Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Marktforschung Sommersemester 2011 Thema 6: Korrelationsanalyse.

Ähnliche Präsentationen


Präsentation zum Thema: "Marktforschung Sommersemester 2011 Thema 6: Korrelationsanalyse."—  Präsentation transkript:

1 Marktforschung Sommersemester 2011 Thema 6: Korrelationsanalyse

2 Gliederung 1.Situation 2.Fragestellung 3.Datenlage 4.Funktionstypen 5.Korrelationen 5.1 Korrelationskoeffizient nach Bravais-Pearson 5.2 Rangkorrelationskoeffizient nach Spearman 5.3 Rangkorrelationskoeffizient nach Kendall 6. Zusammenfassung 7. Probleme 2 Marktforschung | SoSe 2011| Universität Siegen

3 1. Situation Den Marketingleiter des Pizzaherstellers interessiert die Frage nach dem Zusammenhang zwischen Verkaufspreis und Absatzmenge von Tiefkühlpizzen im Monat. Zu diesem Zweck wurde die Absatzmenge bei unterschiedlichen Preisen der Tiefkühlpizza im Monat ermittelt. 3 Marktforschung | SoSe 2011| Universität Siegen

4 2. Fragestellung Stellen Sie die erfassten Daten zunächst mit Hilfe eines Streudiagramms dar. Liefert Ihnen das Streudiagramm bereits erste Hinweise auf einen möglichen Zusammenhang. Beschreiben Sie den Zusammenhang mithilfe sog. Korrelationskoeffizienten, wobei Sie einen linearen Zusammenhang zwischen den Werten unterstellen sollten. Gehen Sie bei Ihren Berechnungen davon aus, dass die beiden Merkmale der Stichprobe normalverteilt sind. 4 Marktforschung | SoSe 2011| Universität Siegen

5 3. Datenlage 5 Marktforschung | SoSe 2011| Universität Siegen TiefkühlpizzaABCDEFGHIJ Preis in Euro5,101,802,102,051,991,902,201,952,502,25 Absatzmenge im Monat Folgende Daten wurden erfasst:

6 Ausgewählte Grundformen linearer Funktionen ( ) Beispiel: Zusammenhang zwischen Zahl der Vertreterbesuche und Höhe des Verkäuferumsatzes Beispiel: Zusammenhang zwischen Preis und Absatzmenge Beispiel: Zusammenhang zwischen Preis A und Preis B verschiedener Güter 4. Funktionstypen 6 Marktforschung | SoSe 2011| Universität Siegen

7 Ausgewählte Grundformen nicht-linearer Funktionen (z. B.:,, ) Beispiel: Zusammenhang zwischen Artikel- anzahl und Zahlungs- bereitschaft Beispiel: Zusammenhang zwischen Preis und Absatz bei bestimmten Gütern Beispiel: Zusammenhang zwischen Mund-zu- Mund Propaganda und Ausbreitung einer Werbe- botschaft Beispiel: Zusammenhang zwischen Vertraut- heit und Attraktivität eines Produktes Beispiel: Werbewirkungs- funktion Beispiel: Trendprognose zum Absatz eines Automobils 4. Funktionstypen 7 Marktforschung | SoSe 2011| Universität Siegen

8 5. Korrelationen Streu(ungs)diagramme sind grafische Hilfsmittel, die die Anordnung der Beobachtungspunkte veranschaulichen jedes x i /y i - Beobachtungspaar wird in ein x/y-Koordinatensystem eingetragen es lässt sich ein erster Eindruck gewinnen, ob und wie stark zwei Merkmale zusammenhängen Funktionstypen können abgeleitet werden 8 Marktforschung | SoSe 2011| Universität Siegen

9 5. Korrelationen als Korrelation bezeichnet man den wechselseitigen Zusammenhang zwischen Größen Korrelation bedeutet nicht das Vorhandensein von Kausalität. Besteht eine Korrelation zwischen X und Y, so gibt es mindestens drei alternative Möglichkeiten einer Kausalitätsbeziehung: - X bewirkt Y - Y bewirkt X und - X und Y werden durch Z bewirkt (Scheinkorrelation bzw. partielle Korrelation). die Korrelationsanalyse liefert ein Maß für die Stärke des Zusammenhangs; erfasst jedoch nur monotone bzw. lineare Zusammenhänge 9 Marktforschung | SoSe 2011| Universität Siegen

