marktforschung in der forstwissenschaft und holzwirtschaft€¦ · • bearbeiter: mit (dennis und...

Technische Universität München

Marktforschung in der

Forstwissenschaft und Holzwirtschaft


Literatur

• C. Fantapié Altobelli; S. Hoffmann (2011): Grundlagen

der Marktforschung. UVK Verlag, Konstanz.

• G. Grunwald; B. Hempelmann (2013): Übungen zur

angewandten Marktforschung. Oldenbourg Verlag,

München.

29.11.2013 Endrik Lengwenat


Gliederung

• Grundlagen der Marktforschung

• Marktdaten eruieren und analysieren

• Prognoseverfahren

– Excel-Beispiel

• Preisforschung

– Conjoint-Analyse

• Übung



Definition und Relevanz

• Marktforschung ist die systematische Sammlung,

Aufbereitung, Analyse und Interpretation von Daten

über Märkte und Marktbeeinflussungsmöglichkeiten

zum Zweck der Informationsgewinnung für Marketing-

Entscheidungen.

(Böhler 2004, S. 19)



Definition und Relevanz

• Praktische Relevanz:

Marktforschung als Grundlage von

Entscheidungsprozessen.

– Kunden-

– Markt-

– Konkurrenzanalysen

• Wissenschaftliche Relevanz:

Untersuchungen von Konsumentenverhalten



Marketing-Dreieck

Markt

KonkurrenzAnbieter

Nach-

frager



Marktdaten eruieren und analysieren

• Ziel definieren

• Grundgesamtheit festlegen

• Stichprobendesign

– Größe festlegen (𝑛 =𝑧𝛼−𝜎

𝑒

2

• Formulierung von Forschungshypothesen

• Daten eruieren Befragungsmethodik



Marktdaten eruieren und analysieren

• Daten eruieren Befragungsmethodik

– Reliabilität (Zuverlässigkeit). Die Reliabilität ist ein Maß für die

Reproduzierbarkeit von Messergebnissen

– Objektivität (Wiederholungsgenauigkeit)

– Validität „das Maß in dem das Messinstrument tatsächlich das

misst, was es messen sollte

• Datenanalyse Hypothesentests

– Deskriptiv

– Zusammenhänge

• Dokumentation



Die Prognose als Zeitreihenanalyse

Prognosewerte werden durch die Verarbeitung von

Vergangenheitswerten und Gegenwartswerten gewonnen.

„Der Traum, die Zukunft hervorzusagen, ist so alt wie die

Menschheit selbst“ (A. Einstein)

„Prognosen sind schwierig, besonders, wenn sie die

Zukunft betreffen“ (W.Churchill)



Definition und Fragen

• Was ist eine Prognose, was ein Trend

• Wo werden sie angewandt und zu welchem Zweck

• Relevanz für den Forstsektor

• Welche Probleme können bei Prognosen auftreten



Prognose als Teil der „Planung“

• Planung: ein auf die Zukunft gerichteter geistiger

Prozess, in dem künftiges Geschehen antizipiert und

überschaubar gemacht werden soll

• Teilprozesse der Planung:

Zielanalyse, Problemanalyse, Prognose, Bewertung,

Entscheidung

• Prognose ist im Planungsprozess ein methodischer Teil

Aus möglichst realitätsnaher Darstellung der

Vergangenheit Aussagen für die Zukunft treffen

„Exakte“ Gesetzmäßigkeiten verdeutlichen



Anforderungen an Prognosen

• 1. Modelle sollen vereinfachende Abbilder realer

Tatbestände liefern (Isolation und Abstraktion).

• 2. Trotz aller Vereinfachung soll eine Strukturgleichheit

bzw. Strukturähnlichkeit zwischen dem Modellsystem

und dem Realsystem gewahrt bleiben.

