Vergleich der Hotelpreise in Berlin

Inhaltsverzeichnis

Vergleich der Hotelpreise in Berlin

Erklärung der Unterschiede in den Zimmerpreisen mit Hilfe von Varianz- und Regressionsanalyse

1. Einleitung

2. Theoretische Grundlagen
2.1 Grundlagen des Hotelwesens sowie der Hoteldestination Berlin
2.2 Grundlagen der deskriptiven Statistik
2.2.1 Begriffsbestimmungen und Abgrenzung
2.2.2 Die Varianz- und die Regressionsanalyse

3. Praktischer Teil
3.1 Die Darstellung der Datenbasis
3.2 Ergebnisse und Interpretation der mehrfaktoriellen Varianzanalyse
3.3 Ergebnisse und Interpretation der linearen Regressionsanalyse

4. Schlussbetrachtung

Literaturverzeichnis

Internetverzeichnis

Anhang

Ehrenwörtliche Erklärung

1. Einleitung

Die Berliner Hotellandschaft ist durch eine Vielzahl an Hotels aller Preisklassen geprägt. Hierbei ist zu beobachten, dass es Hotels in allen Kategorien gibt, die unterschiedliche Qualitäts- und Ausstattungsmerkmale aufweisen.

Doch welche Merkmale eines Hotels berechtigen es dazu einen höheren Preis als das Nachbarhotel zu verlangen? Die vorliegende Hausarbeit möchte dieser Frage auf den Grund gehen, um zumindest auf Grundlage der zur Verfügung stehenden Daten eine Aussage darüber treffen zu können. Nicht alle Faktoren können berücksichtigt werden, weil sie zum einen nicht als Datenmaterial vorliegen und zum anderen aus nicht messbaren Kriterien bestehen, da sie nur subjektiv zu bewerten sind. Dies wären zum Beispiel der Wohlfühlfaktor in einem Hotel oder die schöne Umgebung sowie die zuvorkommende Freundlichkeit des Personals.

Die Zielstellung dieser Hausarbeit liegt darin, anhand einer eigens zusammengestellten Datenbasis den Zusammenhang zwischen den unterschiedlich hohen Zimmerpreisen in Hotels (Preis für Einzelzimmer, Preis für Doppelzimmer) und zwischen verschiedenen Qualitätsmerkmalen, wie Ausstattung des Zimmers (z.B. Sanitäreinrichtung, Klimaanlage, Internet-/Faxanschluss), allgemeine Leistungen des Hotels (z.B. Lift, Zimmerservice, Parkplatz, Restaurant) sowie zusätzlichen Angeboten (z.B. Sauna, Innen- oder Außenpool, Fitnessraum) zu untersuchen und so gut wie möglich zu erklären. Zusätzlich wurden weitere Merkmale untersucht, die das jeweilige Hotel näher umschreiben (z.B. Sterneklassifizierung, Lage des Bezirkes in Berlin, Entfernung zum nächstgelegenen touristischen Anziehungspunkt, Entfernung zur Messe sowie zum nächstgelegenen Flughafen und Regionalbahnhof). Zu diesem Zweck wurden in der vorliegenden Arbeit zwei statistische Methoden der deskriptiven Statistik verwendet. Mit Hilfe des Programmsystems SPSS (Statistical Package for the Social Sciences) wurden die mehrfaktorielle Varianz- und die lineare Regressionsanalyse durchgeführt und Grafiken zur weiteren Veranschaulichung erstellt.

Im ersten Teil der Arbeit werden die theoretischen Grundlagen dargestellt. Der Begriff Hotel wird definiert und die Hotellandschaft in der Destination Berlin wird näher betrachtet. Im Anschluss wird das System der deskriptiven Statistik aufgezeigt und von anderen statistischen Methoden abgegrenzt. Der letzte Abschnitt dieses Kapitels befasst sich mit den statistischen Modellen der Varianz- und der Regressionsanalyse. Kapitel Drei beinhaltet den praktischen Teil der Arbeit. Zuerst wird die zu Grunde gelegte Datenbasis dargestellt und erläutert. Im weiteren Verlauf wird auf die Ergebnisse der Varianz- sowie der Regressionsanalyse eingegangen. Diese werden im Anschluss u. a. anhand geeigneter Grafiken interpretiert.

2.
Theoretische Grundlagen

Kapitel Zwei befasst sich zum einen mit den theoretischen Grundlagen des Hotelwesens und ferner mit den Grundlagen der deskriptiven Statistik, da beide zu gleichen Teilen Bestandteil dieser Hausarbeit sind.

