Regressionsanalyse

Definition: Die Regressionsanalyse ist ein statistisches Verfahren zur Untersuchung des quantitativen Zusammenhangs zwischen einer abhängigen Variable (Kriterium) und einer oder mehreren unabhängigen Variablen (Prädiktoren). Ziel ist es, die Stärke und Richtung dieser Zusammenhänge zu schätzen, ihre statistische Signifikanz zu prüfen sowie auf Basis des Modells Prognosen für neue Beobachtungen zu berechnen. Entwickelt im 19. Jahrhundert durch Francis Galton und Karl Pearson, zählt die Regressionsanalyse heute zu den meistgenutzten Verfahren der quantitativen Forschung und Datenanalyse. Im Marketingkontext findet sie Anwendung bei Umsatzprognosen, der Quantifizierung von Werbewirkungen, der Preisoptimierung, der Treiber-Analyse von Kundenzufriedenheit und im Marketing-Mix-Modeling. Das einfachste Modell – die einfache lineare Regression – beschreibt die abhängige Variable als lineare Funktion einer einzigen unabhängigen Variable: y = β₀ + β₁x + ε, wobei β₀ den Achsenabschnitt, β₁ die Steigung und ε den Fehlerterm darstellt. Die Parameter werden üblicherweise durch die Methode der kleinsten Quadrate (Ordinary Least Squares, OLS) geschätzt.

Erläuterung

Die Regressionsanalyse ist eine der vielseitigsten statistischen Methoden, deren Varianten je nach Skalenniveau der abhängigen Variable und strukturellen Anforderungen des Forschungsdesigns gewählt werden. Die multiple lineare Regression erweitert das Grundmodell auf mehrere Prädiktoren und erlaubt es, den Einfluss jeder Variablen unter Kontrolle der übrigen zu schätzen – ein zentrales Prinzip bei der Analyse komplexer Marketingdaten, wo Umsatz von Preis, Werbedruck, Saisonalität und Distributionsgrad gleichzeitig abhängt.

Die logistische Regression wird eingesetzt, wenn die abhängige Variable binär ist – Kauf ja/nein, Churn ja/nein, Klick ja/nein. Anstelle einer direkten Schätzung des Outcomes modelliert sie die Wahrscheinlichkeit des Eintretens eines Ereignisses über die logistische Funktion. Für ordinale abhängige Variablen (z. B. Zufriedenheitsstufen) bietet sich die ordinale Regression an; bei mehreren Kategorien ohne natürliche Rangfolge die multinomiale Regression.

Ein wichtiger Schritt vor jeder Regressionsanalyse ist die Prüfung der Modellannahmen: Linearität des Zusammenhangs (überprüfbar durch Residualplots), Normalverteilung der Residuen (Shapiro-Wilk-Test, Q-Q-Plot), Homoskedastizität (gleiche Varianz der Residuen über alle Ausprägungen der Prädiktoren; Breusch-Pagan-Test) sowie Unabhängigkeit der Beobachtungen. Bei mehreren Prädiktoren ist zudem Multikollinearität zu diagnostizieren – das Ausmaß, in dem Prädiktoren untereinander korrelieren. Hohe Multikollinearität (Variance Inflation Factor VIF > 10) erschwert die Interpretation der Einzelkoeffizienten, ohne das Gesamtmodell zwingend zu entwerten.

Die Güte eines Regressionsmodells wird mit dem Bestimmtheitsmaß R² ausgedrückt, das den Anteil der durch das Modell erklärten Varianz an der Gesamtvarianz der abhängigen Variable angibt. Bei multiplen Regressionen wird das adjustierte R² bevorzugt, das für die Anzahl der Prädiktoren korrigiert. Der F-Test prüft, ob das Modell insgesamt signifikant besser ist als eine reine Mittelwertvorhersage; t-Tests prüfen die Signifikanz der einzelnen Koeffizienten. Für Prognosen außerhalb des beobachteten Wertebereichs (Extrapolation) ist äußerste Vorsicht geboten.

Referenzen: Field (2018): "Discovering Statistics Using IBM SPSS Statistics". SAGE Publications. – Hair et al. (2019): "Multivariate Data Analysis". Cengage Learning. – Montgomery/Peck/Vining (2012): "Introduction to Linear Regression Analysis". Wiley. – Kutner et al. (2005): "Applied Linear Statistical Models". McGraw-Hill. – Leeflang et al. (2015): "Modeling Markets". Springer.

Wichtige Varianten der Regression

• Einfache lineare Regression: Ein Prädiktor, eine abhängige Variable – dient zur ersten Orientierung und Visualisierung eines bivariaten Zusammenhangs, z. B. Werbeausgaben vs. Umsatz.
• Multiple lineare Regression: Mehrere Prädiktoren; Koeffizienten zeigen den partiellen Effekt jeder Variable unter Kontrolle der übrigen – Standard im Marketing-Mix-Modeling.
• Logistische Regression: Abhängige Variable ist binär; Ergebnisse werden als Odds Ratios oder vorhergesagte Wahrscheinlichkeiten interpretiert – zentral für Conversion-Modelle und Churn-Prediction.
• Polynomiale Regression: Modelliert nichtlineare Kurvenverläufe durch Hinzufügen quadratischer oder kubischer Terme – z. B. abnehmende Grenzwirkung von Werbedruck.
• Ridge- und Lasso-Regression: Regularisierungsmethoden für hochdimensionale Datensätze; Lasso setzt irrelevante Koeffizienten auf null und führt damit implizit eine Variablenselektion durch.

Interpretation der Regressionskoeffizienten

• Unstandardisierter Koeffizient (b): Gibt an, um wie viele Einheiten sich die abhängige Variable ändert, wenn der Prädiktor um eine Einheit steigt – bei allen anderen Prädiktoren konstant gehalten. Erlaubt direkte inhaltliche Interpretation in der Originalmetrik.
• Standardisierter Koeffizient (Beta): Variablen werden auf Standardabweichungen umgerechnet; Koeffizienten werden vergleichbar und zeigen die relative Wichtigkeit der Prädiktoren.
• p-Wert und Konfidenzintervall: Der p-Wert prüft, ob ein Koeffizient signifikant von null verschieden ist; das 95%-Konfidenzintervall gibt den plausiblen Wertebereich an. Beide sollten gemeinsam betrachtet werden.
• Kausalität vs. Assoziation: Regressionskoeffizienten messen statistische Zusammenhänge, keine Kausalität. Kausale Schlüsse erfordern experimentelle Designs oder kausale Inferenzmethoden (Instrumental Variables, Difference-in-Differences).

Anwendungsbeispiele im Marketing

• Marketing-Mix-Modeling: Multiple Regression (oft mit Zeitreihenkomponenten) schätzt den Beitrag jedes Kanals (TV, Online, Print) zum Umsatz und optimiert Budgetallokation.
• Preisoptimierung: Preiselastizitäten werden durch Regression von Absatzmenge auf Preis geschätzt – unter Kontrolle von Wettbewerberpreisen und Saisonalität.
• Kundenzufriedenheitstreiber: Multiple Regression identifiziert, welche Service-Dimensionen den NPS am stärksten beeinflussen – Basis für Priorisierung von Verbesserungsmaßnahmen.
• Churn-Prediction: Logistische Regression mit Nutzungsmerkmalen, demografischen Daten und Kontakthistorie prognostiziert die Abwanderungswahrscheinlichkeit einzelner Kunden.