• 3. Sie müssen logisch sein - also in sich

widerspruchsfrei sein. (objektives Kriterium)



Anwendungsgebiete

• Wettervorhersage/ -prognose

• Arbeitslosenzahlen

• BWL:

– Forschung und Entwicklung

– Investitionen

– Produktion - Bedarfsermittlung

– Absatz

– Gesamtplanung



Beispiel einer Prognose

„Die Grenzen des Wachstums“ Meadows 1972

• Studie zur globalen Entwicklung bis 2100 auf den Sektoren

Bevölkerungswachstum, Industrieoutput,

Nahrungsmittelproduktion, Rohstoffverbrauch und

Umweltverschmutzung

• Auftraggeber: Club of Rome;

• Bearbeiter: MIT (Dennis und Donella Meadows, Jorgen Randers),

Jay W. Forresters Institut für Systemdynamik




Prognosen aus

„Die Grenzen des Wachstums“

Meadows, 1972




• 20 Jahre nach der ersten Prognose im Auftrag des Club of Rome

erstellte Meadows eine Wiederholung der Simulation auf

Grundlagen neuer Erkenntnisse sowie neuer Annahmen. Diese

wurden 1992 in „Die neuen Grenzen des Wachstums“ („beyond the

limits“) veröffentlicht.




Modifizierte Verläufe aus

„Die neuen Grenzen des Wachstums“

Meadows, 1992/Szenario 5

Unter Änderung der Annahmen:

• Verdoppelung der Ressourcen

• Emissionsbekämpfung

• Ertragsförderung

• Erosionsschutz




Weitere Szenarien mit verschiedenen Maßnahmen/ Einschränkungen

Szenario 10 Szenario 12


Einteilung der Prognoseverfahren

Nach Dr.ing. Elske Linß



Qualitative/ Subjektive Verfahren

• Keine mathematisch-statistische Verfahren werden

angewandt.

• Menschliche Erfahrungen/ Intuition sind Grundlage der

„Prognose“

• Einzel- oder Gruppenurteile (unabhängig/ abhängig)

Beispiel:

• Gruppenurteil abhängig: Ermittlung von Planzahlen in

Gruppendiskussionen/Brainstorming

• unabhängig: Ermittlung von Planzahlen durch strukturierte

Gruppenbefragung (Bsp. Delphi-Methode)



Qualitative/ Subjektive Verfahren

Methoden der Datenerhebung bei subjektiven Verfahren:

Delphi-Methode:

1. Verwendung eines formalen Fragebogens

2. anonyme Einzelantworten

3. Ermittlung einer statistischen Gruppenantwort

4. Information der Teilnehmer über die Gruppenantwort

5. Wiederholung der Befragung

Informationen: Michael Häder; Delphi-Befragungen: Ein Arbeitsbuch. VS Verlag für Sozialwissenschaften, Wiesbaden 2009



Extrapolierende Verfahren

Zeitreihenanalyse

• Analyse einer bestimmten Größe mit mathematisch-

statistischen Methoden

– Untersuchung hinsichtlich Gesetzmäßigkeiten aus der

Vergangenheit

– Übertrag dieser Gesetzmäßigkeiten in die Zukunft

• Betrachtung der untersuchten Größen = zeitabhängig

Ursachenforschung bleibt außen vor!



Zeitreihen

Die Zeitreihe (yt) setzt sich zusammen aus:

yt= f (ut, zt, st, rt)

– der Trendkomponente (ut) = gibt die grundsätzliche

Entwicklungsrichtung an (Zeitreihe kann mit fallenden,

steigenden oder ohne Trend verlaufen)

– der zyklischen Komponente (zt) = langfristige Schwankung um

den Trend (Konjunktur)

– Der Saisonkomponente (st) = kurzfristige Bewegung um den

Trend und Zyklus (Umsatzschwankungen)

– Und der irregulären Komponente (rt) = zufällig auftretende

StörgrößeInformationen: Vorlesungsunterlagen Mike Hüftle; „Modelle und Methoden der Zeitreihenanalyse“. 2006



Zeitreihen

• Es sollen zeitlich regelmäßig anfallende Bewegungen

einer Zeitreihe aufgezeigt werden, um so ein

Fortschreiben in der Zukunft für Prognose- und

Planungszwecke zu ermöglichen.

