Die Bewährung von Ankerpreismodellen bei der ... - ePub WU
Die Bewährung von Ankerpreismodellen bei der ... - ePub WU
Die Bewährung von Ankerpreismodellen bei der ... - ePub WU
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Die</strong> <strong>Bewährung</strong> <strong>von</strong><br />
<strong>Ankerpreismodellen</strong> <strong>bei</strong> <strong>der</strong><br />
Erklärung <strong>der</strong> Markenwahl<br />
Harald Hruschka, Werner Fettes,<br />
Markus Probst<br />
Report No. 49<br />
January 2001
January 2001<br />
SFB<br />
‘Adaptive Information Systems and Modelling in Economics and Management<br />
Science’<br />
Vienna University of Economics<br />
and Business Administration<br />
Augasse 2–6, 1090 Wien, Austria<br />
in cooperation with<br />
University of Vienna<br />
Vienna University of Technology<br />
http://www.wu-wien.ac.at/am<br />
Papers published in this report series<br />
are preliminary versions of journal articles<br />
and not for quotations.<br />
This paper was accepted for publication in:<br />
Zeitschrift für betriebswirtschaftliche Forschung<br />
This piece of research was supported by the Austrian Science Foundation<br />
(FWF) un<strong>der</strong> grant SFB#010 (‘Adaptive Information Systems and Modelling in<br />
Economics and Management Science’).
Abstract<br />
We evaluate reference price models with regard to their ability toexplain brand choices<br />
of individual households. Reference price models are of the adaptive expectations and<br />
extrapolative expectations types. Brand choice is analyzed by means of multinomial logit<br />
(MNL) models. We specify the deterministic utility component of MNL models as both<br />
conventional linear function and nonlinear function. Nonlinear utility is approximated by<br />
an appropriate neural network, a feedforward multilayer perceptron with sigmoid hidden<br />
units. Reference price models of the extrapolative expectation type formed by lagged<br />
prices and a time trend are superior to those of the adaptive expectation type for household<br />
scanner panel data. Improvements of posterior probabilities of choice models due to the<br />
inclusion of reference prices, losses and gains are greater if nonlinear utility choice models<br />
are used.<br />
I Einfuhrung<br />
Ankerpreise (Referenzpreise) stellen interne Preise dar, die Kaufer mit <strong>von</strong> ihnen beobachteten<br />
aktuellen Preisen vergleichen 1 . Ankerpreise werden in <strong>der</strong> Regel mit erwarteten<br />
Preisen gleichgesetzt.<br />
Abnehmer bewerten uber dem Ankerpreis liegende beobachtete Preise (Losses) negativ,<br />
unter dem Ankerpreis liegende beobachtete Preise (Gains) dagegen positiv. Falls die beobachteten<br />
Preise einer Marke unter dem Ankerpreis liegen, neigen Abnehmer eher zu<br />
Kaufen, sodass die Kaufwahrscheinlichkeit steigt. Beobachtete Preise einer Marke, die<br />
gro er als <strong>der</strong> Ankerpreis sind, halten dagegen Abnehmer <strong>von</strong> <strong>der</strong>en Kauf ab, sodass<br />
die Kaufwahrscheinlichkeit sinkt. Der ceteris paribus{E ekt des Ankerpreises ist negativ,<br />
d.h. mit zunehmen<strong>der</strong> Hohe des Ankerpreises geht die Kaufwahrscheinlichkeit zuruck. Bei<br />
dieser Betrachtungsweise ignoriert man die E ekte <strong>von</strong> Losses und Gains. Damit unterstellt<br />
man, dass <strong>der</strong> Ankerpreis mit dem beobachteten Preis ubereinstimmt. Insgesamt<br />
gesehen kann freilich ein hoher Ankerpreis, falls er erheblich durch beobachtete Preise unterschritten<br />
wird, gemeinsam mit dem Gaine ekt zu einer hohen Kaufwahrscheinlichkeit<br />
fuhren.<br />
Nach <strong>der</strong> Prospekttheorie reagieren Abnehmer asymmetrisch auf Losses und Gains, indem<br />
sie eher versuchen, Losses zu vermeiden als Gains zu realisieren 2 . Gleich hohe Di erenzen<br />
zum Ankerpreis wirken sich danach starker auf die Kaufwahrscheinlichkeit aus, falls <strong>der</strong><br />
beobachtete Preis einer Marke den Ankerpreis ubersteigt.<br />
<strong>Die</strong> direkte Messung <strong>von</strong> Ankerpreisen erweist sich als nicht realisierbar, da es sich umhypothetische<br />
Konstrukte handelt. Ein weit verbreiteter Operationalisierungsansatz besteht<br />
darin, den Ankerpreis durch eine Gleichung zu bestimmen. Modelle, die auf haushaltspezi<br />
schen Kaufdaten basieren, bestehen daher aus zwei Gleichungsarten. <strong>Die</strong> erste Gleichungsart<br />
beschreibt die Ankerpreisbildung je Marke. <strong>Die</strong> zweite Gleichungsart entspricht<br />
einem Markenwahlmodell, das unter an<strong>der</strong>em die Wirkungen <strong>der</strong> Abweichungen des beobachteten<br />
aktuellen Preises <strong>von</strong> Ankerpreisen auf Kaufwahrscheinlichkeiten wie<strong>der</strong>gibt.<br />
1 Vgl. Winer (1988).<br />
2 Vgl. Kahneman/Tversky (1979) Winer (1988) Hruschka (1996).<br />
1
Nach Schatzung <strong>der</strong> Ankerpreisgleichungen fuhrt man die mit <strong>der</strong>en Hilfe bestimmten<br />
Ankerpreise und die Abweichungen <strong>der</strong> beobachteten Preise (Gains und Losses) in das<br />
Markenwahlmodell ein.<br />
<strong>Die</strong> Aufgabenstellung des Beitrages besteht in<strong>der</strong>Bewertung diverser Ankerpreismodelle<br />
hinsichtlich <strong>der</strong>Erklarung <strong>der</strong> Markenwahl <strong>von</strong> Haushalten. In Abschnitt II werden die<br />
behandelten Ankerpreismodelle prazisiert. Abschnitt III stellt die untersuchten Markenwahlmodelle<br />
dar. Abschnitt IV erortert die eingesetzten Schatzverfahren und die Vorgangsweise<br />
<strong>der</strong> Bewertung <strong>der</strong> verschiedenen Modelle. Abschnitt V bietet einen Uberblick<br />
uber bisher vorliegende empirische Befunde zur Bewahrung <strong>von</strong> <strong>Ankerpreismodellen</strong> <strong>bei</strong><br />
<strong>der</strong> Erklarung <strong>der</strong> Markenwahl. Abschnitt VI prasentiert Resultate einer umfassenden<br />
empirischen Untersuchung in zwei Produktgruppen. Der Beitrag endet mit Schlussfolgerungen<br />
in Abschnitt VII.<br />