2.1 Grundlagen des Hotelwesens sowie der Hoteldestination Berlin

„Ein Hotel ist ein Beherbergungsbetrieb, in dem eine Rezeption, Dienstleistungen, tägliche Zimmerreinigung, zusätzliche Einrichtungen und mindestens ein Restaurant für Hausgäste und Passanten angeboten werden. Ein Hotel sollte über mehr als 20 Gästezimmer verfügen.“^[1] Diese Definition der Betriebsarten durch den Deutschen Hotel- und Gaststättenverband e.V. (DEHOGA) erfolgt in enger Anlehnung an die internationale Terminologienorm DIN EN ISO 18513. Sie weicht von der allgemein verwendeten Definition ab, welche z.B. das Statistische Landesamt Berlin zu Grunde legt. Dort sind Hotels statistisch erfasst, wenn sie mehr als neun Betten aufweisen (siehe Anhang Seite VIII).

Grundsätzlich ist ein Hotel eine Einrichtung, welche vorrangig Beherbergungsleistungen und darüber hinaus andere, zum Teil freiwillige Dienstleistungen, wie Verpflegung, Information oder Reinigung anbietet. Diese Tatsache führt zu der Überlegung, dass ein Hotel einen umso höheren Zimmerpreis verlangen kann, je mehr zusätzliche Leistungen es anbietet, da es sich dadurch von der Konkurrenz positiv abgrenzen kann.

Die Sternekategorien der Hotels

Das wichtigste Qualitäts- sowie Unterscheidungsmerkmal für Hotels stellen die Sternekategorien dar. Der Gast kann ohne weitere Kenntnisse des Hotels Mindeststandards entsprechend der Anzahl der Sterne erwarten (siehe Anhang Seite VI). Die durch Sterne ausgedrückten Kategorien sind das Ergebnis der freiwilligen Deutschen Hotelklassifizierung des DEHOGA nach internationalem Standard.^[2] Beherbergungsbetriebe ohne Sternebezeichnung haben an der freiwilligen Hotelklassifizierung nicht teilgenommen oder befinden sich im laufenden Antragsverfahren. Ein Rückschluss auf ihren Standard über die Klassifizierung ist daher nicht möglich.

Bei der Wahl des Hotels bzw. bei der Kalkulation des Zimmerpreises reicht eine alleinige Betrachtung der Kategorie nicht aus. Sie ist jedoch ein großer Einflussfaktor und wirkt sich zusätzlich auf andere Qualitätsmerkmale aus, da sie diese als Mindeststandard für gewisse Kategorien vorschreibt. Zu erwähnen wären hier die Sanitärausstattung, das Vorhandensein eines Restaurants oder eines Lifts und des 24-stündigen Zimmerservices.

Die Hotellandschaft in der Destination Berlin

Im Jahr 2004 gab es in Berlin 558 Hotels, mit mindestens neun Betten. In diesen 558 Hotels wurden 13.260.393 Übernachtungen von Gästen aus aller Welt generiert. Der Großteil der Hotels konzentriert sich in den Bezirken Mitte (City Ost) sowie Charlottenburg-Wilmersdorf (City West). In diesen beiden Bezirken wurden 7.901.876 der gesamten Übernachtungen gezählt. Die durchschnittliche Aufenthaltsdauer in Berlin betrug 2,2 Tage.^[3] Anhand der im Anhang abgebildeten Grafik lässt sich die Verteilung der insgesamt angebotenen Betten in den Beherbergungsstätten Berlins auf einen Blick erkennen (siehe Anhang Seite VIII).

Laut der aktuellen Statistik von Juli 2005 des DEHOGA sind insgesamt 218 Hotels in Berlin klassifiziert. Dies entspricht knapp 40 % der gesamten Betriebe. Unter den klassifizierten Hotels gibt es aktuell 15 Luxus-Hotels, 82 First-Class-Hotels, 95 Komfort-Hotels, 22 Standard-Hotels sowie 4 Tourist-Hotels (siehe Anhang Seite VII).^[4] Das Preisniveau der Berliner Hotellerie ist im Vergleich zu anderen Großstädten gering. Laut einer Studie aus dem Jahre 2003 lag der durchschnittliche Zimmerpreis in Berlin bei 98 Euro. Somit belegte Berlin u. a. hinter Paris (183 Euro), Rom (174 Euro) und London (173 Euro) den neunten Platz der Rangliste (siehe Anhang Seite VII).^[5]

Berlins Hotellandschaft ist folglich durch ein umfassendes Angebot charakterisiert, welches für jeden Touristen das passende Hotel bietet. Das Angebot reicht von der kleinen familiengeführten Pension am Stadtrand bis hin zum 5-Sterne-Luxushotel in Berlins neuer Mitte am Potsdamer Platz. Das Gros der Hotels befindet sich in Berlins zentralen Bezirken nahe den touristischen Anziehungspunkten sowie den Shopping-Meilen. Lediglich 40 % der Betriebe sind nach DEHOGA klassifiziert. Im europäischen Vergleich genügt Berlins Hotellandschaft allen Anforderungen an eine Großstadt und stellt mit seinen günstigen Preisen darüber hinaus ein attraktives Reiseziel dar.

