Conjointanalysen in R 1/6
In diesen und die nächsten Beiträge möchte ich mich einer meiner aktuellen lieblings ERhebungsmethoden der auswahlbasierten Conjointanalyse (aka CBCA Choice-Based Conjoint Analysis) widmen. Es gibt zwar viele sehr gute kommerzielle Anbieter, die Plattformen vertreiben, die einem die meisten Schritte abnehmen, das ist aber für die meisten Menschen nicht zu bezahlen. Dabei eignet sich diese Methode wie ich finde hervorragend für Abschlussarbeiten.
Für alle, die es nicht kennen. Bei CBCA geht es darum, dass man herausfindet, welche Attribute eines Produktes oder einer Dienstleistung besonders wichtig für eine Auswahlentscheidung sind. Dazu werden Probanden unterschiedliche Varianten eines Produktes vorgelegt und die Probanden müssen sich für eine von zwei oder mehr dargestellten Alternativen entscheiden. Meist können sich Probanden aus drei Alternativen eine auswählen. Allerdings machen Sie dies nicht nur ein mal, sondern bis zu zwanzig mal mit immer anderen Alternativen. Wenn man dabei die Alternativen schlau zusammensetzt, kann man viel über die Relevanz von unterschiedlichen Attributen und Leveln lernen.
Ich werde das ganze in sechs Schritten besprechen:
- Ein Design erstellen
- Ein Design anschauen
- Die Power von Designs mit Hilfe von Simulationen bestimmen
- Daten erheben
- Parameter schätzen
- Parameter interpretieren
Beispiel: Die perfekte Vorlesung
Als Beispiel möchte ich mit einer Studie arbeiten, in der sich eine Professorin fragt, wie sie eine für Studierende möglichst angenehme letzte Stunde vor Weihnachten gestalten kann. Sie überlegt sich vier Attribute, die relevant sein könnten, und welche Ausprägung diese annehmen könnten. Daraus ergibt sich die folgende Tabelle.
| Attribute | Level |
|---|---|
| Humor | Vollkommen trockene Vorlesung |
| Vereinzelte Witze | |
| Permanentes Herumgealbere | |
| Beispiele | Keine Praxisbeispiele |
| Ein sehr umfangreiches Fallbeispiel | |
| Viele vereinzelte Fallbeispiele | |
| Dauer | normale Länge |
| 25% kürzer | |
| 50% kürzer | |
| Prüfung | keine Infos zur Prüfung |
| Am Ende 30min Fragen zur Prüfung | |
| Komplette Fragestunde |
1. Ein Design erstellen
Ein Design spezifiziert welche Probanden in welchem Durchgang welche Produktalternative beurteilen sollen. Dies ist deshalb relevant, weil die Anzahl der möglichen Produktalternativen sehr schnell ansteigen kann. Wenn man vier Attribute, mit jeweils drei Leveln untersuchen möchte, ergeben sich bereits 333*3 = 81 Möglichkeiten. In R geht man in zwei Schritten vor.
- Erstellt man alle möglichen Profile
- Erstellt man aus den Profilen effiziente Studiendesigns
Alle Profile erstellen.
Um alle möglichen Profile zu erstellen, gibt es das sehr praktische Package cbcTools. Mit diesem kann man dann auch unterschiedliche Arten von Designs.
Kombinationen von Profilen auf Probanden verteilen
Der Zweite Schritte auf dem Weg zu einem Design besteht jetzt darin, dass man eine schlaue Auswahl der Profile auf die Aufgaben und Probanden verteilt. Obacht: Ich werde in einem späteren Beitrag mal die Vor und Nachteile dieser Designs besprechen, hier erstmal nur soviel: Die Art des gewählten Designs hat krasse Einflüsse darauf welche Effekte man schätzen kann.