II Ankerpreismodelle<br />
Samtliche hier untersuchte Ankerpreismodelle basieren auf den <strong>von</strong> einem Haushalt <strong>bei</strong><br />
vergangenen Kaufakten tatsachlich vorgefundenen Preisen <strong>der</strong> im betre enden Outlet<br />
angebotenen Marken. Der Ankerpreis ^phmt des Haushalts h fur Marke m und Kauf t<br />
entspricht dem Prognosewert eines Ankerpreismodells <strong>bei</strong>m vorhergehenden Kauf t ; 1<br />
(<strong>der</strong> Zeitindex t zahlt die Kaufe des Haushalts h als t =1 2 ). phmt bezeichnet den<br />
<strong>von</strong> Haushalt h <strong>bei</strong>m t;ten Kauf beobachteten Preis <strong>der</strong> Marke m. Der Markenindex m<br />
lauft uber alle im jeweiligen Outlet angebotenen Marken und umfasst daher auch jene<br />
Marken, die <strong>bei</strong> vorhergehenden Kaufakten nicht gekauft wurden.<br />
Nach dem Konzept adaptiver Erwartungen 3 ergibt sich <strong>der</strong> aktuelle Ankerpreis als gewichteter<br />
Mittelwert aus Ankerpreis und beobachtetem Preis, <strong>bei</strong>de bezogen auf den vorangegangenen<br />
Kaufakt. <strong>Die</strong>s entspricht einer exponentiellen Glattung erster Ordnung <strong>der</strong><br />
beobachteten Preise, <strong>der</strong>en rekursive Gleichung 4 lautet:<br />
^phmt = ^phmt;1 +(1; ) phmt;1 (1)<br />
<strong>Die</strong> Ankerpreismodelle nach dem Konzept adaptiver Erwartungen besitzen einen Parameter,<br />
die zwischen null und eins liegende Glattungskonstante .<br />
<strong>Die</strong> folgende aquivalente Schreibweise, die die beobachteten Preise vergangener Kaufakte<br />
umfasst, verdeutlicht, dass weiter zuruckliegende Preise mit abnehmenden Gewichten <strong>von</strong><br />
(1 ; ) l mit l =0 1 2 in den Ankerpreis eingehen:<br />
^phmt =(1; ) X l 0<br />
l phmt;l;1<br />
Naherungsweise entspricht die exponentielle Glattung erster Ordnung einem gleitenden<br />
Durchschnitt uber T Perioden (Kaufakte) nach folgen<strong>der</strong> Beziehung 5 :<br />
3 Vgl. Nerlove (1958).<br />
4 Vgl. Brown (1962).<br />
5 Vgl. Brown (1962).<br />
T = 1+<br />
1 ;<br />
2<br />
(2)<br />
(3)
<strong>Die</strong> nach dem Konzept extrapolativer Erwartungen gebildeten Ankerpreismodelle besitzen<br />
in <strong>der</strong> hier prasentierten Untersuchung folgende Pradiktoren:<br />
je eine Markenkonstante<br />
um bis zu drei Kaufakte verzogerte Preise <strong>der</strong> jeweiligen Marke<br />
einen Trendterm (den Zahler t des Kaufaktes).<br />
Betrachtet werden folgende alternative Funktionsformen <strong>von</strong> <strong>Ankerpreismodellen</strong> nach<br />
dem Konzept extrapolativer Erwartungen:<br />
lineare Funktionsform<br />
^phmt = b0m +<br />
3X<br />
bl phmt;l + b4 t (4)<br />
l=1<br />
Insgesamt besitzt diese Funktionsform zehn Parameter (sechs Markenkonstanten,<br />
drei Preiskoe zienten, einen Trendterm). Sie ist exibler als das Modell adaptiver<br />
Erwartungen was die Gewichtung <strong>der</strong> Preise <strong>der</strong> letzten drei Kaufakte betri t. Das<br />
Modell adaptiver Erwartungen dagegen restringiert gema Gleichung 2 die Gewichtung<br />
dieser Preise auf (1 ; ) (1 ; ) und (1 ; ) 2 .<br />
nichtlineare Funktionsform<br />
Da<strong>bei</strong> handelt es sich um ein kunstliches neuronales Netz in Form eines vorwarts<br />
gerichteten Mehrschichtperzeptrons mit einer verborgenen Schicht <strong>von</strong> drei Einheiten<br />
6 , das jede beliebige kontinuierliche Funktion approximieren kann. Daher ist die<br />
nichtlineare Funktionsform exibler als die lineare Funktionsform. <strong>Die</strong> verborgenen<br />
Einheiten weisen logistische Aktivierungsfunktionen g() auf.<br />
<strong>Die</strong> Gleichung dieses Modells lautet:<br />
^phmt = b0 +<br />
3X<br />
3X<br />
j=1<br />
(b2j g(<br />
3X<br />
b1jl phmt;l + b1j4 t))<br />
l=1<br />
= b0 + b2j g(sj) (5)<br />
j=1<br />
<strong>Die</strong> logistische Funktion g() mit dem Argument sj lasst sich wie folgt schreiben:<br />
1<br />
g(sj) =<br />
1+exp(;sj)<br />
<strong>Die</strong> nichtlineare Funktionsform ist komplexer als die lineare, da sie 21 Parameter<br />
aufweist (sechs Markenkonstanten, drei Koe zienten b2j sowie zwolf Koe zienten<br />
fur drei verborgene Einheiten und vier Pradiktoren).<br />
6 Vgl. Ripley (1993) Cheng (1994) Bishop (1995) Hruschka (1999).<br />
3<br />
(6)
Punktelastizitaten <strong>der</strong> Pradiktoren werden ermittelt, um die Wirkung jedes Pradiktors <strong>bei</strong><br />
den <strong>Ankerpreismodellen</strong> nach dem Konzept extrapolativer Erwartungen zu interpretieren.<br />
<strong>Die</strong>s lasst sich mit den unterschiedlichen Wertebereichen <strong>der</strong> Pradiktoren begrunden. Bei<br />
<strong>der</strong> nichtlinearen Funktionsform kommt hinzu, dass sich <strong>der</strong> E ekt eines Pradiktors nicht<br />
wie <strong>bei</strong> <strong>der</strong> linearen Funktionsform auf einen Parameter zuruckfuhren lasst.<br />
Fur die Punktelastizitat des Pradiktors phmt;l beziehungsweise t <strong>bei</strong> <strong>der</strong> linearen Funktionsform<br />
gilt:<br />
phmt;l<br />
^phmt<br />
bl beziehungsweise<br />
t<br />
^phmt<br />
Bei <strong>der</strong> nichtlinearen Funktionsform erhalt man als Punktelastizitat des Pradiktors phmt;l<br />
beziehungsweise t:<br />
phmt;l<br />
^phmt<br />
3X<br />
b4<br />
(b2j(1 ; g(sj)) g(sj) b1jl)<br />
j=1<br />
beziehungsweise<br />
t<br />
^phmt<br />
III Markenwahlmodelle<br />
3X<br />
(7)<br />
(b2j(1 ; g(sj)) g(sj) b1j4) (8)<br />
j=1<br />
Neben funf Markenkonstanten weisen die hier untersuchten Markenwahlmodelle folgende<br />
vier (beziehungsweise <strong>bei</strong> Berucksichtigung <strong>von</strong> Ankerpreis, Loss und Gain sechs) markenspezi<br />
sche Pradiktoren auf:<br />
Preis beziehungsweise Ankerpreis, Loss und Gain<br />
Display (1<strong>bei</strong>Werbung am POS, sonst 0)<br />
Feature (1 <strong>bei</strong> Zeitschriften- o<strong>der</strong> Flugblattwerbung, sonst 0)<br />
Loyalitat.<br />
Loss und Gain <strong>von</strong> Haushalt h <strong>bei</strong> Marke m und Kaufakt t sind ausgehend <strong>von</strong> beobachtetem<br />