2.2 Grundlagen der deskriptiven Statistik

2.2.1 Begriffsbestimmungen und Abgrenzung

Statistik ist eine „wissenschaftliche Disziplin, deren Gegenstand die Entwicklung und Anwendung formaler Methoden zur Gewinnung, Beschreibung und Analyse sowie zur Beurteilung quantitativer Beobachtungen (Daten) ist.“^[6]

Grundsätzlich wird Statistik untergliedert in:

- Wahrscheinlichkeitsrechnung (Beschreibung zufälliger Ereignisse und zufälliger Vorgänge)
- Deskriptive Statistik (Analyse eines Datensatzes, die berechneten Maßzahlen gelten allein für die Menge der vorliegenden Fälle)
- Schließende / Stochastische Statistik (aus vorliegenden Daten eines Teiles der interessierenden Fälle wird auf Maßzahlen aller interessierenden Fälle geschlossen)^[7]

Die vorliegende Arbeit beschäftigt sich im Folgenden mit der deskriptiven Statistik. Grundlage der statistischen Auswertung können Fragebögen oder gemessene Eigenschaften sein, aus welchen eine Datenbasis erstellt wird. Die Datenbasis stellt die Gesamtheit der erhobenen Daten dar und kann quantitative (z.B. Zimmeranzahl) und qualitative (z.B. Lift vorhanden) Merkmale beinhalten.^[8] Die erhobenen Daten werden in unterschiedlichen Skalentypen dargestellt. Nach der, der Messung von Eigenschaften zugrunde liegenden, Skala werden nominale, ordinale und metrische Merkmale unterschieden. Nominale Merkmale erlauben die Feststellung der Gleichheit oder Ungleichheit von Einheiten (z.B. Sauna vorhanden). Ordinale Merkmale erlauben zusätzlich die Feststellung von Rangordnungen der Einheiten in Größer-Kleiner-Relationen (z.B. Hotelkategorie). Metrisch skalierte Merkmale können zusätzlich die Gleichheit oder Ungleichheit von Abständen und Verhältnissen messen (z.B. Anzahl der Zimmer).^[9]

Betrachtet man Wirkungszusammenhänge zwischen zwei Merkmalen/Variablen X und Y, wird Y als abhängiges Merkmal und X als unabhängiges Merkmal bezeichnet, wenn X als ursächlich für Y angesehen wird. Die Ausprägungen von X werden als Faktorstufen bezeichnet.^[10]

Zur Überprüfung, ob ein signifikanter Zusammenhang zwischen den betrachteten Variablen vorliegt, verwendet man den Signifikanztest. Zunächst wird ein zu tolerierendes Signifikanzniveau bestimmt, welches meist 0,05 (5 %) beträgt. Nach dem Test werden nur diejenigen Variablen in die Analyse aufgenommen, welche höchstens den Signifikanzwert 0,05 aufweisen. Das bedeutet, dass Faktoren mit einer höheren Irrtumswahrscheinlichkeit nicht in die Auswertung eingehen, da diese das Modell nicht ausreichend und statistisch gesichert erklären könnten.^[11]

Nachfolgend werden die beiden Verfahren der deskriptiven Statistik, die dieser Hausarbeit zur Berechnung der Unterschiede in den Zimmerpreisen dienten, erläutert.

2.2.2 Die Varianz- und die Regressionsanalyse

Das Augenmerk dieser Arbeit liegt auf der Interpretation der gewonnenen Ergebnisse aus den beiden Modellen, nicht in der detaillierten Darlegung der theoretischen Grundlagen. Daher ist dieser Teil der Arbeit vergleichsweise kurz gehalten.

