Universität - Gesamthochschule Paderborn
Fachbereich Wirtschaftswissenschaften
Fachgebiet: Statistik, Ökonometrie und Entscheidungstheorie
Prognosesysteme zur Optimierung der
Verlags-Grossisten-Einzelhändler-Beziehung:
Eine empirische Studie zum
Special Interest Zeitschriftenbereich
Dissertation zur Erlangung des Grades
eines Doktors der Wirtschaftswissenschaften
vorgelegt von
Markus Greitenevert
Waterbergstr. 28
81827 München
02. November 2000
2
1
2
2.1
2.2
2.2.1
2.2.2
2.3
2.3.1
2.3.1.1
2.3.1.2
2.3.2
2.3.3
2.3.4
2.4
3
3.1
3.2
3.2.1
3.2.2
3.2.2.1
3.2.2.2
3.2.3
3.3
3.3.1
3.3.1.1
3.3.1.2
3.3.2
3.3.2.1
3.3.2.2
3.3.2.3
Einleitung
Einführung in das deutsche Pressewesen
Die Vertriebswege des deutschen Pressewesens
Das deutsche Presse-Grosso
Die Geschichte des Presse-Grosso
Die Besonderheiten der Vertriebsform Presse-Grosso
Verfahren der Bezugsregulierung im Presse-Grosso
MBR - Marktorientierte Bezugsregulierung
Grundüberlegungen zur MBR
Das MBR-Grundmodell
BKO - Bezugsregulierung für klein- und mittelauflagige Objekte
Kritische Anmerkungen zu den Verfahren der Bezugsregulierung
Weiterentwicklung der MBR
Ausgangssituation und Problemstellung
Beschreibung und Identifikation von Zeitreihen
Visuelle Beschreibung der Daten
Beschreibung stationärer Prozesse
Beschreibende Momente von empirischen Zeitreihen
Definition stationärer Prozesse
Schwache Stationarität oder Stationarität zweiter Ordnung
Strenge Stationarität oder Stationarität erster Ordnung
Zwei wichtige stochastische Prozesse
Beschreibung und Identifikation der Verkaufsdaten am Beispiel des Gros-
sisten Lütkemeyer Münster
Überprüfung der Autokorrelation und partiellen Autokorrelation
Autokorrelation (AC) und Korrelogramm
Partielle Autokorrelation (PAC)
Einheitswurzeltests
Dickey-Fuller-Test (DF)
Augmented-Dickey-Fuller-Test (ADF)
Durchführung Augmented-Dickey-Fuller-Test (Lütkemeyer Münster)
5
6
6
9
9
10
16
16
17
19
23
23
24
26
28
29
39
41
42
42
43
44
45
45
46
49
51
52
53
55
3
3.3.3
3.3.3.1
3.3.3.2
3.3.3.3
3.3.3.4
3.3.3.5
3.3.4
3.3.4.1
3.3.4.2
3.3.4.3
3.3.4.4
3.3.4.5
3.3.4.6
3.3.5
3.3.5.1
3.3.5.2
4
4.1
4.2
4.3
4.4
4.4.1
4.4.2
4.4.3
4.5
4.5.1
4.5.2
4.5.3
4.5.3.1
4.5.3.2
4.5.3.3
4.6
4.7
4.7.1
4.7.2
4.7.3
Tests auf Normalverteilung
Tests auf Schiefe und Wölbung
Jarque-Bera-Test
Kolmogorov-Smirnov-Test
Studentized-Range-Test
Durchführung der Normalverteilungstests (Lükemeyer Münster)
Tests auf Unabhängigkeit
Portmanteau-Test
Box-Ljung- und Box-Pierce-Test
Turning-Point-Test
Runs-Test
Rank-Version of the von Neumann-Ratio-Test
Durchführung der Unabhängigkeitstests (Lütkemeyer Münster)
Tests auf Nichtlinearität
Asymmetrietest von Neftci
Durchführung des Asymmetrietests von Neftci (Lütkemeyer Münster)
Theoretische Aspekte der Modellentwicklung
Methoden der Zeitreihenzerlegung
Der Trend in der Zeitreihenanalyse
Saisonkomponente
Theoretische Erläuterungen von ARIMA-Prozessen
Der Moving-Average-Prozess (MA)
Der Autoregressive-Prozess (AR)
Gemischte ARIMA(p, d, q)-Modelle
Vorgehensweise bei der ARIMA-Analyse
Spezifikation des Modells
Modellschätzung
Diagnose des geschätzten Modells
Koeffiziententests
Residuen-Tests
Spezifikations- und Stabilitätstests
Regressionsansatz mit ARMA-Term zur Beschreibung der Störgröße
Analyse saisonaler Zeitreihen
Einführung in die saisonale Zeitreihenanalyse
Saisonale Anpassung und SARIMA-Modelle
Stationarität von saisonalen Zeitreihen
60
61
62
63
64
65
67
67
68
69
70
71
72
76
76
78
79
79
84
88
91
91
93
