Penalty Reward Analyse (PRA)

Aufgabenstellung der Penalty & Reward Analyse (PRA)

Das Ziel der Penalty & Reward Analyse ist die Beantwortung der Frage: Wie wird ein Merkmal durch ein oder mehrere andere Merkmale beeinflusst? Allerdings ist der Zusammenhang zwischen Merkmalen nicht immer linear, wie in anderen Verfahren (Regressionsanalyse, Strukturgleichungsmodelle) häufig angenommen wird.

In Anlehnung an das Kano-Modell lassen sich drei Treiber-Typen unterscheiden

  • Basistreiber:
    Es gibt Erwartungen an Mindestleistungen. Werden diese nicht erfüllt, führt dies zu Unzufriedenheit. Werden sie erfüllt, resultiert daraus aber keine Zufriedenheit.
  • Begeisterungstreiber:
    Im Hinblick auf den Treiber gibt es keine Erwartungen. Erreicht dieser dennoch ein gutes Leistungsniveau, führt dies zu Zufriedenheit. Falls nicht, bleibt dies ohne Auswirkung.
  • Linearer Treiber:
    Entsprechend dem Leistungsniveau können sowohl Zufriedenheit als auch Unzufriedenheit entstehen.
Kategorisierung nach Kano. Auf dem Pfeil Diagramm der Penalty Reward Analyse PRA mit Zufriedenheit in Vertikale und Gutes Leistungsniveau in Horizontale werden drei Treiber in Linienform dargestellt. Es ist eine Treiber-Kategorisierung nach Kano.

Treiber-Typen nach Kano

Für jeden Treiber bestimmt das Verfahren, wie sehr schlechte Bewertungen ausschließlich dieses Treibers mit schlechten Bewertungen der abhängigen Variablen korrespondieren, d.h. ein Treiber bestraft wird. Da die Bestrafung (Penalty) somit eindeutig auf einen Treiber zurückzuführen ist, stellt Mutikollinearität kein Problem dar. Ebenso wird geprüft, wie sehr gute Bewertungen ausschließlich eines bestimmten Treibers mit guten Bewertungen der abhängigen Variablen korrespondieren, d.h. ein Treiber belohnt wird (Reward).

Das Verhältnis aus dem sich ergebenden Ausmaß der Bestrafung und der Belohnung ist maßgeblich für die Art des Treibers. Überwiegt die Bestrafung, ist er ein Basistreiber, überwiegt die Belohnung, ist er ein Begeisterungstreiber. Sind Penalty und Reward in etwa gleich hoch, liegt ein Linearer Treiber vor. Aus der Relation der Summe von Penalty und Reward eines Treibers zu der Höhe der Summen der übrigen Treiber lässt sich ferner dessen Wichtigkeit ableiten.

Kategorisierung der Treiber Eine weitere Darstellung für die PRA ist eine Balkendarstellung von -12, 5 bis 10 auf der die Wirkungsweise der Treiber nach Eigenschaften beziehungsweise Empfinden der Befragten aufgezeichnet sind.

Kategorisierung der Treiber

Voraussetzungen

Die Zusammenhänge zwischen den unabhängigen Variablen und der abhängigen Variable müssen positiv sein. Anderenfalls ist eine Umkodierung notwendig.

Das Verfahren teilt die Stichprobe entsprechend der Ausprägungen der abhängigen Variable in drei Gruppen „hoch“, „mittel“ und „niedrig“. Die beiden Gruppen „hoch“ und „niedrig“ dürfen nicht leer sein.