--- title: "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice" url: "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/" type: "study" language: de-DE description: "Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern?" --- # Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice > Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice: Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? Evidenzgrad C, Risk of Bias moderate. ## Quelle DOI: 10.1007/s40685-018-0072-4 APA: Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice. (n.d.). https://doi.org/10.1007/s40685-018-0072-4 ## Forschungsfrage / Summary Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? ## Methode und Evidenzqualität [Studien](/studien/)typ: Studie Sample N: 268 Population: Kund:innen eines ländlichen australischen Einzelhändlers; DCE zum Hundefutterkauf Risk of Bias: moderate Evidenzgrad: C ## Key Findings - PLS-SEM liefert ähnliche Vorzeichen und Koeffizienten wie Conditional Logit. - Wichtigste Treiber der Wahl waren Staff Product Knowledge und Stock Availability. - Attributgewichte können in PLS-SEM direkt interpretiert werden. - Unterschiede zwischen Verfahren waren klein. ## Effektgrößen / Outcomes - Mean absolute difference between conditional logit and rescaled PLS-SEM total effects: 0.019 - Staff product knowledge importance: 18.22% conditional logit vs. 14.20% PLS-SEM - Stock availability importance: 15.90% vs. 18.38% - Outcomes: binary retailer choice, importance weights of attributes, rescaled total effects of attribute levels, comparability of PLS-SEM and conditional logit estimates ## Conversion-Implikationen - PLS-SEM kann helfen, handlungsrelevante Attributtreiber von Wahlentscheidungen zu priorisieren. - Nützlich für Angebots-, Vertrauens-, Verfügbarkeits- und Service-Signale in Conversion-Research. - Latente Scores können Segmentierung und Prediction unterstützen. ## Limitationen - Nur eine illustrative Anwendung in spezifischem Retail-Kontext. - Keine psychologische Kausalstudie, sondern Methodendemonstration. - DCE-Daten nicht perfekt orthogonal. - Keine externe Validierung über weitere Kategorien. ## Verknüpfte Konzepte - [Uncertainty Reduction](/konzepte/uncertainty-reduction/) - [Cognitive Load](/konzepte/cognitive-load/) ## Unterstützte Claims Evidence-Fill Queue: Direkte Claim-Zuordnungen werden erst nach Review-Mapping ausgespielt. ## FAQ ### Worum geht es in dieser Studie? Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice: Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? Evidenzgrad C, Risk of Bias moderate. ### Welche Evidenz wird genutzt? Die Seite nutzt Claims, Studien, Use Cases und Quellen aus dem SurrealDB Knowledge Graph der Conversion-Psychologie-Wissensbasis. ### Ist die Ausgabe auf Deutsch verfügbar? Ja. Alle menschenlesbaren Inhalte und Agent-Ausgaben sind standardmäßig deutsch. ## Quellen - Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice. (n.d.). https://doi.org/10.1007/s40685-018-0072-4 [Quelle öffnen](https://doi.org/10.1007/s40685-018-0072-4) ## JSON-LD ```json { "@context": "https://schema.org", "@graph": [ { "@type": "WebSite", "@id": "https://conversion.stevebaka.de/#website", "url": "https://conversion.stevebaka.de", "name": "conversion.stevebaka.de", "description": "Deutschsprachige Wissensbasis und Audit-Plattform für evidenzbasierte Conversion-Psychologie.", "publisher": { "@id": "https://conversion.stevebaka.de/#organization" } }, { "@type": "Organization", "@id": "https://conversion.stevebaka.de/#organization", "name": "conversion.stevebaka.de", "url": "https://conversion.stevebaka.de", "parentOrganization": { "@id": "https://stevebaka.de/#organization" }, "sameAs": [ "https://stevebaka.de" ] }, { "@type": "Person", "@id": "https://conversion.stevebaka.de/autoren/steve-baka/#person", "name": "Steve Baka", "url": "https://conversion.stevebaka.de/autoren/steve-baka/", "sameAs": [ "https://stevebaka.de" ], "jobTitle": "Conversion- und AI-Infrastructure-Berater", "knowsAbout": [ "Conversion-Psychologie", "Verkaufspsychologie", "Behavioral Science", "GraphRAG", "SurrealDB", "D-A-CH Conversion