Preis phmt und Ankerpreis ^phmt wie folgt de niert:<br />
max(phmt ; ^phmt 0) Loss<br />
max(^phmt ; phmt 0) Gain (9)<br />
Falls Loss und Gain als Pradiktoren betrachtet werden, wird statt des beobachteten Preises<br />
einer Marke <strong>der</strong> nach einem <strong>der</strong> in Abschnitt II dargestellten Modelle gebildete Ankerpreis<br />
berucksichtigt, da <strong>der</strong> beobachtete Preis mit an<strong>der</strong>en Pradiktoren kollinear ist.<br />
Der beobachtete Preis entspricht <strong>der</strong> Summe aus Ankerpreis und <strong>der</strong> Abweichung ehmt,<br />
<strong>der</strong> Di erenz des beobachteten Preises vom Ankerpreis:<br />
phmt =^phmt + ehmt<br />
4<br />
(10)
Falls <strong>der</strong> Ankerpreis auf einem mit Hilfe einer Kleinstquadratschatzung bestimmten Modell<br />
basiert, ist er mit dieser Abweichung unkorreliert 7 . Im Gegensatz dazu korreliert <strong>der</strong><br />
beobachtete Preis mit <strong>der</strong> Abweichungsgro e ehmt (dieser Sachverhalt konnte das implausible<br />
Vorzeichen fur die Di erenz aus Preis und Ankerpreis im Markenwahlmodell<br />
<strong>von</strong> Lattin/Bucklin (1989) begrunden). Das Kollinearitatsproblem des beobachteten Preises<br />
lasst sich fur die hier untersuchte Datenbasis empirisch belegen. Wahrend eine lineare<br />
Regression <strong>der</strong> Ankerpreise auf alle an<strong>der</strong>en Pradiktoren <strong>der</strong> Markenwahlmodelle zu Varianzerklarungen<br />
<strong>von</strong> lediglich 19,7 % beziehungsweise 13,6 % fuhrt, steigen die Varianzerklarungen<br />
<strong>der</strong> linearen Regression mit beobachteten Preisen als abhangiger Variablen<br />
auf 55,1 % beziehungsweise 45,4 % 8 .<br />
Unterschiedliche Markenpraferenzen <strong>der</strong> Haushalte sollen durch die Berucksichtigung des<br />
Kaufverhaltens in <strong>der</strong> Vergangenheit erfasst werden. Zu diesem Zweck werden markenspezi<br />
sche Loyalitaten jedes Haushalts clhmt pro Kaufakt und Marke wie <strong>bei</strong> Guadagni/Little<br />
(1983) durch exponentielles Glatten vergangener Markenkaufe yhmt (eins <strong>bei</strong><br />
Kauf <strong>von</strong> Marke m durch Haushalt h <strong>bei</strong>m Kaufakt t, an<strong>der</strong>nfalls null) mit <strong>der</strong> Glattungskonstanten<br />
l ermittelt:<br />
clhmt = l clhmt;1 +(1; l)yhmt;1 (11)<br />
Markenwahlmodelle gehen <strong>von</strong> <strong>der</strong> Annahme aus, dass Abnehmer jene Marke aus einer<br />
Alternativenmenge wahlen, die aus ihrer Sicht den gro ten Nutzen aufweist. Der Nutzen<br />
setzt sich additiv aus einer deterministischen Komponente und einer zufalligen Storgro e<br />
zusammen. Das multinomiale Logitmodell (MNL) erhalt man, falls die Storgro e einer<br />
identischen und unabhangigen Extremwertverteilung vom Typ I folgt9 . <strong>Die</strong> bedingte<br />
Wahl(Kauf)wahrscheinlichkeit des Abnehmers (Haushalts) h fur Marke m <strong>bei</strong>m Kaufakt<br />
t lautet:<br />
p(yhmtjBf~xhtg) =<br />
X<br />
m 2M ht<br />
exp (Vhmt)<br />
exp (Vhm t)<br />
B bezeichnet den Parametervektor des Modells, Vhmt den deterministischen Nutzen des<br />
Haushalts h fur Marke m <strong>bei</strong>m Kaufakt t, f~xhtg die Menge <strong>der</strong> Pradiktoren fur alle<br />
Marken, Mht die Menge <strong>der</strong> <strong>bei</strong>m Kaufakt t im aufgesuchten Outlet verfugbaren Marken.<br />
Alle in Abschnitt V referierten Beitrage zu <strong>Ankerpreismodellen</strong> untersuchen Markenwahlentscheidungen<br />
mit Hilfe des MNL{Modells. Da<strong>bei</strong> verwenden sie folgende lineare<br />
Spezi kation des deterministischen Nutzens:<br />
(12)<br />
Vhmt = ~ 1 ~xhmt + ~ Dm ~ 3 (13)<br />
~Dm ist ein m-dimensionaler Vektor <strong>von</strong> binaren Dummyvariablen, <strong>der</strong> nur fur Marke m<br />
den Wert eins annimmt, also ~ Dm =(0:::0 1 0:::0). Das sich durch Einsetzen des Ausdrucks<br />
13 in Gleichung 12 ergebende Modell sei als MNL{Modell bezeichnet. In unserer<br />
Untersuchung ergibt sich fur das MNL{Modell unter Einschluss <strong>der</strong> Loyalitatskonstanten<br />
7 Vgl. z.B. Chow (1985).<br />
8 Vergleichbar erscheinen die <strong>von</strong> Mazumdar/Papatla (1995) ermittelten Korrelationskoe zienten <strong>von</strong><br />
0,775 beziehungsweise 0,666 zwischen Preis und Ankerpreis fur zwei Produktgruppen.<br />
9 Vgl. McFadden (1973) McFadden (1980) Corstjens/Gautschi (1983).<br />
5
l eine Parameteranzahl <strong>von</strong> zehn ohne Ankerpreise, beziehungsweise zwolf mit Berucksichtigung<br />
<strong>von</strong> Ankerpreisen.<br />
Eine exible nichtlineare Alternative zu dieser Spezi kation lasst sich durch Approximation<br />
des deterministischen Nutzens mit Hilfe eines vorwarts gerichteten Mehrschichtperzeptrons<br />
<strong>von</strong> Q verborgenen Einheiten erreichen 10 . Da<strong>bei</strong> ergibt sich <strong>der</strong> deterministische<br />
Nutzen als lineare Kombination <strong>der</strong> Werte verborgener Einheiten, die ihrerseits durch die<br />
logistische Funktion g() erzeugte nichtlineare Transformationen <strong>von</strong> Linearkombinationen<br />
<strong>der</strong> Pradiktoren des Markenwahlmodells darstellen:<br />
QX<br />
Vhmt =<br />
j=1<br />
2j g( ~ 1j ~xhmt) + ~ Dm ~ 3 (14)<br />
Im Unterschied zum MNL{Modell mit linearem Nutzen weist hier ~xhmt als erstes Element<br />
den Wert eins auf. <strong>Die</strong> an<strong>der</strong>en Elemente dieses Vektors entsprechen den Werten <strong>der</strong><br />
einzelnen Pradiktoren.<br />
Einsetzen <strong>der</strong> Gleichung 14 in das grundlegende MNL{Modell gema Ausdruck 12 liefert<br />
ein erweitertes MNL{Modell, das Neuronales Netz{Multinomiales Logitmodell (NN{<br />
MNL) genannt sei. In <strong>der</strong> vorliegenden Untersuchung betragt die Parameteranzahl eines<br />
NN{MNL{Modells mit Q verborgenen Einheiten 6 + Q(2 + J). Falls Ankerpreise, Gains<br />
und Losses berucksichtigt werden, gilt J = 6, sonst J =4.<br />
Folgende Hypothesen lassen sich hinsichtlich <strong>der</strong> E ekte <strong>der</strong> Ankerpreise und <strong>der</strong>en Abweichungen<br />
