Lade Inhalt...

Eisverkauf. Abhängigkeit des Absatzes von äußeren Faktoren

von A. V. A. Canetti (Autor)

Hausarbeit (Hauptseminar) 2017 7 Seiten

Statistik

Leseprobe

Inhaltsverzeichnis

1. Einleitung: Problemstellung und Relevanz

2. Grundlagen und Definition

3. Forschungshypothesen

4. Empirische Studie

5. Ergebnisse und Fazit

6. Literaturverzeichnis

1. Einleitung: Problemstellung und Relevanz

Am 9. Juli 1984 erklärte US-Präsident Ronald Reagan auf Vorschlag des Kongresses den dritten Sonntag im Juli zum National Ice Cream Day. Auch in Deutschland ist die Speiseeisindustrie ein bedeutender Wirtschaftszweig der Lebensmittelbranche. Die Markeneishersteller haben im Jahr 2016 in Deutschland einen Absatz von 529 Mio. Liter sowie einen Umsatz von 2 Mrd. Euro generiert und beschäftigen 4.300 Angestellte. Der Pro-Kopf-Verbrauch von Speiseeis lag bei 7,9 Litern (inkl. Eisdielen- und Softeis). Dies entspricht 113 Kugeln per capita (vgl. BDSI). Diese Arbeit soll sich allerdings auf den Absatz von Speiseeis am Verkaufsort Eisdiele konzentrieren, da dieser Point-of-Sale für den Verfasser ein persönliches und professionelles Interesse birgt. Tatsächlich ist Deutschland der größte Produzent von Speiseeis in Europa, noch vor Italien, Frankreich und Spanien (vgl. Statista). Insofern erklärt sich hier die Relevanz des Themas für den Realzusammenhang allein durch die Bedeutung für den deutschen Arbeitsmarkt und die nationale Milchwirtschaft.

2. Grundlagen und Definition

Zur Erhebung der Datensätze wurde das Prinzip der Regressionsanalyse (multiple lineare Regression) herangezogen. Dieses ist in besonderem Maße dazu geeignet die gesammelten Daten empirisch auszuwerten. Gearbeitet wurde hier mit Daten zu Bestellmengen, die im Laufe des Jahres 2016 in der Eisboutique Conedera in Dinslaken gesammelt wurden. Diese wurden von Bestelleinheiten (Behälter à 18 Liter) auf Konsumeinheiten (60 Kugeln pro Einheit) umgerechnet. Die Anwendung der Regressionsanalyse erlaubt es die statistische Beziehung zwischen unseren unabhängigen Variablen (UV) oder Prädiktoren herzustellen, die eine möglichst präzise Vorhersage der abhängigen Variable (AV) oder des Kriteriums erlauben. Als ausschlaggebend wird hier das korrigierte R² betrachtet, da die Aufnahme zusätzlicher Prädiktoren für gewöhnlich zu einer Verschlechterung des Gütemaßes R² (Bestimmtheitsmaß) führt. Selbst wenn zwischen den gewählten Variablen auch nur ein augenscheinlicher (wenn auch nicht tatsächlicher) Zusammenhang bestünde, würde dies demnach dazu führen, dass ein steigendes R² zu der Fehleinschätzung führt, dass es sich hier um ein gutes Regressionsmodell mit einer für die Realität relevanten Aussage handle. Nur wenn auch das korrigierte R² (und die Summe aller nicht erklärten quadrierten Abweichungen RSS) ansteigt, kann dies letztendlich Aufschluss darüber geben, ob diese zusätzliche Variable in das jeweilige Regressionsmodell übernommen werden sollte.

3. Forschungshypothesen

Es gilt nun zu untersuchen, inwiefern das Kriterium der Absatzmenge durch die Prädiktoren Temperatur, Niederschlagsmenge und Feiertage determiniert wird. Es ist zu erwarten, dass höhere Temperaturen und niedrige Niederschlagsmengen den Absatz in die Höhe treiben werden. Ebenso sollte der Absatz an Feiertagen ansteigen. Untersucht werden im Folgenden je 7 Tage einer Woche aus den Monaten Februar und August, um eine sinnvolle Verteilung der Prädiktoren zu gewährleisten.

4. Empirische Studie

Auf Grundlage der in Kapitel 2 erwähnten Bestellvorgänge ist es nun möglich aus den Kriterien und Prädiktoren die Gütemaße R² und R²korr. zu errechnen. Je nach Programm wird hier auch vom adjustierten oder bereinigten Bestimmtheitsmaß gesprochen. Daher, und in Anlehnung an die in Kapitel 3 getroffenen Ausführungen, ist zu erwarten, dass das korrigierter R² niedriger ausfällt als das unbereinigter – auch eine Umkehr in den Negativbereich kann nicht ausgeschlossen werden. Der Verfasser hat sich im Folgenden erlaubt beide Formen des R² farblich kenntlich zu machen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Absatz Februar

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Regression Februar

[...]

Details

Seiten
7
Jahr
2017
ISBN (eBook)
9783668594722
Dateigröße
533 KB
Sprache
Deutsch
Katalognummer
v384511
Institution / Hochschule
FOM Essen, Hochschule für Oekonomie & Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule – BWL & Wirtschaftspsychologie
Note
1,3
Schlagworte
statistik gastronomie eisverkauf regressionsanalyse multiple lineare regression

Autor

  • A. V. A. Canetti (Autor)

Teilen

Zurück

Titel: Eisverkauf. Abhängigkeit des Absatzes von äußeren Faktoren