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
 

AID

(AID-Verfahren): Abk Automatic Interaction Detector Ein aus der Sozialforschung in die Marktfor­schung übernommenes Verfahren der multi­variaten Datenanalyse, mit dessen Hilfe bei umfangreichen Datenkombinationen diejenige(n) Variable(n) bestimmt werden soll(en), die das be­ste Unterscheidungsmerkmal und damit die be­ste Aufteilung in bezug auf eine abhängige Varia­ble in jeweils zwei Segmente ermöglicht.
Es wird damit also eine große Stichprobe in ho­mogene Unterstichproben aufgeteilt, deren Mittel sich hinsichtlich der Kriteriumsvariablen stark voneinander unterscheiden.
Bei der Segmentation erfolgt die Unterteilung der Grundgesamtheit sukzessive jeweils anhand der­jenigen unabhängigen Variablen, die zu Seg­menten mit möglichst großer Intragruppenhomo­genität und Intergruppenheterogenität bezüglich der Ausprägungen des Außenkriteriums führt. Der Aufspaltung liegt das Bestreben zugrunde, durch die Gruppierung einen möglichst hohen Varianzanteil der abhängigen Variablen zu er­klären. Es handelt sich damit um eine Methode zur Erklärung einer abhängigen, metrischen oder in Prozentsätze transformierten dichotomen Va­riablen durch mehrere unabhängige, dichotomi­sierte Variablen. Die Segmentationsanalyse setzt also voraus, dass ein Außenkriterium definiert wird: Dabei han­delt es sich in der Regel um ein alternatives Merkmal. Mitunter kann allerdings auch ein konti­nuierliches Merkmal vorgegeben werden, das dann zu Klassen zusammengefaßt wird;
· aktive Variablen bestimmt werden, anhand de­ren die Bildung der Segmente erfolgt;
· und schließlich passive Variablen vorgegeben werden. Sind die Segmente gebildet, werden sie als Gruppen gegen die passiven Merkmale gezählt, um zu prüfen, wieweit sie sich in diesen Merkmalen unterscheiden. Passiv heißen die Va­riablen, weil sie den Prozess der Segmentation nicht beeinflussen können. Sie geben lediglich für die Endsegmente an, wie die prozentuale Verteilung aus dieser Variablen aussieht.
Der Automatic Interaction Detector ist eines von mehreren Verfahren zur Prüfung, welche Varia­ble die stärkste Spreizung hinsichtlich des Außenkriteriums leistet.
Das Verfahren wurde in der amerikanischen Mar­ketingliteratur unter der Bezeichnung seines Software-Programms AID (Automatic Interaction Detector) bekannt. Es hat inzwischen mehrere Phasen durchlaufen, angefangen von AID I, II, Ill bis zur jüngsten Version, die 1971 unter dem Namen “Searching for Structure” publiziert wurde. Das Verfahren ermöglicht es, auf induktivem Wege folgende Probleme zu lösen:
· Die Bestimmung der entscheidenden unab­hängigen Variablen;
· Die Gewinnung eines besseren Verständnis­ses der Beziehungen zwischen den unabhängi­gen Variablen (der Interaktionen).
· Die Findung verschiedener Marktsegmente, die ein voneinander verschiedenes Durch­schnittsverhalten aufweisen.
Das Programm AID teilt die Stichprobe durch ei­ne Serie von binären Splits in einander aus­schließende Gruppen, die im Hinblick auf die abhängige Variable am homogensten sind. Die Homogenität eines Segments wird durch die Summe der quadrierten Differenzen zwischen der Ausprägung der abhängigen Variablen bei je­dem Individuum und der Varianz gemessen. Je kleiner die Varianz, desto größer ist die Homoge­nität der Gruppe. Ausgangsbasis ist aus rechen­technischen Gründen nicht die Varianz, sondern die Quadratsumme QS. Zerlegt man die Stich­probe in zwei Gruppen (k = 1, 2) vom Umfang j = 1, ..., nk, so ergibt sich für die Quadratsum­me der gesamten Stichprobe (QSgesamt):

AID
Die OS es läßt sich vollständig in eine gruppenin­terne Q9S (QS innerhalb der Gruppen) und eine externe QS (QS zwischen den Gruppen) zerle­gen, was sich leicht nachweisen läßt, indem man die Formel um die Gruppenmittelwerte xk erwei­tert:

AID


Zieht man ein Merkmal zur Aufspaltung der Ge­samtstichprobe in zwei Untergruppen heran, so kann die QS,, als die durch die Spreizung der Stichprobe nicht erklärte OS und QS” als die durch die Spreizung erklärte QS betrachtet werden. Der Anteil der erklärten Varianz folgt damit aus Ziel der Analyse ist es, zunächst das Merkmal zur Spreizung heranzuziehen, das die erklärte Quadratsumme maximiert:


AID





AID


AID

Erweitert man das Modell um zusätzliche Varia­blen, so ist in jeder Stufe auch für die anderen Variablen eine Dichotomisierung und QS-Be­rechnung der Splits erforderlich. Aus der Ge­samtheit der Variablen wird jene und hierbei wie-denim die Aufteilung gewählt, die die QSe. maxi­miert. Als Ergebnis erhält man einen Kontrast­gruppenbaum.
Das Verfahren wurde von James N. Morgan und John. A. Sonquist an der University of Michigan entwickelt und wird häufig auch als Baumanalyse (tree analysis) bezeichnet.

Vorhergehender Fachbegriff: AICPA | Nächster Fachbegriff: AID-Technik



  Diesen Artikel der Redaktion als fehlerhaft melden & zur Bearbeitung vormerken




   
 
 

   Weitere Begriffe : Full Service-Factoring | Ankerwährung | Derivative Produktionsfaktoren

   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


     © 2017 Wirtschaftslexikon24.com       All rights reserved.      Home  |  Datenschutzbestimmungen  |  Impressum  |  Rechtliche Hinweise
Aktuelles Wirtschaftslexikon