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.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
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.
Gatignon/Eliashberg/Bobertson (1989), Ihde (1996) und Dekimpe/Parker/Sarvary (1998) bilden die Ausnahmen.
Gatignon/Eliashberg/Robertson (1989) verwenden für die Beurteilung der Prognosegüte nur die geschätzten Werte des Marktpotentials und berechnen die Prognosemaße auf Basis der Penetrationswerte.
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.
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 ).
In diesem Zusammenhang entspricht das Bestimmtheitsmaß dem quadrierten Korrelationskoeffizienten und damit dem zentrierten Bestimmtheitsmaß.
Unter einem random walk versteht man einen Zufallsprozeß yt = yt_1 + u1,wobei E(ut) = 0 gilt (vgl. z.B. Gujarati, 1995, S. 718).
Andere relative Maße werden bei Makridakis/Hibon (1995) und Armstrong/Collopy (1992) erläutert.
Für den Imitationskoeffizienten sind die Regressionsgleichungen der adoption-und time-domain Schätzungen identisch. Sie weisen beide nur die Einflußvariable Preisverlauf auf.
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.
Rights and permissions
Copyright information
© 1999 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Bähr-Seppelfricke, U. (1999). Prognose der Diffusion unter Einbeziehung der Produkteigenschaften. In: Diffusion neuer Produkte. Betriebswirtschaftslehre für Technologie und Innovation, vol 30. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08426-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-663-08426-6_7
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-0490-2
Online ISBN: 978-3-663-08426-6
eBook Packages: Springer Book Archive