10 5. Korrelationen die Stärke des Zusammenhangs wird durch den Korrelationskoeffizienten r gemessen r liegt stets in den Grenzen von -1 bis +1 für die Stärke des Zusammenhangs ist allein der Betrag des Korrelationskoeffizienten maßgebend das Vorzeichen gibt an, ob der Zusammenhang gleichläufig (+) oder gegenläufig (–) ist KorrelationskoeffizientEinstufung r

11 5.1 Korrelationskoeffizient nach Bravais-Pearson Vermutung: Zwischen den Variablen Preis und Verkaufsmenge besteht ein linearer und gegenläufiger Zusammenhang; je höher der Verkaufspreis umso geringer die Absatzmenge. 11 Marktforschung | SoSe 2011| Universität Siegen

12 5.1 Korrelationskoeffizient nach Bravais-Pearson 12 Marktforschung | SoSe 2011| Universität Siegen zur Beschreibung des Zusammenhangs zwischen metrisch skalierten und normalverteilten Variablen misst die Stärke des linearen Zusammenhangs es gilt: Erläuterung s x bzw. s y stehen für die Standardabweichungen der Merkmale X bzw. Y s xy bezeichnet die empirische Kovarianz yx xy n i n i ii n i ss s yyxx y yiyi xxixi r 11 1 ²² yyxxn/1s i n 1i ixy

13 5.1 Korrelationskoeffizient nach Bravais-Pearson zur Kovarianz: um einen Zusammenhang zwischen zwei Merkmalen zu erfassen, beschreibt man die Lage eines Beobachtungspunktes mit Bezug zu dem Schwerpunkt des Streudiagramms Punkte im ersten und dritten Quadranten deuten auf einen positiven Zusammenhang hin; Punkte im zweiten und vierten Quadranten auf einen negativen Zusammenhang formal wird dies für jeden Punkt durch das Produkt (x i - )(y i - ) erfasst IV I IIIII x x x x x x x x x x x x x x x x x x y x 13 Marktforschung | SoSe 2011| Universität Siegen

14 5.1 Korrelationskoeffizient nach Bravais-Pearson Es gilt: Quadrant 1: Quadrant 2: Quadrant 3: Quadrant 4: Liegen die Punkte hauptsächlich in den Quadranten 1 und 3, so ist die Summe der Produkte stark positiv. Liegen die Punkte hauptsächlich in den Quadranten 2 und 4, so ist die Summe der Produkte stark negativ. Sind die Punkte gleichmäßig verteilt, so heben sich positive und negative Summanden weitgehend auf und die Summe der Produkte wird weitgehend Null. 14 Marktforschung | SoSe 2011| Universität Siegen

15 5.1 Korrelationskoeffizient nach Bravais-Pearson Kovarianz: durchschnittliche Summe von Abweichungsprodukten die Kovarianz gibt die Tendenz an, in welche Richtung die Merkmale variieren s xy > 0 mit x steigt (tendenziell) auch y (und umgekehrt) s xy < 0 hohe Werte der einen Zufallsvariablen gehen mit niedrigen Werten der anderen Zufallsvariablen einher s xy = 0 x und y sind unabhängig Kovarianzen deuten (ggf.) auf lineare Abhängigkeiten hin. Sie sind von den Maßeinheiten der Merkmale abhängig! Wertebereich : bis 15 Marktforschung | SoSe 2011| Universität Siegen

16 5.1 Korrelationskoeffizient nach Bravais-Pearson Normierung der Kovarianz: Korrelationskoeffizienten nach Bravais-Pearson (Produkt- Moment-Korrelation) r xy Division der Kovarianz durch die Standardabweichungen beider Merkmale (=Eliminierung der Streuung der einzelnen Verteilungen) Wertebereich von r xy : -1 bis +1 positive r xy die Merkmale variieren tendenziell in der gleichen Richtung negative r xy die Merkmale variieren tendenziell in entgegen- gesetzter Richtung r xy = 0 kein (linearer) Zusammenhang! 16 Marktforschung | SoSe 2011| Universität Siegen

