marketingforschung lecture 3

• Häufigkeitsverteilung
• Mittelwert, Median, Modalwert
• Skewness
• Standard Deviation
• Skalenniveaus: nominal, ordinal, intervall, rational 

• Objektivität – Wie objektiv ist die Messung?

• Reliabilität – Wie zuverlässig und stabil ist die Messung?

• Validität – Wie genau wird das gemessen, was gemessen werden soll? 

Die Objektivität von Fragen oder Messverfahren ist gegeben, wenn die Antworten/ Messwerte unabhängig vom Interviewer/ Versuchsleiter sind.

Wird erhöht durch

• genaue Beschreibung der Durchführung, z.B.: Instruktion, Interviewleitfaden (Einhaltung)

• standardisierte Auswertung Definition von richtigen / falschen / passenden Antworten; Schablonen

• standardisierte Interpretation ab wann ist eine Person überdurchschnittlich intelligent oder zufrieden?

• Messung der Schraubenlänge durch ein kalibriertes Messmittel ist eine objektive Messung wohingegen die Befragung von Mitarbeitern durch ihre Teamleiter zu den Führungsqualitäten subjektiv ist 

Die Reliabilität ist die Zuverlässigkeit einer Messung, d. h., die Angabe ob ein Messergebnis bei einem erneuten Versuch unter den gleichen Umständen stabil ist.

• Grad der Genauigkeit, mit dem ein Test ein bestimmtes Merkmal misst (unabhängig davon, was er zu messen beansprucht).

• Die Genauigkeit einer Waage zeigt sich z.B.: bei wiederholter Messung -eine reliable Waage erzeugt nur geringe Abwechungen (z.B.: 62.4, 62.3, 62.4, 62.5)

• reliable Frage ist ‘Wie viele Mitarbeiter hat Ihre Abteilung?’ Dagegen hat die Frage ‘Wie viele teamfähige Mitarbeiter hat ihre Abteilung’ geringere Reliabilität (’teamfähig’ ist unklar) 

• Korrelation von Teilen des Tests (Testhalbierung) • Paralleltest
• Re–Test

→ Alle beruhen auf Korrelationen 

Test zu zwei unterschiedlichen Zeitpunkte durchführen und Korrelation berechnen
Problem:

• wenn zu kurz: kann verzerrt werden durch Gedächtnis und Motiv konsistent zu erscheinen

• wenn zu lange: es können Veränderungen stattfinden (z.B.: negative Erfahrungen bei der Messung von Zufriedenheit mit einem Produkt) 

Korrelation zwischen zwei Tests (A und B), die dieselbe Eigenschaft (mittels verschiedener Items) erfassen
Durch Crossover Design Übungs- und Transfereffekte kontrollieren: Gruppe 1: Test A – Test B
Gruppe 2: Test B – Test A
Probleme ergeben sich, wenn die beiden Tests nicht völlig parallel sind (was fast immer der Fall ist). 

Homogenität der Items erhöht Reliabilität

• breite Konstrukte sind meist heterogen
• zu homogene Items haben jedoch wenig inhaltliche Relevanz

Varianz & Verteilungsmerkmale der gemessenen Personen-Werte

• geringe Varianz reduziert Reliabilität

• sehr hohe oder sehr geringe Aufgabenschwierigkeit (definiert als Anteil der Personen, die eine Aufgabe korrekt lösen oder einer Aussage zustimmen) reduziert somit auch die Reliabilität

  verschiedene Arten von Messfehlern

  • systematische Messfehler (z.B.: Antworttendenzen) führen zu einer Überschätzung der Reliabilität 

• klare Instruktion und Formulierung Items

• Items ausschliessen, die schwach mit den restlichen Items korrelieren

• Gefahr 1: besonders leichte und schwere Items könnten ausgeschlossen werden; dies ist problematisch, da der Test in den Extrembereichen der Merkmale nicht mehr unterscheiden kann

• Gefahr 2: Test wird zu homogen und misst nur noch kleine Verhaltensausschnitte

  • Testverlängerung 

stimmt, eng vs weit definiertes konstrukt

Wie viel Prozent der Unterschiede im Antwortverhalten der Personen gehen auf Messfehler zurück?
Wie schmal ist die Verteilung der Messwerte einer Person bei wiederholten Messungen?

