datendatei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13Angeben der Datenerfassungsmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Optionale Unterbefehle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

v

Page 6: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Teil II: Beispiele

5 Modellieren der Präferenz eines Teppichreinigermodellsmithilfe der Conjoint-Analyse 18

Erzeugen eines orthogonalen Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19Erstellen der experimentellen Stimuli: Anzeigen des Designs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22Durchführen der Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24Nutzenwerte. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26Koeffizienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Relative Wichtigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27Korrelationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28Umkehrungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28Ausführen von Simulationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29Bevorzugungswahrscheinlichkeiten für Simulationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Anhänge

A Beispieldateien 31

B Notices 43

Bibliografie 45

Index 47

vi

Page 7: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Kapitel

1Einführung in die Conjoint-Analyse

Die Conjoint-Analyse ist ein Marktforschungsinstrument für die Entwicklung einer effektivenProduktgestaltung. Mithilfe der Conjoint-Analyse kann der Forscher Fragen wie die folgendenbeantworten: Welche Produktmerkmale sind für den Verbraucher wichtig, welche unwichtig?Welche Ausprägungen (Stufen) der Produktmerkmale sind aus der Sicht der Verbraucher ammeisten und am wenigsten wünschenswert? Wie hoch ist der gewünschte Marktanteil für dieProdukte der führenden Mitbewerber gegenüber dem eigenen vorhandenen oder geplantenProdukt?Der Vorteil der Conjoint-Analyse liegt darin, dass die befragten Personen gebeten werden, die

Wahl auf dieselbe Weise zu treffen, wie sie die Verbraucher vermutlich treffen: indem einzelneMerkmale gegeneinander abgewogen werden.Stellen Sie sich zum Beispiel vor, dass Sie einen Flug buchen möchten. Sie haben die

Möglichkeit, einen schmalen oder einen breiten Sitz auszuwählen. Wenn dies der einzigeabzuwägende Faktor ist, fällt Ihre Entscheidung eindeutig aus. Vermutlich ziehen Sie einen breitenSitz vor. Stellen sich außerdem vor, dass Sie zwischen den folgenden Ticketpreisen auswählenkönnen: 225 und 800 Dollar. Wenn Sie lediglich den Preis in Betracht ziehen, fällt die Wahlnatürlich auf den niedrigeren. Stellen Sie sich des Weiteren vor, Sie haben die Wahl zwischeneinem zweistündigen Direktflug oder einen Flug von fünf Stunden mit einem Zwischenaufenthalt.Die meisten Menschen würden den Direktflug auswählen.Der Nachteil der oben dargestellten Herangehensweise besteht darin, dass die Auswahl der

Alternativen jeweils nur anhand eines einzelnen Merkmals angeboten wird. Die Conjoint-Analysebietet eine Auswahl von Alternativen zwischen verschiedenen Produkten an, die durch eineGruppe von Merkmalen definiert werden. Dies wird durch die folgenden Auswahl erläutert:Ziehen Sie einen Flug mit einem schmalen Sitz und einem Zwischenauftenhalt vor, der 225 Dollarkostet, oder einen Direktflug mit einem breiten Sitz, der 800 Dollar kostet? Wenn Komfort, Preisund Flugdauer die maßgebenden Merkmale darstellen, gibt es acht mögliche Produkte:

Produkt Komfort Preis Flugdauer

1 schmaler Sitz $225 2 Stunden

2 schmaler Sitz $225 5 Stunden

3 schmaler Sitz $800 2 Stunden

4 schmaler Sitz $800 5 Stunden

5 breiter Sitz $225 2 Stunden

6 breiter Sitz $225 5 Stunden

7 breiter Sitz $800 2 Stunden

8 breiter Sitz $800 5 Stunden

© Copyright SPSS Inc. 1989, 2010 1

Page 8: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

2

Kapitel 1

Unter Betrachtung der Auswahlmöglichkeiten ist Produkt 4 wahrscheinlich das am wenigstenbevorzugte, Produkt 5 wahrscheinlich das am meisten bevorzugte Produkt. Die Präferenzen derbefragten Personen über die weiteren Produktangebote werden implizit durch das bestimmt, wasfür die befragten Personen wichtig ist.Mit der Conjoint-Analyse können Sie sowohl die relative Wichtigkeit jedes einzelnen Merkmals

bestimmen als auch ermitteln, welche Ausprägung jedes Merkmals am meisten bevorzugt werden.Wenn das am meisten bevorzugte Produkt aus irgendeinem Grund nicht möglich ist, z. B. ausKostengründen, können Sie die nächstbeste Alternative ermitteln. Falls weitere Informationenzu den befragten Personen vorliegen, z. B. demografische Angaben, können Sie möglicherweiseMarktsegmente identifizieren, für die besondere Produktpakete zusammengestellt werden können.So haben z. B. Geschäftsreisende andere Präferenzen als Studenten, sodass Sie diesen Zielgruppenmit maßgeschneiderten Produktangeboten begegnen können.

Die Profilmethode

Conjoint verwendet die Profilmethode (auch bekannt als Vollprofil-Design), bei der die befragtenPersonen eine Gruppe von Profilen (Karten) entsprechend ihrer Präferenzen nach Rängensortieren, in eine Reihenfolge bringen oder mit Scores bewerten. Jedes Profil beschreibt einvollständiges Produkt oder eine Dienstleistung und besteht für alle zu untersuchenden Faktoren(Merkmale) aus einer unterschiedlichen Kombination von Faktorstufen.

Orthogonales Feld

Bei der Verwendung der Profilmethode wird schnell ein mögliches Problem deutlich, wennmehr als nur wenige Faktoren vorhanden sind und jeder Faktor mehr als nur wenige Stufenaufweist. Die Gesamtanzahl der Profile, die sich aus allen möglichen Kombinationen der Stufenergibt, wird für die befragten Personen zu groß, um diese in aussagekräftiger Form nach Rängenzu sortieren oder zu bewerten. Um dieses Problem zu lösen, wird bei der Profilmethode einso genanntes fraktioniertes faktorielles Design verwendet, das eine angemessene Teilmengealler Kombinationsmöglichkeiten der Faktorstufen enthält. Das sich daraus ergebende Set, dasorthogonale Feld, soll die Haupteffekte für jede Faktorstufe erfassen. Dabei wird angenommen,dass die Wechselwirkungen zwischen den Stufen eines Faktors und den Stufen eines anderenFaktors vernachlässigt werden können.Die Prozedur “Orthogonales Design erzeugen” wird verwendet, um ein orthogonales Feld zu

erzeugen. Diese Prozedur stellt in der Regel den Ausgangspunkt einer Conjoint-Analyse dar.Damit können Sie auch als Prüffälle bezeichnete Kombinationen von Faktorstufen erzeugen,die durch die Befragten bewertet, jedoch nicht verwendet werden, um das Präferenzmodell zukonstruieren. Stattdessen werden diese zum Überprüfen der Gültigkeit des Modells verwendet.

Die experimentellen Stimuli

Jede Gruppe von Faktorstufen in einem orthogonalem Design stellt eine andere Version desuntersuchten Produkts dar. Sie muss den befragten Personen in Form eines individuellenProduktprofils angeboten werden. Dadurch wird es der befragten Person erleichtert, sich für dieBewertung auf jeweils ein Produkt zu konzentrieren. Die Stimuli müssen standardisiert werden,

Page 9: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

3

Einführung in die Conjoint-Analyse

indem sichergestellt wird, dass alle Profile mit Ausnahme der unterschiedlichen Kombinationender Eigenschaften ähnlich präsentiert werden.Das Erzeugen der Produktprofile wird durch die Prozedur “Design anzeigen” erleichtert.

Dazu wird ein Design benötigt, das durch die Prozedur “Orthogonales Design erzeugen” erstelltoder vom Benutzer eingegeben wird. Daraus ergibt sich ein Set von Produktprofilen in einemFormat, das unmittelbar verwendet werden kann.

Datenerfassung und -analyse

Da es unter den befragten Personen in der Regel eine große Variation bei den Präferenzen gibt,beschäftigt sich ein großer Teil der Conjoint-Analyse mit einzelnen Personen. Um die Ergebnissezu verallgemeinern, wird eine Zufallsstichprobe von Personen aus der Zielgruppe ausgewählt,sodass die Ergebnisse der Gruppe untersucht werden können.Bei Conjoint-Studien variiert die Größe der Stichproben erheblich. In einem Bericht ((Cattin

als auch Wittink, 1982)) merken die Autoren an, dass der Stichprobenumfang in kommerziellenConjoint-Studien für gewöhnlich zwischen 100 und 1.000 schwankt, wobei die typischeGrößenordnung bei 300 bis 550 liegt. In einer anderen Studie ((Akaah als auch Korgaonkar,1988)) wurde festgestellt, dass kleinere Stichprobenumfänge (weniger als 100) typisch sind. Wiebei anderen Untersuchungen muss der Stichprobenumfang groß genug sein, dass Verlässlichkeitgegeben ist.Nachdem die Stichprobe ausgewählt wurde, teilt der Forscher die Gruppen von Profilen (die

Karten) an die befragten Personen aus. Bei der Prozedur “Conjoint” können Sie die Daten mitdrei Methoden erfassen. Bei der ersten Methode werden die Personen gebeten, jedem Profil einenVorzugswert zuzuweisen. Diese Methode wird in der Regel eingesetzt, wenn eine Likert-Skalaverwendet wird oder die Personen gebeten werden, eine Zahl von 1 bis 100 zuzuweisen, um ihrePräferenzen zu zeigen. Bei der zweiten Methode werden die Personen gebeten, jedem Profil einenRang (1 bis zur Gesamtanzahl von Profilen) zuzuweisen. Bei der dritten Methode werden dieBefragten gebeten, die Profile entsprechend ihrer Präferenz zu ordnen. Bei der letzten Methodewerden die Profilnummern in der Reihenfolge erfasst, wie diese von den Befragten angeordnetwurden.Die Datenanalyse wird mit der Prozedur “Conjoint” (nur über die Befehlssyntax verfügbar)

durchgeführt. Aus der Analyse ergibt sich für jede Faktorstufe ein Nutzenwert, der alsTeilnutzenwert bezeichnet wird. Diese Nutzenwerte liefern ähnlich wie Regressionskoeffientenein quantitatives Maß für die Präferenz pro Faktorstufe, wobei größere Werte einer höherenPräferenz entsprechen. Die Teilnutzenwerte werden in derselben Einheit ausgedrückt, sodass siefür jede Kombination von Faktorstufen zum Gesamtnutzen bzw. zur Gesamtpräferenz addiertwerden können. Die Teilnutzenwerte bilden damit die Grundlage für ein Modell, mit dem diePräferenz für ein beliebiges Produktprofil vorhergesagt werden kann. Dies umfasst auch die sogenannten Simulationsfälle. Hierbei handelt es sich um Profile, die im eigentlichen Experimentnicht präsentiert wurden.Die Informationen, die aus einer Conjoint-Analyse gewonnen werden, können für eine

große Bandbreite von Fragen in der Markforschung von Nutzen sein. Sie können für dieUntersuchung von Bereichen wie Produktgestaltung, Marktanteile, strategische Werbung,Kosten-Nutzen-Anlayse und Marktsegmentierung verwendet werden.

Page 10: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

4

Kapitel 1

Wenngleich das Augenmerk in diesem Handbuch auf der Anwendung für die Marktforschungliegt, kann die Conjoint-Analyse in fast allen wissenschaftlichen oder wirtschaftlichen Gebietenhilfreich sein, in denen es wichtig ist, die Wahrnehmung oder Beurteilung von Menschen zumessen.

Page 11: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Teil I:Benutzerhandbuch

Page 12: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Kapitel

2Erzeugen eines orthogonalen Designs

Mit der Prozedur “Orthogonales Design erzeugen” wird eine Datendatei erstellt, die orthogonalesDesign mit den Haupteffekten enthält. Dieses Design ermöglicht statistische Tests einigerFaktoren, ohne dass alle Kombinationen der Faktorstufen getestet werden müssen. Dieses Designkann mit der Prozedur “Design anzeigen” angezeigt werden. Die Datendatei kann auch vonanderen Prozeduren verwendet werden, z. B. von Conjoint.

Beispiel. Ein Startup-Unternehmen mit Billigflügen im Angebot ist daran interessiert, die relativeWichtigkeit von verschiedenen Faktoren des Produktangebots aus der Sicht von potenziellenKunden zu bestimmen. Der Preis ist offensichtlich ein Primärfaktor. Wie wichtig sind jedoch dieFaktoren wie Sitzgröße, Anzahl der Zwischenaufenthalte und ob Getränke und Verpflegung imPreis enthalten sind? Eine Umfrage, in der die befragten Personen gebeten werden, Produktprofilenach Rängen zu sortieren, die alle möglichen Faktorkombinationen darstellen, ist angesichts dergroßen Zahl von Profilen wenig sinnvoll. Mit der Prozedur “Orthogonales Design erzeugen”wird eine Gruppe von Produktprofilen erzwugt, die klein genug ist, um sie in die Umfrageaufzunehmen, aber groß genug, um die relative Wichtigkeit jedes Faktors zu ermitteln.

So erzeugen Sie ein orthogonales Design:

E Wählen Sie die folgenden Befehle aus den Menüs aus:Daten > Orthogonales Design > Erzeugen...

© Copyright SPSS Inc. 1989, 2010 6

Page 13: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

7

Erzeugen eines orthogonalen Designs

Abbildung 2-1Dialogfeld “Orthogonales Design erzeugen”

E Definieren Sie mindestens einen Faktor. Geben Sie im Textfeld “Faktorname” einen Namen ein.Die Faktornamen können beliebige gültige Variablennamen mit Ausnahme von status_ und card_sein. Sie können außerdem einen Faktorlabel zuweisen.

E Klicken Sie auf Hinzufügen, um den Faktornamen und ein optionales Label hinzuzufügen. Umeinen Faktor zu löschen, wählen Sie ihn in der Liste aus und klicken Sie auf Entfernen. Um einenFaktornamen oder -label zu ändern, wählen Sie ihn in der Liste aus, ändern Sie den Namenoder das Label und klicken Sie auf Ändern.

E Definieren Sie für jeden Faktor Werte, indem Sie den betreffenden Faktor auswählen und aufWerte definieren klicken.

Datendatei. Hiermit können Sie das Ziel des orthogonalen Designs festlegen. Sie können dasDesign in einem neuen Daten-Set in der aktuellen Sitzung oder in einer externen Datendateispeichern.

Neues Daten-Set erstellen Erstellt ein neues Daten-Set in der aktuellen Sitzung mit denFaktoren und Fällen, die durch den Plan erzeugt wurden.

