Advertisement

Prognose der Diffusion unter Einbeziehung der Produkteigenschaften

Chapter
  • 139 Downloads
Part of the Betriebswirtschaftslehre für Technologie und Innovation book series (BTI, volume 30)

Zusammenfassung

Der Zweck von Diffusionsmodellen ist die Beschreibung, Erklärung und Prognose von Diffusionsverläufen sowie die Entwicklung von Marketing-Strategien (vgl. Mahajan/ Wind, 1986, S. 20 f.). Ein grundlegendes Ziel dieser Arbeit ist demnach nach der Modellierung des Einflusses von Produkteigenschaften auf den Absatz der betrachteten Produktgruppen und Dienste auch die Prognose der Diffusion neuer Produkte, um den Einsatz von Marketing-Instrumenten für ein neu einzuführendes Produkt im voraus planen zu können.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 13.
    Als Beispiele lassen sich aufführen: Heeler/Hustad (1980), Schmittlein/Mahajan (1982), Mahajan/Mason/ Srinivasan (1986), Srinivasan/Mason (1986), Young (1993), Putsis (1996), wobei in diesen Studien zumeist auch ein Methoden-oder Modellvergleich der Zweck der Beurteilung der Prognosegüte ist.Google Scholar
  2. 14.
    Gatignon/Eliashberg/Bobertson (1989), Ihde (1996) und Dekimpe/Parker/Sarvary (1998) bilden die Ausnahmen.Google Scholar
  3. 15.
    Gatignon/Eliashberg/Robertson (1989) verwenden für die Beurteilung der Prognosegüte nur die geschätzten Werte des Marktpotentials und berechnen die Prognosemaße auf Basis der Penetrationswerte.Google Scholar
  4. 16.
    Auf die zusätzliche Betrachtung von 20 Produktgruppen in den Panel-Modellen wird verzichtet, da dieses schon bei den Schätzungen in Kapitel 6.4 häufig zu insignifikanten Ergebnissen geführt hat, so daß sich in den schrittweisen Regressionen stark unterschiedliche Modelle ergeben würden, was wiederum einen Vergleich erschwert.Google Scholar
  5. 17.
    In der Finanzwirtschaft, z.B. zur Beurteilung von Aktien, wird die Varianz des Aktienkurses als Maß der Unsicherheit verwendet. Formal gilt: MSE(x) = Var(x) +Verzerrung(x)2 (vgl. Mood/Graybill/Boes, 1988, S. 293 ).Google Scholar
  6. 40.
    In diesem Zusammenhang entspricht das Bestimmtheitsmaß dem quadrierten Korrelationskoeffizienten und damit dem zentrierten Bestimmtheitsmaß.Google Scholar
  7. 41.
    Unter einem random walk versteht man einen Zufallsprozeß yt = yt_1 + u1,wobei E(ut) = 0 gilt (vgl. z.B. Gujarati, 1995, S. 718).Google Scholar
  8. 42.
    Andere relative Maße werden bei Makridakis/Hibon (1995) und Armstrong/Collopy (1992) erläutert.Google Scholar
  9. 43.
    Für den Imitationskoeffizienten sind die Regressionsgleichungen der adoption-und time-domain Schätzungen identisch. Sie weisen beide nur die Einflußvariable Preisverlauf auf.Google Scholar
  10. 45.
    Man erkennt, daß der Prognosefehler - mit Ausnahme für Satellitenreceiver - bei der Prognose auf Basis der logit-transformierten Koeffizienten in der time-domain größer ist als in der adoption-domain.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1999

Authors and Affiliations

There are no affiliations available

Personalised recommendations