Roselinde Kessels , PhD, Postdoktorandin, Angewandte Wirtschaftswissenschaften, Universität Antwerpen roselinde.kessels0
Diskrete Auswahlexperimente (DCEs), auch Stated-Choice-Experimente oder Conjoint-Choice-Experimente genannt, werden häufig eingesetzt, um Präferenzen von Menschen in so unterschiedlichen Bereichen wie Wirtschaft, Marketing, Transport, Gesundheit, Psychologie, Umweltplanung sowie Sozial-, Politik- und Kommunikationswissenschaften zu quantifizieren. Anhand vorgegebener Produkt- oder Artikelattribute identifizieren DCEs die wichtigsten Attribute und geben die jeweils attraktivsten Ausprägungen an. Typischerweise wählen die Befragten bei DCEs zwischen hypothetischen (manchmal auch realen) Alternativen, die in Auswahlsets präsentiert werden. Die Alternativen, auch Profile genannt, sind Kombinationen von Ausprägungen verschiedener Attribute. In den meisten Studien ist die Anzahl der Attribute groß (grob gesagt mehr als fünf). Um die Lücke zwischen der Einbeziehung vieler Attribute in Profile und der erhöhten kognitiven Belastung bei der Auswahl zwischen Profilen zu schließen, empfehlen wir die Verwendung partieller Profildesigns. Im Gegensatz zu vollständigen Profildesigns, die die Ausprägungen aller Attribute in den Profilen der Auswahlsets variieren, variieren partielle Profildesigns nur die Ausprägungen einer Teilmenge der Attribute. Anhand realer DCE-Fallstudien zeigen wir, wie Sie mithilfe des empfohlenen Bayes-Design-Ansatzes in JMP vollständige und partielle Profildesigns erstellen. Wir zeigen, wie Sie die resultierenden Auswahldaten sowohl auf aggregierter Ebene (durch Pooling der Daten) als auch auf individueller Ebene analysieren, sofern die Anzahl der von jedem Befragten ausgewerteten Auswahlsätze dies zulässt.
