Aus methodischen Gründen ist es bei einigen Merkmalen der daily digital facts erforderlich, dass die Merkmalsausprägungen auf einem Fall sich auch ändern können. Dies bedeutet, dass ein Fall x zu einem bestimmten Stichtag neue Zielgruppenausprägungen erhält.
 |
Es handelt sich hier nicht um das Nachvollziehen von Änderungen eines Falls (also einer Person) aufgrund von Änderungen in den Vorgaben. Im gesamten Zusammenspiel der Fälle und Zielgruppenzuweisungen passt es jetzt einfach besser, wenn dieser Fall nicht mehr diese Merkmalsausprägung hat. Das heißt, die Merkmalsausprägungen eines Falls werden komplett neu gesetzt (getrennt nach den verschiedenen Zielgruppen-Bereichen der Studie: CATI, b4p oder VuMA).
Auswertungen auf Fallebene sind damit nicht nur sinnlos, sondern können zu falschen Interpretationen führen. Wie auch sonst sind Auswertungen nur in der jeweiligen Gesamtheit der Fälle sinnvoll und nicht auf Einzelfall-Ebene.
|
Das Ändern von Merkmalsausprägungen findet maximal halbjährlich statt und wird nur bei einer möglichst geringen Anzahl von Fällen angewendet.
Solange Auswertungen auf einzelnen Tagen erfolgen, sind Wechsel von Merkmalsausprägungen vollkommen unproblematisch. Jeder Tag wird hier einzeln betrachtet – unabhängig von den anderen Tagen. Erklärungsbedürftig wird es unter Umständen bei der Auswertung von Zeiträumen, welche über mind. eine Stichtagsgrenze hinweggehen. Denn dabei haben dann Fälle in einem Teil des Zeitraums eine bestimmte Ausprägung – in einem anderen Teil des Zeitraums aber nicht mehr. Dabei ist es unabhängig davon, ob es um konkrete Zeiträume oder um durchschnittliche Zeiträume geht.
Dabei erscheint es zunächst unlogisch zu sein, dass ein mit sich selbst gekreuztes Merkmal u.U. nicht mehr 100 % ergibt, wenn der Zeitraum über mind. eine Stichtagsgrenze hinweg reicht. Beispielsweise besitzen 98,2 % der Brillenbesitzer eine Brille (im Kopf und in der Vorspalte der Tabelle steht dieselbe Merkmalsausprägung):
Wie kann es dazu kommen? Ein Beispiel: Am 30.06. ist Fall X ein Brillenbesitzer, ab dem 01.07. nicht mehr. Bildet der Anwender nun einen Zeitraum vom 30.6. – 01.07. so wäre es falsch, Fall X für den Gesamtzeitraum zum Brillenbesitzer zu machen, da er am 01.07. ja kein Brillenbesitzer mehr ist. Ebenso falsch wäre es aber, ihn nicht zum Brillenbesitzer zu machen, denn am 30.06. war er ja Brillenbesitzer. Das Berechnungsmodell der agof begegnet diesem Problem so, dass (auf Basis der jeweiligen Zeiträume) auf Fallebene ein Durchschnitt für die Gültigkeit der Merkmalsausprägung gebildet wird (gewichtet nach Anzahl der Tage). In unserem Beispiel ist Fall X mit einer Wahrscheinlichkeit von 0,5 ein Brillenbesitzer. Mit diesem zusätzlichen Faktor für die einzelnen Fälle werden alle weiteren Berechnungen durchgeführt. Wenn die Wahrscheinlichkeit für das Eintreten eines Ereignisses allerdings < 1 ist, dann kann die Verrechnung der Wahrscheinlichkeiten niemals 1 (also: 100 %) ergeben. Das ist mathematisch nicht möglich.