auf Kaufwahrscheinlichkeiten formulieren:<br />
ein negativer E ekt <strong>von</strong> Ankerpreisen<br />
ein positiver E ekt <strong>von</strong> Gains<br />
ein negativer E ekt <strong>von</strong> Losses<br />
<strong>der</strong> Absolutbetrag des E ekts <strong>von</strong> Losses ubertri t jenen des E ekts <strong>von</strong> Gains.<br />
<strong>Die</strong>se E ekte werden mit Hilfe <strong>von</strong> Markenwahlelastizitaten gemessen. Markenwahlelastizitaten<br />
sind als Quotienten aus relativer An<strong>der</strong>ung <strong>der</strong> Kaufwahrscheinlichkeit und<br />
relativer An<strong>der</strong>ung des Wertes eines Pradiktors de niert. Allgemein gilt fur die Punktelastizitat<br />
des i-ten Pradiktors xihmt bezuglich <strong>der</strong> Wahlwahrscheinlichkeit <strong>der</strong> Marke m<br />
<strong>bei</strong>m Kaufakt t des Haushalts h:<br />
@p(yhmtjBf~xhtg)<br />
@xihmt<br />
xihmt<br />
p(yhmtjBf~xhtg)<br />
Fur das NN{MNL{Modell lasst sich folgende Formel <strong>der</strong> Markenwahlelastizitat mit 1ji<br />
als Parameter des i-ten Pradiktors hinsichtlich <strong>der</strong>verborgenen Einheit j ableiten:<br />
QX<br />
(1 ; p(yhmtjBf~xhtg)) xihmt<br />
j=1<br />
(15)<br />
2j g( ~ 1j ~xhmt)(1 ; g( ~ 1j ~xhmt)) 1ji (16)<br />
10 Vgl. Ripley (1993) Cheng (1994) Bishop 1995 Hruschka (1999).<br />
6
Da<strong>von</strong> stellt <strong>der</strong> folgende bekannte Ausdruck <strong>der</strong> Elastizitat fur das MNL{Modell mit<br />
linearem deterministischen Nutzen einen Spezialfall mit 1i als Koe zienten des i-ten<br />
Pradiktors dar:<br />
(1 ; p(yhmtjBf~xhtg)) xihmt 1i (17)<br />
IV Modellschatzung und Modellbewertung<br />
<strong>Die</strong> Parameter <strong>der</strong> Ankerpreismodelle werden durch Minimierung <strong>der</strong> Summe quadratischer<br />
Abweichungen SSE zwischen Ankerpreisen (vorhergesagten Preisen)<br />
^phmt und beobachteten Preisen phmt ermittelt:<br />
SSE = X<br />
hmt<br />
(^phmt ; phmt) 2<br />
<strong>Die</strong> Glattungskonstante <strong>der</strong> Ankerpreismodelle nach dem Konzept adaptiver Erwartungen<br />
wird mit Hilfe des eindimensionalen Suchverfahrens <strong>von</strong> Brent bestimmt 11 .<strong>Die</strong>Schatzung<br />
<strong>der</strong> linearen Ankerpreismodelle nach dem Konzept extrapolativer Erwartungen erfolgt mit<br />
Hilfe <strong>der</strong> gewohnlichen Kleinstquadratmethode.<br />
<strong>Die</strong> Schatzung <strong>der</strong> neuronalen Netzwerkmodelle (des NN{MNL{Modells und <strong>der</strong> nichtlinearen<br />
Ankerpreismodelle) besteht aus zwei Phasen, stochastischer Gradientensuche 12<br />
gefolgt <strong>von</strong> BFGS, einem Quasi-Newton Verfahren 13 . <strong>Die</strong> Schatzung des MNL{Modells<br />
mit linearer Nutzenfunktion benotigt nur den BFGS Schritt.<br />
Ziel <strong>der</strong> Schatzung sowohl des konventionellen MNL{Modells als auch des NN{MNL{<br />
Modells ist die Maximierung <strong>der</strong> Log{Likelihoodfunktion <strong>der</strong> Markenwahlen <strong>der</strong> Haushalte.<br />
<strong>Die</strong>se Funktion lautet <strong>bei</strong> H Haushalten mit Th Kaufen je Haushalt:<br />
HX XT h X<br />
L =<br />
yhmt ln p(yhmtjBf~xhtg) (19)<br />
h=1 t=1 m2Mht <strong>Die</strong> Bewertung <strong>der</strong> untersuchten Markenwahlmodelle und Ankerpreismodelle erfolgt mit<br />
Hilfe <strong>der</strong> a{posteriori{Wahrscheinlichkeit. Dadurch lassen sich bekannte Nachteile klassischer<br />
Signi kanztests vermeiden 14 . So empfehlen Signi kanztests <strong>bei</strong> grossen Datensatzen<br />
die Verwerfung des Nullmodells auch <strong>bei</strong> geringen Abweichungen <strong>von</strong> den Daten. Beim<br />
Vergleich nicht genesteter Modelle (<strong>bei</strong> denen man den Parametervektor keines <strong>der</strong> <strong>bei</strong>den<br />
Modell durch Restringieren des Parametervektors des jeweils an<strong>der</strong>en Modells erhalt)<br />
fuhren Signi kanztests oft zu wi<strong>der</strong>spruchlichen Ergebnissen (je nachdem, welches Modell<br />
als Nullmodell fungiert) o<strong>der</strong> zum Verwerfen <strong>bei</strong><strong>der</strong> Modelle.<br />
A{posteriori{Wahrscheinlichkeiten werden mit Hilfe des Bayesschen Informationskriteriums<br />
BIC approximiert 15 . Ausgehend <strong>von</strong> <strong>der</strong> Log{Likelihood L, <strong>der</strong> Parameteranzahl k<br />
11<br />
Vgl. Press et al. (1986).<br />
12<br />
Vgl. Bishop (1995) Hruschka (1999).<br />
13<br />
Vgl. Seber/Wild (1989) Bishop (1995).<br />
14<br />
Vgl. Raftery (1995).<br />
15<br />
Vgl. Schwarz (1979) Raftery (1995).<br />
7<br />
(18)
und <strong>der</strong> Beobachtungsanzahl N ergibt sich das BIC eines Modells als:<br />
BIC = ;2 L + k ln(N) (20)<br />
Fur die mittels Kleinstquadratschatzung ermittelten Ankerpreismodelle gilt fur das BIC 16<br />
unter Ruckgri auf das Bestimmtheitsma R 2 :<br />
BIC = N ln(1 ; R 2 )+k ln(N) (21)<br />
<strong>Die</strong> Ausdrucke 20 und 21 belegen, dass das BIC Modelle mit einer hoheren Parameteranzahl<br />
bestraft.<br />
Der Bayes Faktor BF10, die a{posteriori{Wettchance <strong>von</strong> Modell 1 im Vergleich zum<br />
Modell 0, lasst sich approximieren durch:<br />
BF10 = exp(;1=2(BIC1 ; BIC0)) (22)<br />
BIC1BIC0 bezeichnen das BIC-Kriterium <strong>von</strong> Modell 1 beziehungsweise Modell 0.<br />
Fur die a{posteriori{Wahrscheinlichkeit <strong>von</strong> Modell 1 fur die Daten D folgt dann:<br />
P (M1jD) =BF10=(BF10 +1) (23)<br />
Anhand dieser Zusammenhange lasst sich zeigen, dass die a{posteriori{Wahrscheinlichkeit<br />
<strong>von</strong> Modell 1 mehr als 0,99 betragt, falls <strong>der</strong> BIC-Wert <strong>von</strong> Modell 1 um mindestens<br />
10 unter jenem <strong>von</strong> Modell 0 liegt.<br />
Als a{posteriori{Wahrscheinlichkeit <strong>von</strong> Modell 0 fur die Daten D ergibt sich:<br />
V Vorliegende empirische Befunde<br />
P (M0jD) =1; P (M1jD) (24)<br />
Eine Reihe <strong>von</strong> Untersuchungen <strong>der</strong> Markenwahl unterstellt die Ankerpreisbildung nach<br />
