MaxDiff-Analyse

MaxDiff oder Maximum Difference Scaling ist ein von Jordan Louvière entwickeltes Verfahren zur Messung der Wichtigkeit von Attributen. In einer Befragung geben die Teilnehmer an, welche der vorgelegten Attribute sie am meisten und welche sie am wenigsten präferieren (am wichtigsten/am wenigsten wichtig).

Dieses Verfahren besteht aus zwei Schritten. Zunächst wird ein Versuchsplan entwickelt, in dem jedes Attribut im Vergleich zu anderen Attributen gleich häufig abgefragt wird. Sobald der Befragte für jede Auswahlmöglichkeit das beste und schlechteste Attribut ausgewählt hat, wird die Wichtigkeit eines jeden Attributs ermittelt. Anhand eines hierarchischen Bayes-Modells lassen sich individuelle Wichtigkeitswerte berechnen.

Bei MaxDiff-Modellen müssen die Befragten sich in einer Auswahl für Attribute entscheiden. Daher erhalten alle Teilnehmer mehrere Auswahlmöglichkeiten (ein Attribut wird aus einer Anzahl von Attributen ausgewählt).

Die Analyse der Auswahlmöglichkeiten anhand eines hierarchischen Bayes-Algorithmus liefert Ergebnisse für Einzelpersonen. Die Parameter werden für die Einzelpersonen anhand einer iterativen Methode (Gibbs-Sampling) geschätzt, wobei sowohl die Auswahl jeder Einzelperson als auch die globale Verteilung der Auswahlmöglichkeiten berücksichtigt werden. Die so erhaltenen individuellen Wichtigkeitswerte sind präziser.

Durch die MaxDiff-Analyse kann ein individueller MaxDiff-Wert für jeden Befragten und jedes Attribut berechnet werden.