Empfehlungen
A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   X   Y   Z  
  Home Top 10 Fachbereiche News Hilfe & FAQ
 

Mehrdimensionale Skalierung (MDS)

Verfahren der Interdependenzanalyse in der Multivariatenanalyse zur Ermittlung der grundlegenden Merkmalsdimensionen, auf denen Stimuli differenziert oder beurteilt werden. Es wird im Marketing zur Identifi­kation der Positionen von Produkten (Sti­muli) auf diesen Merkmalsdimensionen ein­gesetzt, wobei die Relationen der Produkte über eine Punktekonfiguration in zwei oder drei Dimensionen räumlich abgebildet wer­den können (Positionierung). Erfaßt man Wahrnehmungen, bezeichnet man die grafi­sche Repräsentation als Wahrnehmungs­raum. Die Abb. veranschaulicht als Beispiel den Wahrnehmungsraum von Hausfrauen für Backprodukte. Die relevanten Merk­malsdimensionen sind Preisgünstigkeit und Qualität (Frische und Zutaten). Alternativ lassen sich auch Präferenzen ab- fragen, wobei die Dimensionen den Präfe­renzraum des Befragten aufspannen (Po­sitionierungsmodell). Im sog. Joint Space werden Ähnlichkeiten zwischen Stimuli und Präferenzdaten integriert. Eine weitere Mög­lichkeit ist die Einbeziehung von Idealpunk­ten, d. h. hypothetischen Stimuli mit höch­ster Präferenz (Kaufmodell). Ausgangsbasis der allgemeinen MDS ist eine Dreiecksmatrix mit Koeffizienten für die wahrgenommene Ähnlichkeit bzw. Unähn­lichkeiten zwischen Stimulipaaren. Man un­terscheidet je nach Skalenniveau der Aus­gangsdaten metrische und nichtmetrische MDS. Methoden der Datenerhebung stellen der Paarvergleich, Ähnlichkeitsratings und die Ankerpunktmethode dar. Hierbei sind jeweils Produktpaare nach Ähnlichkeit oder Präferenz zu ordnen oder zu beurteilen. Wer­den die Objekte nach Präferenz (Unfol- ding) geordnet, unterstellt man implizit, dass das erst- und zweitpräferierte Objekt am ähnlichsten sind, dagegen das erst- und letzt- präferierte Objekt die größte Unähnlichkeit aufweisen. Die Positionierung eines Stimulus erfolgt über die Transformation der Ähnlich- keitsdaten in ein Distanzmodell. Hier sol­len geringe Distanzen von Stimuli eine große Ähnlichkeit signalisierenundumgekehrt. Ein MDS-Algorithmus umfaßt mit einem Distanz-Modell und einer MDS-Schätz- funktion mindestens zwei Modell-Komponenten. Unter Vorgabe der Dimensionsan­zahl (meist zwei) wird eine Ausgangskonfi­guration der Stimuli solange verbessert, bis eine möglichst gute Anpassung an die beob­achteten Daten erreicht ist. Man unterschei­det metrische und nichtmetrische Verfahren. In den meisten MDS-Verfahren hat die Be­ziehung der Positionen zweier Objekte und ihre Distanz die Form einer Minkowski- Metrik:
Mehrdimensionale Skalierung (MDS)
Mehrdimensionale Skalierung (MDS) mit
Mehrdimensionale Skalierung (MDS) Ein Metrik-Parameter von r = 2 bestimmt die im Rahmen der MDS häufig eingesetzte Eu­klidische Metrik. Die City-Block-Metrik er­gibt sich bei r = 1, während man bei r = °° von Supremiums-Metrik spricht. Unter Vorgabe der Metrik werden auf Grundlage der Ahn- lichkeitsdaten die Distanzen geschätzt. Der MDS-Algorithmus bestimmt die unbekann­te Beziehung f zwischen beobachteter Ähn­lichkeit und theoretischer Distanz. (2)
Mehrdimensionale Skalierung (MDS) mit beobachtete Ähnlichkeit zwischen Ob­
Mehrdimensionale Skalierung (MDS) jekt i und j, di, theoretische Distanz zwischen i und j, d‘ ij über f(öij) transformierte Ähnlichkeits­daten. In der metrischen MDS hat die Beziehung f((5;j) die Form eines Polynoms n-ten Grades. In der nichtmetrischen MDS handelt es sich um eine schwach monotone Funktion. Für eine vorgegebene Dimensionsanzahl und ei­ne Startkonfiguration bestimmt der MDS- Algorithmus die Stimuluskonfiguration (Konfiguration), die über die geschätzte Funktion eine möglichst gute Anpassung an die beobachteten Daten ermöglicht. Die Gü­te der Anpassung läßt sich, sofern keine degenerierte Lösung vorliegt, anhand des Stress-Wertes oder des Shepard-Dia- gramms beurteilen. Der Stress-Wert wird bei der Schätzung der Funktion als das zu minimierende Zielkrite­rium herangezogen. In den meisten MDS- Algorithmen werden Varianten des Kruskal- Stress eingesetzt:
Mehrdimensionale Skalierung (MDS) Als schlechte Modellanpassung gilt, wenn der Stress-Index größer als 0,2 ist. Die Höhe des Stress-Wertes sinkt in aller Regel mit ab­nehmender Zahl der Objekte sowie mit stei­gender Zahl der Dimensionen. Neben MDS-Verfahren, die eine einzige (in­dividuelle oder aggregierte) Datenmatrix an­alysieren, existieren MDS-Algorithmen wie INDSCAL (Individual Differences Sca­ling), die mehrere Datenmatrizen simultan als N- oder Mehr-Wege-Analyse verarbei­ten. Mehr-Wege-Daten liegen z.B. vor, wenn die Information einer Distanzmatrix z.B. über mehrere Personen oder zu ver­schiedenen Zeitpunkten repliziert wird und individuelle bzw. zeitpunktspezifische Un­terschiede erfaßt werden. Interpretationsmöglichkeiten eines MDS- Raums bietet die Facettentheorie oder die explizite Integration von extern erhobenen Eigenschaftsurteilen über Analyseprogram­me wie PROFIT (Property Fitting). Die Produktpositionen der Lösungskonfi­guration werden bei PROFIT auf Eigen­schaftsbewertungen regressiert, um diese als Eigenschaftsvektoren in den Wahrneh­mungsraum zu legen. Die auf den Vektor projezierten Stimulusdistanzen zeigen die eigenschaftsspezifischen Wahrnehmungs- unterschiede. Die Rotation des Wahrneh­mungsraumes ermöglicht zudem, die Eigen­schaftsvektoren auf die Raumdimensionen zu legen. Die exploratorischen MDS-Analysen sind heute durch Programme zur Konfirmatorischen MDS erweitert worden. Sie ermögli­chen es, Hypothesen über die Konfiguration der Stimuli im Wahrnehmungsraum mit ein­zubeziehen und zu testen (Borg und Lingoes). Der Test erfolgt über Restriktionen, die auf die MDS-Konfigurationen gelegt werden. Teststatistiken und Fitindices lie­fern Anhaltspunkte über den Grad der Ab­weichungen einer MDS-Lösung von einer hypothetischenZielkonfiguration. Ähnliches leistet der PROSCAL-Ansatz zur Schätzung von probabilistischen Konfi­gurationen. Ihr Vorteil ist die Explikation ei­nes Fehlermodells für die beobachteten Ähn­lichkeitsdaten. Sind die Annahmen über das Fehlermodell gerechtfertigt, können die Pa­rameter mit der Maximum-Likelihood- Methode geschätzt werden. Während die deterministische MDS nur Schätzer für die Stimulikoordinaten liefert, schätzt die pro­babilistische MDS dann sowohl die Position als auch die Unsicherheit der Position eines Stimulis im Raum. Der Ansatz liefert gleich­zeitig einen Signifikanz-Test für den Grad der Modellverbesserung bei Berücksichti­gung einer zusätzlichen Dimension.