dem Konzept adaptiver Erwartungen. Kalyanaram/Little (1989) postulieren einen mittleren<br />
Preisbereich entsprechend <strong>der</strong> Assimilations{Kontrast{Theorie, in dem Abnehmer<br />
weniger preissensitiv reagieren, sowie E ekte nach <strong>der</strong> Prospekttheorie. Der Wert <strong>der</strong><br />
Glattungskonstante <strong>von</strong> 0,85 wird durch Grid Search bestimmt. <strong>Die</strong> Ergebnisse bekraftigen<br />
die meisten Hypothesen. Sie belegen unter an<strong>der</strong>em die Zunahme <strong>der</strong> Markenwahlwahrscheinlichkeit<br />
<strong>bei</strong> im Vergleich zu Ankerpreisen niedrigen beobachteten Preisen. Hingegen<br />
sind die Befunde uber die Asymmetrie <strong>von</strong> Gains und Losses nicht statistisch signi<br />
kant.<br />
Mayhew/Winer (1992) erhalten eine optimale Glattungskonstante <strong>von</strong> null. Gleichung 1<br />
zeigt, dass sich in diesem Fall <strong>der</strong> Ankerpreis auf den <strong>bei</strong>m vorhergehenden Kaufakt beobachteten<br />
Preis reduziert. <strong>Die</strong> Befunde <strong>von</strong> Mayhew/Winer stimmen mit <strong>der</strong> Prospekttheorie<br />
uberein, da Losses sich starker als Gains auf Kaufwahrscheinlichkeiten auswirken.<br />
16 Vgl. Raftery (1995).<br />
8
<strong>Die</strong> in den bisher behandelten Untersuchungen publizierten Ergebnisse erlauben keinen<br />
Vergleich <strong>von</strong> Markenwahlmodellen ohne Ankerpreise und Markenwahlmodellen mit Ankerpreisen,<br />
im Gegensatz zu den Beitragen <strong>von</strong> Lattin/Bucklin (1989),<br />
Mazumdar/Papatla (1995) und Briesch et al. (1997). <strong>Die</strong> <strong>von</strong> diesen Autoren geschatzten<br />
Modelle werden im folgenden aufgrund <strong>der</strong> ausgehend <strong>von</strong> den Log{Likelihoodwerten<br />
ermittelten a{posteriori{Wahrscheinlichkeiten beurteilt.<br />
Lattin/Bucklin (1989) setzen die Glattungskonstante auf einen konstanten Wert. Das <strong>von</strong><br />
diesen Autoren spezi zierte Markenwahlmodell erlaubt nur symmetrische Wirkungen <strong>von</strong><br />
Gains und Losses. Das Markenwahlmodel mit Ankerpreisen wird mit einer a{posteriori{<br />
Wahrscheinlichkeit <strong>von</strong> lediglich 0,67 im Vergleich zum Modell ohne Ankerpreise nicht<br />
durch die Daten gestutzt. Wenig plausibel mutet ein im Wi<strong>der</strong>spruch zuAnkerpreistheorien<br />
stehendes Ergebnis dieser Studie an, nach dem die Kaufwahrscheinlichkeit mit uber<br />
dem Ankerpreis liegenden beobachteten Preisen zunimmt.<br />
<strong>Die</strong> aufgrund <strong>der</strong> publizierten Resultate <strong>von</strong> Mazumdar/Papatla (1995) ermittelten a{<br />
posteriori{Wahrscheinlichkeiten belegen einen Erklarungs<strong>bei</strong>trag <strong>von</strong> nach dem Konzept<br />
adaptiver Erwartungen gebildeten Ankerpreisen nur fur eine <strong>der</strong> <strong>bei</strong>den untersuchten Produktgruppen.<br />
In <strong>der</strong> betre enden Produktgruppe (Margarine) fallen die Koe zienten fur<br />
Losses verglichen mit jenen fur Gains im Wi<strong>der</strong>spruch zur Prospekttheorie verschwindend<br />
gering aus.<br />
In <strong>der</strong> Untersuchung <strong>von</strong> Briesch et al. (1997) werden MNL{Modelle mit nach dem Konzept<br />
adaptiver Erwartungen gebildeten Ankerpreisen (mit Glattungskonstanten zwischen<br />
0,47 und 0,65) durch a{posteriori{Wahrscheinlichkeiten nahe eins bekraftigt. Nach demselben<br />
Kriterium ubertre en sie auch MNL{Modelle mit Ankerpreisen nach dem Konzept<br />
extrapolativer Erwartungen. Preise, Losses und Gains an<strong>der</strong>n die Kaufwahrscheinlichkeiten<br />
in Ubereinstimmung mit theoretischen Hypothesen. Allerdings erweisen sich die<br />
E ekte <strong>von</strong> Gains als starker als jene <strong>von</strong> Losses, was <strong>der</strong> Prospekttheorie wi<strong>der</strong>spricht.<br />
Das Markenwahlmodell <strong>von</strong> Winer (1986) umfasst ein Ankerpreismodell nach dem Konzept<br />
extrapolativer Erwartungen, das neben einem um einen Kaufakt verzogerten Preis<br />
einen Trendterm besitzt.<br />
Zu den Pradiktoren eines linearen Ankerpreismodells <strong>bei</strong> Kalwani et al. (1990) gehoren<br />
ein gewichteter logarithmischer Mittelwert, verzogerte Preise und ein Trendterm. Das<br />
Markenwahlmodell zeigt <strong>der</strong> Prospekttheorie entsprechende absolut starkere E ekte <strong>von</strong><br />
Losses. <strong>Die</strong> Markenwahlelastizitaten fur Losses und Gains belaufen sich auf -0,253 beziehungsweise<br />
0,162.<br />
Jene Studien, die asymmetrische E ekte <strong>von</strong> Ankerpreisen testen, bieten ein uneinheitliches<br />
Bild. Wahrend die Ergebnisse <strong>von</strong> Kalwani et al. (1990) und<br />
Mayhew/Winer (1992) mit <strong>der</strong> Prospekttheorie ubereinstimmen, stehen jene <strong>von</strong> Mazumdar/Papatla<br />
(1995) und Briesch et al. (1997) dazu in Wi<strong>der</strong>spruch. Bei<br />
Kalyanaram/Little (1989) wie<strong>der</strong>um zeigt sich keine Asymmetrie <strong>von</strong> Gains und Losses.<br />
Von den drei Studien, die Markenwahlmodelle ohne Ankerpreise Markenwahlmodellen<br />
mit Ankerpreisen gegenuberstellen, vergleicht nur jene <strong>von</strong> Briesch et al. (1997) verschiedene<br />
Ankerpreismodelle. <strong>Die</strong> da<strong>bei</strong> gewonnenen Ergebnisse sprechen fur eine hohere<br />
Erklarungskraft <strong>von</strong> Ankerpreisen nach dem Konzept adaptiver Erwartungen. Allerdings<br />
hat <strong>bei</strong> Briesch et al. (1997) lediglich <strong>der</strong> Preis des unmittelbar vorangegangen Kaufakts<br />
9
Ein uss auf die Bildung <strong>der</strong> Ankerpreise nach dem Konzept extrapolativer Erwartungen.<br />
Im Unterschied dazu berucksichtigen wir die Preise <strong>der</strong> letzten drei Kaufakte. Au erdem<br />
betrachten wir zusatzlich Markenwahlmodelle mit nichtlinearen Nutzenfunktionen,<br />
wahrend die MNL{Markenwahlmodelle <strong>bei</strong> Briesch et al. (1997) wie <strong>bei</strong> den an<strong>der</strong>en<br />