17 5.1 Korrelationskoeffizient nach Bravais-Pearson Die statistische Absicherung des Korrelationskoeffizienten nach Bravais-Pearson gegen Null erfolgt über die t-verteilte Prüfgröße. Der Korrelationskoeffizient ist dann signifikant, wenn die Prüfgröße größer ist als der kritische Wert der t-Verteilung. bei df = n-2 Freiheitsgraden 17 Marktforschung | SoSe 2011| Universität Siegen

18 r xy = -0,631 im vorliegenden Fall liegt mit p=0,05 ein nicht signifikanter Wert vor Folgende Ergebnisse liefert die Berechnung des Korrelationskoeffizient nach Bravais-Pearson 5.1 Korrelationskoeffizient nach Bravais-Pearson 18 Marktforschung | SoSe 2011| Universität Siegen

19 5.1 Korrelationskoeffizient nach Bravais-Pearson 19 Marktforschung | SoSe 2011| Universität Siegen

20 5.1 Korrelationskoeffizient nach Bravais-Pearson r xy misst den linearen Zusammenhang zweier Variablen Konsequenz: einzelne Ausreißer, d.h. einzelne extreme Datenpunkte, können einen starken, unerwünschten Effekt auf den numerischen Wert von r xy haben; hohe Korrelationen können als gering erscheinen und umgekehrt. Lösung: Ermittlung von Rangkorrelationskoeffizienten, die von Ausreißern wesentlich weniger beeinflusst werden, da ihre Ermittlung auf den Rängen der Beobachtungen basiert. 20 Marktforschung | SoSe 2011| Universität Siegen

21 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) Ausreißer! 21 Marktforschung | SoSe 2011| Universität Siegen

22 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) wird zwischen zwei Variablen berechnet, die mindestens ordinalskaliert sind; für metrisch skalierte Variablen, bei Unsicherheit hinsichtlich der Normalverteilungsanahme misst die Stärke des monotonen Zusammenhangs basiert auf Rangzahlen, die den Messwerten zugeordnet sind für beide Variablen wird eine Rangreihe der Werte erstellt, dem höchsten Wert wird der Rangplatz 1 verliehen; bei gleichen Werten werden gemittelte Rangplätze vergeben die Differenz d i der zugehörigen Rangplatzpaare wird bestimmt es gilt: die Absicherung erfolgt über die t-verteilte Prüfgröße bei df = n – 2 Freiheitsgraden 22 Marktforschung | SoSe 2011| Universität Siegen

23 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) Wertebereich von r s : -1 bis +1 gehen mit steigenden x-Werten auch steigende y-Werte einher, so nimmt r s tendenziell einen großen Wert an sind die Rangzahlen bei den Merkmalen beider Variablen völlig gleich, so nimmt r s den Wert 1 an (die Rangpaare liegen auf einer Geraden mit positiver Steigung liegen) bei entgegengesetzt laufenden Rangzahlen wird r s = -1 (die Rangpaare liegen auf einer Geraden mit negativer Steigung) 23 Marktforschung | SoSe 2011| Universität Siegen

24 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) TiefkühlpizzaABCDEFGHIJ Preis in Euro5,101,802,102,051,991,902,201,952,502,25 Absatzmenge im Monat Rang Preis Rang Absatzmenge didi d² i Rechenschritte zur Rangkorrelation nach Spearman r s :

25 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) Es ergibt sich Die Absicherung erfolgt über die t-verteilte Prüfgröße mit Nach der t-Tabelle ist dies bei df = 8 Freiheitsgraden und α = 0.05 ein signifikanter Wert. 25 Marktforschung | SoSe 2011| Universität Siegen t-Tabelle dfα =0,05α =0,01 81,8602,896 91,8332,821

26 5.2 Rangkorrelationskoeffizient nach Spearman (r s ) Interpretation des Ergebnisses r s = -0,685 => starker Zusammenhang r s gegenläufiger monotoner Zusammenhang Es zeigt sich ein mittlerer gegenläufiger Zusammenhang zwischen Preis und Absatzmenge: Je höher der Preis einer Tiefkühlpizza, umso niedriger ist die verkaufte Menge an Tiefkühlpizzen. 26 Marktforschung | SoSe 2011| Universität Siegen

