STATISTIK-FORUM.de

[GoldenerRhein]

Hallo zusammen,

ich schreibe aktuell meine Masterarbeit über die Einflüsse auf die Kaufabsicht von In-App Käufen. Da ich bislang gar nicht/kaum empirisch gearbeitet habe, stehe ich aktuell etwas auf dem Schlauch, welche Analysemethoden ich bestenfalls wählen sollte. Aktuell ist mein Fragebogen online und in der kommenden Woche wollte ich mit der Auswertung beginnen.

Grundsätzlich adaptiere ich ein bereits bestehendes Modell und habe dort sechs Variablen (Likert-Skala), welche jeweils aus 4-5 Items bestehen. Die Variablen können daher als metrisch intervallskaliert betrachtet werden.
Zusätzlich zu den sechs Variablen habe ich in ähnlicher Form (Likert-Skala, 4-5 Items) den wahrgenommenen Wert, die Befriedigung und die Kaufabsicht abgefragt.

Nun habe ich die folgenden Hypothesen aufgestellt:

H1a: Variable A hat einen positiven Einfluss auf den wahrgenommenen Wert
H1b: Variable A hat einen positiven Einfluss auf die Befriedigung
…
H6a: Variable F hat einen positiven Einfluss auf den wahrgenommenen Wert
H6b: Variable F hat einen positiven Einfluss auf die Befriedigung
H7: Der wahrgenommene Wert hat einen positiven Einfluss auf die Kaufabsicht
H8: Der wahrgenommene Wert hat einen positiven Einfluss auf die Befriedigung
H9: Die Befriedigung hat einen positiven Einfluss auf die Kaufabsicht

Welche Analysemethoden wären hier am besten zu wählen? Aktuell sehe ich den Wald vor lauter Bäumen kaum und hoffe, dass ihr mich vielleicht auf eine gute Fährte führen könntet?

Ich möchte mich an dieser Stelle vorab bei euch bedanken.

Viele Grüße
GoldenerRhein

[PonderStibbons]

Einfache bzw. (wenn simultan weitere Variablen wie Alter, Geschlecht etc. einbezogen werden sollen)
auch multiple lineare Regressionen.

"Einfluss" ist eine unsachgemäße Formulierung. Du hast ein reines Beobachtungsdesign, daher
sind kausale Beziehungen nicht analysierbar. Zumindest nicht so einfach. "sagt voraus" oder "hängt
zusammen mit" o.ä. wäre angemessener.

Mit freundlichen Grüßen

PonderStibbons

[GoldenerRhein]

Hallo PonderStibbons,

schon einmal vielen Dank für deine Antwort. Auf dem Weg war ich bislang auch, freut mich also von dir bestätigt zu werden. Die Formulierung bzgl. des Einflusses werde ich dementsprechend noch anpassen.

Ich möchte grundsätzlich noch folgendes unterscheiden: Im ersten Schritt wollte ich Variablen auf alle Teilnehmer prüfen. Im zweiten Schritt wollte ich noch schauen, ob es Unterschiede/Gemeinsamkeiten gibt, wenn die App im Vorfeld Geld gekostet hat. Kann ich also zunächst eine lineare Regression mit allen Teilnehmern durchführen, um eine allgemeine Aussage treffen zu können und im Anschluss jeweils eine lineare Regression nur mit den Teilnehmern der entsprechenden Gruppen? Wäre im zweiten Schritt eher eine multiple Regression zu wählen oder zwei lineare Regressionen, bei denen am Ende die Hypothesen verglichen werden (bspw. Variable A sagt bei allen Teilnehmern einen Zusammenhang voraus, bei den "Nicht-Bezahlern auch, aber bei den "Bezahlern" nicht). Ich hoffe, es ist halbwegs verständlich formuliert.

Vorab vielen Dank im Voraus.

[strukturmarionette]

Hi,

- N?
- Die Geldvariable könntest du als weiteren Prädiktor ins Modell aufnehmen

Gruß
S.

[PonderStibbons]

Ich möchte grundsätzlich noch folgendes unterscheiden: Im ersten Schritt wollte ich Variablen auf alle Teilnehmer prüfen. Im zweiten Schritt wollte ich noch schauen, ob es Unterschiede/Gemeinsamkeiten gibt, wenn die App im Vorfeld Geld gekostet hat.

Das sieht aus wie die Frage nach einer Wechselwirkung aus zwischen VariableX und Geldausgabe.
Das kann man in einer multiplen Regressionsanalyse einbeziehen, indem "Geldausgabe"
als dummy-codierter Prädiktor und der Wechselwirkungsterm (VariableX * Geldausgabe)
einbezogen werden. Getrennte Regressionen sind unsachgemäß, weil der Unterschied
zwischen statistisch signifikant und statistisch nicht signifikant selber nicht signifikant
ist.

Mit freundlichen Grüßen

PonderStibbons

[GoldenerRhein]

Vielen lieben Dank für die Antworten.

N sollte am Ende vermutlich bei ca. 200-250 liegen. 75% davon haben für die App vorher kein Geld ausgegeben.

Verstehe ich es richtig, dass ich also zunächst eine lineare Regression ohne die Unterscheidung (App vorher bezahlt oder nicht) und zusätzlich eine multiple Regression mit Dummy Variable (Geldausgabe) durchführen kann?

Vorab vielen lieben Dank.

[GoldenerRhein]

Hallo zusammen,

ich habe noch einmal eine grundsätzliche Verständnisfrage.

Ich stütze mich auf ein bereits existierendes Modell mit ähnlichen Hypothesen. Ist es ratsam vor der Regressionsanalyse eine konfirmatorische Faktorenanalyse durchzuführen um die Gütekriterien meines Modells zu überprüfen?
Leichter formuliert: Sollte ich vor der Regressionsanalyse eine konfirmatorische Faktorenanalyse durchführen oder kann die die Gütekriterien auch einfacher prüfen?

Besten Dank und viele Grüße

[PonderStibbons]

Leider verstehe ich bei

konfirmatorische Faktorenanalyse durchzuführen um die Gütekriterien meines Modells zu überprüfen?

nicht, was gemeint ist.

Mit freundlichen Grüßen

PonderStibbons