Qualifizierte Nahversorgung im Lebensmitteleinzelhandel
Qualifizierte Nahversorgung im Lebensmitteleinzelhandel
Qualifizierte Nahversorgung im Lebensmitteleinzelhandel
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Ergebnisse aus dem Verkehrsmittelwahlmodell<br />
<strong>Qualifizierte</strong> <strong>Nahversorgung</strong> <strong>im</strong> <strong>Lebensmitteleinzelhandel</strong><br />
‐ Endbericht ‐<br />
Die Ergebnisse für den Modal Split be<strong>im</strong> Lebensmitteleinkauf auf beschreibender Ebene legen nahe,<br />
dass vornehmlich die Raumstruktur (BBSR‐Kreistyp) sowie die Lage und erst in zweiter Linie die Betriebsform<br />
und die Verkaufsflächengröße die Verkehrsmittelwahl beeinflussen. 50 Gleichzeitig ist aus anderen<br />
Untersuchungen (u. a. Martin 2006 und Scheiner 2009) bekannt, dass die Wahl des Verkehrsmittels auch<br />
und vor allem auf Lebensstilen und Wohnlagen, also auf individuellen Nachfragecharakteristika der Konsumenten<br />
beruht, welche von der Planungsseite nur bedingt beeinflusst werden können.<br />
Das Ziel des Verkehrsmittelwahlmodells besteht darin, die bisherigen Ergebnisse zur Verkehrsmittelwahl<br />
<strong>im</strong> Gesamtzusammenhang abzubilden und zu plausibilisieren, ob ein signifikanter Einfluss der jeweiligen<br />
Variable auf die Wahl des Verkehrsmittels vorliegt bzw. welche der signifikanten Variablen den stärksten<br />
Einfluss auf die Wahl des Verkehrsmittels ausübt. Um diesen Anforderungen an ein Modell zur Verkehrsmittelwahl<br />
gerecht zu werden, wird ein zweistufiger Ansatz auf Gemeindeverbandsebene verfolgt<br />
(vgl. Abb. 24).<br />
• Stufe 1: Unter Einsatz einer Faktorenanalyse wird versucht, die teilweise untereinander stark korrelierenden,<br />
relevanten Erklärungsvariablen „Einwohner“, „Einwohnerdichte“, „Kaufkraft“, „Einkaufsmöglichkeiten“,<br />
„Haushaltsgröße“, „Anzahl Pkw pro Haushalt“, „Nettoeinkommen“, „Alter“,<br />
„Lage“, „Verkaufsfläche“ und „Anzahl Pkw‐Stellplätze“ (vgl. Abb. 24) mittels latenter Hintergrundvariablen<br />
(Faktoren) in ihrem Wirkungszusammenhang abzubilden.<br />
• Stufe 2: Die in Stufe 1 identifizierten Faktorenwerte dienen neben der Betriebsform – Supermarkt<br />
(klein, mittel und groß) sowie klein‐ und großflächiger Discounter – als Erklärungsvariablen in einem<br />
logistischen Regressionsansatz, welcher als Zielvariable den Einfluss dieser Prädiktoren auf<br />
die Wahl eines motorisierten Verkehrsträgers (Pkw, Pkw‐Mitfahrer, Moped) modelliert.<br />
Unter Verwendung der beschriebenen Eingangsvariablen können in der Faktorenanalyse 51 die vier unabhängige<br />
Faktoren 52 „Siedlungsverdichtung“ 53 , „Motorisierungsgrad“, „Betriebsgröße“ sowie „Stellplatzanzahl“<br />
identifiziert werden, auf welche die Eingangsvariablen entsprechend der in Abb. 24 beschriebenen<br />
Pfeile und Vorzeichen (+/‐) signifikant in Zusammenhang stehen und welche zusammen mit<br />
der Betriebsform als Inputparameter für die binär logistische Regression in Stufe 2 fungieren.<br />
50 Es wurde darüber hinaus ein deutlicher Einfluss der Anbieter auf die Verkehrsmittelwahl nachgewiesen, welcher jedoch<br />
aufgrund der je nach Region unterschiedlichen Anbieter (z.B. Kaiser’s ausschließlich <strong>im</strong> Stadtkreis Düsseldorf oder Tegut in<br />
Hessen und Thüringen) zu einer Verzerrung eines modellhaften Ansatzes führen würde und deshalb auf diese Einflussvariable<br />
– weil auch nicht <strong>im</strong> zentralen Fokus der Untersuchung – verzichtet wurde.<br />
51 Anmerkung: explorative Hauptkomponentenanalyse, Rotation Var<strong>im</strong>ax, Modellgüte: KMO = 0,615; fehlende Werte durch<br />
Mittelwert ersetzen; Ergebnisse vgl. Anhang V.<br />
52 Anmerkung: Die Faktoren 3 und 4 (Verkaufsfläche und Anzahl Pkw‐Stellplätze) zeichnen sich jeweils nur durch eine<br />
signifkant <strong>im</strong> Zusammenhang stehende („ladende“) Variable aus (in der Regel werden drei signifikant ladende Variablen je<br />
Faktor als inhaltlich sinnvoll angesehen). Diese werden dennoch als Inputparameter in der logistischen Regression berücksichtigt,<br />
da sie aus statistischer Sicht – nach Kaiser‐Kriterium (Eigenwert > 1) (vgl. Backhaus et. al. 2006, S.295) – wichtige Erklärungsparameter<br />
darstellen können. Die auf Basis dieser Faktorenanalyse ermittelten Faktorenwerte je befragter Person<br />
(n = 2.841) dienen <strong>im</strong> zweiten Schritt, neben den nominal codierten Betriebsformen, als Erklärungsparameter für die Wahl<br />
eines motorisierten Verkehrsträgers.<br />
53 Anmerkung: Siedlungsverdichtung ist in diesem Zusammenhang nicht als Einwohnerdichte, d.h. bezogen auf eine administrative<br />
Einheit, zu verstehen, sondern vielmehr als Indikator der Raumstruktur, welcher neben der Verdichtung der Bevölkerung<br />
auch eine korrespondierende Angebotsverdichtung umschreibt.<br />
48