• Voraussetzung = eine ausreichend lange Zeitreihe

• Treten alle Komponenten gleichzeitig auf, so ist die

Analyse einer Komponente sehr erschwert.

• Zeitreihe mit saisonalen Schwankungen müssen auf

rechnerische Weise von der saisonalen Komponente

bereinigt werden.



Zeitraum von Prognosen

• Je länger eine Prognose in die Zukunft geht, desto

ungenauer/ ungewisser wird sie

• Die Eintrittswahrscheinlichkeit der Prognose verringert

sich, je länger der Planungszeitraum in der Zukunft liegt

• Bezogen auf Unternehmen:

– Je größer ein Unternehmen, desto langfristiger oftmals die

Prognosen.

– Je konsumnäher, desto kürzer der Planungszeitraum.

zielorientierte Datenquellen und Zeiträume wählen



Graphische Verdeutlichung

Zurückliegende Daten

t = 0

Zukünftige, prognostizierte Daten

Ungewissheit der

Prognose



Verfahren der Trendanalysen

1. Einfache Mittelwertbildung

2. Verfahren der gleitenden Durchschnitte

3. Methode der kleinsten quadratischen Abweichungen

4. Exponentielle Glättung erster Ordnung

5. Exponentielle Glättung höherer Ordnungen



Einfache Mittelwertbildung

Aus allen Gliedern einer Zeitreihe wird der Mittelwert x

gebildet

X = 1/m 𝑡=1𝑚 𝑥𝑡

• Alle Vergangenheitswerte gehen mit gleicher

Gewichtung ein

• Anwendbar nur bei Zeitreihen ohne Trend



Verfahren der gleitenden Durchschnitte

Basiert ebenfalls auf der Berechnung von Mittelwerten

Unterschied: Mittelwert wird nicht mit allen m Werten der

Zeitreihe, sondern wiederholt mit einer Anzahl von g

Werten berechnet

Gleitendes Mittel: Mt= 1/g * 𝑖=𝑡−𝑔+1𝑡 𝑥𝑖

Prognosewert xt(k) aus dem Zeitpunkt t für die Periode t+k:

xt(k) = 1/g * 𝑖=𝑡−𝑔+𝑘𝑡−1+𝑘 𝑥𝑖



Beispielrechnung

1. Berechnung der gleitenden Durchschnitte: M3 (g=3) ?

Mt

für g=3169 169,3 170,3 171,3 176 186 197

Mt

für g=5169 170,4 174,2 179,2 187


1 2 3 4 5 6 7 8 9

xi169 165 173 170 168 176 184 198 209

M3 (g=3) = 1/3 * (169 + 165 + 173) = 169



Beispielrechnung

2. Ableitung der Prognosewerte: x12 (g=3) ?


x12 (g=3) = 1/3 * (209 + 197 + 201,3) = 202,4

5 6 7 8 9 10 11 12 13

xi168 176 184 198 209

xt (k)

für g=3197 201,3 202,4 200,3

xt (k)

für g=5187 192,8 197,9 201,6




• Gleitende Durchschnitte eignen sich zur Glättung von

Zeitreihen.

• Als Prognoseverfahren sollten sie nur bei Zeitreihen

ohne Trend zur Anwendung kommen.



Methode der kleinsten quadratischen Abweichungen

Unter der Annahme der linearen Zeitabhängigkeit einer

Größe, wird der Trend durch eine Gerade beschrieben:

y = ax + b oder hier xt = a + b*t

mit a: Achsenabschnitt

b: Steigungskoeffizient

t: Periode

Dabei werden a und b so bestimmt, dass die Summe der

Abweichungsquadrate von der Trendlinie minimiert

werden.




f (a,b): 𝑡=1𝑚 (𝑥𝑡 − (𝑎 + 𝑏 ∗ 𝑡))

2 min

Die Summe der Quadrate minimieren:

t

x




• Mathematische Lösung über partielle Differenziale.

• Einfacher: Graphische Lösung in Excel mit Ausgabe der

Geradengleichung

• Das Verfahren wir häufig bei der Bestimmung eines

Trends von Zeitreihen eingesetzt.

