Rufen Sie uns einfach an, und wir beraten Sie gerne zu unserem Seminar- und Studienangebot.

Unsere Ansprechpartner:

Michael Rabbat, Dipl.-Kfm.
MBA Chief Operating Officer

Claudia Hardmeier
Kunden-Center
Studienbetreuung

Institute und Kompetenzzentren

Bindeglied zu einer Vielzahl an
Unternehmen und Organisationen

Erfahren Sie mehr ...

Forschung

Was Management-Forschung wirklich
leisten kann

Erfahren Sie mehr ...

Alumni

Wissenstransfer und
Erfahrungsaustausch

Erfahren Sie mehr ...

Referenzen

Feedback und
Teilnehmerstimmen

Erfahren Sie mehr ...

News

SGBS aktuell:
Wissen und
Anwendung

Erfahren Sie mehr ...

Klimaneutrale Seminare

Auf dem Weg zu
klimaneutralen Seminaren.

Erfahren Sie mehr ...

Juan Diego Flórez Association

Mit musikalischer Bildung
gegen Armut:

Erfahren Sie mehr ...

3.4.2 Multiple Regressionsanalyse

Bei der multiplen Regressionsanalyse wird davon ausgegangen, dass eine Variable, in diesem Fall der Umsatz, nicht alleine von einer einzigen, sondern von einer Vielzahl an unabhängigen Variablen beeinflusst wird<sup>95</sup>.
Die unabhängigen Variablen werden in ihrer Gesamtheit in ihrem Einfluss auf die unabhängige Variable untersucht, so dass am Ende der Analyse eine Regressionsgleichung erstellt wird 96 . Dabei stellen die x-Werte die unabhängigen Variablen dar, also z.B. Wettbewerbskennziffer, und die b-Werte die entsprechenden Regressionskoeffizienten. Da die unabhängigen Variablen aber nicht alle die gleichen Dimensionen haben (also z.B. Einwohnerzahl und Kaufkraftkennziffer) sind diese Regressionskoeffizienten nicht als Gewichtungsfaktoren zu sehen. Die im Fall von Matratzen Concord am stärksten mit dem Umsatz korrelierenden vier Variablen werden nun, im Rahmen der multiplen Regressionsanalyse untersucht, um zu einer für die Umsatzschätzung brauchbaren Funktion zu gelangen. Die sich aus dieser Berechnung ergebenden Koeffizienten der einzelnen Größen sind wie folgt:

Tabelle: 3.4.2-1 Koeffizienten der multiplen Regressionsanalyse (vgl. Anhang Multiple Regressionsanalyse)

 

Das angegebene Bestimmtheitsmaß r2 gibt an, inwieweit die den Berechnungen zugrunde liegenden Umsatzwerte durch diese Funktion vorhergesagt werden konnten. Dieser Wert schwankt zwischen 0 (=praktisch keine Übereinstimmung) bis 1 (=totale Übereinstimmung). Der errechnete Wert von 82,9% deutet auf eine relativ zuverlässige Vorhersage bei den hier ausgewählten 20 Standorten hin. Die Kontrollrechnung der gewonnenen Regressionsformel im Anhang (vgl. Multiple Regressionsanalyse) veranschaulicht auch die Anwendung dieser Formel in der Praxis. So ergibt sich für die Filiale Pulheim beispielsweise ein Nettoumsatz (UFiliale) von 616.881,- € der einem im Jahr 2007 tatsächlich realisierten Umsatz von 665.300,- € gegenübersteht.

 

95 Handels-Marketing, W. Oehme, 2002, S. 64
96 Marketing und Käuferverhalten, H. Meffert, 1992, S. 294