– Beispiel Reliabilität = .50
→ Die Hälfte der beobachteten Unterschiede im Antwortverhalten

geht auf Messfehler zurück.
– Beispiel Reliabilität = 1.00
→ Bei wiederholter Messung erhalte ich den selben Wert. – Beispiel Reliabilität = 0.00
→ Zufällige Werte. 

Die Validität gibt die Eignung eines Messverfahrens oder einer Frage bezüglich ihrer Zielsetzung an. 

Latente Variablen = Konstrukte
Items = beobachtbare bzw. manifeste Variablen dienen als Indikatoren der latenten Variablen 

Das Item misst das gewünschte Konstrukt (latente Variable) und nicht auch noch ein anderes Konstrukt).

→ wird meist durch logische Schlussfolgerung (z.B.: durch Experten) bestimmt und nicht durch statistische Kennwerte 

Das Messinstrument misst das gewünschte Konstrukt (latente Variable).

Quantifizierung der Übereinstimmung mit ähnlichen und unähnlichen Massen. 

divergent, konvergent, faktoriell

Nachweis einer geringen Korrelation mit Tests, die etwas anderes messen.

z.B.: Sollte ein Mass für Kreativität möglichst nicht mit Aufmerksamkeit korrelieren. Sollte „consumer independent judgment making“ nichts mit Intelligenz zu tun haben 

Nachweis einer hohen Korrelation mit Tests, die etwas ähnliches messen.

z.B.: sollte ein Mass für Kreativität mit anderen Massen der Kreativität korrelieren. sollte „consumer independent judgment making“ mit allg. sozialer Beeinflussung zusammenhängen 

Nachweis durch eine

konfirmatorische Faktorenanalyse: festgelegte Zugehörigkeit von einzelnen Items zu definierten Konstruktbereichen empirisch überprüfen (spezielle statistische Kennwerte) 

messung korreliert mit kriterien

vorhersage

übereinstimmung

retrospektiv

inkrementell

Die Messung korreliert mit zukünftigen Kriterien. z.B.: Zufriedenheit mit Dienstleistung heute und Beanspruchung derselben in der Zukunft.

Wird oft auch als prognostische Validität oder prädiktive Validität bezeichnet 

Die Messung korreliert mit gleichzeitig erhobenen Messungen, eines ähnlichen Konstrukts.

z.B.: Konzentrationsleistung vor einer Klausur und Klausurleistung.

Auch als konkurrente Validität bezeichnet 

Die Messung korreliert mit vergangenen Kriterien.
z.B.: Note im Master und Note Maturität. 

Wie verbessert sich die Vorhersage eines neuen Masses im Vergleich zu einem bestehendem?

z.B.: IQ sagt berufliche Leistung vorher. Jedes andere Mass der Personalauswahl, das zusätzlich Varianz aufklärt hat eine inkrementelle Validität. 

• Internale Validität
  Wurde der Effekt von der Manipulation verursacht oder von konfundierten Variablen?
  Wenn ein Experiment eine geringe internale Validität aufweist, dann kann man es nicht interpretieren.

• Externale Validität
  Können die Ergebnisse generalisiert werden? Tritt der Effekt auch in anderen Situationen oder Populationen auf? 

Es gibt zwei wichtige Gruppen von deskriptiven Kennwerten, mit denen man Daten beschreiben kann:

• Kennwerte der zentralen Tendenz
• Kennwerte der Unterschiedlichkeit der beobachteten Werte

→ Welche Kennwerte sinnvoll eingesetzt werden können, hängt vom Skalenniveau der Variable ab