Literatur: Borg, I.; Lingoes,]. C., A Model and Al- gorithm for Multidimensional Scaling with Exter- nal Constraints on the Distances, Psychometrika, 45.Jg. (1979) S.25-38. Dichtl E.; Schobert R.,
Mehrdimensionale Skalierung (MDS) Die Tabelle gibt eine kurze Charakterisie­rung wichtiger MDS-Algorithmen. Mehrdimensionale Skalierung. Methodische Grundlagen und betriebswirtschaftliche Anwen­dungen, München 1979. Green, P.E.; Carmone, F.J.Jr.; Smith, , Multidimensional Scaling: Concepts and Applications, Boston 1989. Kruskal, J.B., Multidimensional Scaling by optimizing Goodness of Fit to a nonmetric Hypothesis, in: Psychometrica, 29.Jg. (1964) S. 1-27. Schiffman, S. S.; Reynolds, M. L.; Young, , Introauction to Multidimensional Scaling. Theory, Methods and Applications, New York 1981, S. 59 f.

Vorhergehender Fachbegriff: mehrdimensionale Skalierung | Nächster Fachbegriff: Mehrdimensionaler Produktraum



  Diesen Artikel der Redaktion als fehlerhaft melden & zur Bearbeitung vormerken

   
 
 

   Weitere Begriffe : Hauptrefinanzierungsgeschäft | Beschaffungsinstrumente | Arbeitseinkommen

   Praxisnahe Definitionen

Nutzen Sie die jeweilige Begriffserklärung bei Ihrer täglichen Arbeit. Jede Definition ist wesentlich umfangreicher angelegt als in einem gewöhnlichen Glossar.

  Marketing

  Definition

  Konditionenpolitik

   Fachbegriffe der Volkswirtschaft

Die Volkswirtschaftslehre stellt einen Grossteil der Fachtermini vor, die Sie in diesem Lexikon finden werden. Viele Begriffe aus der Finanzwelt stehen im Schnittbereich von Betriebswirtschafts- und Volkswirtschaftslehre.

  Investitionsrechnungen

  Marktversagen

  Umsatzsteuer

   Beliebte Artikel

Bestimmte Erklärungen und Begriffsdefinitionen erfreuen sich bei unseren Lesern ganz besonderer Beliebtheit. Diese werden mehrmals pro Jahr aktualisiert.

  Cash Flow

  Bausparen

  Fremdwährungskonto


     © 2023-2024 Wirtschaftslexikon24.com       All rights reserved.      Home  |  Datenschutzbestimmungen  |  Impressum  |  Rechtliche Hinweise
Aktuelles Wirtschaftslexikon