Neben einer Vielzahl international validierter Standardmethoden bieten wir Ihnen die nachstehenden mathematisch-statistischen Verfahren der Datenanalyse an:

• Regressionsanalyse
• Varianz- und Kovarianzanalyse
• Diskriminanzanalyse
• Clusteranalyse
• Faktorenanalyse
• Multidimensionale Skalierung (MDS)
• Korrespondenzanalyse

Regressionsanalyse
Mit Hilfe der Regressionsanalyse können Sie die Wirkung einer oder mehrerer erklärenden Variablen (z. B. Preis, Werbe-Ausgaben) auf eine abhängige, zu erklärende Variable (z. B. Umsatz , Marktanteil) feststellen. Dabei wird diejenige (lineare oder nichtlineare) Verknüpfung gesucht, welche die zwischen den Variablen bestehende Abhängigkeit möglichst gut wiedergibt und dadurch zur Vorhersage herangezogen werden kann. In der Regel wird dies durch Anwendung der sogenannten Kleinstquadratmethode bewerkstelligt.

Varianz- und Kovarianzanalyse
Die Varianzanalyse ist ein Verfahren, das die Wirkung einer (oder mehrerer) unabhängigen Variablen (z. B. Verpackung, Regalplazierung, Plakat/Inserat) auf eine (oder mehrere) abhängige Variablen (z. B. Absatzmenge) untersucht. Ein wesentlicher Vorteil gegenüber der Regressionsanalyse besteht darin, dass unabhängige Variablen auch nominalskaliert sein können. Die Varianzanalyse ist daher das wichtigste Analyseverfahren zur Auswertung von Experimenten. Durch das Prinzip der Streuungszerlegung in einen erklärten und unerklärten Teil kann festgestellt werden, ob die in den einzelnen Experimentalgruppen auftretenden Mittelwerte zufällig voneinander abweichen oder ob die Gruppenmerkmale einen nachweisbaren Einfluss auf die abhängige(n) Variable(n) ausüben.
In der Markforschung ist es oftmals notwendig, den Einfluss nicht kontrollierbarer Größen (z. B. Einstellungen) auf die abhängige(n) Variable(n) zu berücksichtigen. Werden solche Kovariablen in die Analyse mit einbezogen, um rechnerisch ihren Einfluss auf das Ergebnis auszuschalten, spricht man von einer Kovarianzanalyse.

Diskriminanzanalyse
Durch Feststellung des Einflusses von zwei oder mehr unabhängigen und intervallskalierten Variablen (z. B. Einkommen, Alter) auf eine (nominalskalierte) abhängige Variable (z. B. Marktsegmente) wird auf Basis der vorliegenden Daten eine sogenannte Diskriminanzfunktion errechnet. Diese Funktion teilt die vorliegenden Merkmalskombinationen (unabhängige Variablen) derart, dass eine möglichst trennscharfe Gruppenzuordnung in Bezug auf die abhängige Variable möglich ist. Damit können aber nicht nur konkret erhobene Elemente auf ihre Gruppenzugehörigkeit untersucht werden: Die Diskriminanzfunktion erlaubt vor allem auch eine Zuordnung neu auftretender Elemente (z. B. Kreditwerber mit bestimmten Merkmalen) auf eine der definierten Gruppen (z. B. hohes bzw. niedriges Kreditrisiko).

Clusteranalyse
Die Clusteranalyse ist ein Verfahren zur Gruppenbildung. Dabei wird eine - in der Regel sehr umfangreiche - Menge von Elementen (z. B. Kunden) aufgrund der sie betreffenden Merkmalskombinationen (z. B. Alter, Geschlecht, Einkommen, Wohnort) derart in Gruppen (z. B. Kundensegmente) eingeteilt, dass die Elemente in den Gruppen in Bezug auf ihre Merkmale möglichst ähnlich, zwischen den Gruppen aber möglichst verschieden sind. Durch dieses unter anderem für die Marktsegmentierung häufig herangezogene Analyseverfahren können Sie beispielsweise entscheiden, ob es sinnvoll ist, einen bestimmten Markt in standardisierter oder aber differenzierter Form zu bearbeiten.

Faktorenanalyse
Die Grundidee der Faktorenanalyse besteht darin, dass sich eine große Zahl von (manifesten) Merkmalsvariablen (z. B. knusprig, gesund, aromatisch, kalorienarm, lecker etc.) auf einige wenige, dahinter stehende "Faktoren" (z. B. Genuss, Gesundheit etc.) reduzieren lassen, die selbst nicht direkt erfassbar sind. Dabei werden die einzelnen Merkmalsvariablen derart einzelnen Faktoren zugeordnet, dass die resultierenden Faktoren möglichst gut zur Erklärung der ursprünglichen Variablen beitragen. Durch die mit der Faktorenbildung einhergehende Reduktion der Komplexität ist eine oftmals bessere Interpretations- und Vergleichsmöglichkeit der Ergebnisse gegeben.

Multidimensionale Skalierung (MDS)
Mittels MDS ist es möglich, die relative Positionierung von Objekten (z. B. Marken, Produkte, Politiker) im subjektiven Wahrnehmungsraum von Personen (z. B. Konsumenten, Wähler) festzustellen. Auf Grund einer Globalbeurteilung durch die Befragten (Paarvergleich oder Ratingskalen) werden die Objekte derart zueinander in Relation gesetzt, dass ähnliche Objekte eine geringere Distanz zueinander aufweisen als unähnliche. Besonders wichtig ist in diesem Zusammenhang zu erwähnen, dass die relevanten Eigenschaftsdimensionen im vorhinein nicht feststehen, sondern erst im Rahmen der Analyse(-interpretation) definiert werden. Dadurch wird ausgeschlossen, dass wichtige Dimensionen unberücksichtigt bleiben oder Eigenschaften von nur geringer Relevanz einbezogen werden.

Korrespondenzanalyse
Die Korrespondenzanalyse ist ein mächtiges Instrument zur Auswertung qualitativ gewonnener (nominalskalierter) Daten. Dabei werden Abhängigkeiten zwischen einzelnen Eigenschaften eines Objektes ermittelt (mehrdimensionale Kontingenzanalyse). Durch die Möglichkeit der Reduktion vieler Eigenschaftsdimensionen auf die zwei- oder dreidimensionale Ebene (Projektion) ist eine graphische Darstellung der Abhängigkeiten und damit leichtere Interpretation der Ergebnisse möglich.