Die 1-faktorielle Varianzanalyse

Das Streuungsmaß Varianz ist das Quadrat der Standardabweichung, die wiederum die durchschnittliche Abweichung der einzelnen Beobachtungswerte vom arithmetischen Mittel angibt. Das arithmetische Mittel ist gleich der Summe aller gültigen Werte, dividiert durch deren Anzahl. Um die Streuung der Werte zu berechnen, werden die Abweichungen der einzelnen Werte vom arithmetischen Mittel betrachtet. Um negative Abweichungen zu vermeiden wird die Standardabweichung quadriert und diese Werte anschließend addiert. Damit das Ergebnis dieser Berechnung nicht allzu stark von der Anzahl der erfassten Werte abhängt, wird die Summe der quadrierten Abweichungen durch die Stichprobengröße (bzw. Stichprobengröße – 1) dividiert. Somit erhält man die Varianz der untersuchten Variablen.^[12]

Im Modell der Varianzanalyse wird nachgeprüft, ob das als abhängig angesehene Merkmal Y durch das unabhängige Merkmal X statistisch beeinflusst wird. Genauer gesagt wird untersucht, ob X Einfluss auf den Mittelwert von Y hat.

Die 1-faktorielle Varianzanalyse muss drei Voraussetzungen erfüllen, damit die Ergebnisse des Signifikanztests gültig sind. Das abhängige Merkmal Y ist intervallskaliert, während das unabhängige Merkmal X nominalskaliert ist und mindestens drei Faktorstufen besitzt. Y sollte für jede der Faktorstufen normalverteilt sein, d.h. es ist im Vorhinein zu prüfen, ob Y für alle Ausprägungen von X die gleiche Verteilung besitzt. Dritte Voraussetzung ist die Varianzgleichheit (d.h. die Varianz der betrachteten Variablen ist in den verschiedenen Fallgruppen gleich groß). Da bei der Varianzanalyse das Merkmal X als Faktor bezeichnet wird, wird hierbei auch von einer 1-faktoriellen Varianzanalyse gesprochen.^[13]

Die mehrfaktorielle Varianzanalyse

Da zum Vergleich der Hotelpreise in Berlin die mehrfaktorielle Varianzanalyse angewendet wurde, wird nicht näher auf die 1-faktorielle Analyse eingegangen. Sie diente als Hinführung zum mehrfaktoriellen Modell, welches auch Allgemeines Lineares Modell (ALM) genannt wird. Grundsätzlich wird auch hier der Einfluss unabhängiger, erklärender Variablen auf die Mittelwerte einer abhängigen Variablen untersucht. Dieses Modell erlaubt darüber hinaus die Untersuchung von mehreren unabhängigen Variablen und deren Einfluss auf Y. Des Weiteren können intervallskalierte unabhängige Merkmale als so genannte Kovarianten berücksichtigt werden. Ferner lassen sich unter anderem Interaktionsbeziehungen zwischen den unabhängigen Variablen auswerten.^[14]

Im System der Varianzanalyse wird die gesamte Varianz der abhängigen Variablen gedanklich aufgeteilt. Zum einen Teil in die Varianz zwischen den Gruppen, welche die Abweichung der Gruppenmittelwerte vom Gesamtmittelwert über alle Gruppen zeigt. Zum anderen Teil in die Varianz innerhalb der Gruppen. Diese stellt die Abweichung der einzelnen Messwerte innerhalb der Gruppe vom jeweiligen Gruppenmittelwert dar. Sind die Unterschiede zwischen den Gruppen relativ groß, bei gleichzeitig nicht allzu großer Varianz innerhalb der Gruppen, so kann davon ausgegangen werden, dass die Gruppenzugehörigkeit einen Einfluss auf die abhängige Variable hat. Denn es zeigt an, dass die einzelnen Gruppen sehr unterschiedliche Mittelwerte aufweisen, innerhalb der Gruppen jedoch alle Werte sehr ähnlich sind.^[15]

Als Maß für die Erklärungskraft der gesamten untersuchten Faktoren steht das Bestimmtheitsmaß R-Quadrat zur Verfügung. Dieser Wert vergleicht die durch das Modell vorhergesagten Werte, auf Grundlage der Werte der unabhängigen Variablen, mit den tatsächlichen Werten der abhängigen Variablen. Der Wert von R-Quadrat liegt zwischen 0 (es besteht überhaupt kein Zusammenhang zwischen den Variablen) und 1 (die abhängige könnte in vollem Umfang aus der unabhängigen Variablen erklärt werden).^[16]

Voraussetzungen für die mehrfaktorielle Varianzanalyse sind: Die abhängige Variable ist metrisch skaliert und in der Grundgesamtheit normalverteilt. Mindestens eine unabhängige Variable muss eine Aufteilung in Gruppen ermöglichen. Diese kann auch nominal skaliert sein und wird dann Faktor genannt. Weitere Voraussetzungen sind die Gleichheit der Varianzen in den einzelnen Gruppen (Varianzhomogenität) und dass die Vergleichsgruppen unabhängige Zufallsstichproben sein müssen.^[17] Der Vorteil des mehrfaktoriellen Modells liegt in der Möglichkeit der Analyse der Interaktion der Variablen sowie in der Verminderung des Versuchsfehlers. Das ALM liefert folglich präzisere Ergebnisse.