Neue Datendatei anlegen. Erstellt eine neue externe Datendatei mit den Faktoren und Fällen,die durch den Plan erzeugt wurden. In der Standardeinstellung lautet der Name der Dateidateiortho.sav, und die Datei wird im aktuellen Verzeichnis gespeichert. Klicken Sie auf Datei, umeinen anderen Namen und Speicherort für die Dateien anzugeben.

Startwert für Zufallszahlen zurücksetzen auf. Setzt den Startwert für Zufallszahlen auf denangegebenen Wert zurück. Der Startwert kann eine beliebige ganze Zahl von 0 bis 2.000.000.000sein. Innerhalb einer Sitzung werden bei jedem Erzeugen von Zufallszahlen unterschiedlicheStartwerte verwenden, um unterschiedliche Ergebnisse zu erzielen. Wenn Sie übereinstimmendeZufallszahlen duplizieren möchten, müssen Sie den Startwert festlegen, bevor Sie das erste

Page 14: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

8

Kapitel 2

Design erzeugen, und den Startwert bei jedem weiteren Erzeugen eines Designs auf denselbenWert zurücksetzen.

Die folgenden Optionen sind verfügbar:

Klicken Sie auf Optionen, um die Mindestanzahl der Fälle im orthogonalen Design festzulegenund die Prüffälle auszuwählen.

Festlegen von Werten für ein orthogonales DesignAbbildung 2-2Dialogfeld “Design erzeugen: Werte definieren”

Sie müssen jeder Stufe des ausgewählten Faktors oder der Faktoren Werte zuweisen. DerFaktorname wird nach Werte und Labels für angezeigt.Geben Sie alle Werte für den Faktor ein. Sie können den Werten außerdem aussagekräftige

Labels zuweisen. Wenn Sie den Werten keine Labels zuweisen, werden den Werten automatischentsprechende Labels zugewiesen (also demWert 1 das Label “1”, demWert 3 das Label “3” usw.).

Ausfüllen. Hiermit können Sie die Wertefelder automatisch mit bei 1 beginnenden undfortlaufenden Werten füllen. Geben Sie den Maximalwert ein und klicken Sie auf Füllen, umdie Werte einzusetzen.

Page 15: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

9

Erzeugen eines orthogonalen Designs

Optionen für orthogonale DesignsAbbildung 2-3Dialogfeld “Orthogonales Design erzeugen: Optionen”

Mindestanzahl von Fällen. Legt die Mindestanzahl von Fällen für den Plan fest. Wählen Sie einepositive ganze Zahl kleiner oder gleich der Gesamtanzahl der Fälle aus, die aus allen möglichenKombinationen der Faktorstufen gebildet werden können. Wenn Sie keine Mindestanzahl vonFällen festlegen, wird die für den orthogonalen Plan erforderliche Mindestanzahl von Fällenerzeugt. Wenn in der Prozedur “Orthoplan” nicht mindestens für die Mindestanzahl benötigteAnzahl von Profilen erzeugt werden können, wird die größtmögliche Anzahl erzeugt, die zu denangebenbenen Faktoren und Stufen passt. Beachten Sie, dass das Design nicht notwendigerweisegenau die Anzahl an angegebenen Fälle umfasst, sondern die kleinstmögliche Anzahl an Fällen imorthogonalen Design unter Verwendung dieses Werts als Mindestanzahl.

Prüffälle. Sie können Prüffälle festlegen, die von den Befragten bewertet, aber nicht in derConjoint-Analyse berücksichtigt werden.

Anzahl der Prüffälle. Erstellt neben den regulären Fällen im Versuchsplan auch Prüffälle. DiePrüffälle werden zwar von den Befragten bewertet, sie werden aber nicht verwendet, wennin der Prozedur “Conjoint” die Nutzenwerte geschätzt werden. Sie können eine beliebigepositive ganze Zahl kleiner oder gleich der Gesamtanzahl der Fälle angeben, die aus allenmöglichen Kombinationen von Faktorstufen gebildet werden kann. Die Prüffälle werden nichtauf der Grundlage des Versuchsplans mit den Haupteffekten, sondern anhand eines anderenZufallsplans erzeugt. Die Prüffälle sind weder Duplikate von experimentellen Profilen nochvon anderen Prüffällen. In der Standardeinstellung werden keine Prüffälle erzeugt.

Zufallsmischung mit anderen Fällen. Mischt die Prüffälle zufällig mit den experimentellenFällen. Wenn diese Option deaktiviert ist, enthält die Datei zunächst alle experimentellenFälle und im Anschluss daran die Prüffälle.

Zusätzliche Funktionen beim Befehl ORTHOPLAN

Mit der Befehlssyntax-Sprache verfügen Sie außerdem über folgende Möglichkeiten:

Sie können das orthogonale Design der Arbeitsdatei hinzufügen, statt eine neue Arbeitsdateizu erstellen.

Sie können Simulationsfälle vor dem Erstellen des orthogonalen Designs statt nach derErstellung festlegen.

Vollständige Informationen zur Syntax finden Sie in der Command Syntax Reference.

Page 16: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Kapitel

3Anzeigen eines Designs

Mit der Prozedur “Design anzeigen” können Sie ein experimentelles Design drucken. Sie könnendas Design entweder als Entwurf im Listenformat oder als Profile drucken, die den befragtenPersonen in der Conjoint-Studie präsentiert werden können. Mit dieser Prozedur können Designs,die mit der Prozedur “Orthogonales Design erzeugen” erstellt wurden, sowie beliebige Designs ineiner Arbeitsdatei angezeigt werden.

So zeigen Sie ein orthogonales Design an:

E Wählen Sie die folgenden Befehle aus den Menüs aus:Daten > Orthogonales Design > Anzeigen...

Abbildung 3-1Dialogfeld “Design anzeigen”

E Verschieben Sie mindestens einen Faktor in die Liste “Faktoren”.

E Wählen Sie ein Format aus, mit dem die Profile in der Ausgabe angezeigt werden.

Format. Sie können eine oder mehrere der folgenden Formatoptionen auswählen:

Liste für den Experimentator. Zeigt das Design in einem Entwurfsformat an, das zwischenPrüffällen und experimentellen Fällen unterscheidet. Simulationsfälle werden getrenntaufgelistet, und zwar im Anschluss an die experimentellen und Prüffälle.

Profile für Subjekte. Erstellt Profile, die den Subjekten (Befragten) vorgelegt werden können.Bei diesem Format werden Prüfprofile nicht differenziert und keine Simulationsprofile erstellt.

Die folgenden Optionen sind verfügbar:

Klicken Sie auf Titel, um Kopf- und Fußzeilen für die Profile festzulegen.

© Copyright SPSS Inc. 1989, 2010 10

Page 17: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

11

Anzeigen eines Designs

Design anzeigen: TitelAbbildung 3-2Dialogfeld “Design anzeigen: Titel”

Titel für Profil. Geben Sie einen bis zu 80 Zeichen langen Titel für die Profile ein. Die Titel werdenüber der Ausgabe angezeigt, wenn Sie Liste für den Experimentator ausgewählt haben, und überjedem Profil, wenn Sie im Hauptdialogfeld die Option Profile für Subjekte ausgewählt haben.Wenn Sie die Option Profile für Subjekte aktiviert haben und an einer beliebigen Stelle im Titeldie spezielle Zeichenfolge )CARD verwenden, wird diese von der Prozedur durch die laufendeProfilnummer ersetzt. Bei der Option Liste für den Experimentator wird diese Zeichenfolge nichtersetzt.

Fußzeile für Profil. Geben Sie eine bis zu 80 Zeichen lange Fußzeile für die Profile ein. Fußzeilenwerden unter der Ausgabe angezeigt, wenn Sie Liste für den Experimentator ausgewählt haben,und unter jedem Profil, wenn Sie im Hauptdialogfeld die Option Profile für Subjekte ausgewählthaben. Wenn Sie die Option Profile für Subjekte aktiviert haben und an einer beliebigen Stellein der Fußzeile die spezielle Zeichenfolge )CARD verwenden, wird diese von der Prozedurdurch die laufende Profilnummer ersetzt. Bei der Option Liste für den Experimentator wird dieseZeichenfolge nicht ersetzt.

Zusätzliche Funktionen beim Befehl PLANCARDS

Mit der Befehlssyntax-Sprache verfügen Sie außerdem über folgende Möglichkeiten:

Sie können die Profile für die Subjekte (Befragten) in eine externe Datei schreiben (mit demUnterbefehl OUTFILE).

Vollständige Informationen zur Syntax finden Sie in der Command Syntax Reference.

Page 18: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Kapitel

4Durchführen einer Conjoint-Analyse

Für die Prozedur “Conjoint” ist noch keine grafische Benutzeroberfläche verfügbar. Um eineConjoint-Analyse berechnen zu lassen, müssen Sie die Befehlssyntax für den Befehl CONJOINTin ein Syntaxfenster eingeben und die Syntax anschließend ausführen.

Ein Beispiel für die Syntax des Befehls CONJOINT im Kontext einer vollständigenConjoint-Analyse (einschließlich dem Erzeugen und Anzeigen eines orthogonalen Designs)finden Sie hier: Kapitel 5.

Vollständige Informationen zur Befehlssyntax zum Befehl CONJOINT finden Sie in derCommand Syntax Reference.

So führen Sie einen Befehl im Syntaxfenster aus:

Wählen Sie die folgenden Befehle aus den Menüs aus:Datei > Neu > Syntax...

Öffnet ein Syntax-Fenster.

E Geben Sie die Befehlssyntax für den Befehl CONJOINT ein.

E Markieren Sie den Befehl im Syntaxfenster und klicken Sie in der Symbolleiste des Syntax-Editorsauf die Schaltfläche “Ausführen” (das nach rechts weisende Dreieck).

Weitere Informationen zum Ausführen von Befehlen im Syntaxfenster finden Sie imBenutzerhandbuch zum Core-System.

Voraussetzungen

Die Prozedur “Conjoint” erfordert zwei Dateien (eine Datendatei und eine Plandatei) sowie dieAngabe, wie die Daten erfasst wurden (z. B. jeder Datenpunkt ist eine Bewertung von 1 bis 100).Die Plandatei besteht aus einer Gruppe von Produktprofilen, die von den Befragten bewertetwerden sollen. Diese Datei sollte mit der Prozedur Orthogonales Design erzeugen erstellt werden.Die Datendatei enthält Bewertungen oder Ränge dieser Profile von den Befragten. Der Plandateiund die Datendatei werden mit den Unterbefehlen PLAN und DATA angegeben. Die Methode derDatenerfassung wird mit den Unterbefehlen SEQUENCE, RANK oder SCORE angegeben. Diefolgenden Befehlssyntax zeigt eine minimale Spezifikation:

CONJOINT PLAN='CPLAN.SAV' /DATA='RUGRANKS.SAV'/SEQUENCE=PREF1 TO PREF22.

© Copyright SPSS Inc. 1989, 2010 12

Page 19: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

13

Durchführen einer Conjoint-Analyse

Angeben der Plandatei und der Datendatei

Für den Befehl CONJOINT sind verschiedene Optionen zur Angabe der Plandatei und derDatendatei verfügbar.

Sie können die Dateinamen für die beiden Dateien ausdrücklich angeben. Beispiel:

CONJOINT PLAN='CPLAN.SAV' /DATA='RUGRANKS.SAV'

Wenn nur eine Plandatei oder eine Datendatei angegeben wurde, liest der Befehl CONJOINTdie angegebene Datei und verwendet die Arbeitsdatei als die andere Datei. Wenn Sie zumBeispiel eine Datendatei angeben, jedoch die Plandatei auslassen (Sie können nicht beideauslassen), wird die Arbeitsdatei als Plan verwendet, wie im folgenden Beispiel gezeigt wird:

CONJOINT DATA='RUGRANKS.SAV'

Sie können ein Sternchen (*) anstelle eines Dateinamens verwenden, um die Arbeitsdateianzugeben, wie im folgenden Beispiel gezeigt:

CONJOINT PLAN='CPLAN.SAV' /DATA=*

Die Daten in der Arbeitsdatei werden als Bevorzugungsdaten verwendet. Beachten Sie, dassSie das Sternchen (*) nicht gleichzeitig für die Plandatei und die Datendatei verwendenkönnen.

Angeben der Datenerfassungsmethode

Sie müssen angeben, wie die Bevorzugungsdaten erfasst wurden. Die Daten können auf drei Artenerfasst werden: sequenziell, als Ränge oder als Bewertungen. Diese drei Methoden werden durchdie Unterbefehle SEQUENCE, RANK und SCORE angegeben. Sie müssen einen dieser Unterbefehle(und nur einen) als Teil des Befehls CONJOINT angeben.

Unterbefehl SEQUENCE

Mit dem Unterbefehl SEQUENCE wird angegeben, dass die Daten sequentiell erfasst wurden.Hierbei stellt jeder Datenpunkt eine Profilnummer dar, angefangen mit dem bevorzugten Profil biszu dem am wenigsten gewünschten Profil. Dies ist die Art, in der Daten erfasst werden, wenndie Befragten gebeten werden, die Profile in der Reihenfolge vom bevorzugten bis zu dem amwenigsten gewünschten Profil anzuordnen. Der Forscher zeichnet auf, welche Profilnummerzuerst, welche Profilnummer als zweite usw. genannt wird.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SEQUENCE=PREF1 TO PREF22.

Die Variable PREF1 enthält die Profilnummer für das bevorzugte Profil aus 22 Profilen imorthogonalen Plan. Die Variable PREF22 enthält die Profilnummer für das am wenigstengewünschte Profil im Plan.

Page 20: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

14

Kapitel 4

Unterbefehl RANK

Der Unterbefehl RANK zeigt an, dass jeder Datenpunkt ein Rang ist, beginnend mit dem Rang vonProfil 1, gefolgt vom Rang von Profil 2 usw. Dies ist die Art, in der Daten erfasst werden, wenndie Befragten geben werden, jedem Profil einen Rang von 1 bis n zuzuordnen, wobei n die Anzahlder Profile darstellt. Ein niedriger Rang bedeutet eine größere Bevorzugung.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22.

Die Variable RANK1 enthält die Ränge von Profil 1 aus insgesamt 22 Profilen im orthogonalenPlan. Die Variable RANK22 enthält die Ränge von Profil 22.

