Advertisement

Das Konzept der Hierarchischen Individualisierten Limit Conjoint-Analyse

  • Markus Voeth
Chapter
Part of the nbf Neue Betriebswirtschaftliche Forschung book series (NBF, volume 265)

Zusammenfassung

In der HILCA wird grundsätzlich unterstellt, daß Individuen in komplexen, extensiven und damit im Sinne der IVT innovativen Beurteilungssituationen allgemeine Programme verwenden, die sich durch eine individuelle Merkmalshierarchisierung kennzeichnen lassen. Grundannahme der HILCA ist demnach, daß Individuen die multiat- tribute Komplexität dadurch bewältigen, daß sie die Merkmale nicht simultan auf einer, sondern sukzessiv auf verschiedenen Informationsverarbeitungsstufen berücksichtigen. Die Ausgestaltung des auf dieser Grundannahme aufbauenden Modells der HILCA wird darüber hinaus wesentlich dadurch beeinflußt, welche zusätzlichen Annahmen in bezug auf das Informationsverarbeitungsverhalten der Individuen getroffen werden. Im Hinblick auf die Konzeption, Datenerhebung, -auswertung und anschließende Entscheidungssimulation ist zu unterscheiden, ob
  • Individuen die nicht auf der ersten Beurteilungsstufe beachteten Merkmale allein dann hinzuziehen, wenn Objekte bei den zunächst berücksichtigten (wichtigsten) Merkmalen gleiche Ausprägungen oder gleiche Nutzenwerte aufweisen. Alternativ hierzu kann unterstellt werden, daß die zunächst in bezug auf die Merkmale einer übergeordneten Merkmalsebene vorgenommene Beurteilung von Objekten anschließend auch dann im Hinblick auf die Ausprägungen der Merkmale nachgeordneter Merkmalsstufen überprüft wird, wenn die Objekte bei den übergeordneten Merkmalen unterschiedliche Nutzenwerte aufweisen. Die Ausgestaltung des Modells der HILCA hängt folglich davon ab, ob von merkmalsgruppenübergreifender Beurteilungskompensation auszugehen ist;

  • Ausprägungen von Merkmalen fiir Individuen der Charakter von K.O.-Ausprä- gungen zukommt und diese daher im Vorfeld auszuschließen sind;

  • Abhängigkeiten zwischen Merkmalen im Beurteilungsprozeß zu vermuten und demnach Interaktionseffekte zwischen Merkmalen zu berücksichtigen sind.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literature

  1. 24.
    Weiber, RJ., Rosendahl, T. (1997), Anwendungsprobleme der Conjoint-Analyse, in: Marketing ZFP, 19. Jg., H. 2, S. 115Google Scholar
  2. 27.
    Green, P.E., Srinivasan, V. (1990), Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice, in: JoM, 54. Jg., 1990, S. 5.Google Scholar
  3. 32.
    Box, G.KP., Hunter, W.G., Hunter, J.S. (1978), Statistics for Experimenters, New York et al. 1978, S. 374Google Scholar
  4. Green, P.E., Carroll, J.D., Carmom, FJ. (1978), Some New Types of Fractional Factorial Designs for Marketing Experiments, in: Sheth, J.N. (Hrsg.), Research in Marketing, 1. Jg., 1978, S. 102Google Scholar
  5. 34.
    Box, G.E.P., Hunter, W.G., Hunter, J.S. (1978), Statistics for Experimenters, New York et al. 1978, S. 406Google Scholar
  6. Daniel, C. (1976), Applications of Statistics to Industrial Experimentation, New York et al. 1976, S. 226CrossRefGoogle Scholar
  7. 35.
    Davies, O.L., Hay, W.A. (1950), The construction and uses of fractional factorial designs in industrial research, in: Biometrics, 6. Jg., 1950, S. 233CrossRefGoogle Scholar
  8. Box, G.E.P., Hunter, J.S. (1961a), The Fractional Factorial Designs (Part I), in: Technometrics, 3. Jg., 1961, S. 31Google Scholar
  9. Davies, O.L. (1954), The design and analysis of industrial experiments, New York 1954.Google Scholar
  10. 36.
    Addelman, S. (1962b), Symmetrical and Asymmetrical Fractional Factorial Plans, in: Technometrics, 4. Jg., 1962, S. 47Google Scholar
  11. 36.
    Addelman, S. (1962b), Symmetrical and Asymmetrical Fractional Factorial Plans, in: Technometrics, 4. Jg., 1962 34Google Scholar
  12. 38.
    Addelman, S. (1962a), Orthogonal Main- Effect Plans for Asymmetrical Factorial Experiments, in: Technometrics, 4. Jg., 1962 (February), S. 40Google Scholar
  13. 40.
    Addelman, S. (1962b), Symmetrical and Asymmetrical Fractional Factorial Plans, in: Technometrics, 4. Jg., 1962 (February), S. 56Google Scholar
  14. 41.
    Plackett, R.L. (1946), Some generalizations in the multifactorial experiments, in: Biometrica, 33. Jg., 1946, S. 328ff;CrossRefGoogle Scholar
  15. Addelman, S. (1962b), Symmetrical and Asymmetrical Fractional Factorial Plans, in: Technometrics, 4. Jg., 1962 (February), S. 52fGoogle Scholar
  16. 42.
    Green, P.E. (1984), Hybrid Models for Conjoint Analysis: An Expository Review, in: JoMR, 18. Jg., 1984 (May), S. 163Google Scholar
  17. 43.
    Teichert, T. (1994), Zur Validität der in Conjoint-Analysen ermittelten Nutzenwerte, in: ZfbF, 46. Jg., 1994 78Google Scholar
  18. 50.
    Klein, N. (1986), Assesing Unacceptable Attribute Levels in Conjoint Analysis, in: AiCR, 11. Jg., 1986, S. 154Google Scholar

Copyright information

© Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden, und Deutscher Universitäts-Verlag GmbH, Wiesbaden 2000

Authors and Affiliations

  • Markus Voeth

There are no affiliations available

Personalised recommendations