erwahnten Untersuchungen auf lineare Nutzenfunktionen beschrankt sind.<br />
VI Empirische Untersuchung<br />
<strong>Die</strong> Datenbasis umfasst Kaufe <strong>der</strong> jeweils sechs marktanteilsstarksten Marken in zwei Produktgruppen<br />
(Ketchup, Erdnussbutter). In je<strong>der</strong> Produktgruppe wird eine Packungsgro e<br />
betrachtet. <strong>Die</strong> Daten uber 123 Wochen beziehen sich auf jene Haushalte, die wenigstens<br />
zehn Kaufe je Produktgruppe tatigen. Schlie lich verbleiben 811 beziehungsweise 960<br />
Haushalte in den <strong>bei</strong>den Produktgruppen. Eine Initialisierungsperiode <strong>von</strong> 40 Wochen<br />
(mit mindestens drei Kaufen je Haushalt) dient zur Festlegung <strong>von</strong> Startwerten fur die<br />
Markenloyalitaten und Ankerpreise.<br />
Tabelle 1 gibt die Anzahl <strong>der</strong> Kaufe, Mittelwerte und Standardabweichungen <strong>der</strong> beobachteten<br />
Preise sowie Anteile <strong>der</strong> Kaufe mit Feature und Display an(fur einzelne Marken<br />
und aggregiert pro Produktgruppe).<br />
Tabelle 1: Deskriptive Statistiken<br />
Marke Anzahl <strong>von</strong> Mittelwert Standard- Anteil Anteil<br />
Kaufen abweichung Feature Display<br />
des Preises<br />
Ketchup<br />
1 5224 114,176 15,588 0,4190 0,1694<br />
2 3333 101,817 17,981 0,3408 0,2451<br />
3 1888 97,337 18,305 0,3363 0,1594<br />
4 460 89,657 8,264 0,1478 0,2957<br />
5 438 80,023 16,398 0,1986 0,3744<br />
6 361 73,911 8,336 0,1468 0,1163<br />
Aggregiert 11704 104,456 19,532 0,3561 0,2004<br />
Erdnussbutter<br />
1 4128 154,448 27,827 0,2691 0,1030<br />
2 2103 163,521 18,894 0,2416 0,0747<br />
3 2515 172,615 17,894 0,0783 0,0254<br />
4 2404 156,806 23,140 0,2604 0,0986<br />
5 1688 162,611 17,914 0,2861 0,0948<br />
6 1247 170,601 18,062 0,1043 0,0425<br />
Aggregiert 14085 161,857 23,335 0,2169 0,0778<br />
Tabelle 2 zeigt die durch die geschatzten Ankerpreismodelle erzielten Werte <strong>bei</strong> <strong>der</strong> Summe<br />
quadratischer Abweichungen (SSE), <strong>bei</strong>m Bestimmtheitsma (R 2 )sowie<strong>bei</strong>mBIC.Generell<br />
schneiden Ankerpreismodelle nach dem Konzept extrapolativer Erwartungen besser<br />
ab als Ankerpreismodelle nach dem Konzept adaptiver Erwartungen, wo<strong>bei</strong> die nichtlineare<br />
<strong>der</strong> linearen Funktionsform uberlegen ist. Es soll freilich betont werden, dass die<br />
10
Beurteilung <strong>der</strong> Ankerpreismodelle nicht aufgrund <strong>der</strong> Eignung zur Wie<strong>der</strong>gabe <strong>der</strong> Preisentwicklung,<br />
son<strong>der</strong>n aufgrund <strong>der</strong> Bedeutung fur die Erklarung <strong>der</strong> Markenwahl erfolgen<br />
wird.<br />
Tabelle 2: Schatzergebnisse <strong>der</strong> Ankerpreismodelle<br />
Ankerpreismodell SSE R 2 BIC<br />
Ketchup<br />
Adaptive Erwartungen 10827,1 0,277 -3786,78<br />
Extrapolative Erwartungen<br />
Linear 9350,4 0,376 -5425,99<br />
Nichtlinear 9070,0 0,395 -5684,85<br />
Erdnussbutter<br />
Adaptive Erwartungen 36709,6 0,101 -1490,11<br />
Extrapolative Erwartungen<br />
Linear 25799,6 0,368 -6367,60<br />
Nichtlinear 24239,6 0,406 -7135,93<br />
Fur Ankerpreismodelle nach dem Konzept adaptiver Erwartungen ergibt sich eine optimale<br />
Glattungskonstante <strong>von</strong> 0,54 beziehungsweise 0,35 fur die Produktgruppen Ketchup und<br />
Erdnussbutter. Bei <strong>der</strong> Berechnung <strong>der</strong> Ankerpreise werden demnach gema Gleichung 3<br />
(gerundet) vor allem die letzten drei beziehungsweise zwei Kaufakte berucksichtigt. <strong>Die</strong><br />
Gewichte <strong>der</strong> Preise <strong>der</strong> letzten drei Perioden laut Gleichung 2 belaufen sich <strong>bei</strong> Ketchup<br />
auf 0,46 sowie 0,2484 und 0,134136, <strong>bei</strong> Erdnussbutter auf 0,65 sowie 0,2275 und 0,079625.<br />
Fur Ankerpreismodelle nach dem Konzept extrapolativer Erwartungen (vgl. Tabelle 3)<br />
zeigt sich <strong>bei</strong> Ketchup, dass die Ankerpreise <strong>der</strong> Marken <strong>von</strong> Preisen vorhergehen<strong>der</strong><br />
Kaufakte abhangen, wo<strong>bei</strong> <strong>der</strong> Ein uss des Preises des unmittelbar letzten Kaufakts am<br />
starksten ist. Ahnliches gilt auch fur die Produktgruppe Erdnussbutter. <strong>Die</strong> durchschnittlichen<br />
Elastizitaten <strong>der</strong> Pradiktoren des linearen und des nichtlinearen Ankerpreismodells<br />
stimmen <strong>bei</strong> Ketchup weitgehend uberein, wahrend <strong>bei</strong> Erdnussbutter die Elastizitat des<br />
um einen Kaufakt verzogerten Preises <strong>bei</strong>m nichtlinearen Modell <strong>bei</strong>nahe um die Halfte<br />
hoher ist als <strong>bei</strong>m linearen Modell.<br />
Ein Vergleich <strong>der</strong> entsprechenden Gewichte und Koe zienten zeigt, dass sich <strong>bei</strong> <strong>bei</strong>den<br />
Produktgruppen die Preisbildung nach dem Konzept extrapolativer Erwartungen (lineare<br />
Funktionsform) <strong>von</strong> jener nach dem Konzept adaptiver Erwartungen vor allem durch den<br />
hoheren Ein uss <strong>von</strong> Preisen unterscheidet, die drei Kaufakte zuruckliegen.<br />
Ausgehend <strong>von</strong> <strong>der</strong> Log{Likelihoodfunktion <strong>der</strong> Markenwahl fur die Schatzdaten werden<br />
die a{posteriori{Wahrscheinlichkeiten des MNL{Modells und des NN{MNL{Modells mit<br />
vier verborgenenen Einheiten ermittelt. <strong>Die</strong> je Produktgruppe und Ankerpreiskonzept am<br />
besten abschneidende Form des Wahlmodells (MNL o<strong>der</strong> NN{MNL) wird <strong>der</strong> weiter unten<br />
vorgenommenen Beurteilung <strong>der</strong> Erklarungskraft <strong>von</strong> <strong>Ankerpreismodellen</strong> zugrunde<br />
gelegt. Tabelle 4 zeigt, dass in <strong>der</strong> Produktgruppe Ketchup das MNL{Modell die hohere<br />
a{priori{Wahrscheinlichkeit aufweist, falls keine Ankerpreise o<strong>der</strong> Ankerpreise nach dem<br />