Die Regressionsanalyse

Regression bedeutet von Bezugnahme oder Rückgriff (Regress). Daher wäre es sinnvoller von Dependenz (Abhängigkeit) zu sprechen, da das Merkmal Y von X abhängig ist.^[18] Ähnlich wie in der Varianzanalyse beschreibt die Regressionsanalyse den Einfluss einer oder mehrerer unabhängiger Variablen auf eine abhängige Variable. Im Mittelpunkt der Regressionsanalyse steht eine aus der Datenbasis zu ermittelnde Gleichung, die meist linear ist.^[19] Die Modellannahme für das einfache lineare Modell lautet:

Zwischen den Merkmalen Y und X besteht im Mittel eine lineare Abhängigkeit. Die Regressionsfunktion ist eine Gerade (Regressionsgerade). Die Parameter der ausgleichenden Regressionsgeraden [Abbildung in dieser Leseprobe nicht enthalten] werden nach der Methode der kleinsten Quadrate bestimmt, wobei X die unabhängige Variable und Y die abhängige Variable darstellt. Der Parameter a0 heißt Regressionskonstante und ist im Allgemeinen nicht sachlich interpretierbar, er gibt lediglich den Schnittpunkt der Geraden mit der Y-Achse an. Der Parameter a1 heißt Regressionskoeffizient und gibt die Richtung (Steigung der Geraden) der durchschnittlichen, linearen Abhängigkeit der Variable Y von der Variable X an.^[20]

Die Methode der kleinsten Quadrate wird in der Regressionsanalyse bei der Auswahl der „besten“ Geraden verwendet. „.. hierbei werden zunächst die (senkrechten) Abstände der einzelnen Punkte von der Geraden bestimmt, diese Abstände werden quadriert, so dass die negativen Vorzeichen verschwinden. Anschließend wird die Summe der quadrierten Abstände berechnet, und es wird jene Gerade als „die am besten angepasste“ ausgewählt, bei der die Summe der quadrierten Abstände am kleinsten ist.“^[21] Das wichtigste Maß zur Messung des Anteils der erklärten Streuung im Modell stellt auch hier R-Quadrat dar. Es ist zu beachten, dass R-Quadrat lediglich ein Maß für den linearen Zusammenhang zwischen den Variablen darstellt.^[22]

[...]

^[1] DEHOGA (2005 c), http://www.dehoga-berlin.de/home/betriebsarten_952_924.html.

^[2] Vgl. DEHOGA (2005 a), http://www.hotelsterne.de/, über Link: "Sterne deuten".

^[3] Vgl. Statistisches Landesamt Berlin (2005), http://www.statistik-berlin.de/framesets/aktuell.htm, über Links: „aktuell“ „Die kleine Berlin-Statistik 2005“ „Handel, Gastgewerbe, Tourismus“.

^[4] Vgl. DEHOGA (2005 b), http://www.hotelsterne.de/, über Link: "Sterne zählen“.

^[5] Vgl. Berlin Tourismus Marketing GmbH (2005), http://www.meet-in-berlin.de/, über Links: "Kongress -und Tagungsplanung" "Hotels".

^[6] Vogel, F. (1999), S. 3.

^[7] Vgl. Bellgardt, E. (2004), S. 2.

^[8] Vgl. Kähler, W.-M. (2004), S. 7.

^[9] Vgl. Vogel, F. (1999), S. 5 ff.

^[10] Vgl. Kähler, W.-M. (2004), S. 331.

^[11] Vgl. Janssen, J. / Laatz, W. (2003), S. 302 f.

^[12] Vgl. Brosius, F. (2002), S. 343 ff.

^[13] Vgl. Kähler, W.-M. (2004), S. 331 ff.

^[14] Vgl. Brosius, F. (2002), S. 589 ff.

^[15] Vgl. Ebenda, S. 482.

^[16] Vgl. Ebenda, S. 592 f.

^[17] Vgl. Janssen, J. / Laatz, W. (2003), S. 321.

^[18] Vgl. Unger, F. / Stiehr, J.-U. (1999), S. 53.

^[19] Vgl. Bellgardt, E. (2004), S. 111 ff.

^[20] Vgl. Vogel, F. (1999), S. 69 ff.

^[21] Brosius, F. (2002), S. 524.

^[22] Vgl. Brosius, F. (2002), S. 534.