Datenanalyse Multivariate Verfahren

Datenanalyse Multivariate Verfahren

1. Dependenzanalyse

   • Multible Regression
     • Einfluss MEHRERER Variablen auf eine abhängige Variable
   • Conjoint-Analyse
     • Untersucht, wie einzelen Produktmerkmale bzw. Ausprägungen zum Gesamtnutzen für d. Kunden beitrage
     • Erklärt wie sich Präferenzen v. Kunden ändern, wenn sich ein Merkmal ändert
     • Bsp.:

2. Interdependezanalyse

   • Faktoranalyse
     • 1. Reduktion metrisch skalierter Variablen auf wenige grundlegende
       • z.B. Persönlichkeitsdimensionen, Serviceorientierung
     • 2. Erstellen einer Datenmatrix
     • 3. Korrelationxmatrix
     • 4. Faktorladungsmatrix
   • Clusteranalyse
     • Zusammenfassung von Objekten zu Gruppen, die möglichst homogen, aber heterogen untereinander sind
       • Marktsegmentierung
     • 1. Auswahl Clustervariablen
     • 2. Aufstellen Datenmatrix
     • 3. Elimination v. Ausreißern
     • 4. Auswahl Clusteralgorithmus
     • 5. Bestimmung Clusteranzahl
     • Bsp.: Ansichten Kunde A & D weit auseinander, aber A & C sehr gleich .--> A & C ein Cluster

3. Unterschiede der beiden Verfahren

   • Untersucht Ursachen-Wirkungs-Beziehung, Strukturen prüfend
     • abhängige und unabhängige Variabel
     • gerichtete Abhängigkeiten
       • Z.B: WIe beeinflussen die unabhängigen Variabeln Preis, Qualität, Design etc. die abhängige Variabel Kundenzufriedeneheit
   • Struktren entdeckend, Aufdeckung v. Strukturen
     • z.B.: Wie hängen die Faktoren: Mitarbeiterzufriedenheit Kundenzufriedenheit und Motivation der Mitarbeiter zusammen?
     • metrisch und nicht metrischen skaliereungen
     • ungerichtete Abhängigkeit

Images and files in the map