Konzept adaptiver Erwartungen berucksichtigt werden, wahrend sich <strong>bei</strong> den an<strong>der</strong>en <strong>Ankerpreismodellen</strong><br />
das NN{MNL{Modell als uberlegen erweist. In <strong>der</strong> Produktgruppe Erdnussbutter<br />
besitzt das NN{MNL{Modell immer die hochste a{priori{Wahrscheinlichkeit<br />
(nahe eins).<br />
11
Tabelle 3: Ankerpreismodelle unter extrapolativen Erwartungen<br />
linear nichtlinear<br />
Koe zient Elastizitat Elastizitat<br />
Ketchup<br />
Konstante 0,142<br />
phmt;1 0,367 0,364 0,364<br />
phmt;2 0,169 0,168 0,165<br />
phmt;3 0,186 0,185 0,173<br />
t -0,235 -0,033 -0,052<br />
Erdnussbutter<br />
Konstante -1,188<br />
phmt;1 0,196 0,195 0,292<br />
phmt;2 0,044 0,043 0,048<br />
phmt;3 0,061 0,059 0,054<br />
t 1,524 0,118 0,079<br />
Tabelle 4: Vergleich <strong>von</strong> MNL{ und NN{MNL{Modellen<br />
MNL NN{MNL<br />
Anker- k L BIC P (M0jD) k L BIC P (M1jD)<br />
preis<br />
Ketchup<br />
ohne 10 -3017,9 6129,5 0,99 30 -2929,1 6139,2 0,01<br />
adaptiv 12 -2820,1 5752,6 1,00 38 -2711,7 5779,4 0,00<br />
extrapolativ<br />
linear 12 -2844,2 5800,7 0,00 38 -2615,3 5586,6 1,00<br />
nichtlinear 12 -2845,3 5802,9 0,00 38 -2620,7 5597,2 1,00<br />
Erdnussbutter<br />
ohne 10 -5863,3 11822,1 0,00 30 -5747,0 11780,5 1,00<br />
adaptiv 12 -5761,2 11637,0 0,00 38 -5591,2 11545,5 1,00<br />
extrapolativ<br />
linear 12 -5744,0 11602,7 0,00 38 -5564,9 11492,7 1,00<br />
nichtlinear 12 -5753,0 11620,6 0,00 38 -5571,4 11505,8 1,00<br />
12
Um Ankerpreismodelle hinsichtlich ihres Erklarungs<strong>bei</strong>trags zur Markenwahl zu beurteilen,<br />
werden entsprechende, auf den Log{Likelihoodwerten <strong>der</strong> jeweiligen Wahlmodelle laut<br />
Tabelle 4 basierende a{posteriori{Wahrscheinlichkeiten ermittelt. <strong>Die</strong>se in Tabelle 5 enthaltenen<br />
a{posteriori{Wahrscheinlichkeiten zeigen, dass Wahlmodelle mit Ankerpreisen,<br />
Losses und Gains wegen a{posteriori{Wahrscheinlichkeiten nahe eins den Wahlmodellen<br />
ohne Ankerpreise deutlich uberlegen sind. Inhaltlich und <strong>von</strong> den erzielten Werten her<br />
stimmen diese Ergebnisse mit jenen <strong>von</strong> Briesch et al. (1997) uberein. Das lineare extrapolative<br />
Modell ubertri t seinerseits sowohl das Modell mit adaptiven Erwartungen als<br />
auch das nichtlineare extrapolative Modell. <strong>Die</strong> Uberlegenheit eines extrapolativen Ankerpreismechanismus<br />
steht im Wi<strong>der</strong>spruch zur Studie <strong>von</strong> Briesch et al. (1997), <strong>der</strong>en<br />
extrapolatives Ankerpreismodell allerdings ausser einem Trendterm nur den Preis je<strong>der</strong><br />
Marke <strong>bei</strong>m unmittelbar vorangehenden Kaufakt als Pradiktor aufweist. <strong>Die</strong> Komplexitat<br />
des nichtlinearen extrapolativen Modells durfte wie<strong>der</strong>um uber jener des tatsachlichen Ankerpreismechanismus<br />
liegen und die lineare Funktionsform die Ankerpreisbildung besser<br />
wie<strong>der</strong>geben.<br />
Hervorzuheben ist, dass diese Resultate nicht auf die hohere Parameteranzahl <strong>der</strong> jeweils<br />
uberlegenen Modelle zuruckzufuhren sind, da die Parameteranzahl, wie in Abschnitt IV<br />
erortert, <strong>bei</strong> <strong>der</strong> Berechnung des BIC beziehungsweise <strong>der</strong> a{posteriori{Wahrscheinlichkeit<br />
berucksichtigt wird.<br />
Tabelle 5: Bewertung <strong>von</strong> <strong>Ankerpreismodellen</strong> (Erklarung <strong>der</strong> Markenwahl)<br />
Ankerpreismodell<br />
Ankerpreis extrapolativ<br />
modell ohne adaptiv linear<br />
Ketchup<br />
adaptiv 1,000<br />
extrapolativ<br />
linear 1,000 1,000<br />
nichtlinear 1,000 1,000 0,005<br />
Erdnussbutter<br />
adaptiv 1,000<br />
extrapolativ<br />
linear 1,000 1,000<br />
nichtlinear 1,000 1,000 0,001<br />
a{posteriori{Wahrscheinlichkeit P (M1jD),<br />
M1 Modell lt. Zeile, M0 Modell lt. Spalte<br />
Fur das NN{MNL{Modell mit vier verborgenen Einheiten und Ankerpreise ekten nach<br />
dem linearen extrapolativen Ankerpreismodell ergeben sich theoretisch plausible durchschnittliche<br />
negative Elastizitaten fur Ankerpreise und Losses sowie positive Elastizitaten<br />
fur Gains. <strong>Die</strong> Mittelwerte <strong>der</strong> Elastizitaten werden uber alle Kaufakte berechnet. <strong>Die</strong> Resultate<br />
stimmen mit <strong>der</strong> Prospekttheorie uberein, da die Absolutbetrage <strong>der</strong> Elastizitaten<br />
fur Losses gro er sind als jene fur Gains (vgl. Tabelle 6). <strong>Die</strong>se Ergebnisse bekraftigen<br />
somit alle in Abschnitt III formulierten Hypothesen uber E ekte <strong>von</strong> Ankerpreisen und<br />
<strong>der</strong>en Abweichungen.<br />
13
Tabelle 6: Mittlere Elastizitaten des NN{MNL{Modells<br />
Marke<br />
1 2 3 4 5 6<br />
Ankerpreis Ketchup<br />
-1,12 -1,80 -2,29 -3,05 -3,31 -3,65<br />
Erdnussbutter<br />
-5,27 -6,08 -5,59 -6,28 -6,37 -6,30<br />
Gain Ketchup<br />
0,03 0,05 0,10 0,16 0,14 0,09<br />
Erdnussbutter<br />
0,08 0,08 0,02 0,10 0,09 0,03<br />
Loss Ketchup<br />
-0,26 -0,36 -0,36 -0,14 -0,15 -0,09<br />
Erdnussbutter<br />
-0,23 -0,28 -0,37 -0,26 -0,29 -0,40<br />
VII Schlussfolgerungen<br />
<strong>Die</strong> empirische Untersuchung belegt die Bedeutung <strong>von</strong> Ankerpreiskonzepten fur die Erklarung<br />
<strong>der</strong> Markenwahl. Wahlmodelle mit Ankerpreisen, Losses und Gains erweisen sich<br />
Wahlmodellen mit statischen Preise ekten hinsichtlich <strong>der</strong> a{posteriori{Wahrscheinlichkeit<br />
als uberlegen.<br />
Betrachtet man die <strong>bei</strong>den Ankerpreiskonzepte, so wird ein lineares extrapolatives Ankerpreismodell<br />
nach demselben Kriterium ebenso deutlich besser beurteilt als das restriktivere<br />
Modell adaptiver Erwartungen. Nach unseren Ergebnissen legen die Haushalte <strong>bei</strong><br />
<strong>der</strong> Ankerpreisbildung deutlich mehr Gewicht auf Preise weiter zuruckliegen<strong>der</strong> Kaufakte<br />
als dem Konzept adaptiver Erwartungen o<strong>der</strong> einem extrapolativen Modell, das den Preis<br />