Optimierung" ] }, { "@type": "WebPage", "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#webpage", "url": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/", "name": "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice", "description": "Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern?", "inLanguage": "de-DE", "isPartOf": { "@id": "https://conversion.stevebaka.de/#website" }, "breadcrumb": { "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#breadcrumb" }, "datePublished": "2026-07-01", "dateModified": "2026-07-04", "mainEntity": { "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#article" } }, { "@type": "ScholarlyArticle", "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#article", "headline": "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice", "name": "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice", "description": "Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern?", "inLanguage": "de-DE", "author": { "@id": "https://conversion.stevebaka.de/autoren/steve-baka/#person" }, "publisher": { "@id": "https://conversion.stevebaka.de/#organization" }, "mainEntityOfPage": { "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#webpage" }, "datePublished": "2026-07-01", "dateModified": "2026-07-04", "citation": [ "https://doi.org/10.1007/s40685-018-0072-4" ], "mentions": [], "text": "Partial least squares structural equation modeling based discrete choice modeling: an illustration in modeling retailer choice: Kann PLS SEM auf Discrete Choice Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? Evidenzgrad C, Risk of Bias moderate. Quelle. DOI: 10.1007/s40685 018 0072 4 APA: Partial least squares structural equation modeling based discrete choice modeling: an illustration in modeling retailer choice. (n.d.). https://doi.org/10.1007/s40685 018 0072 4 Forschungsfrage / Summary. Kann PLS SEM auf Discrete Choice Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? Methode und Evidenzqualität. Studientyp: Studie Sample N: 268 Population: Kund:innen eines ländlichen australischen Einzelhändlers; DCE zum Hundefutterkauf Risk of Bias: moderate Evidenzgrad: C Key Findings. PLS SEM liefert ähnliche Vorzeichen und Koeffizienten wie Conditional Logit. Wichtigste Treiber der Wahl waren Staff Product Knowledge und Stock Availability. Attributgewichte können in PLS SEM direkt interpretiert werden. Unterschiede zwischen Verfahren waren klein. Effektgrößen / Outcomes. Mean absolute difference between conditional logit and rescaled PLS SEM total effects: 0.019 Staff product knowledge importance: 18.22% conditional logit vs. 14.20% PLS SEM Stock availability importance: 15.90% vs. 18.38% Outcomes: binary retailer choice, importance weights of attributes, rescaled total effects of attribute levels, comparability of PLS SEM and conditional logit estimates Conversion Implikationen. PLS SEM kann helfen, handlungsrelevante Attributtreiber von Wahlentscheidungen zu priorisieren. Nützlich für Angebots , Vertrauens , Verfügbarkeits und Service Signale in Conversion Research. Latente Scores können Segmentierung und Prediction unterstützen. Limitationen. Nur eine illustrative Anwendung in spezifischem Retail Kontext. Keine psychologische Kausalstudie, sondern Methodendemonstration. DCE Daten nicht perfekt orthogonal. Keine externe Validierung über weitere Kategorien. Verknüpfte Konzepte. Uncertainty Reduction Cognitive Load Unterstützte Claims. Evidence Fill Queue: Direkte Claim Zuordnungen werden erst nach Review Mapping ausgespielt.", "learningResourceType": "Evidence source", "isBasedOn": [ "https://doi.org/10.1007/s40685-018-0072-4" ], "about": [] }, { "@type": "BreadcrumbList", "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#breadcrumb", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Startseite", "item": "https://conversion.stevebaka.de/" }, { "@type": "ListItem", "position": 2, "name": "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice", "item": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/" } ] }, { "@type": "FAQPage", "@id": "https://conversion.stevebaka.de/studien/10-1007-s40685-018-0072-4/#faq", "inLanguage": "de-DE", "mainEntity": [ { "@type": "Question", "name": "Worum geht es in dieser Studie?", "acceptedAnswer": { "@type": "Answer", "text": "Partial least squares structural equation modeling-based discrete choice modeling: an illustration in modeling retailer choice: Kann PLS-SEM auf Discrete-Choice-Daten angewandt werden, um Attributwichtigkeit direkt zu schätzen und vergleichbare Ergebnisse wie Conditional Logit zu liefern? Evidenzgrad C, Risk of Bias moderate." } }, { "@type": "Question", "name": "Welche Evidenz wird genutzt?", "acceptedAnswer": { "@type": "Answer", "text": "Die Seite nutzt Claims, Studien, Use Cases und Quellen aus dem SurrealDB Knowledge Graph der Conversion-Psychologie-Wissensbasis." } }, { "@type": "Question", "name": "Ist die Ausgabe auf Deutsch verfügbar?", "acceptedAnswer": { "@type": "Answer", "text": "Ja. Alle menschenlesbaren Inhalte und Agent-Ausgaben sind standardmäßig deutsch." } } ] } ] } ```