Unterbefehl SCORE

Der Unterbefehl SCORE bedeutet, dass jeder Datenpunkt eine den Profilen zugewiesene Bewertungist, beginnend mit der Bewertung von Profil 1, gefolgt von der Bewertung von Profil 2 usw.Diese Art von Daten kann zum Beispiel erzeugt werden, indem die Befragten gebeten werden,eine Zahl von 1 bis 100 zuzuweisen, um damit zu zeigen, wie sehr sie das Profil mochten. Einhoher Wert bedeutet eine größere Bevorzugung.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SCORE=SCORE1 TO SCORE22.

Die Variable SCORE1 enthält die Bewertung für Profil 1, und die Variable SCORE22 enthältdie Bewertung für Profil 22.

Optionale Unterbefehle

Der Befehl CONJOINT bietet eine Anzahl von optionalen Unterbefehlen, die zusätzlicheKontrollmöglichkeiten und Funktionen über das minimal erforderliche Maß hinaus geben.

Unterbefehl SUBJECT

Der Unterbefehl SUBJECT ermöglicht Ihnen, eine Variable aus der Datendatei anzugeben, dieals ID-Variable für die Befragten verwendet wird. Wenn Sie keine Variable für die Befragtenangeben, wird im Befehl CONJOINT angenommen, dass alle Fälle in der Datendatei vom selbenBefragten stammen. Im folgenden Beispiel wird angegeben, dass die Variable ID aus der Dateirugranks.sav als ID-Variable für die Befragten verwendet wird.

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/SCORE=SCORE1 TO SCORE22 /SUBJECT=ID.

Page 21: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

15

Durchführen einer Conjoint-Analyse

Unterbefehl FACTORS

Mit dem Unterbefehl FACTORS kann das Modell angegeben werden, das die erwartete Beziehungzwischen Faktoren und Rängen oder Bewertungen beschreibt. Wenn Sie für einen Faktor keinModell angeben, wird im Befehl CONJOINT ein diskretes Modell angenommen. Sie könneneins von vier möglichen Modellen angeben:

DISCRETE. Das Modell DISCRETE bedeutet, dass die Faktorstufen kategorial sind und dass keineAnnahme über die Beziehung zwischen Faktore und den Bewertungen oder Rängen getroffenwird. Dies ist die Standardeinstellung.

LINEAR. Das Modell LINEAR zeigt eine lineare Beziehung zwischen dem Faktor und denBewertungen oder Rängen an. Sie können die erwartete Richtung der linearen Beziehungmit den Schlüsselwörtern MORE und LESS angeben. MORE zeigt die Erwartung an, dasshöhere Faktorstufen bevorzugt werden, während LESS die Erwartung anzeigt, dass niedrigereFaktorstufen bevorzugt werden. Die Angabe von MORE oder LESS beeinträchtigt nicht dieSchätzungen des Nutzens. Sie dienen lediglich dazu, Befragte hervorzuheben, deren Schätzwertenicht der erwarteten Richtung entsprechen.

IDEAL. Das Modell IDEAL kennzeichnet eine quadratische Beziehung zwischen den Bewertungenoder Rängen und dem Faktor. Es wird angenommen, dass eine ideale Faktorstufe vorhanden ist.Die Distanz von diesem Idealpunkt (in beide Richtungen) wird in Zusammenhang mit einerabnehmenden Bevorzugung gesehen. Faktoren, die mit diesem Modell beschrieben werden,sollten mindestens drei Stufen aufweisen.

ANTIIDEAL. Mit dem Modell ANTIIDEAL wird eine quadratische Beziehung zwischen denBewertungen oder Rängen und dem Faktor angegeben. Es wird angenommen, dass eineschlechteste Faktorstufe vorhanden ist. Die Distanz von diesem Punkt (in beide Richtungen) wirdin Zusammenhang mit einer zunehmenden Bevorzugung gesehen. Faktoren, die mit diesemModell beschrieben werden, sollten mindestens drei Stufen aufweisen.

Die folgende Befehlssyntax veranschaulicht den Unterbefehl FACTORS:

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/FACTORS=PACKAGE BRAND (DISCRETE) PRICE (LINEAR LESS)

SEAL (LINEAR MORE) MONEY (LINEAR MORE).

Beachten, dass sowohl package als auch brand als diskret modelliert sind.

Unterbefehl PRINT

Mit dem Unterbefehl PRINT können Sie den Umfang der tabellarischen Ausgabe festlegen. Wennzum Beispiel eine große Anzahl von Befragten vorliegt, können die Ausgabe auf eine Auswertungeinschränken und Einzelheiten auslassen, wie im folgenden Beispiel gezeigt:

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PRINT=SUMMARYONLY.

Sie können auch auswählen, ob die Ausgabe die Analyse der experimentellen Daten, dieErgebnisse für Simulationsfälle in der Plandatei, beides oder keins dieser beiden enthält. DieSimulationsfälle werden nicht von den Befragten bewertet, stellen jedoch Produktprofile von

Page 22: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

16

Kapitel 4

Interesse dar. Die Prozedur “Conjoint” verwendet die Analyse der experimentellen Daten, um fürjede der Simulationsprofile Vorhersagen über die relative Bevorzugung zu machen. Im folgendenBeispiel wird die detaillierte Ausgabe für jeden Befragten unterdrückt, und die Ausgabe wird aufdie Ergebnisse der Simulationen beschränkt:

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PRINT=SIMULATION SUMMARYONLY.

Unterbefehl PLOT

Mit dem Unterbefehl PLOT legen Sie fest, ob Diagramme ausgegeben werden. Wie bei dertabellarischen Ausgabe (Unterbefehl PRINT) können Sie wählen, ob nur Auswertungen oderEinzelergebnisse für die Befragten ausgegeben werden sollen. In der Standardeinstellungwerden keine Diagramme erzeugt. Im folgenden Beispiel werden alle verfügbaren Diagrammeausgegeben:

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/PLOT=ALL.

Unterbefehl UTILITY

Mit dem Unterbefehl UTILITY wird eine IBM® SPSS® Statistics-Datendatei geschrieben, diedetaillierte Informationen für jeden Befragten enthält. Dies umfasst die Nutzenwerte für dieFaktoren vom Typ DISCRETE, die Steigung und die quadratischen Funktionen für die Faktorenvom Typ LINEAR, IDEAL und ANTIIDEAL, die Regressionskonstante und die geschätztenVorzugswerte. Diese Werte können in einer späteren Analyse oder zum Erzeugen von zusätzlichenDiagrammen mit weiteren Prozeduren verwendet werden. IM folgenden Beispiel wird eine Dateider Nutzenwerte mit dem Namen rugutil.sav erstellt:

CONJOINT PLAN=* /DATA='RUGRANKS.SAV'/RANK=RANK1 TO RANK22 /SUBJECT=ID/UTILITY='RUGUTIL.SAV'.

Page 23: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Teil II:Beispiele

Page 24: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Kapitel

5Modellieren der Präferenz einesTeppichreinigermodells mithilfe derConjoint-Analyse

In einem beliebten Beispiel für die Conjoint-Analyse möchte die Firma (Green als auch Wind,1973) einen neuen Teppichreiniger vermarkten und dazu den Einfluss von fünf Faktoren auf dieBevorzugung durch den Verbraucher untersuchen: Verpackungsgestaltung, Markenname, Preis,Gütesiegel Good Housekeeping und Geld-zurück-Garantie. Die Verpackungsgestaltung setzt sichaus drei Faktorenebenen zusammen, die sich durch die Position der Auftragebürste unterscheiden.Außerdem gibt es drei Markennamen (K2R, Glory und Bissell), drei Preisstufen sowie je zweiEbenen (Nein oder Ja) für die letzten beiden Faktoren. Die nachstehende Tabelle zeigt dieVariablen in der Teppichreiniger-Untersuchung mit den zugehörigen Beschriftungen und Werten.

Tabelle 5-1Variablen in der Teppichreiniger-Untersuchung

Variablenname Variablenlabel Wertelabel

package package design A*, B*, C*

brand brand name K2R, Glory, Bissell

price price $1.19, $1.39, $1.59

seal Good Housekeeping seal Nein, Ja

money money-back guarantee Nein, Ja

Es könnte weitere Faktoren und Faktorenstufen geben, die Teppichreiniger charakterisieren, dieGeschäftsleitung möchte jedoch nur die genannten untersuchen. Dies ist ein sehr wichtiger Aspektder Conjoint-Analyse. Sie möchten nur die Faktoren auswählen (unabhängige Variablen), vondenen Sie annehmen, dass sie die Präferenzen der Befragten (abhängige Variable) in besonderemMaße beeinflussen. Mit der Conjoint-Analyse entwickeln Sie auf der Grundlage dieser fünfFaktoren ein Modell für die Präferenzen der Verbraucher.In diesem Beispiel werden die Daten in den folgenden Datendateien verwendet:

carpet_prefs.sav enthält die Daten der Befragung, carpet_plan.sav enthält die untersuchtenProduktprofile, conjoint.sps enthält die zum Ausführen der Analyse benötigte Befehlssyntax. Fürweitere Informationen siehe Thema Beispieldateien in Anhang A in IBM SPSS Conjoint 19.

© Copyright SPSS Inc. 1989, 2010 18

Page 25: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

19

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

Erzeugen eines orthogonalen Designs

Bei der Conjoint-Analyse müssen zunächst die Faktorstufenkombinationen erstellt werden, dieden Befragen als Produktprofile vorgegeben werden. Da bereits eine geringe Anzahl von Faktorenund Faktorstufen eine überwältigende Anzahl möglicher Produktprofile ergibt, müssen Sie einerepräsentative Teilmenge erzeugen, die als orthogonales Feld bezeichnet wird.Das orthogonale Feld, auch als orthogonales Design bezeichnet, wird mit der Prozedur

“Orthogonales Design erzeugen” erstellt, wobei die Daten in einer Datendatei gespeichert werden.Im Gegensatz zu den meisten Prozeduren ist vor dem Ausführen der Prozedur “OrthogonalesDesign erzeugen” keine Arbeitsdatei erforderlich. Wenn Sie keine Arbeitsdatei haben, könnenSie über die Optionen in den Dialogfeldern eine Arbeitsdatei erstellen und Variablenname,Variablenlabels sowie Wertelabels erzeugen. Wenn Sie bereits eine Arbeitsdatei haben, könnenSie diese entweder ersetzen oder das orthogonale Design als eigene Datendatei speichern.

So erzeugen Sie ein orthogonales Design:

E Wählen Sie die folgenden Befehle aus den Menüs aus:Daten > Orthogonales Design > Erzeugen...

Abbildung 5-1Dialogfeld “Orthogonales Design erzeugen”

E Geben Sie in das Textfeld “Faktorname” package (Verpackung) und in das Textfeld “Faktorlabel”package design (Verpackungsgestaltung) ein.

E Klicken Sie auf Hinzufügen.

Dadurch wird ein Element mit dem Label package ‘package design’ (?) erzeugt. MarkierenSie dieses Element.

E Klicken Sie auf Werte definieren.

Page 26: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

20

Kapitel 5

Abbildung 5-2Dialogfeld “Design erzeugen: Werte definieren”

E Geben Sie die Werte 1, 2 und 3 ein, die die Verpackungsgestaltungen A*, B* und C* repräsentieren.Geben Sie die Labels A*, B* und C* ein.

E Klicken Sie auf Weiter.

Wiederholen Sie diesen Vorgang nun für die weiteren Faktoren, brand, price, seal und money.Verwenden Sie hierfür die Werte und Labels aus der folgenden Tabelle, die auch die Werte enthält,die Sie bereits für package eingegeben haben.

Faktorname Faktorlabel Werte Beschriftungen

package package design 1, 2, 3 A*, B*, C*

brand brand name 1, 2, 3 K2R, Glory, Bissell

price price 1.19, 1.39, 1.59 $1.19, $1.39, $1.59

seal Good Housekeeping seal 1, 2 Nein, Ja

money money-back guarantee 1, 2 Nein, Ja

Fahren Sie nach der Definition der Faktoren folgendermaßen fort:

E Belassen Sie in der Gruppe “Datendatei” den Standardwert Neues Datenblatt erzeugen und gebenSie einen Namen ein. Das erzeugte Design wird in das neue Daten-Set in der aktuellen Sitzungmit dem angegebenen Namen gespeichert.

E Wählen Sie Startwert für Zufallszahlen zurücksetzen auf aus und geben Sie den Wert 2000000 ein.

Zum Erzeugen eines orthogonalen Designs benötigen Sie ein Set von Zufallszahlen. Wenn Sie einDesign duplizieren möchten, in diesem Fall das für die vorliegende Untersuchung verwendeteDesign, müssen Sie den Startwert vor der Generierung des Designs festlegen und bei jederweiteren Generierung des Designs wieder auf den gleichen Wert zurücksetzen. Das Design für dievorliegende Untersuchung wurde mit einem Startwert von 2000000 generiert.

Page 27: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

21

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

E Klicken Sie auf Optionen.

Abbildung 5-3Dialogfeld “Orthogonales Design erzeugen: Optionen”

E Geben Sie im Textfeld Mindestanzahl von Fällen den Wert 18 ein.

In der Standardeinstellung wird die erforderliche Mindestanzahl für eine orthogonale Anordnunggeneriert. Die Prozedur bestimmt die Anzahl von Fällen, die zum Schätzen der Nutzenwerteerforderlich sind. Sie können auch, wie in diesem Fall, eine Mindestanzahl von zu generierendenFällen angeben. Dies empfiehlt sich beispielsweise, wenn die Standard-Mindestanzahl von Fällenzu klein für sinnvolle Ergebnisse ist oder ihre Untersuchung so angelegt ist, dass eine bestimmteMindestanzahl von Fällen erforderlich ist.

E Wählen Sie Anzahl der Prüffälle aus und geben Sie den Wert 4 ein.

Prüffälle werden durch die Befragten bewertet, jedoch nicht verwendet, wenn mit der Prozedur“Conjoint” Nutzenwerte geschätzt werden. Mit den Prüffällen wird die Gültigkeit der geschätztenNutzenwerte überprüft. Prüffälle werden anhand eines anderen Zufallsplans und nicht anhand desexperimentellen orthogonalen Plans erzeugt.

E Klicken Sie im Dialogfeld “Orthogonales Design erzeugen: Optionen” auf Weiter.

E Klicken Sie im Dialogfeld “Orthogonales Design erzeugen” auf OK.

Abbildung 5-4Orthogonales Design für das Beispiel “Teppichreiniger”

Das orthogonale Design wird im Daten-Editor angezeigt. Lassen Sie sich am besten dieWertelabels statt der eigentlichen Datenwerte anzeigen. Wählen Sie hierfür im Menü “Ansicht”die Option Wertelabels aus.Die Variablen in der Datendatei sind die Faktoren, mit denen das Design festgelegt wird.