nur des unmittelbar vorangegangenen Kaufakts betrachtet, entsprechen wurde.<br />
<strong>Die</strong> in <strong>der</strong> vorliegenden Studie ermittelten Markenwahlelastizitaten bekraftigen asymmetrische<br />
E ekte, die im Einklang mit <strong>der</strong> Prospekttheorie stehen, d.h. die Kaufwahrscheinlichkeiten<br />
reagieren starker auf Losses als auf Gains. Fur diese Konstellation haben Kopalle<br />
et al. (1996) mit Hilfe eines dynamischen Optimierungsmodells (allerdings fur aggregierte<br />
Preisabsatzfunktionen) gezeigt, dass im Monopol konstante und nicht etwa zyklische<br />
Preise optimal sind. Liegt <strong>der</strong> Ausgangswert des Ankerpreises unter (uber) dem entsprechenden<br />
konstanten optimalen Preis, so steigt (fallt) <strong>der</strong> optimale Preispfad im Zeitablauf,<br />
bis Ankerpreis und optimaler Preis ubereinstimmen. Auch Marko {Nash{Gleichgewichte<br />
fur das Duopol zeichnen sich durchkonstante Preise aus. Als Zielfunktion haben Kopalle<br />
et al. (1996) Barwerte <strong>von</strong> Deckungs<strong>bei</strong>tragen verwendet.<br />
Nach dem aufgrund <strong>der</strong> vorliegenden Untersuchungsergebnisse gewahlten extrapolativen<br />
Ankerpreismodell setzt sich <strong>der</strong>Ankerpreis im wesentlichen aus gewichteten Preisen <strong>der</strong><br />
drei vorhergehenden Perioden zusammen. Der negative ceteris paribus{Ankerpreise ekt<br />
auf Kaufwahrscheinlichkeiten ist daher gleichbedeutend mit negativen E ekten des Preises<br />
auf den Absatz <strong>der</strong> nachsten drei Perioden. Nach den Optimalitatsbedingungen fur<br />
den Monopolfall liegt <strong>der</strong> entsprechende konstante gewinnmaximale Preis unter dem konstanten<br />
optimalen Preis, <strong>der</strong> sich <strong>bei</strong> Vorliegen eines rein statischen Preise ekts ergibt 17 .<br />
17 Vgl. Kalish (1988) Simon (1992).<br />
14
Ohne Kenntnis <strong>der</strong> Ankerpreis-, Gain- und Losse ekte wurde ein Entschei<strong>der</strong> folglich<br />
einen uberhohten Preis festsetzen und einen niedrigeren Gewinn realisieren.<br />
Genauere Aussagen zu Management-Implikationen setzen freilich die Bestimmung <strong>von</strong><br />
optimalen Preispfaden beziehungsweise Gleichgewichtspreispfaden auf analytischem o<strong>der</strong><br />
numerischen Weg voraus. <strong>Die</strong>se Aufgabenstellung wurde den Rahmen dieses Beitrages<br />
uberschreiten und soll kunftigen Forschungsbemuhungen vorbehalten bleiben.<br />
Literatur<br />
Bishop, Christopher M. (1995), Neural Networks for Pattern Recognition.<br />
Briesch, Richard A./Krishnamurthi, Lakshman/Mazumdar, Tridib/<br />
Raj, S.P. (1997), A Comparative Analysis of Reference Price Models, in: Journal of<br />
Consumer Research, Vol. 24, S. 202{214.<br />
Brown, Robert G. (1962), Smoothing, Forecasting and Prediction of Discrete Time Series.<br />
Cheng, Bing/Titterington, D.M. (1994), Neural Networks. A Review from a Statistical<br />
Perspective, in: Statistical Science, Vol. 9, S. 2{54.<br />
Chow, Gregory C. (1985), Econometrics.<br />
Corstjens, Marcel L./Gautschi, David A. (1983), Formal Choice Models in Marketing,<br />
in: Marketing Science, Vol. 2, S. 19{56.<br />
Guadagni, Peter M./Little, John D.C. (1983), A Logit Model of Brand Choice Calibrated<br />
on Scanner Data, in: Marketing Science, Vol. 2, S. 203{238.<br />
Hruschka, Harald (1996), Marketing-Entscheidungen.<br />
Hruschka, Harald (1999), Neuronale Netze, in: Herrmann, Andreas, Homburg, Christian<br />
(Hrsg.), Marktforschung, S. 661{683.<br />
Kalish, Shlomo (1988), Pricing New Products from Birth to Decline. An Expository<br />
Review, in: Devinney, Timothy M. (ed.), Issues in Pricing, 119{144.<br />
Kalwani, Manohar U./Yim, Chi Kin/Rinne, Heikki J./Sugita, Yoshi (1990), A Price<br />
Expectations Model of Customer Brand Choice, in: Journal of Marketing Research,<br />
Vol. 27, S. 251{262.<br />
Kalyanaram, Gurumurthy/Little, John D.C. (1989), A Price Response Model Developed<br />
from Perceptual Theories. Working Paper, A.P. SloanScholl of Management, MIT,<br />
Cambridge, MA.<br />
Kopalle, Praveen K./Rao, Ambar G./Assuncao, Joao L. (1996), Asymmetric Reference<br />
Price E ects and Dynamic Pricing Policies, in: Marketing Science, Vol. 15, S. 60{85.<br />
Lattin, James M./Bucklin, Randolph E. (1989), Reference E ects of Price and Promotion<br />
on Brand Choice Behavior, in: Journal of Marketing Research, Vol. 26, S. 299{310.<br />
Mayhew, Glenn E./Winer, Russel S. (1992), An Empirical Analysis of Internal and<br />
External Reference Prices Using Scanner Data, in: Journal of Consumer Research,<br />
Vol. 19, S. 62{70.<br />
15
Mazumdar, Tridib/Papatla, Purushottam (1995), Loyalty Di erences in the Use of Internal<br />
and External Reference Prices, in: Marketing Letters, Vol.6,S.111{122.<br />
McFadden, Daniel (1973), Conditional Logit Analysis of Qualitative Choice Behavior,<br />
in: Zarembka, Paul (ed.), Frontiers in Econometrics, S. 105{142.<br />
McFadden, Daniel (1980), Econometric Models for Probabilistic Choice among Products,<br />
in: Journal of Business, Vol. 53, S13{S34.<br />
Press, William H./Flannery, Brian P./Teukolsky, Saul A./Vetterling, William T. (1986),<br />
Numerical Recipes.<br />
Raftery, Adrian E. (1995), Bayesian Model Selection in Social Research (with Discussion)<br />
in: Marsden, Peter V. (ed.), Sociological Methodology, S. 111{196.<br />
Ripley, Brian D. (1993), Statistical Aspects of Neural Networks, in: Barndor -Nielsen,<br />
Ole E., Johan L. Jensen, Wilfried S. Kendall (eds.), Networks and Chaos { Statistical<br />
and Probabilistic Aspects, S. 40{123.<br />
Schwarz, Gideon (1979), Estimating the Dimension of a Model, in: Annals of Statistics,<br />
Vol. 6, S. 461{464.<br />
Simon, Hermann (1992), Preismanagement. 2. Au .<br />
Winer, Russel S. (1986), A Reference Price Model of Brand Choice for Frequently<br />
Purchased Products, in: Journal of Consumer Research, Vol. 13 , S. 250{256.<br />
Winer, Russel S. (1988), Behavioral Perspective on Pricing, in: Devinney, Timothy M.<br />
(ed.), Issues in Pricing, S. 35{57.<br />
16