Hallo ihr lieben,
sorry, dass ich einfach mal so rein purzel aber ich habe folgendes Problem. Ich habe eine Umfrage gemacht mit ca. 1000 Leuten. Diese hat einen Teil Choice-based-Conjoint Analyse beinhaltet und einen Teil andere Fragen (wie z.b. Demographika oder Involvement des Produktes). Die Analyse hatte 5 Produktattribute (Design, Marke, Preis, Kosten pro Nutzung und Einfachheit der Nutzung) und jeweils 3-4 Level. Das Ergebnis der Conjoint habe ich dann anschließend durch den Sawtooth HB jagen lassen, um die individuellen Teilnutzenwerte zu bekommen. Dann habe ch damit heraus gerechnet, wie wichtig jedes Attribut pro Konsument ist.
So weit so gut.
Im nächsten Schritt wollte ich testen, welche der Faktoren (z.b. Demographika oder Involvement) einen Einfluss auf die relative Wichtigkeit der Attribute hat. Das wollte ich mittels einer linearen Regression machen. Hierbei ist allerdings das Problem, dass nicht alles einen Einfluss auf jedes Attribut hat (z.b. hat das Alter und das Einkommen keinen Einfluss auf die Wichtigkeit des Design) und verschlechterte nur das lineare Modell. Zudem scheinen auch die Residuen (laut KS-Test) nicht immer normalverteilt zu sein, was ja eigentlich die Vorraussetzung für eine lineare Regression ist.
Hat jemand vielleicht eine Idee, ob man für die Erklärung jedes Attributes ein anderes (lineares) Modell nehmen kann und wie man das rechtfertigt? Hat jemand vielleicht alternativ eine Empfehlung eines Artikels oder ähnlichen, wo so etwas ähnliches gemacht wurde!
Ich hoffe das war einigermaßen verständlich!
Danke schon mal und viele Grüße!