Jeder Fall repräsentiert ein Produktprofil im Design. Beachten Sie, dass die Datendateizwei weitere Variablen enthält: CARD_ und STATUS_. Mit CARD_ wird jedem Profil eine

Page 28: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

22

Kapitel 5

fortlaufende Nummer zugewiesen, die das Profil bezeichnet. STATUS_ gibt an, ob ein Profil zumexperimentellen Design gehört (die ersten 18 Fälle) oder ein Prüffall (die letzten 4 Fälle) bzw. einSimulationsfall ist. (Dies wird später in einem anderen Thema in dieser Untersuchung behandelt.)Das orthogonale Design wird als Eingabe für die Analyse der Daten benötigt. Das Design

muss daher als Datendatei gespeichert werden. Um Ihnen den Vorgang zu erleichtern, wurde dasaktuelle Design bereits in der Datei carpet_plan.sav gespeichert. (Orthogonale Designs werdenauch als Pläne bezeichnet.)

Erstellen der experimentellen Stimuli: Anzeigen des Designs

Nach der Erstellung eines orthogonalen Designs können Sie mit diesem die Produktprofileerstellen, die von den Befragten bewertet werden sollen. Sie können alle Profile in einer Tabelleauflisten oder jedes Profil in einer eigenen Tabelle anzeigen.

So zeigen Sie ein orthogonales Design an:

E Wählen Sie die folgenden Befehle aus den Menüs aus:Daten > Orthogonales Design > Anzeigen...

Abbildung 5-5Dialogfeld “Design anzeigen”

E Wählen Sie als Faktoren package, brand, price, seal und money aus.

Die in den Variablen STATUS_ und CARD_ enthaltenen Informationen werden automatisch in dieAusgabe eingeschlossen und müssen daher nicht ausgewählt werden.

E Wählen Sie im Gruppenfeld “Format” die Option Liste für den Experimentator aus. Das gesamteorthogonale Design wird dann in einer einzigen Tabelle angezeigt.

E Klicken Sie auf OK.

Page 29: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

23

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

Abbildung 5-6Anzeige des orthogonalen Designs: in einer Tabelle

Die Ausgabe ähnelt dem im Daten-Editor angezeigten orthogonalen Design: Jede Zeile enthältein Profil und die Faktoren bilden die Spalten. Beachten Sie jedoch, dass die Spaltenköpfe dieVariablenlabels, nicht die im Daten-Editor angezeigten Variablennamen enthalten. Die Prüffällesind zudem mit einer Fußnote bezeichnet. Dies ist zwar für den Untersucher interessant, aber Siemöchten sicherlich verhindern, dass die Befragten erfahren, welche Fälle Prüffälle sind (sofernvorhanden).Diese Tabelle sollte, je nach Erstellung und Ausgabe der endgültigen Produktprofile, als

HTML-, Word/RTF-, Excel- oder PowerPoint-Datei gespeichert werden. Klicken Sie hierfüreinfach im Viewer mit der rechten Maustaste auf die Tabelle und wählen Sie Exportieren aus.Wenn Sie die endgültigen Produktprofile aus der exportierten Version erstellen, müssen Sieunbedingt darauf achten, die Fußnoten der Prüffälle zu entfernen.Möglicherweise erzielen Sie bessere Ergebnisse, wenn Sie für jedes Produktprofil eine eigene

Tabelle generieren. In diesem Fall bietet sich der Export nach PowerPoint an, da jede Tabelle(Produktprofil) auf einer eigenen PowerPoint-Folie angezeigt wird.

So zeigen Sie jedes Profil in einer eigenen Tabelle an:

E Klicken Sie auf die Schaltfläche “Zuletzt verwendete Dialogfelder” und wählen Sie Design

anzeigen aus.

E Deaktivieren Sie Liste für den Experimentator, und aktivieren Sie Profile für Subjekte.

E Klicken Sie auf OK.

Page 30: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

24

Kapitel 5

Abbildung 5-7Anzeige des orthogonalen Designs: in mehreren Tabellen

Die Informationen für die einzelnen Produktprofile werden jeweils in einer eigenen Tabelleangezeigt. Darüber hinaus sind die Prüffälle nicht als solche gekennzeichnet, es muss daher keinBezeichner entfernt werden, wie dies bei der Darstellung in einer einzigen Tabelle erforderlich ist.

Durchführen der AnalyseSie haben das orthogonale Design generiert und erfahren, wie die zugeordneten Produktprofileangezeigt werden. Nun können Sie sich mit dem Ausführen der Conjoint-Analyse befassen.

Abbildung 5-8Präferenzdaten für das Beispiel “Teppichreiniger”

Die bei den Befragten erfassten Präferenzdaten werden in der Datei carpet_prefs.sav gespeichert.Die Daten umfassen Antworten von 10 Befragten, die jeweils mit einem eindeutigen Wert derVariablen ID bezeichnet sind. Die Befragten wurden gebeten, die 22 Produktprofile in derReihenfolge ihrer Präferenzen einzustufen. Die Variablen PREF1 bis PREF22 enthalten die IDsder zugeordneten Produktprofile, d. h. die Karten-IDs aus der Datei carpet_plan.sav. Befragter 1hat beispielsweise Profil 13 als am meisten bevorzugtes Objekt eingestuft, PREF1 weist daherden Wert 13 auf.Für die Analyse der Daten muss die Befehlssyntax verwendet werden, insbesondere der Befehl

CONJOINT. Die erforderliche Befehlssyntax steht in der Datei conjoint.sps zur Verfügung.

CONJOINT PLAN='Dateispezifikation'/DATA='Dateispezifikation'/SEQUENCE=PREF1 TO PREF22./SUBJECT=ID

Page 31: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

25

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

/FACTORS=PACKAGE BRAND (DISCRETE)PRICE (LINEAR LESS)SEAL (LINEAR MORE) MONEY (LINEAR MORE).

/PRINT=SUMMARYONLY.

Mit dem Unterbefehl PLAN wird die Datei angegeben, die das orthogonale Design enthält,im vorliegenden Beispiel carpet_plan.sav.

Mit dem Unterbefehl DATA wird die Datei angegeben, die die Präferenzdaten enthält, imvorliegenden Beispiel carpet_prefs.sav. Wenn Sie die Präferenzdaten als Arbeitsdateiauswählen, können Sie die Angabe der Datei durch ein Sternchen (*) ersetzen (ohne dieAnführungszeichen).

Mit dem Unterbefehl SEQUENCE wird angegeben, dass jeder Datenpunkt in denPräferenzdaten eine Profilnummer ist, wobei mit dem beliebtesten Profil begonnen und mitdem unbeliebtesten geendet wird.

Mit dem Unterbefehl SUBJECT wird angegeben, dass die Variable ID die Befragten bezeichnet.

Mit dem Unterbefehl FACTORS wird ein Modell angegeben, dass die erwartete Beziehungzwischen den Präferenzdaten und den Faktorstufen beschreibt. Die angegebenen Faktorenbeziehen sich auf die Variablen, die in der im Unterbefehl PLAN angegebenen Plandateidefiniert wurden.

Das Schlüsselwort DISCRETE wird verwendet, wenn die Faktorstufen kategorial sind undkeine Annahme über die Beziehung zwischen den Stufen und den Daten gemacht wird. Diesist bei den Faktoren package und brand der Fall, die die Verpackungsgestaltung bzw. denMarkennamen repräsentieren. DISCRETE wird angenommen, wenn ein Faktor nicht miteiner der vier Alternativen beschriftet ist (DISCRETE, LINEAR, IDEAL, ANTIIDEAL) odernicht im Unterbefehl FACTORS enthalten ist.

Mit dem für die verbleibenden Faktoren verwendeten Schlüsselwort LINEAR wird dieErwartung angegeben, dass die Daten sich linear zu dem Faktor verhalten. So wird allgemeinerwartet, dass sich die Präferenz linear zum Preis verhält. Mit den Schlüsselwörtern IDEALund ANTIIDEAL können auch quadratische Modelle angegeben werden (im vorliegendenBeispiel nicht verwendet).

Mit den auf LINEAR folgenden Schlüsselwörtern MORE und LESS wird eine erwarteteRichtung für die Beziehung angegeben. Da eine höhere Präferenz niedriger Preise erwartetwird, wird für price das Schlüsselwort LESS verwendet. Umgekehrt wird für das GoodHousekeeping-Gütesiegel oder die Geld-zurück-Garantie eine höhere Präferenz erwartet,daher wird für seal und money das Schlüsselwort MORE verwendet. (Die Stufen für beideFaktoren wurden auf 1 für Nein und auf 2 für Ja gesetzt.)

Durch die Angabe von MORE oder LESS werden weder die Vorzeichen der Koeffizientengeändert noch die Schätzer der Nutzenwerte beeinflusst. Mit diesen Schlüsselwörtern werdeneinfach nur Befragte bezeichnet, deren Schätzer nicht der erwarteten Richtung entsprechen.Entsprechend wirkt sich auch die Auswahl von IDEAL anstelle von ANTIIDEAL (oderumgekehrt) nicht auf die Koeffizienten oder Nutzenwerte aus.

Mit dem Unterbefehl PRINT wird angegeben, dass die Ausgabe nur Informationen fürdie Befragtengruppe als Ganzes enthält (Schlüsselwort SUMMARYONLY). Die separatenInformationen für die einzelnen Befragten werden unterdrückt.

Page 32: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

26

Kapitel 5

Versuchen Sie, diese Befehlssyntax auszuführen. Achten Sie darauf, dass gültige Pfade zu denDateien carpet_prefs.sav und carpet_plan.sav angegeben sind. Eine vollständige Beschreibungsämtlicher Optionen finden Sie unter dem Befehl CONJOINT in der Command Syntax Reference.

NutzenwerteAbbildung 5-9Nutzenwerte

In dieser Tabelle werden die Nutzenwerte (Teilnutzenwerte) und die zugehörigen Standardfehlerfür die einzelnen Faktorenstufen dargestellt. Höhere Nutzenwerte geben eine höhere Präferenz an.Wie erwartet, gibt es eine inverse Beziehung zwischen Preis und Nutzen, wobei höhere Preisemit einem niedrigeren Nutzen einhergehen. (Höhere negative Werte bedeuten einen niedrigerenNutzen.) Wie ebenfalls zu erwarten war, führt ein Gütesiegel oder eine Geld-zurück-Garantiezu einem höheren Nutzen.Da sämtliche Nutzenwerte in einer gemeinsamen Einheit ausgedrückt werden, können sie

zum Gesamtnutzen addiert werden. Beispiel: Der Gesamtnutzen eines Reinigers mit derVerpackungsgestaltung (package design) B*, der Marke (brand) K2R und dem Preis (price) $1.19,der weder Gütesiegel (seal of approval) noch Geld-zurück-Garantie (money-back guarantee)bietet, errechnet sich wie folgt:

utility(package B*) + utility(K2R) + utility($1.19)

+ utility(no seal) + utility(no money-back) + constant

oder

1.867 + 0.367 + (−6.595) + 2.000 + 1.250 + 12.870 = 11.759

Würde der Reiniger die Verpackungsgestaltung (package design) C*, die Marke (brand) Bissell,den Preis (price) $1.59, ein Gütesiegel (seal of approval) und Geld-zurück-Garantie (money-backguarantee) aufweisen, errechnet sich der Gesamtnutzen wie folgt:

0.367 + (−0.017) + (−8.811) + 4.000 + 2.500 + 12.870 = 10.909

Page 33: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

27

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

Koeffizienten

Abbildung 5-10Koeffizienten

In dieser Tabelle werden die Koeffizienten für die lineare Regression für die Faktoren dargestellt,die als LINEAR angegeben wurden. (Bei Modellen vom Typ IDEAL oder ANTIIDEAL wärenoch ein quadratischer Term vorhanden.) Der Nutzen für eine bestimmte Faktorstufe wird durchMultiplizieren der Stufe mit dem Koeffizienten ermittelt. Beispiel: Der vorhergesagte Nutzenfür einen Preis von $1,19 würde in der Nutzentabelle als −6,595 aufgeführt. Dies errechnet sicheinfach durch Multiplizieren des Preisstufenwerts 1,19 mit dem Preiskoeffizienten −5,542.

Relative Wichtigkeit

Die Rangfolge der Nutzenwerte (höchster Wert bis niedrigster Wert) für die einzelnen Faktorenbietet ein Maß für die Wichtigkeit des Faktors für die Gesamtpräferenz. Faktoren mit höheremNutzenwert sind wichtiger als Faktoren mit niedrigerem Nutzenwert.

Abbildung 5-11Wichtigkeitswerte

Dieser Tabelle können Sie ein Maß für die relative Wichtigkeit der einzelnen Faktoren entnehmen,das alsWichtigkeits-Wert oder -Maß bezeichnet wird. Die Werte errechnen sich, indem für jedeneinzelnen Faktor der Nutzenbereich durch die Summe der Nutzenbereiche für alle Faktorendividiert wird. Die Werte stellen somit Prozentsätze dar und lassen sich zu einem Gesamtwert von100 addieren. Die Berechnungen erfolgen für jeden Befragten separat und die Ergebnisse werdendann für alle Befragten gemittelt.Beachten Sie dabei Folgendes: Die Gesamtnutzenwerte und Regressionskoeffizienten von

orthogonalen Designs sind sowohl mit als auch ohne den Unterbefehl SUBJECT gleich, dieWichtigkeiten hingegen unterscheiden sich in der Regel. Bei Gesamtergebnissen ohne UnterbefehlSUBJECT können die Wichtigkeiten direkt aus den Gesamtnutzenwerten errechnet werden, genauwie bei einzelnen Befragten. Wird jedoch ein Unterbefehl SUBJECT verwendet, werden dieWichtigkeiten für die einzelnen Befragten gemittelt. Diese gemittelten Werte entsprechen nichtunbedingt den Werten, die anhand der Gesamtnutzenwerte berechnet werden.

Page 34: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

28

Kapitel 5

Aus den Ergebnissen können Sie erkennen, dass die Verpackungsgestaltung (package design)den größten Einfluss auf die Gesamtpräferenz hat. Das bedeutet, dass ein großer Unterschied inder Präferenz für Produktprofile mit der beliebtesten und denen mit der unbeliebtesten Verpackungbesteht. Außerdem zeigt sich in den Ergebnissen, dass eine Geld-zurück-Garantie (money-backguarantee) die geringste Bedeutung für die Gesamtpräferenz hat. Der Preis (price) spielt einewichtige Rolle, ist jedoch nicht so wichtig wie die Verpackungsgestaltung (package design). Daskann darin liegen, dass die Preise nicht besonders weit auseinanderliegen.