96
98
98
100
102
107
108
110
114
117
117
118
123
4
5
5.1
5.2
5.2.1
5.2.2
5.2.3
5.2.4
5.2.5
5.2.6
5.2.7
6
Modellentwicklung
Beschreibung und Identifikation des gesamten Datensatzes
Durchführung der Modellentwicklung
Klasse 1 - Einfacher Zufallsprozess
Klasse 2 - Vermutlich einfacher Zufallsprozess, nur einzelne lags der
ACF oder PACF besitzen signifikante Ausschläge
Klasse 3 - Signifikante Ausschläge der ACF und PACF auf lag 1
Klasse 4 - Trendverlauf, ACF läuft mit zunehmender lag Länge aus
Klasse 5 - Ausgeprägte Saisonfigur, ACF mit wellenförmigen Verlauf
Klasse 6 - Saisonverlauf, signifikante Ausschläge der ACF und PACF
auf den ersten lags und auf lag 12
Klasse 7 - Saisonverlauf, signifikante Ausschläge der ACF und PACF
auf lag 12
Abschließende Bemerkungen
Anhang
Anhang 1: Graphen der Verkaufszahlen, ACF und PACF für ausge-
wählte Grossisten
Anhang 2: Kritische Grenzen Durbin-Watson-Test
Literatur
132
132
135
137
151
175
202
220
229
242
254
258
259
273
275
1 Einleitung 5
1 Einleitung
Die vorliegende Arbeit befasst sich mit der Entwicklung von Verkaufsprognosen im Zeit-
schriftenbereich zur Optimierung der Verlags-Grossisten-Einzelhändler-Beziehung. Zur Opti-
mierung dieser komplexen Beziehung ist es notwendig, die Vertriebswege und den wechselsei-
tigen Fluss von vertriebsrelevanten Daten und Informationen näher zu erläutern.
Die Problematik der Identifikation, Entwicklung und Kontrolle von Prognosesystemen wird
exemplarisch an den realisierten Verkaufszahlen einer im Markt etablierten Special Interest
Zeitschrift erörtert. Die methodische Vorgehensweise bei der Entwicklung von Verkaufsprog-
nosemodellen lässt sich auf andere Zeitschriften aus dem Segment der Special Interest Zeit-
schriften übertragen.
Für die ersten Analyseschritte standen lediglich die Daten von drei Grossisten zur Verfügung,
nämlich Carlsen Kiel, Lütkemeyer Münster und SüdWest Vertrieb Friedrichshafen. Erst zum
späteren Zeitpunkt wurden die Daten der übrigen Grossisten zur Entwicklung der Verkaufs-
prognosemodelle bereitgestellt. Auf die Analyse der Verkaufswerte für die Grossisten aus den
neuen Bundesländern wurde verzichtet, da die betrachtete Zeitschrift in den neuen Bundeslän-
dern ausgesprochen geringe Verkaufszahlen aufwies.
Begonnen wird im Kapitel 2 mit einer thematischen Einführung in die Vertriebsstruktur des
deutschen Pressewesens, wobei der Schwerpunkt auf dem Vertriebsweg über das Presse-
Grosso liegt. Dem schließen sich im Kapitel 3 Verfahren zur Identifikation von Zeitreihen an.
Neben graphischen Verfahren zur ersten Erkennung von Strukturen, wie funktionale Zusam-
menhänge, Ausreißer, Struktursprünge und Wendepunkte, werden verschiedene Testverfah-
ren zur Identifikation von Zeitreihen vorgestellt.
Ein kurzer Abriss der theoretischen Grundlagen der Zeitreihenanalyse erfolgt im Kapitel 4. Ein
Schwerpunkt liegt auf der Vorstellung der SARIMA-Modelle, die für viele der untersuchten
Zeitreihen zur Modellbildung verwendet wurden.
Die Modellentwicklung im Kapitel 5 lässt sich in drei Arbeitsschritte unterteilen. Zuerst werden
die Zeitreihen klassifiziert, daran schließen sich die Identifikationstests an und zum Schluss
erfolgt die Modellentwicklung inklusive Diagnose und Prognose.
Als Zeitreihenanalysetool wurde hauptsächlich das Programm EViews 2.0 verwendet. Einige
Tests, über die das Programm EViews 2.0 nicht verfügt, sind mit dem Programm SPSS/PC
berechnet worden.
Loading more pages...