Shapley Value Regression – Treiberanalyse ist nicht gleich Treiberanalyse
Ein weit verbreitetes Instrument der Marktforschung – insbesondere bei Kundenzufriedenheits- und Mitarbeiterzufriedenheitsbefragungen – ist die Treiberanalyse. Sie wird genutzt, wenn im Zentrum der Studie das „Wie“ der weiteren Steigerung der Zufriedenheit steht.
Zumeist wird eine klassische Treiberanalyse durchgeführt. Diese hat allerdings gegenüber anderen Verfahren grundlegende Nachteile. Wir stellen im Folgenden der klassischen Treiberanalyse die Shapley Value Regression als Alternative gegenüber.
Wann ist eine Treiberanalyse hilfreich?
Eine Treiberanalyse liefert wesentliche Erkenntnisse über die Kausalitäten zwischen verschiedenen Faktoren (z.B. Unternehmensleistungen wie Produktqualität oder Arbeitsmerkmale wie Arbeitsorganisation) und einer Gesamtbeurteilung. Grundlegend beantwortet sie folgende Fragen:
- Welche Relevanz hat ein Faktor für die Gesamtbewertung?
- Welcher Faktor sollte proirisiert verbessert werden? Welcher Faktor kann erstmal vernachlässigt werden?
Mittels einer Treiberanalyse können folglich fundierte Handlungsempfehlungen gegeben und Optimierungsaktivitäten gesteuert werden.
Manchmal werden die Relevanzen der Faktoren auch mittels einer direkten Frage erhoben. Dies führt allerdings in den meisten Fällen zu wenig nützlichen Ergebnissen, da eine Differenzierung der einzelnen Relevanzen schwierig wird, zumeist sehr viele Faktoren als sehr relevant angegeben (Anspruchsinflation) und unbewusste Zusammenhänge nicht berücksichtigt werden.
Anstatt der klassischen Treiberanalyse kann eine präzisere Methode genutzt werden – der Shapley-Wert (ein Konzept aus der Spieltheorie).
Shapley Value Regression im Vergleich zur klassischen Treiberanalyse
Nehmen wir als Beispiel eine Mitarbeitendenbefragung. Es wurden die Mitarbeitenden eines Unternehmens nach:
• Ihrer Gesamtzufriedenheit mit dem Beruf sowie
• ihrer Zufriedenheit mit der Führungskultur,
• der Arbeitskultur und
• der Bezahlung befragt.
Eine klassische Treiberanalyse führt zu folgenden Ergebnissen:
Nun wird die Relevanz der Variablen mit der jeweiligen Zufriedenheit in einer Vierfeldermatrix positioniert:
Gemäß der klassischen Treiberanalyse wären nun die ersten groben Handlungsempfehlungen für das Unternehmen, dass
• zuallererst die Führungskultur verbessert werden sollte,
• danach die Arbeitsorganisation auf dem bereits guten Niveau gehalten werden
• und erst danach die Zufriedenheit mit der Bezahlung im Auge behalten werden sollte, sodass sie nicht weiter sinkt.
Schauen wir uns nun Shapley Value Regression an.
Im Rahmen einer Treiberanalyse kann der Shapley-Wert als Durchschnitt des partiellen Bestimmtheitsmaß einer Variablen in allen möglichen Modellkombinationen berechnet werden.
Um nun die jeweiligen Shapley-Werte zu erhalten, müssen alle möglichen Kombinationen berechnet werden. Werden diese Berechnungen für jedes einzelne Modell jeder Reihenfolgemöglichkeit in diesem Beispiel durchgeführt, erhält man am Ende das folgende Ergebnis:
Wenn man nun die Ergebnisse der beiden Methoden vergleicht, wird ersichtlich, dass das Shapley Value Regression die Relevanzen der einzelnen Faktoren stärker ausdifferenziert und die relativen Entfernungen der einzelnen Faktoren zueinander zunehmen.
Dies verändert die Handlungsempfehlungen:
- Die Führungskultur sollte weiterhin zuerst verbessert werden, diese Dringlichkeit ist aber in diesem Ergebnis erhöht: Die Führungskultur besitzt fast die Hälfte der Relevanz.
- Die Arbeitsorganisation liegt nun in einem anderen Sektor und somit ist die Handlungsempfehlung auch eine andere: Die Arbeitsorganisation ist für die Mitarbeiter knapp im optimalen Bereich und ist somit sogar eine Stärke des Unternehmens.
- Die Bezahlung wird zwar unterdurchschnittlich bewertet, ist aber im Vergleich zu den anderen Faktoren irrelevanter für die Gesamtzufriedenheit. Sie ist zu diesem Zeitpunkt nachrangig.
Durch die Wahl der Methodik wird also das Ergebnis beeinflusst. Welches ist denn nun aber das bessere Verfahren?
Klassische Treiberanalyse vs. Shapley Value Regression
Allgemein bezieht sich Shapley Value Regression auf lineare Regressionen und hat daher die gleichen Annahmevoraussetzungen. Es gehört zu den Methoden, welche Ergebnisse der linearen Regressionen „nachbearbeiten“ (deshalb selten auch „Nachbearbeiter“). Shapley Value Regression benötigt gegenüber der klassischen Treiberanalyse einen enormen Rechenaufwand, welcher sich bei steigender Anzahl an Variablen exponentiell entwickelt. Darüber hinaus werden Einflüsse auf die unabhängige Variable enorm verzerrt, wenn wichtige Treiber des untersuchten Konstruktes (hier die Gesamtzufriedenheit) gar nicht ins Modell aufgenommen werden (wäre beispielsweise die Führungskultur nicht abgefragt worden). Eine hypothesengetriebene und umfassende Variablenauswahl bleibt somit ein notwendiger Schritt!
Folgende Vorteile bietet Shapley Value Regression gegenüber der klassischen Treiberanalyse:
- Robustere Werte; insbesondere bei geringer Stichprobengröße und Ausreißern
- Die Varianzaufklärung wird durch die Betrachtung aller möglichen Reihenfolgen vollkommen zerlegt und auf die jeweiligen Variablen verteilt (Dekomposition). Somit wird eine Verzerrung durch eine Änderung der Reihenfolge, in der die einzelnen Faktoren zum Modell hinzugefügt werden, verhindert.
- Die Ergebnisse der klassischen Analyse führen in den meisten Fällen zu einer Unterschätzung der stärksten Treiber und einer Überschätzung schwacher Treiber. Durch Shapley Value Regression können die Treiber besser ausdifferenziert werden und somit deutlichere Handlungsempfehlungen gegeben werden
Zusammenfassend ist Shapley Value Regression durch die Dekomposition der Varianzaufklärung der klassischen Treiberanalyse überlegen und sollte daher in allen möglichen Fällen dieser vorgezogen werden.