• Das Verfahren reagiert auf anhaltende

Trendänderungen nur sehr langsam.



Exponentielle Glättung erster Ordnung

Lösung des Problems, dass die Methode der kleinsten

quadratischen Abweichungen auf Trendänderungen nur

sehr langsam reagiert:

• Anpassung der Trendbewegungen durch exponentielle

Glättung.

• Ein Glättungsfaktor (0>α>1) gewichtet die Werte der

zurück liegenden Perioden

• Je kleiner α, umso stärker werden die Perioden der

Vergangenheit gewichtet und Zufallsschwankungen

geglättet.




Anzuwendende Formel:

𝑉𝑛 = 𝑉𝑎 + 𝛼 (𝑇𝑖 − 𝑉𝑎)

mit Vn: Vorhersage neu (t+1)

Va: Vorhersage alt (t) aus (t-1)

α: Glättungsfaktor

Ti: Tatsächlicher Bedarf




Beispielrechnung:

Der Vorhersagewert für den Erlös aus Holzverkäufen für

2011 lag im Jahre 2010 bei 200.000,-€. In 2011 ist jedoch

ein wirklicher Erlös von 250.000,- € erzielt worden.

• Errechnen Sie bei einem Glättungsfaktor von 0,2 den

Vorhersagewert für 2012.

• Wie sind die zurückliegenden Werte gewichtet?

V2012: 200.‘ + 0,2 (250.‘ – 200.‘) = 210.000,- €



Kausale Prognosen

• Kausale Prognosen stellen eine Größe in Abhängigkeit

von einer anderen dar.

• Für zwei Größen y, x gilt allgemein: y = f (x)

• Für die Prognose von y aus x sind zwei Konstellationen

denkbar:

• 1) Wurde x beobachtet, kann nach k Perioden

regelmäßig mit der Beobachtung von y gerechnet

werden (Time lag): y (t + k) = f (x (t))

• 2) y und x treten regelmäßig gleichmäßig auf, wobei x

durch ein extrapolierendes Verfahren prognostiziert

werden kann: y (t + k) = f (x (t + k))



Kausale Prognosen

• Deterministische Prognosen:

y und x stehen in Ursache-Wirkungs-Zusammenhang.

Prognose unter sicherer Erwartung

eindeutige Prognose

• Stochastische Prognosen:

Zusammenhänge zwischen Größen nicht eindeutig

determiniert

Prognose unter Unsicherheit



Kausale Prognosen

Verwendung von einfachen Regressionsansätzen

• Lineare Einfachregression: zwei Größen (x und y)

stehen in folgendem linearen Zusammenhang:

y = a + b * x

x = erklärende Größe

y = erklärte Größe y



Kausale Prognosen

Verwendung von multiplen Regressionsansätzen

• Bei allen einfachen Regressionsansätzen wird die

Größe y aus nur einem x erklärt. Deshalb wurde die

Einfachregression zur multiplen Regression erweitert,

bei der die erklärte Größe aus mehreren Größen

erklärbar wird.



Diskussion

• Größte Problematik:

• Einfache Prognosen basieren auf Fortschreibung

zurückliegender Daten.

• Bei kausale Prognosen können die beschreibenden und

die abhängige Variablen in der Vergangenheit enge

korreliert haben. Aber Vorhersage berücksichtigt auch

da keine Änderungen.

• Lebensdauer eines Gutes muss bekannt sein:

Unterscheidung zwischen Erst-und Ersatzbedarf

• Notwendig: autonome Schätzung der Sättigungsgrenze

(die sich langfristig ändern kann)



Übungsaufgabe

Lösen Sie die Excel-Aufgabe mit

1. Der einfachen Mittelwert-Berechnung

2. Der Methode der gleitenden Durchschnitte

3. Der Methode der kleinsten quad. Abweichungen

4. mit einer exponentiellen Glättung 1. Ordnung

Lösen Sie die Aufgabe mathematisch und stellen Sie die

Lösungen graphisch da.


marktforschung in der forstwissenschaft und holzwirtschaft€¦ · • bearbeiter: mit (dennis und...

Documents