Praxisbeispiel: Regressionsanalyse

Ein Spirituosen-Hersteller plant, eines seiner Produkte, einen Kräuterlikör, im Umfeld der Wettbewerber optimal zu positionieren. Zu diesem Zweck soll eine Trackingstudie gezielte Veränderungen am Produkt über einen längeren Zeitraum begleiten. Aufgrund einer qualitativen Vorstufe wurden 16 Items definiert, die mit Hilfe einer Faktorenanalyse zu drei wesentlichen voneinander unabhängigen Grunddimensionen zusammengefasst wurden:

• Geschmack/Wirkung
• Verträglichkeit
• Störreize

Zur Reduktion auf diese drei Dimensionen siehe „Merkmale identifizieren“.

Um zu entscheiden, welche Veränderungen besonders effektiv sind, soll die Analyse zeigen, welchen Einfluss diese Dimensionen auf die Kaufbereitschaft für einen Kräuterlikör haben.

Um die oben genannte Fragestellung zu beantworten, wurde eine Regressionsanalyse durchgeführt.

Die getesteten Liköre wurden neben den Einzelaspekten auch nach der generellen Kaufbereitschaft eingestuft (7-stufige Likertskala). Durch die Verwendung der unabhängigen Grunddimensionen wird das schwerwiegende Problem der Multikollinearität sinnvoll umgangen. Weiterhin führt sie zu sehr grundlegenden Aussagen im Hinblick auf Kaufbereitschaftstreiber. Um detailliertere Hinweise auf mögliche Einflüsse zu bekommen, können die Originalitems verwendet werden. Da solche Detailbewertungen im Allgemeinen interkorrelieren, müssen geeignete Maßnahmen ergriffen werden, um Fehlinterpretationen durch verzerrte Koeffizienten zu vermeiden. Diese Schritte sind im Kapitel „Strukturgleichungsmodell mit RALV“ beschrieben.

Das Bestimmtheitsmaß (R-Quadrat) in Abb. 1 belegt, dass ca. 80% der Gesamtvarianz der abhängigen Variablen „Kaufbereitschaft“ durch die drei grundlegenden Beurteilungsdimensionen erklärt werden. Das ist ein sehr hoher Anteil.

Die Varianzanalyse in Abb. 2 zeigt, dass der durch das Modell erklärte Varianzanteil hochsignifikant ist. Die Wahrscheinlichkeit eines Irrtums, wenn man von einem Einfluss der Faktoren auf die Kaufbereitschaft ausgeht, ist extrem gering (unter 0,05%).

Abb. 3 gibt die Regressionskoeffizienten wieder. Die Irrtumswahrscheinlichkeiten in der mit „Signifikanz“ überschriebenen Spalte zeigen, dass alle Faktoren mit sehr hoher Wahrscheinlichkeit auch in der zugrunde liegenden Zielgruppe einen Einfluss auf die Kaufbereitschaft ausüben. Das lässt eine inhaltliche Interpretation der Koeffizienten zu. Um die Faktoren in ihrer Einflussstärke miteinander zu vergleichen, verwendet man die Beta-Koeffizienten.

Es ist zu erkennen, dass der Einfluss von „Geschmack/Wirkung“ auf die Kaufbereitschaft größer ist als der Einfluss von „Verträglichkeit“ und „Störreize“ zusammen. Am negativen Vorzeichen ist zu erkennen, dass „Störreize“ die Kaufbereitschaft stark reduzieren.

Da alle Bereiche einen sehr hohen und statistisch gesicherten Einfluss ausüben, ist eine klare Handlungsempfehlung ohne weitere Informationen nicht sinnvoll möglich. Offenbar sind Aspekte aus dem Bereich „Geschmack/Wirkung“ am ehesten geeignet, die Kaufbereitschaft zu erhöhen.

Es muss jedoch weiterhin berücksichtigt werden, in welchem Maße eine Ausdifferenzierung in bestimmten Bereichen überhaupt technisch möglich bzw. wirtschaftlich ist. Ferner ist wichtig, wie das Produkt des Kunden im Vergleich zu den Wettbewerbern positioniert ist, um entscheidende Produktschwächen oder Chancen aufgrund vorhandener Nischen erkennen zu können. Siehe dazu „Markt-Positionierungen“.