KorrelationenAbbildung 5-12Korrelationskoeffizienten

In dieser Tabelle werden die beiden Statistiken Pearson-R und Kendall-Tau dargestellt, die Maßefür die Korrelation zwischen den beobachteten und geschätzten Präferenzen bieten.Darüber hinaus wird in der Tabelle Kendall-Tau nur für die Prüfprofile aufgeführt. Wie

bereits erwähnt, wurden die Prüfprofile (vier im vorliegenden Beispiel) von den Befragtenbewertet, von der Prozedur “Conjoint” jedoch nicht zum Schätzen des Nutzens verwendet. DieProzedur “Conjoint” berechnet für diese Prüfprofile stattdessen die Korrelationen zwischen denbeobachteten und den vorhergesagten Rangordnungen, um die Gültigkeit der Nutzenwertezu überprüfen.In der Conjoint-Analyse ist die Anzahl der Parameter häufig ähnlich der Anzahl der bewerteten

Profile. Dies treibt die Korrelation zwischen den beobachteten und den geschätzten Wertenkünstlich in die Höhe. In solchen Fällen kann die Anpassung des Modells möglicherweise besseranhand der Prüfprofile bewertet werden. Bedenken Sie dabei jedoch, dass Prüfprofile immer einenniedrigeren Korrelationskoeffizienten erzeugen.

Umkehrungen

Wenn für price, seal und money Modelle vom Typ LINEAR angegeben werden, wird für dielineare Beziehung zwischen dem Wert der Variablen und der Präferenz für diesen Wert eineerwartete Richtung ausgewählt (LESS oder MORE). Die Conjoint-Analyse erfasst die Anzahl derBefragten, deren Präferenz das Gegenteil der erwarteten Beziehung aufweist, beispielsweise einegrößere Präferenz für höhere Preise oder eine geringere Präferenz für eine Geld-zurück-Garantie.Solche Fälle werden als Umkehrungen bezeichnet.

Page 35: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

29

Modellieren der Präferenz eines Teppichreinigermodells mithilfe der Conjoint-Analyse

Abbildung 5-13Anzahl von Umkehrungen nach Faktor und Befragtem

In dieser Tabelle wird die Anzahl der Umkehrungen für die einzelnen Faktoren und Befragtenaufgeführt. Bei drei Befragten zeigt sich beispielsweise eine Umkehrung für price (Preis). Dasbedeutet, dass sie die Produktprofile mit höheren Preisen bevorzugten.

Ausführen von Simulationen

Die besondere Stärke der Conjoint-Analyse liegt in der Möglichkeit, die Präferenz fürProduktprofile vorherzusagen, die von den Befragten nicht bewertet wurden. Solche Fälle werdenals Simulationsfälle bezeichnet. Simulationsfälle werden zusammen mit den Profilen aus demorthogonalen Design und den Prüfprofilen (sofern vorhanden) als Teil des Plans aufgenommen.Sie werden am einfachsten über den Daten-Editor eingegeben, wobei die Variablenlabel

verwendet werden, die beim Generieren des experimentellen Designs erstellt wurden.

So geben Sie einen Simulationsfall in die Plandatei ein:

E Markieren Sie in einer neuen Zeile im Fenster des Daten-Editors eine Zelle und wählen Sieden gewünschten Wert aus der Liste aus. (Wählen Sie zum Anzeigen der Wertelabels im Menü“Ansicht” den Befehl Wertelabels aus.) Wiederholen Sie diesen Vorgang für alle Variablen(Faktoren).

E Wählen Sie Simulation für den Wert der Variablen STATUS_ aus.

E Geben Sie für die Variable CARD_ einen ganzzahligen Wert ein, der als ID verwendet wird.Simulationsfälle sollten getrennt von den anderen Fällen nummeriert werden.

Page 36: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

30

Kapitel 5

Abbildung 5-14Daten für Teppichreiniger einschließlich der Simulationsfälle

In der Abbildung wird ein Teil der Plandatei für die Teppichreiniger-Untersuchung dargestellt, derzwei Simulationsfälle hinzugefügt wurden. Um Ihnen den Vorgang zu erleichtern, wurden diesebereits in die Datei carpet_plan.sav aufgenommen.Die Simulationsfälle werden anhand der zuvor bereits verwendeten Befehlssyntax analysiert,

d. h. der Syntax in der Datei conjoint.sps. Wenn Sie die bereits beschriebene Syntax ausführen,werden Sie bemerken, dass die Ausgabe auch Ergebnisse für die Simulationsfälle enthält, da diesesich bereits in der Datei carpet_plan.sav befinden.Sie können die Simulationen, wie in diesem Beispiel, zusammen mit der ersten Analyse oder

zu einem beliebigen späteren Zeitpunkt ausführen, indem Sie Simulationsfälle in Ihre Plandateieinfügen und CONJOINT erneut ausführen. Weitere Informationen hierzu finden Sie unter demBefehl CONJOINT in der Command Syntax Reference.

Bevorzugungswahrscheinlichkeiten für SimulationenAbbildung 5-15Simulationsergebnisse

In dieser Tabelle werden die vorhergesagten Wahrscheinlichkeiten für die Situation aufgeführt,dass die einzelnen Simulationsfälle unter drei verschiedenen zur Wahl gestellten Modellen alsam meisten bevorzugtes Profil ausgewählt werden. Beim Maximalnutzenmodell wird dieWahrscheinlichkeit bestimmt, indem die Anzahl von Befragten, für die die Auswahl des Profilsvorhergesagt wird, durch die Gesamtanzahl der Befragten dividiert wird. Die vorhergesagteAuswahl für die einzelnen Befragten ist einfach das Profil mit dem größten Gesamtnutzen. BeimBradley-Terry-Luce-(BTL-)Modell wird die Wahrscheinlichkeit als das Verhältnis des Nutzenseines Profils zum Nutzen aller Simulationsprofile bestimmt, das für alle Befragten gemitteltwird. Das Logit-Modell ähnelt dem BTL, anstelle der Nutzenwerte wird jedoch der natürlicheLogarithmus der Nutzenwerte verwendet. Alle drei Modelle ergeben für die 10 Befragten in dieserUntersuchung, dass das Simulationsprofil 2 bevorzugt werden würde.

Page 37: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Anhang

ABeispieldateien

Die zusammen mit dem Produkt installierten Beispieldateien finden Sie im UnterverzeichnisSamples des Installationsverzeichnisses. Für jeder der folgenden Sprachen gibt es einen eigenenOrdner innerhalb des Unterverzeichnisses “Samples”: Englisch, Französisch, Deutsch, Italienisch,Japanisch, Koreanisch, Polnisch, Russisch, Vereinfachtes Chinesisch, Spanisch und TraditionellesChinesisch.

Nicht alle Beispieldateien stehen in allen Sprachen zur Verfügung. Wenn eine Beispieldateinicht in einer Sprache zur Verfügung steht, enthält der jeweilige Sprachordner eine englischeVersion der Beispieldatei.

Beschreibungen

Im Folgenden finden Sie Kurzbeschreibungen der in den verschiedenen Beispielen in derDokumentation verwendeten Beispieldateien.

accidents.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umeine Versicherungsgesellschaft geht, die alters- und geschlechtsabhängige Risikofaktorenfür Autounfälle in einer bestimmten Region untersucht. Jeder Fall entspricht einerKreuzklassifikation von Alterskategorie und Geschlecht.

adl.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um Bemühungengeht, die Vorteile einer vorgeschlagenen Therapieform für Schlaganfallpatienten zu ermitteln.Ärzte teilten weibliche Schlaganfallpatienten nach dem Zufallsprinzip jeweils einer von zweiGruppen zu. Die erste Gruppe erhielt die physische Standardtherapie, die zweite erhielteine zusätzliche Emotionaltherapie. Drei Monate nach den Behandlungen wurden dieFähigkeiten der einzelnen Patienten, übliche Alltagsaktivitäten auszuführen, als ordinaleVariablen bewertet.

advert.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen eines Einzelhändlers geht, die Beziehungen zwischen den in Werbunginvestierten Beträgen und den daraus resultierenden Umsätzen zu untersuchen. Zu diesemZweck hat er die Umsätze vergangener Jahre und die zugehörigen Werbeausgabenzusammengestellt.

aflatoxin.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um Testsvon Maisernten auf Aflatoxin geht, ein Gift, dessen Konzentration stark zwischen undinnerhalb von Ernteerträgen schwankt. Ein Kornverarbeitungsbetrieb hat aus 8 Ernteerträgenje 16 Proben erhalten und das Aflatoxinniveau in Teilen pro Milliarde (parts per billion,PPB) gemessen.

aflatoxin20.sav. Diese Datendatei enthält die Aflatoxinmessungen aus jeder der 16 Stichprobenaus den Erträgen 4 und 8 der Datendatei aflatoxin.sav.

© Copyright SPSS Inc. 1989, 2010 31

Page 38: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

32

Anhang A

anorectic.sav. Bei der Ausarbeitung einer standardisierten Symptomatologieanorektischen/bulimischen Verhaltens führten Forscher (Van der Ham, Meulman, Van Strien,als auch Van Engeland, 1997)) eine Studie mit 55 Jugendlichen mit bekannten Ess-Störungendurch. Jeder Patient wurde vier Mal über einen Zeitraum von vier Jahren untersucht, esfanden also insgesamt 220 Beobachtungen statt. Bei jeder Beobachtung erhielten diePatienten Scores für jedes von 16 Symptomen. Die Symptomwerte fehlen für Patient 71zum Zeitpunkt 2, Patient 76 zum Zeitpunkt 2 und Patient 47 zum Zeitpunkt 3, wodurch 217gültige Beobachtungen verbleiben.

autoaccidents.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umdie Bemühungen eines Versicherungsanalysten geht, ein Modell zur Anzahl der Autounfällepro Fahrer unter Berücksichtigung von Alter und Geschlecht zu erstellen. Jeder Fall stellteinen Fahrer dar und erfasst das Geschlecht des Fahrers, sein Alter in Jahren und die Anzahlder Autounfälle in den letzten fünf Jahren.

band.sav. Diese Datendatei enthält die hypothetischen wöchentlichen Verkaufszahlen vonCDs für eine Musikgruppe. Daten für drei mögliche Einflussvariablen wurden ebenfallsaufgenommen.

bankloan.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen einer Bank geht, den Anteil der nicht zurückgezahlten Kredite zu reduzieren.Die Datei enthält Informationen zum Finanzstatus und demografischen Hintergrund von 850früheren und potenziellen Kunden. Bei den ersten 700 Fällen handelt es sich um Kunden,denen bereits ein Kredit gewährt wurde. Bei den letzten 150 Fällen handelt es sich umpotenzielle Kunden, deren Kreditrisiko die Bank als gering oder hoch einstufen möchte.

bankloan_binning.sav. Hierbei handelt es sich um eine hypothetische Datendatei, dieInformationen zum Finanzstatus und demografischen Hintergrund von 5.000 früheren Kundenenthält.

behavior.sav. In einem klassischen Beispiel ((Price als auch Bouffard, 1974)) wurden 52Schüler/Studenten gebeten, die Kombinationen aus 15 Situationen und 15 Verhaltensweisenauf einer 10-Punkte-Skala von 0 = “ausgesprochen angemessen” bis 9 = “ausgesprochenunangemessen” zu bewerten. Die Werte werden über die einzelnen Personen gemittelt und alsUnähnlichkeiten verwendet.

behavior_ini.sav. Diese Datendatei enthält eine Ausgangskonfiguration für einezweidimensionale Lösung für behavior.sav.

brakes.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieQualitätskontrolle in einer Fabrik geht, die Scheibenbremsen für Hochleistungsautomobileherstellt. Die Datendatei enthält Messungen des Durchmessers von 16 Scheiben aus 8Produktionsmaschinen. Der Zieldurchmesser für die Scheiben ist 322 Millimeter.

breakfast.sav. In einer klassischen Studie ((Green als auch Rao, 1972)) wurden 21MBA-Studenten der Wharton School mit ihren Lebensgefährten darum gebeten, 15Frühstücksartikel in der Vorzugsreihenfolge von 1 = “am meisten bevorzugt” bis 15 = “amwenigsten bevorzugt” zu ordnen. Die Bevorzugungen wurden in sechs unterschiedlichenSzenarien erfasst, von “Overall preference” (Allgemein bevorzugt) bis “Snack, with beverageonly” (Imbiss, nur mit Getränk).

breakfast-overall.sav. Diese Datei enthält die Daten zu den bevorzugten Frühstücksartikeln,allerdings nur für das erste Szenario, “Overall preference” (Allgemein bevorzugt).

