Roselinde Kessels, Assistenzprofessorin, Universität Antwerpen und Universität Maastricht
Robert Mee, William und Sara Clark, Professor für Business Analytics, University of Tennessee
Frühere diskrete Auswahlexperimente liefern klare Hinweise auf Primat- und Rezenzeffekte in der Präsentationsreihenfolge der Profile innerhalb eines Auswahlsatzes, wobei das erste oder letzte Profil in einem Auswahlsatz häufiger ausgewählt wird als die anderen Profile. Vorhandene Bayesianische Auswahldesignalgorithmen berücksichtigen keine Profilreihenfolgeeffekte innerhalb von Auswahlsätzen. Dies kann zu stark verzerrten Teilwertschätzungen führen, wie wir anhand eines für P&G in Mexiko durchgeführten Produktverpackungsauswahlexperiments veranschaulichen. Eine gängige Praxis besteht darin, die Reihenfolge der Profile innerhalb von Auswahlsätzen für jeden Befragten zufällig festzulegen. Während die zufällige Profilreihenfolge für jeden Probanden im Durchschnitt für alle Probanden eine nahezu ausgewogene Reihenfolge gewährleistet, kann die Zufallsauswahl für viele einzelne Probanden in Bezug auf die Profilreihenfolge recht unausgewogen sein; daher kann jede Tendenz, das erste oder letzte Profil zu bevorzugen, zu einer Verzerrung dieser Probanden führen. Infolgedessen kann diese Verzerrung zu Heterogenität in hierarchischen Bayesianischen Schätzungen für Probanden führen, selbst wenn die Probanden identische wahre Präferenzen haben. Als Designlösung schlagen wir positionsausgeglichene Bayesianische Optimaldesigns vor, die auf eine ausreichende Reihenfolgenbalance beschränkt sind. Für die Analyse empfehlen wir, eine Profilreihenfolge-Kovariate einzubeziehen, um etwaige Reihenfolgepräferenzen in den Antworten zu berücksichtigen.
