Marktforschung II

Modul M.WIWI-BWL.0080


Dozenten Vorlesung:
  • Prof. Dr. Yasemin Boztuğ
  • Prof. Dr. Maik Hammerschmidt
  • Prof. Dr. Waldemar Toporowski

Dozent Übung:
  • Gesa Stremmel, M.Sc.

Modul für folgende Masterstudiengänge:
  • Marketing und E-Business (M.Sc.)
  • Finanzen, Rechnungswesen und Steuern (M.Sc.)
  • Unternehmensführung (M.Sc.)
  • Global Business (M.Sc.)
  • Steuerlehre (M.Sc.)
  • Wirtschaftsinformatik (M.Sc.)
  • Wirtschaftspädagogik (M.Ed.)
  • Wirtschaftspädagogik und Personalentwicklung (M.Sc.)
  • Development Economics (M.Sc.)
  • International Economics (M.Sc.)
  • History of Global Markets (M.A.)
  • Angewandte Statistik
  • Pferdewissenschaften (M.Sc.)
  • Psychologie (M.Sc.)

Sprache:
Deutsch
Voraussetzungen:
Keine formalen Zugangsvoraussetzungen
Qualifikationsziele/Kompetenzen:

Nach erfolgreicher Teilnahme haben die Studierenden ein profundes Verständnis der multivariaten Analyseverfahren Faktorenanalyse, Strukturgleichungsmodelle, Conjoint- Analyse (traditionelle, hybride, adaptive und choice-based Conjoint-Analyse) und Discrete Choice Modellierung erworben. Weiterhin werden grundlegende Kenntnisse der Testtheorie und Matrizenrechnung vermittelt. Die Studierenden sind in der Lage, geeignete Verfahren für Marketing-Fragestellungen auszuwählen und selbstständig anzuwenden. Darüber hinaus können die Studierenden die behandelten Verfahren in Bezug auf ihre Voraussetzungen und Annahmen kritisch einordnen. Die Studierenden können die methodischen und statistischen Grundideen der Verfahren wiedergeben, konkrete Ergebnisse interpretieren und darauf basierende Handlungsempfehlungen ableiten. Weiterhin sind sie in der Lage, das theoretischen Wissen mit geeigneter Statistiksoftware praktisch anzuwenden.


Inhalte der Vorlesung:
  • Einführung in die Testtheorie
  • Mathematische Grundlagen
  • Faktorenanalyse
  • Strukturgleichungsmodelle
  • Conjoint-Analyse (traditionelle, hybride, adaptive und choice-based Conjoint-Analyse)
  • Discrete Choice Modellierung

Veranstaltungsbeginn:
Montag, 12. April 2021

Zeit und Ort der Veranstaltung:

digitale Vorlesung: Montags, 10:15 - 11:45 Uhr

  • Im Sommersemester findet keine Vorlesung in Präsenz statt.
  • Folien, Literatur und Aufzeichnungen der Veranstaltung stehen Ihnen in Stud.IP als Download zur Verfügung.
  • Die Einführungsveranstaltung wird von Prof. Dr. Toporowski aufgezeichnet und steht allen Studierenden ab Montag, 12.04.2021 via Stud.IP zur Verfügung.
  • Weitere Aufzeichnungen von Prof. Boztug sowie Prof. Hammerschmidt werden regelmäßig in Stud.IP ergänzt.

Prüfung:
Klausur: 90 Min. (6 CP)

Prüfungsanforderungen:
Nachweis von Kenntnissen multivariater Verfahren sowie Anwendung auf marketingrelevante Fragestellungen, Analyse und Interpretation von Resultaten multivariater Verfahren.

Klausurtermin:
Online-Klausur am 26.07.2021, 10:15 - 11:45 Uhr

Zweitklausurtermin:
Online-Klausur am 12.11.2021, 10:15 - 11:45 Uhr

Weitere Informationen zur Klausurdurchführung erhalten Sie im Laufe des Semesters.
Inhalte der Übung:
In der praktischen Übung vertiefen und erweitern die Studierenden ihr theoretisches Wissen aus der Vorlesung durch das Anwenden der Verfahren auf typische Fragestellungen der Marktforschung. Die Inhalte werden mittels der Softwarelösungen SPSS, AMOS und Sawtooth erarbeitet. In den Übungen kommen Arbeitsblätter mit praktischen Anwendungsfällen und zugehörigen Aufgaben zum Einsatz, die gezielt das Durchführen und Interpretieren von Analysen anleiten.

Übungstermine:
Die Übungen finden online live statt. Die genauen Termine und Zeiten sehen Sie bitte in UniVZ oder StudIP.
Empfohlene Literatur für die Veranstaltung:
  • Lattin, J. M., Caroll, J. D., & Green, P. E. (2003): Analyzing Multivariate Data, Belmont.
  • Tabachnick, B.G., & Fidell, L.S (2013): Using Multivariate Statistics, Pearson Education, Boston.
  • Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2018): Multivariate Analysemethoden, Springer-Gabler, Berlin.
  • Backhaus, K., Erichson, W., & Weiber, R. (2015): Fortgeschrittene Multivariate Analysemethoden, Springer-Gabler, Berlin.
  • Hair, J.F., Black, W.D., Babin, B.J., & Anderson, R.E. (2013): Multivariate Data Analysis, Pearson, Upper Saddle River.