Page 39: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

33

Beispieldateien

broadband_1.sav. Hierbei handelt es sich um eine hypothetische Datendatei, die die Anzahl derAbonnenten eines Breitband-Service, nach Region geordnet, enthält. Die Datendatei enthältdie monatlichen Abonnentenzahlen für 85 Regionen über einen Zeitraum von vier Jahren.

broadband_2.sav Diese Datendatei stimmt mit broadband_1.sav überein, enthält jedoch Datenfür weitere drei Monate.

car_insurance_claims.sav. Ein an anderer Stelle ((McCullagh als auch Nelder, 1989))vorgestelltes und analysiertes Daten-Set bezieht sich auf Schadensansprüche für Autos. Diedurchschnittliche Höhe der Schadensansprüche lässt sich mit Gamma-Verteilung modellieren.Dazu wird eine inverse Verknüpfungsfunktion verwendet, um den Mittelwert der abhängigenVariablen mit einer linearen Kombination aus Alter des Versicherungsnehmers, Fahrzeugtypund Fahrzeugalter in Bezug zu setzen. Die Anzahl der eingereichten Schadensansprüche kannals Skalierungsgewicht verwendet werden.

car_sales.sav. Diese Datendatei enthält hypothetische Verkaufsschätzer, Listenpreise undphysische Spezifikationen für verschiedene Fahrzeugfabrikate und -modelle. Die Listenpreiseund physischen Spezifikationen wurden von edmunds.com und Hersteller-Websitesentnommen.

car_sales_uprepared.sav. Hierbei handelt es sich um eine modifizierte Version der Dateicar_sales.sav, die keinerlei transformierte Versionen der Felder enthält.

carpet.sav In einem beliebten Beispiel möchte (Green als auch Wind, 1973) einen neuenTeppichreiniger vermarkten und dazu den Einfluss von fünf Faktoren auf die Bevorzugungdurch den Verbraucher untersuchen: Verpackungsgestaltung, Markenname, Preis, Gütesiegel,Good Housekeeping und Geld-zurück-Garantie. Die Verpackungsgestaltung setzt sich ausdrei Faktorenebenen zusammen, die sich durch die Position der Auftragebürste unterscheiden.Außerdem gibt es drei Markennamen (K2R, Glory und Bissell), drei Preisstufen sowie jezwei Ebenen (Nein oder Ja) für die letzten beiden Faktoren. 10 Kunden stufen 22 Profileein, die durch diese Faktoren definiert sind. Die Variable Preference enthält den Rang derdurchschnittlichen Einstufung für die verschiedenen Profile. Ein niedriger Rang bedeutet einestarke Bevorzugung. Diese Variable gibt ein Gesamtmaß der Bevorzugung für die Profile an.

carpet_prefs.sav. Diese Datendatei beruht auf denselben Beispielen, wie für carpet.savbeschrieben, enthält jedoch die tatsächlichen Einstufungen durch jeden der 10 Kunden.Die Kunden wurden gebeten, die 22 Produktprofile in der Reihenfolge ihrer Präferenzeneinzustufen. Die Variablen PREF1 bis PREF22 enthalten die IDs der zugeordneten Profile,wie in carpet_plan.sav definiert.

catalog.sav. Diese Datendatei enthält hypothetische monatliche Verkaufszahlen fürdrei Produkte, die von einem Versandhaus verkauft werden. Daten für fünf möglicheEinflussvariablen wurden ebenfalls aufgenommen.

catalog_seasfac.sav. Diese Datendatei ist mit catalog.sav identisch, außer, dass ein Set vonsaisonalen Faktoren, die mithilfe der Prozedur “Saisonale Zerlegung” berechnet wurden,sowie die zugehörigen Datumsvariablen hinzugefügt wurden.

cellular.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen eines Mobiltelefonunternehmens geht, die Kundenabwanderung zu verringern.Scores für die Abwanderungsneigung (von 0 bis 100) werden auf die Kunden angewendet.Kunden mit einem Score von 50 oder höher streben vermutlich einen Anbieterwechsel an.

Page 40: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

34

Anhang A

ceramics.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umdie Bemühungen eines Herstellers geht, der ermitteln möchte, ob ein neue, hochwertigeKeramiklegierung eine größere Hitzebeständigkeit aufweist als eine Standardlegierung.Jeder Fall entspricht einem Test einer der Legierungen; die Temperatur, bei der dasKeramikwälzlager versagte, wurde erfasst.

cereal.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um eineUmfrage geht, bei der 880 Personen nach ihren Frühstückgewohnheiten befragt wurden.Außerdem wurden Alter, Geschlecht, Familienstand und Vorliegen bzw. Nichtvorliegen einesaktiven Lebensstils (auf der Grundlage von mindestens zwei Trainingseinheiten pro Woche)erfasst. Jeder Fall entspricht einem Teilnehmer.

clothing_defects.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umdie Qualitätskontrolle in einer Bekleidungsfabrik geht. Aus jeder in der Fabrik produziertenCharge entnehmen die Kontrolleure eine Stichprobe an Bekleidungsartikeln und zählen dieAnzahl der Bekleidungsartikel die inakzeptabel sind.

coffee.sav. Diese Datendatei enthält Daten zum wahrgenommenen Image von sechsEiskaffeemarken ((Kennedy, Riquier, als auch Sharp, 1996)). Bei den 23 Attributen desEiskaffee-Image sollten die Teilnehmer jeweils alle Marken auswählen, die durch diesesAttribut beschrieben werden. Die sechs Marken werden als “AA”, “BB”, “CC”, “DD”, “EE”und “FF” bezeichnet, um Vertraulichkeit zu gewährleisten.

contacts.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieKontaktlisten einer Gruppe von Vertretern geht, die Computer an Unternehmen verkaufen. Dieeinzelnen Kontaktpersonen werden anhand der Abteilung, in der sie in ihrem Unternehmenarbeiten und anhand ihrer Stellung in der Unternehmenshierarchie in Kategorien eingeteilt.Außerdem werden der Betrag des letzten Verkaufs, die Zeit seit dem letzten Verkauf und dieGröße des Unternehmens, in dem die Kontaktperson arbeitet, aufgezeichnet.

creditpromo.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umdie Bemühungen eines Kaufhauses geht, die Wirksamkeit einer kürzlich durchgeführtenKreditkarten-Werbeaktion einzuschätzen. Dazu wurden 500 Karteninhaber nach demZufallsprinzip ausgewählt. Die Hälfte erhielt eine Werbebeilage, die einen reduziertenZinssatz für Einkäufe in den nächsten drei Monaten ankündigte. Die andere Hälfte erhielteine Standard-Werbebeilage.

customer_dbase.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei deres um die Bemühungen eines Unternehmens geht, das die Informationen in seinem DataWarehouse nutzen möchte, um spezielle Angebote für Kunden zu erstellen, die mit dergrößten Wahrscheinlichkeit darauf ansprechen. Nach dem Zufallsprinzip wurde eineUntergruppe des Kundenstamms ausgewählt. Diese Gruppe erhielt die speziellen Angeboteund die Reaktionen wurden aufgezeichnet.

customer_information.sav. Eine hypothetische Datendatei mit Kundenmailingdaten wieName und Adresse.

customer_subset.sav. Eine Teilmenge von 80 Fällen aus der Datei customer_dbase.sav.

customers_model.sav. Diese Datei enthält hypothetische Daten zu Einzelpersonen, auf die sicheine Marketingkampagne richtete. Zu diesen Daten gehören demografische Informationen,eine Übersicht über die bisherigen Einkäufe und die Angabe ob die einzelnen Personen aufdie Kampagne ansprachen oder nicht. Jeder Fall entspricht einer Einzelperson.

Page 41: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

35

Beispieldateien

customers_new.sav. Diese Datei enthält hypothetische Daten zu Einzelpersonen, diepotenzielle Kandidaten für Marketingkampagnen sind. Zu diesen Daten gehörendemografische Informationen und eine Übersicht über die bisherigen Einkäufe für jedePerson. Jeder Fall entspricht einer Einzelperson.

debate.sav. Hierbei handelt es sich um eine hypothetische Datendatei, die gepaarte Antwortenauf eine Umfrage unter den Zuhörern einer politischen Debatte enthält (Antworten vor undnach der Debatte). Jeder Fall entspricht einem Befragten.

debate_aggregate.sav. Hierbei handelt es sich um eine hypothetische Datendatei, in der dieAntworten aus debate.sav aggregiert wurden. Jeder Fall entspricht einer Kreuzklassifikationder bevorzugten Politiker vor und nach der Debatte.

demo.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um eineKundendatenbank geht, die zum Zwecke der Zusendung monatlicher Angebote erworbenwurde. Neben verschiedenen demografischen Informationen ist erfasst, ob der Kunde auf dasAngebot geantwortet hat.

demo_cs_1.sav. Hierbei handelt es sich um eine hypothetische Datendatei für den erstenSchritt eines Unternehmens, das eine Datenbank mit Umfrageinformationen zusammenstellenmöchte. Jeder Fall entspricht einer anderen Stadt. Außerdem sind IDs für Region, Provinz,Landkreis und Stadt erfasst.

demo_cs_2.sav. Hierbei handelt es sich um eine hypothetische Datendatei für den zweitenSchritt eines Unternehmens, das eine Datenbank mit Umfrageinformationen zusammenstellenmöchte. Jeder Fall entspricht einem anderen Stadtteil aus den im ersten Schritt ausgewähltenStädten. Außerdem sind IDs für Region, Provinz, Landkreis, Stadt, Stadtteil und Wohneinheiterfasst. Die Informationen zur Stichprobenziehung aus den ersten beiden Stufen desStichprobenplans sind ebenfalls enthalten.

demo_cs.sav. Hierbei handelt es sich um eine hypothetische Datendatei, dieUmfrageinformationen enthält die mit einem komplexen Stichprobenplan erfasst wurden.Jeder Fall entspricht einer anderen Wohneinheit. Es sind verschiedene Informationen zumdemografischen Hintergrund und zur Stichprobenziehung erfasst.

dmdata.sav. Dies ist eine hypothetische Datendatei, die demografische und kaufbezogeneDaten für ein Direktmarketingunternehmen enthält. dmdata2.sav enthält Informationenfür eine Teilmenge von Kontakten, die ein Testmailing erhalten. dmdata3.sav enthältInformationen zu den verbleibenden Kontakten, die kein Testmailing erhalten.

dietstudy.sav. Diese hypothetische Datendatei enthält die Ergebnisse einer Studie der“Stillman-Diät” (Rickman, Mitchell, Dingman, als auch Dalen, 1974). Jeder Fall entsprichteinem Teilnehmer und enthält dessen Gewicht vor und nach der Diät in amerikanischen Pfundsowie mehrere Messungen des Triglyceridspiegels (in mg/100 ml).

dvdplayer.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der esum die Entwicklung eines neuen DVD-Spielers geht. Mithilfe eines Prototyps hat dasMarketing-Team Zielgruppendaten erfasst. Jeder Fall entspricht einem befragten Benutzerund enthält demografische Daten zu dem Benutzer sowie dessen Antworten auf Fragen zumPrototyp.

german_credit.sav. Diese Daten sind aus dem Daten-Set “German credit” im Repositoryof Machine Learning Databases ((Blake als auch Merz, 1998)) an der Universität vonKalifornien in Irvine entnommen.

Page 42: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

36

Anhang A

grocery_1month.sav. Bei dieser hypothetischen Datendatei handelt es sich um die Datendateigrocery_coupons.sav, wobei die wöchentlichen Einkäufe zusammengefasst sind, sodassjeder Fall einem anderen Kunden entspricht. Dadurch entfallen einige der Variablen, diewöchentlichen Änderungen unterworfen waren, und der verzeichnete ausgegebene Betrag istnun die Summe der Beträge, die in den vier Wochen der Studie ausgegeben wurden.

grocery_coupons.sav. Hierbei handelt es sich um eine hypothetische Datendatei, dieUmfragedaten enthält, die von einer Lebensmittelkette erfasst wurden, die sich für dieKaufgewohnheiten ihrer Kunden interessiert. Jeder Kunde wird über vier Wochen beobachtet,und jeder Fall entspricht einer Kundenwoche und enthält Informationen zu den Geschäften, indenen der Kunde einkauft sowie zu anderen Merkmalen, beispielsweise welcher Betrag inder betreffenden Woche für Lebensmittel ausgegeben wurde.

guttman.sav. Bell ((Bell, 1961)) legte eine Tabelle zur Darstellung möglicher sozialer Gruppenvor. Guttman ((Guttman, 1968)) verwendete einen Teil dieser Tabelle, bei der fünf Variablen,die Aspekte beschreiben, wie soziale Interaktion, das Gefühl der Gruppenzugehörigkeit, diephysische Nähe der Mitglieder und die Formalität der Beziehung, mit sieben theoretischensozialen Gruppen gekreuzt wurden: “crowds” (Menschenmassen, beispielsweise dieZuschauer eines Fußballspiels), “audience” (Zuhörerschaften, beispielsweise die Personenim Theater oder bei einer Vorlesung), “public” (Öffentlichkeit, beispielsweise Zeitungsleseroder Fernsehzuschauer), “mobs” (Mobs, wie Menschenmassen, jedoch mit wesentlichstärkerer Interaktion), “primary groups” (Primärgruppen, vertraulich), “secondary groups”(Sekundärgruppen, freiwillig) und “modern community” (die moderne Gesellschaft, einlockerer Zusammenschluss, der aus einer engen physischen Nähe und dem Bedarf anspezialisierten Dienstleistungen entsteht).

health_funding.sav. Hierbei handelt es sich um eine hypothetische Datei, die Daten zurFinanzierung des Gesundheitswesens (Betrag pro 100 Personen), Krankheitsraten (Rate pro10.000 Personen der Bevölkerung) und Besuche bei medizinischen Einrichtungen/Ärzten(Rate pro 10.000 Personen der Bevölkerung) enthält. Jeder Fall entspricht einer anderen Stadt.

hivassay.sav. Hierbei handelt es sich um eine hypothetische Datendatei zu den Bemühungeneines pharmazeutischen Labors, einen Schnelltest zur Erkennung von HIV-Infektionen zuentwickeln. Die Ergebnisse des Tests sind acht kräftiger werdende Rotschattierungen, wobeikräftigeren Schattierungen auf eine höhere Infektionswahrscheinlichkeit hindeuten. Bei 2.000Blutproben, von denen die Hälfte mit HIV infiziert war, wurde ein Labortest durchgeführt.

hourlywagedata.sav. Hierbei handelt es sich um eine hypothetische Datendatei zumStundenlohn von Pflegepersonal in Praxen und Krankenhäusern mit unterschiedlich langerBerufserfahrung.

insurance_claims.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der esum eine Versicherungsgesellschaft geht, die ein Modell zur Kennzeichnung verdächtiger,potenziell betrügerischer Ansprüche erstellen möchte. Jeder Fall entspricht einem Anspruch.

insure.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um eineVersicherungsgesellschaft geht, die die Risikofaktoren untersucht, die darauf hinweisen,ob ein Kunde die Leistungen einer mit einer Laufzeit von 10 Jahren abgeschlossenenLebensversicherung in Anspruch nehmen wird. Jeder Fall in der Datendatei entspricht einemPaar von Verträgen, je einer mit Leistungsforderung und der andere ohne, wobei die beidenVersicherungsnehmer in Alter und Geschlecht übereinstimmen.