27 wird zwischen zwei Variablen berechnet, die mindestens ordinalskaliert sind misst die Stärke des monotonen Zusammenhangs stellt darauf ab, ob Rangzahlen in gleicher Richtung oder entgegengesetzter Richtung verlaufen Rangreihe der ersten Variablen wird in aufsteigender Folge notiert Rangreihe der zweiten Variablen wird entsprechend zugeordnet; für jeder dieser Rangzahlen wird die Anzahl der Ränge festgestellt, die kleiner oder gleich der Zahl sind und in der Reihe rechts davon stehen (Q i ) es gilt: 5.3 Rangkorrelationskoeffizient nach Kendall ( r k ) 27 Marktforschung | SoSe 2011| Universität Siegen

28 5.3 Rangkorrelationskoeffizient nach Kendall ( r k ) nicht die Absolutbeträge der Stichprobenwerte sind entscheidend, sondern nur die relative Anordnung der Ränge Anwendung insbesondere dann, wenn Daten nicht normalverteilt sind für kleinere Stichprobenumfänge weniger empfindlich gegen Ausreißer-Rangpaare 28 Marktforschung | SoSe 2011| Universität Siegen

29 6. Zusammenfassung Y nominalordinalmetrisch X nominalKontingenz ordinalKontingenzRang-Korrel. metrischKontingenzRang-Korrel.Korrelation i.e.S. 29 Marktforschung | SoSe 2011| Universität Siegen Die Rangkorrelation kann nur dann berechnet werden, wenn die beteiligten Variablen mindestens ordinalskaliert sind; die Korrelation i.e.S (Korrelation nach Bravais-Pearson) allerdings nur für metrische Variablen.

30 6. Zusammenfassung Übersicht bivariater Korrelationsarten in Abhängigkeit vom Skalenniveau 30 Marktforschung | SoSe 2011| Universität Siegen Y ordinalmetrisch X ordinalRangkorrelation (Spearman (5.2), Kendall (5.3)) metrischRangkorrelation (Spearman (5.2), Kendall (5.3)) Produkt-Moment- Korrelation (Pearson (5.1)) Korrelation i.e.S

31 7. Probleme für die Korrelation i.e.S gilt: Einzelne Fälle können einen starken Einfluss auf den Korrelationskoeffizienten ausüben. Korrelationen lassen sich für alle Funktionstypen berechnen; allerdings werden nur monotone bzw. lineare Zusammenhänge erfasst.

32 7. Probleme Kausalzusammenhänge können nicht erfast werden Scheinkorrelationen (Korrelation zwischen Merkmalen, die inhaltlich nicht gerechtfertigt ist) können auftreten; Zusammenhänge ergeben sich dann, wenn ein mit beiden beobachtbaren Merkmalen hochkorreliertes drittes Merkmal übersehen wird und unberücksichtigt bleibt. bleibt ein entscheidendes Merkmal unberücksichtigt, kann dies zudem vorhandene Korrelationen verschleiern oder hinsichtlich des Vorzeichens umkehren 32 Marktforschung | SoSe 2011| Universität Siegen

33 Literatur Berekoven, Ludwig, Eckert, Werner & Ellenrieder, Peter (2004). Marktforschung. Methodische Grundlagen und praktische Anwendung, 10. Auflage, Wiesbaden: Gabler, S Bortz, Jürgen (2005). Statistik für Human- und Sozialwissenschaftler, 6. Aufl., Heidelberg: Springer, S und S Fahrmeir, Ludwig, Künstler, Rita, Pigeot, Iris & Tutz, Gerhard (2004). Statistik, 5. Aufl., Berlin-Heidelberg-New York etc.: Springer, S und S Zöfel, Peter (2003). Statistik für Wirtschaftswissenschaftler, München- Boston-San Francisco etc: Pearson, S Marktforschung | SoSe 2011| Universität Siegen


Herunterladen ppt "Marktforschung Sommersemester 2011 Thema 6: Korrelationsanalyse."

Ähnliche Präsentationen


Google-Anzeigen