Read more
Dieses Übungsbuch konzentriert sich auf die Interpretation und Anwendung anspruchsvoller Analysemethoden, die in der Marketing- und Managementforschung häufig eingesetzt werden. Mit der wachsenden Bedeutung von datenbasierten Entscheidungen in der Praxis wird die Fähigkeit, Analysen mittels quantitativer Methoden kompetent durchzuführen und zu interpretieren, immer wichtiger. Durch die Kombination von theoretischem Wissen und praktischen Übungen mit Lösungen werden Studierende optimal auf ihre zukünftigen beruflichen Herausforderungen vorbereitet. Zielgruppe sind insbesondere Studierende, die bereits Grundkenntnisse in der uni- und bivariaten deskriptiven Statistik erworben haben. Zudem wird ein Verständnis der inferenzstatistischen Verfahren vorausgesetzt, insbesondere der statistischen Prüfung von Hypothesen.
Die folgenden multivariaten Methoden werden behandelt:
- Analyse von fehlenden Werten und Ausreißern zur Bewertung der Datenqualität und Möglichkeiten der Datenaufbereitungen und -transformationen,
- Scoringverfahren zur Bewertung verschiedener Alternativen mittels mehrdimensionaler Zielkriterien,
- Varianzanalysen zum Vergleich der Mittelwerte mehrerer Gruppen, die durch kategoriale Variablen definiert werden,
- Regressionsanalysen zur Erkennung von Zusammenhängen zwischen metrischen Merkmalen,
- Prognoseverfahren zur Vorhersage zukünftiger Werte auf Basis von Beobachtungen aus der Vergangenheit,
- Clusteranalysen zur Strukturierung von Objekten bzw. Subjekten durch Bildung möglichst homogener Gruppen, die gegenüber den anderen Gruppen möglichst heterogen sind, und
- Entscheidungsbaumanalysen zur Klassifizierung von Objekten bzw. Subjekten zu vorgegebenen Gruppen auf Basis bekannter Eigenschaften.
List of contents
Datenaufbereitung.- Scoringverfahren.- Varianzanalyse.- Regressionsanalyse.- Prognoseverfahren.- Clusteranalyse.- Entscheidungsbaumanalyse.
About the author
Prof. Dr. Stefan Tuschl ist Professor für Quantitative Methoden an der Hochschule für Angewandte Wissenschaften (HAW) in Hamburg. Er verfügt über mehr als 18 Jahre Praxiserfahrung im Bereich Marktforschung und Quantitative Analysemethoden. Unter anderem leitete er über 10 Jahre lang bei TNS Infratest den Bereich Applied Marketing Science. Er ist außerdem Mit-Begründer und Mit-Gesellschafter der kom,ma Forschungs- und Beratungsgesellschaft, eines auf Kommunikations-, Werbe- und Markenforschung sowie individuelle Modellierungen spezialisierten Instituts. Stefan Tuschl hat Betriebswirtschaftslehre mit Schwerpunkt Marketing und Statistik an der Universität Passau studiert. Er war nach seinem Studium wissenschaftlicher Mitarbeiter am Lehrstuhl für Statistik der Universität Passau und schloss dort 1997 seine Promotion ab.
Prof. Dr. Elke Hörnstein ist Professorin für Quantitative Methoden an der Hochschule für Angewandte Wissenschaften (HAW) in Hamburg. Sie studierte Betriebswirtschaftslehre an der Universität Mannheim und war dort im Anschluss Wissenschaftliche Mitarbeiterin am Seminar für Statistik. Sie schloss 1988 ihr Promotionsstudium ab und arbeitete dann am Institut für Verkehrs- und Tourismusforschung, Heilbronn.
Summary
Dieses Übungsbuch konzentriert sich auf die Interpretation und Anwendung anspruchsvoller Analysemethoden, die in der Marketing- und Managementforschung häufig eingesetzt werden. Mit der wachsenden Bedeutung von datenbasierten Entscheidungen in der Praxis wird die Fähigkeit, Analysen mittels quantitativer Methoden kompetent durchzuführen und zu interpretieren, immer wichtiger. Durch die Kombination von theoretischem Wissen und praktischen Übungen mit Lösungen werden Studierende optimal auf ihre zukünftigen beruflichen Herausforderungen vorbereitet. Zielgruppe sind insbesondere Studierende, die bereits Grundkenntnisse in der uni- und bivariaten deskriptiven Statistik erworben haben. Zudem wird ein Verständnis der inferenzstatistischen Verfahren vorausgesetzt, insbesondere der statistischen Prüfung von Hypothesen.
Die folgenden multivariaten Methoden werden behandelt:
- Analyse von fehlenden Werten und Ausreißern zur Bewertung der Datenqualität und Möglichkeiten der Datenaufbereitungen und -transformationen,
- Scoringverfahren zur Bewertung verschiedener Alternativen mittels mehrdimensionaler Zielkriterien,
- Varianzanalysen zum Vergleich der Mittelwerte mehrerer Gruppen, die durch kategoriale Variablen definiert werden,
- Regressionsanalysen zur Erkennung von Zusammenhängen zwischen metrischen Merkmalen,
- Prognoseverfahren zur Vorhersage zukünftiger Werte auf Basis von Beobachtungen aus der Vergangenheit,
- Clusteranalysen zur Strukturierung von Objekten bzw. Subjekten durch Bildung möglichst homogener Gruppen, die gegenüber den anderen Gruppen möglichst heterogen sind, und
- Entscheidungsbaumanalysen zur Klassifizierung von Objekten bzw. Subjekten zu vorgegebenen Gruppen auf Basis bekannter Eigenschaften.