Page 43: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

37

Beispieldateien

judges.sav. Hierbei handelt es sich um eine hypothetische Datendatei mit den Wertungen vonausgebildeten Kampfrichtern (sowie eines Sportliebhabers) zu 300 Kunstturnleistungen. JedeZeile stellt eine Leistung dar; die Kampfrichter bewerteten jeweils dieselben Leistungen.

kinship_dat.sav. Rosenberg und Kim ((Rosenberg als auch Kim, 1975)) haben 15Bezeichnungen für den Verwandtschaftsgrad untersucht (Tante, Bruder, Cousin, Tochter,Vater, Enkelin, Großvater, Großmutter, Enkel, Mutter, Neffe, Nichte, Schwester, Sohn,Onkel). Die beiden Analytiker baten vier Gruppen von College-Studenten (zwei weiblicheund zwei männliche Gruppen), diese Bezeichnungen auf der Grundlage der Ähnlichkeitenzu sortieren. Zwei Gruppen (eine weibliche und eine männliche Gruppe) wurden gebeten,die Bezeichnungen zweimal zu sortieren; die zweite Sortierung sollte dabei nach einemanderen Kriterium erfolgen als die erste. So wurden insgesamt sechs “Quellen” erzielt. JedeQuelle entspricht einer Ähnlichkeitsmatrix mit Elementen. Die Anzahl der Zellen istdabei gleich der Anzahl der Personen in einer Quelle minus der Anzahl der gemeinsamenPlatzierungen der Objekte in dieser Quelle.

kinship_ini.sav. Diese Datendatei enthält eine Ausgangskonfiguration für einedreidimensionale Lösung für kinship_dat.sav.

kinship_var.sav. Diese Datendatei enthält die unabhängigen Variablen gender (Geschlecht),gener(Generation) und degree (Verwandtschaftsgrad), die zur Interpretation der Dimensioneneiner Lösung für kinship_dat.sav verwendet werden können. Insbesondere können sieverwendet werden, um den Lösungsraum auf eine lineare Kombination dieser Variablenzu beschränken.

marketvalues.sav. Diese Datendatei betrifft Hausverkäufe in einem Neubaugebiet inAlgonquin, Illinois, in den Jahren 1999–2000. Diese Verkäufe sind in Grundbucheinträgendokumentiert.

nhis2000_subset.sav. Die “National Health Interview Survey (NHIS)” ist eine große,bevölkerungsbezogene Umfrage in unter der US-amerikanischen Zivilbevölkerung. Eswerden persönliche Interviews in einer landesweit repräsentativen Stichprobe von Haushaltendurchgeführt. Für die Mitglieder jedes Haushalts werden demografische Informationen undBeobachtungen zum Gesundheitsverhalten und Gesundheitsstatus eingeholt. Diese Datendateienthält eine Teilmenge der Informationen aus der Umfrage des Jahres 2000. National Centerfor Health Statistics. National Health Interview Survey, 2000. Datendatei und Dokumentationöffentlich zugänglich. ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/Datasets/NHIS/2000/.Zugriff erfolgte 2003.

ozone.sav. Die Daten enthalten 330 Beobachtungen zu sechs meteorologischen Variablen zurVorhersage der Ozonkonzentration aus den übrigen Variablen. Bei früheren Untersuchungen((Breiman als auch Friedman, 1985), (Hastie als auch Tibshirani, 1990)) fandenWissenschaftler einige Nichtlinearitäten unter diesen Variablen, die die Standardverfahren beider Regression behindern.

pain_medication.sav. Diese hypothetische Datendatei enthält die Ergebnisse eines klinischenTests für ein entzündungshemmendes Medikament zur Schmerzbehandlung bei chronischerArthritis. Von besonderem Interesse ist die Zeitdauer, bis die Wirkung des Medikamentseinsetzt und wie es im Vergleich mit bestehenden Medikamenten abschneidet.

patient_los.sav. Diese hypothetische Datendatei enthält die Behandlungsaufzeichnungenzu Patienten, die wegen des Verdachts auf Herzinfarkt in das Krankenhaus eingeliefertwurden. Jeder Fall entspricht einem Patienten und enthält diverse Variablen in Bezug aufden Krankenhausaufenthalt.

Page 44: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

38

Anhang A

patlos_sample.sav. Diese hypothetische Datendatei enthält die Behandlungsaufzeichnungenfür eine Stichprobe von Patienten, denen während der Behandlung eines HerzinfarktsThrombolytika verabreicht wurden. Jeder Fall entspricht einem Patienten und enthält diverseVariablen in Bezug auf den Krankenhausaufenthalt.

polishing.sav. Hierbei handelt es sich um die Datendatei “Nambeware Polishing Times”aus der Data and Story Library. Sie bezieht sich auf die Bemühungen eines Herstellersvon Metallgeschirr (Nambe Mills, Santa Fe, New Mexico) zur zeitlichen Planung seinerProduktion. Jeder Fall entspricht einem anderen Artikel in der Produktpalette. Für jedenArtikel sind Durchmesser, Polierzeit, Preis und Produkttyp erfasst.

poll_cs.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umBemühungen geht, die öffentliche Unterstützung für einen Gesetzentwurf zu ermitteln, bevorer im Parlament eingebracht wird. Die Fälle entsprechen registrierten Wählern. Für jeden Fallsind County, Gemeinde und Wohnviertel des Wählers erfasst.

poll_cs_sample.sav. Diese hypothetische Datendatei enthält eine Stichprobe der inpoll_cs.sav aufgeführten Wähler. Die Stichprobe wurde gemäß dem in der Plandateipoll.csplan angegebenen Stichprobenplan gezogen und in dieser Datendatei sind dieEinschlusswahrscheinlichkeiten und Stichprobengewichtungen erfasst. Beachten Sie jedochFolgendes: Da im Stichprobenplan die PPS-Methode (PPS: probability proportional tosize; Wahrscheinlichkeit proportional zur Größe) verwendet wird, gibt es außerdem eineDatei mit den gemeinsamen Auswahlwahrscheinlichkeiten (poll_jointprob.sav). Diezusätzlichen Variablen zum demografischen Hintergrund der Wähler und ihrer Meinungzum vorgeschlagenen Gesetzentwurf wurden nach der Ziehung der Stichprobe erfasst undzur Datendatei hinzugefügt.

property_assess.sav. Hierbei handelt es sich um eine hypothetische Datendatei, in der esum die Bemühungen eines für einen Bezirk (County) zuständigen Immobilienbewertersgeht, trotz eingeschränkter Ressourcen die Einschätzungen des Werts von Immobilien aufdem aktuellsten Stand zu halten. Die Fälle entsprechen den Immobilien, die im vergangenenJahr in dem betreffenden County verkauft wurden. Jeder Fall in der Datendatei enthält dieGemeinde, in der sich die Immobilie befindet, den Bewerter, der die Immobilie besichtigt hat,die seit dieser Bewertung verstrichene Zeit, den zu diesem Zeitpunkt ermittelten Wert sowieden Verkaufswert der Immobilie.

property_assess_cs.sav Hierbei handelt es sich um eine hypothetische Datendatei, in deres um die Bemühungen eines für einen US-Bundesstaat zuständigen Immobilienbewertersgeht, trotz eingeschränkter Ressourcen die Einschätzungen des Werts von Immobilien aufdem aktuellsten Stand zu halten. Die Fälle entsprechen den Immobilien in dem betreffendenBundesstaat. Jeder Fall in der Datendatei enthält das County, die Gemeinde und dasWohnviertel, in dem sich die Immobilie befindet, die seit der letzten Bewertung verstricheneZeit sowie zu diesem Zeitpunkt ermittelten Wert.

property_assess_cs_sample.sav. Diese hypothetische Datendatei enthält eine Stichprobe derin property_assess_cs.sav aufgeführten Immobilien. Die Stichprobe wurde gemäß dem inder Plandatei property_assess.csplan angegebenen Stichprobenplan gezogen und in dieserDatendatei sind die Einschlusswahrscheinlichkeiten und Stichprobengewichtungen erfasst.Die zusätzliche Variable Current value (Aktueller Wert) wurde nach der Ziehung derStichprobe erfasst und zur Datendatei hinzugefügt.

Page 45: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

39

Beispieldateien

recidivism.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen einer Strafverfolgungsbehörde geht, einen Einblick in die Rückfallraten inihrem Zuständigkeitsbereich zu gewinnen. Jeder Fall entspricht einem frühren Straftäterund erfasst Daten zu dessen demografischen Hintergrund, einige Details zu seinem erstenVerbrechen sowie die Zeit bis zu seiner zweiten Festnahme, sofern diese innerhalb von zweiJahren nach der ersten Festnahme erfolgte.

recidivism_cs_sample.sav. Hierbei handelt es sich um eine hypothetische Datendatei, beider es um die Bemühungen einer Strafverfolgungsbehörde geht, einen Einblick in dieRückfallraten in ihrem Zuständigkeitsbereich zu gewinnen. Jeder Fall entspricht einemfrüheren Straftäter, der im Juni 2003 erstmals aus der Haft entlassen wurde, und erfasst Datenzu dessen demografischen Hintergrund, einige Details zu seinem ersten Verbrechen sowie dieDaten zu seiner zweiten Festnahme, sofern diese bis Ende Juni 2006 erfolgte. Die Straftäterwurden aus per Stichprobenziehung ermittelten Polizeidirektionen ausgewählt (gemäß dem inrecidivism_cs.csplan angegebenen Stichprobenplan). Da hierbei eine PPS-Methode (PPS:probability proportional to size; Wahrscheinlichkeit proportional zur Größe) verwendetwird, gibt es außerdem eine Datei mit den gemeinsamen Auswahlwahrscheinlichkeiten(recidivism_cs_jointprob.sav).

rfm_transactions.sav. Eine hypothetische Datendatei mit Kauftransaktionsdaten wieKaufdatum, gekauften Artikeln und Geldbetrag für jede Transaktion.

salesperformance.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es umBewertung von zwei neuen Verkaufsschulungen geht. 60 Mitarbeiter, die in drei Gruppenunterteilt sind, erhalten jeweils eine Standardschulung. Zusätzlich erhält Gruppe 2 einetechnische Schulung und Gruppe 3 eine Praxisschulung. Die einzelnen Mitarbeiter wurdenam Ende der Schulung einem Test unterzogen und die erzielten Punkte wurden erfasst. JederFall in der Datendatei stellt einen Lehrgangsteilnehmer dar und enthält die Gruppe, der derLehrgangsteilnehmer zugeteilt wurde sowie die von ihm in der Prüfung erreichte Punktzahl.

satisf.sav. Hierbei handelt es sich um eine hypothetische Datendatei zu einerZufriedenheitsumfrage, die von einem Einzelhandelsunternehmen in 4 Filialen durchgeführtwurde. Insgesamt wurden 582 Kunden befragt. Jeder Fall gibt die Antworten eines einzelnenKunden wieder.

screws.sav. Diese Datendatei enthält Informationen zu den Eigenschaften von Schrauben,Bolzen, Muttern und Reißnägeln ((Hartigan, 1975)).

shampoo_ph.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der esum die Qualitätskontrolle in einer Fabrik für Haarpflegeprodukte geht. In regelmäßigenZeitabständen werden Messwerte von sechs separaten Ausgangschargen erhoben und ihrpH-Wert erfasst. Der Zielbereich ist 4,5–5,5.

ships.sav. Ein an anderer Stelle ((McCullagh et al., 1989)) vorgestelltes und analysiertesDaten-Set bezieht sich auf die durch Wellen verursachten Schäden an Frachtschiffen.Die Vorfallshäufigkeiten können unter Angabe von Schiffstyp, Konstruktionszeitraumund Betriebszeitraum gemäß einer Poisson-Rate modelliert werden. Das Aggregat derBetriebsmonate für jede Zelle der durch die Kreuzklassifizierung der Faktoren gebildetenTabelle gibt die Werte für die Risikoanfälligkeit an.

site.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen eines Unternehmens geht, neue Standorte für die betriebliche Expansionauszuwählen. Das Unternehmen beauftragte zwei Berater unabhängig voneinander mit derBewertung der Standorte. Neben einem umfassenden Bericht gaben die Berater auch eine

Page 46: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

40

Anhang A

zusammenfassende Wertung für jeden Standort als “good” (gut) “fair” (mittelmäßig) oder“poor” (schlecht) ab.

smokers.sav. Diese Datendatei wurde aus der Umfrage “National Household Survey ofDrug Abuse” aus dem Jahr 1998 abstrahiert und stellt eine WahrscheinlichkeitsstichprobeUS-amerikanischer Haushalte dar. (http://dx.doi.org/10.3886/ICPSR02934) Daher sollte dererste Schritt bei der Analyse dieser Datendatei darin bestehen, die Daten entsprechend denBevölkerungstrends zu gewichten.

stroke_clean.sav. Diese hypothetische Datendatei enthält den Zustand einer medizinischenDatenbank, nachdem diese mithilfe der Prozeduren in der Option “Data Preparation” bereinigtwurde.

stroke_invalid.sav. Diese hypothetische Datendatei enthält den ursprünglichen Zustand einermedizinischen Datenbank, der mehrere Dateneingabefehler aufweist.

stroke_survival. In dieser hypothetischen Datendatei geht es um die Überlebenszeiten vonPatienten, die nach einem Rehabilitationsprogramm wegen eines ischämischen Schlaganfallsmit einer Reihe von Problemen zu kämpfen haben. Nach dem Schlaganfall werden dasAuftreten von Herzinfarkt, ischämischem Schlaganfall und hämorrhagischem Schlaganfallsowie der Zeitpunkt des Ereignisses aufgezeichnet. Die Stichprobe ist auf der linken Seiteabgeschnitten, da sie nur Patienten enthält, die bis zum Ende des Rehabilitationprogramms,das nach dem Schlaganfall durchgeführt wurde, überlebten.

stroke_valid.sav. Diese hypothetische Datendatei enthält den Zustand einer medizinischenDatenbank, nachdem diese mithilfe der Prozedur “Daten validieren” überprüft wurde. Sieenthält immer noch potenziell anomale Fälle.

survey_sample.sav. Diese Datendatei enthält Umfragedaten einschließlich demografischerDaten und verschiedener Meinungskennzahlen. Sie beruht auf einer Teilmenge derVariablen aus der NORC General Social Survey aus dem Jahr 1998. Allerdings wurden zuDemonstrationszwecken einige Daten abgeändert und weitere fiktive Variablen hinzugefügt.

telco.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen eines Telekommunikationsunternehmens geht, die Kundenabwanderung zuverringern. Jeder Fall entspricht einem Kunden und enthält verschiedene Informationen zumdemografischen Hintergrund und zur Servicenutzung.

telco_extra.sav. Diese Datendatei ähnelt der Datei telco.sav, allerdings wurden die Variablen“tenure” und die Log-transformierten Variablen zu den Kundenausgaben entfernt und durchstandardisierte Log-transformierte Variablen ersetzt.

telco_missing.sav. Diese Datendatei ist eine Untermenge der Datendatei telco.sav, allerdingswurde ein Teil der demografischen Datenwerte durch fehlende Werte ersetzt.

testmarket.sav. Diese hypothetische Datendatei bezieht sich auf die Pläne einerFast-Food-Kette, einen neuen Artikel in ihr Menü aufzunehmen. Es gibt drei möglicheKampagnen zur Verkaufsförderung für das neue Produkt. Daher wird der neue Artikel inFilialen in mehreren zufällig ausgewählten Märkten eingeführt. An jedem Standort wird eineandere Form der Verkaufsförderung verwendet und die wöchentlichen Verkaufszahlen fürdas neue Produkt werden für die ersten vier Wochen aufgezeichnet. Jeder Fall entsprichteiner Standort-Woche.

