Auswahlbasierte Conjoint-Analyse

Abstract

Die Auswahlbasierte Conjoint-Analyse (ACA) wird in diesem Kapitel auf fünf Seiten in den wesentlichen Grundzügen vorgestellt, indem die mittels ACA zu behandelnden Problemstellungen sowie die Vorgehensweise skizziert werden und die Umsetzung mit dem Programmpaket der Sawtooth Software Inc. (SSI) aufgezeigt wird. Wie die traditionelle Conjoint-Analyse, so dient auch die ACA der Analyse von Präferenzen. Aus einer Menge von Alternativen (Choice Set) muss ein Proband nur jeweils die am meisten präferierte Alternative auswählen, wobei meist auch die Option besteht, keine der Alternativen zu wählen. Dies ist für ihn nicht nur einfacher, sondern kommt auch seinem realen Entscheidungsverhalten (z. B. in Kaufsituationen) sehr viel näher als das Ranking aller betrachteten Objekte wie es die traditionelle Conjoint-Analyse erfordert. Die erhöhte Realitätsnähe wird allerdings mit einem Verlust an Information erkauft, da bei dieser Vorgehensweise die Präferenz nur noch auf nominalem Skalenniveau gemessen wird. Zur Schätzung der Nutzenbeiträge einzelner Merkmale (Teilnutzenwerte) muss daher ein anderes Schätzverfahren verwendet werden. Während bei der traditionellen Conjoint-Analyse die Schätzung meist durch Regression mit Dummy-Variablen erfolgt, kommt bei der ACA die Maximum-Likelihood-Methode zur Anwendung, die eine iterative Schätzung der Teilnutzenwerte vornimmt. Wegen des geringeren Informationsgehalts ist es meist nur möglich, die Teilnutzenwerte aggregiert zu schätzen, während es bei der traditionellen Conjoint-Analyse üblich ist, sie individuell für jeden Probanden zu schätzen.

Eine ausführliche Darstellung der Nichtlinearen Regression mit der Berechnung eines umfangreichen Fallbeispiels findet der Leser in dem Buch von:

Backhaus, K./Erichson, B./ Weiber, R.: Fortgeschrittene Multivariate Analysemethoden, 3. Aufl., Berlin Heidelberg 2016.