testmarket_1month.sav. Bei dieser hypothetischen Datendatei handelt es sich um dieDatendatei testmarket.sav, wobei die wöchentlichen Verkaufszahlen zusammengefasst sind,sodass jeder Fall einem Standort entspricht. Dadurch entfallen einige der Variablen, die

Page 47: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

41

Beispieldateien

wöchentlichen Änderungen unterworfen waren, und die verzeichneten Verkaufszahlen sindnun die Summe der Verkaufszahlen während der vier Wochen der Studie.

tree_car.sav. Hierbei handelt es sich um eine hypothetische Datendatei, die demografischeDaten sowie Daten zum Kaufpreis von Fahrzeugen enthält.

tree_credit.sav. Hierbei handelt es sich um eine hypothetische Datendatei, die demografischeDaten sowie Daten zu früheren Bankkrediten enthält.

tree_missing_data.sav Hierbei handelt es sich um eine hypothetische Datendatei, diedemografische Daten sowie Daten zu früheren Bankkrediten enthält und eine große Anzahlfehlender Werte aufweist.

tree_score_car.sav. Hierbei handelt es sich um eine hypothetische Datendatei, diedemografische Daten sowie Daten zum Kaufpreis von Fahrzeugen enthält.

tree_textdata.sav. Eine einfache Datendatei mit nur zwei Variablen, die vor allem denStandardzustand von Variablen vor der Zuweisung von Messniveau und Wertelabels zeigensoll.

tv-survey.sav. Hierbei handelt es sich um eine hypothetische Datendatei zu einer Studie,die von einem Fernsehstudio durchgeführt wurde, das überlegt, ob die Laufzeit eineserfolgreichen Programms verlängert werden soll. 906 Personen wurden gefragt, ob sie dasProgramm unter verschiedenen Bedingungen ansehen würden. Jede Zeile entspricht einemBefragten; jede Spalte entspricht einer Bedingung.

ulcer_recurrence.sav. Diese Datei enthält Teilinformationen aus einer Studie zum Vergleichder Wirksamkeit zweier Therapien zur Vermeidung des Wiederauftretens von Geschwüren.Es stellt ein gutes Beispiel für intervallzensierte Daten dar und wurde an anderer Stelle((Collett, 2003)) vorgestellt und analysiert.

ulcer_recurrence_recoded.sav. In dieser Datei sind die Daten aus ulcer_recurrence.sav soumstrukturiert, dass das Modell der Ereigniswahrscheinlichkeit für jedes Intervall der Studieberechnet werden kann und nicht nur die Ereigniswahrscheinlichkeit am Ende der Studie. Siewurde an anderer Stelle ((Collett et al., 2003)) vorgestellt und analysiert.

verd1985.sav. Diese Datendatei enthält eine Umfrage ((Verdegaal, 1985)). Die Antworten von15 Subjekten auf 8 Variablen wurden aufgezeichnet. Die relevanten Variablen sind in dreiSets unterteilt. Set 1 umfasst alter und heirat, Set 2 besteht aus pet und news und in Set 3finden sich music und live. Die Variable pet wird mehrfach nominal skaliert und die VariableAlter ordinal. Alle anderen Variablen werden einzeln nominal skaliert.

virus.sav. Hierbei handelt es sich um eine hypothetische Datendatei, bei der es um dieBemühungen eines Internet-Dienstanbieters geht, der die Auswirkungen eines Virus auf seineNetzwerke ermitteln möchte. Dabei wurde vom Moment der Virusentdeckung bis zu demZeitpunkt, zu dem die Virusinfektion unter Kontrolle war, der (ungefähre) prozentuale Anteilinfizierter E-Mail in den Netzwerken erfasst.

wheeze_steubenville.sav. Hierbei handelt es sich um eine Teilmenge der Daten aus einerLangzeitstudie zu den gesundheitlichen Auswirkungen der Luftverschmutzung auf Kinder((Ware, Dockery, Spiro III, Speizer, als auch Ferris Jr., 1984)). Die Daten enthaltenwiederholte binäre Messungen des Keuchens von Kindern aus Steubenville, Ohio, im Alter

Page 48: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

42

Anhang A

von 7, 8, 9 und 10 Jahren sowie eine unveränderlichen Angabe, ob die Mutter im erstenJahr der Studie rauchte oder nicht.

workprog.sav. Hierbei handelt es sich um eine hypothetische Datendatei zu einemArbeitsprogramm der Regierung, das versucht, benachteiligten Personen bessere Arbeitsplätzezu verschaffen. Eine Stichprobe potenzieller Programmteilnehmer wurde beobachtet. Vondiesen Personen wurden nach dem Zufallsprinzip einige für die Teilnahme an dem Programmausgewählt. Jeder Fall entspricht einem Programmteilnehmer.

Page 49: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Anhang

BNotices

Licensed Materials – Property of SPSS Inc., an IBM Company. © Copyright SPSS Inc. 1989,2010.

Patent No. 7,023,453

The following paragraph does not apply to the United Kingdom or any other country where suchprovisions are inconsistent with local law: SPSS INC., AN IBM COMPANY, PROVIDES THISPUBLICATION “AS IS” WITHOUT WARRANTY OF ANY KIND, EITHER EXPRESSOR IMPLIED, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIESOF NON-INFRINGEMENT, MERCHANTABILITY OR FITNESS FOR A PARTICULARPURPOSE. Some states do not allow disclaimer of express or implied warranties in certaintransactions, therefore, this statement may not apply to you.

This information could include technical inaccuracies or typographical errors. Changes areperiodically made to the information herein; these changes will be incorporated in new editions ofthe publication. SPSS Inc. may make improvements and/or changes in the product(s) and/or theprogram(s) described in this publication at any time without notice.

Any references in this information to non-SPSS and non-IBM Web sites are provided forconvenience only and do not in any manner serve as an endorsement of those Web sites. Thematerials at those Web sites are not part of the materials for this SPSS Inc. product and use ofthose Web sites is at your own risk.

When you send information to IBM or SPSS, you grant IBM and SPSS a nonexclusive rightto use or distribute the information in any way it believes appropriate without incurring anyobligation to you.

Information concerning non-SPSS products was obtained from the suppliers of those products,their published announcements or other publicly available sources. SPSS has not tested thoseproducts and cannot confirm the accuracy of performance, compatibility or any other claimsrelated to non-SPSS products. Questions on the capabilities of non-SPSS products should beaddressed to the suppliers of those products.

This information contains examples of data and reports used in daily business operations.To illustrate them as completely as possible, the examples include the names of individuals,companies, brands, and products. All of these names are fictitious and any similarity to the namesand addresses used by an actual business enterprise is entirely coincidental.

COPYRIGHT LICENSE:

This information contains sample application programs in source language, which illustrateprogramming techniques on various operating platforms. You may copy, modify, and distributethese sample programs in any form without payment to SPSS Inc., for the purposes of developing,

© Copyright SPSS Inc. 1989, 2010 43

Page 50: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

44

Anhang B

using, marketing or distributing application programs conforming to the application programminginterface for the operating platform for which the sample programs are written. These exampleshave not been thoroughly tested under all conditions. SPSS Inc., therefore, cannot guarantee orimply reliability, serviceability, or function of these programs. The sample programs are provided“AS IS”, without warranty of any kind. SPSS Inc. shall not be liable for any damages arising outof your use of the sample programs.

Trademarks

IBM, the IBM logo, and ibm.com are trademarks of IBM Corporation, registered in manyjurisdictions worldwide. A current list of IBM trademarks is available on the Web athttp://www.ibm.com/legal/copytrade.shmtl.

SPSS is a trademark of SPSS Inc., an IBM Company, registered in many jurisdictions worldwide.

Adobe, the Adobe logo, PostScript, and the PostScript logo are either registered trademarks ortrademarks of Adobe Systems Incorporated in the United States, and/or other countries.

Intel, Intel logo, Intel Inside, Intel Inside logo, Intel Centrino, Intel Centrino logo, Celeron, IntelXeon, Intel SpeedStep, Itanium, and Pentium are trademarks or registered trademarks of IntelCorporation or its subsidiaries in the United States and other countries.

Linux is a registered trademark of Linus Torvalds in the United States, other countries, or both.

Microsoft, Windows, Windows NT, and the Windows logo are trademarks of MicrosoftCorporation in the United States, other countries, or both.

UNIX is a registered trademark of The Open Group in the United States and other countries.

Java and all Java-based trademarks and logos are trademarks of Sun Microsystems, Inc. in theUnited States, other countries, or both.

This product uses WinWrap Basic, Copyright 1993-2007, Polar Engineering and Consulting,http://www.winwrap.com.

Other product and service names might be trademarks of IBM, SPSS, or other companies.

Adobe product screenshot(s) reprinted with permission from Adobe Systems Incorporated.

Microsoft product screenshot(s) reprinted with permission from Microsoft Corporation.

Page 51: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Bibliografie

Akaah, I. P., als auch P. K. Korgaonkar. 1988. A conjoint investigation of the relative importanceof risk relievers in direct marketing. Journal of Advertising Research, 28:4, .

Bell, E. H. 1961. Social foundations of human behavior: Introduction to the study of sociology.New York: Harper & Row.

Blake, C. L., als auch C. J. Merz. 1998. "UCI Repository of machine learning databases."Available at http://www.ics.uci.edu/~mlearn/MLRepository.html.

Breiman, L., als auch J. H. Friedman. 1985. Estimating optimal transformations for multipleregression and correlation. Journal of the American Statistical Association, 80, .

Cattin, P., als auch D. R. Wittink. 1982. Commercial use of conjoint analysis: A survey. Journalof Marketing, 46:3, .

Collett, D. 2003. Modelling survival data in medical research, 2 (Hg.). Boca Raton: Chapman &Hall/CRC.

Green, P. E., als auch V. Rao. 1972. Applied multidimensional scaling. Hinsdale, Ill.: DrydenPress.

Green, P. E., als auch Y. Wind. 1973. Multiattribute decisions in marketing: A measurementapproach. Hinsdale, Ill.: Dryden Press.

Guttman, L. 1968. A general nonmetric technique for finding the smallest coordinate space forconfigurations of points. Psychometrika, 33, .

Hartigan, J. A. 1975. Clustering algorithms. New York: John Wiley and Sons.

Hastie, T., als auch R. Tibshirani. 1990. Generalized additive models. London: Chapman andHall.

Kennedy, R., C. Riquier, als auch B. Sharp. 1996. Practical applications of correspondenceanalysis to categorical data in market research. Journal of Targeting, Measurement, and Analysisfor Marketing, 5, .

McCullagh, P., als auch J. A. Nelder. 1989. Generalized Linear Models, 2nd (Hg.). London:Chapman & Hall.

Price, R. H., als auch D. L. Bouffard. 1974. Behavioral appropriateness and situational constraintsas dimensions of social behavior. Journal of Personality and Social Psychology, 30, .

Rickman, R., N. Mitchell, J. Dingman, als auch J. E. Dalen. 1974. Changes in serum cholesterolduring the Stillman Diet. Journal of the American Medical Association, 228, .

Rosenberg, S., als auch M. P. Kim. 1975. The method of sorting as a data-gathering procedure inmultivariate research. Multivariate Behavioral Research, 10, .

Van der Ham, T., J. J. Meulman, D. C. Van Strien, als auch H. Van Engeland. 1997. Empiricallybased subgrouping of eating disorders in adolescents: A longitudinal perspective. British Journalof Psychiatry, 170, .

Verdegaal, R. 1985. Meer sets analyse voor kwalitatieve gegevens (in niederländischer Sprache).Leiden: Department of Data Theory, Universität Leiden.

© Copyright SPSS Inc. 1989, 2010 45

Page 52: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

46

Bibliografie

Ware, J. H., D. W. Dockery, A. Spiro III, F. E. Speizer, als auch B. G. Ferris Jr.. 1984. Passivesmoking, gas cooking, and respiratory health of children living in six cities. American Review ofRespiratory Diseases, 129, .

Page 53: IBM SPSS Conjoint 19 - szit.bme.hukela/SPSSStatistics (E)/Documentation/German/Manuals...Vorwort IBM® SPSS® Statistics ist ein umfassendes System zum Analysieren von Daten. Das optionale

Index

Antiideales Modell, 25

BefehlssyntaxCONJOINT-Befehl, 24

BeispieldateienSpeicherort, 31

Bradley-Terry-Luce(BTL)-Modell, 30

)CARDin “Design anzeigen”, 11

card_ (Variable)in “Orthogonales Design erzeugen”, 6

Datendateienin “Orthogonales Design erzeugen”, 6

Design anzeigen, 2, 10, 22)CARD, 11Einzelprofilformat, 10Fußzeilen, 11Listenformat, 10Speichern von Profilen, 11Titel, 11

Diskretes Modell, 25

Einzelprofilformatin “Design anzeigen”, 10

Faktoren, 2, 18–19Faktorstufen, 2, 18–19Fußzeilenin “Design anzeigen”, 11

Gesamtnutzen, 26

Ideales Modell, 25

Kendall-Tau, 28Koeffizienten, 27Korrelationskoeffizienten, 28

legal notices, 43Lineares Modell, 25Listenformatin “Design anzeigen”, 10

Logit-Modell, 30

Maximalnutzenmodell, 30

Nutzenwerte, 3, 26

Orth. Design erzeugen, 19Orthogonale Designsanzeigen, 10Anzeigen, 22erzeugen, 6, 19Mindestanzahl von Fällen, 9Prüffälle, 9

Orthogonales Design erzeugen, 2, 6Datendateien, 6Festlegen von Faktornamen, -labels und -werten, 8Mindestanzahl von Fällen, 9Prüffälle, 9Simulationsfälle, 9Startwert für Zufallszahlen, 6

Orthogonales Feld, 2

Pearson-R, 28Profilmethode, 2Prüffälle, 2in “Orthogonales Design erzeugen”, 9

SimulationsergebnisseBradley-Terry-Luce(BTL)-Modell, 30Logit-Modell, 30Maximalnutzenmodell, 30

Simulationsfälle, 3, 15, 29in “Orthogonales Design erzeugen”, 9

Startwert für Zufallszahlenin “Orthogonales Design erzeugen”, 6

status_ (Variable)in “Orthogonales Design erzeugen”, 6

Stichprobenumfang., 3SyntaxCONJOINT-Befehl, 24

Teilnutzenwerte, 3Titelin “Design anzeigen”, 11

trademarks, 44

Umkehrungen, 28

Wichtigkeitsmaße, 27Wichtigkeitswerte, 27

47