Textprobe: Kapitel 3.2, Regressionsanalyse: Damit die Zusammenhänge zwischen den Rezensionen in Tageszeitungen oder Onlinemedien und dem Buchhandel erklärt werden können, wurde in vergleichbaren Arbeiten als Methode eine lineare Regressionsanalyse gewählt, wie zum Beispiel von Schmidt-Stölting/Blömeke/Clement (2011). In der vorliegenden Masterarbeit wurden die Modellprämissen der linearen Regression überprüft. Hierbei wiesen die Residuen den Schiefe-Wert 10,351 und den Kurtosis-Wert 140,815 auf. Somit liegt keine Normalverteilung der Daten vor. Eine der Prämissen zur Reduktion des Gesamtdatensatzes ist, dass ein Mindestabsatz von 1.500 Stück eines Buches vorliegen muss. Somit bestehen keine Nullabsätze und die vorliegenden Absatzzahlen dürfen logarithmiert werden, um bessere Werte der Schiefe und Kurtosis zu erreichen. Die logarithmierten Werte der Residuen von ABSATZ52W haben einen Schiefe-Wert von 1,204 und einen Kurtosis-Wert von 1,890. Eine Normalverteilung liegt vor, wenn die Schiefe- und der Kurtosis-Werte Null sind. Nach dem Logarithmieren liegt also weiterhin keine Normalverteilung vor. Auch wenn nun von einer deutlich verbesserten Datenstruktur auszugehen ist, ist eine Anwendung der Methode der linearen Regression nicht zu empfehlen (Janssen/Laatz, 2012, S. 213f.). Da die Buchabsätze der ersten 52 Wochen als Zähldaten vorliegen, wurde zuerst als Alternativmethode eine Poisson Regression gewählt. Bei diskreten Verteilungen, die insbesondere Zähldaten berücksichtigen oder welche die Prämisse der linearen Regression bezüglich der normalverteilten Störgrößen nicht einhalten können, wird die Poisson-Verteilung am häufigsten verwendet. Zähldaten liegen vor, wenn die Anzahl bestimmter Ereignisse in einem Zeitraum betrachtet werden sollen. Für die betrachteten Buchabsätze der ersten 52 Wochen nach Erscheinung trifft das zu (Fahrmeir/Kneib/Lang, 2009, S. 210). Modellformulierung und Hypothesenbildung: Die zu analysierende Kernthese dieser Masterarbeit ist, dass Buchrezensionen einen Einfluss auf den Buchabsatz haben. Somit wird der Absatz der ersten 52 Wochen nach Erscheinung (ABSATZ52W) als abhängige Variable gewählt. Bereits Berger/Sorensen/Rasmussen (2010) und Schmidt-Stölting/Blömeke/Clement (2011) haben für ihre wissenschaftlichen Ausarbeitungen den Absatz als abhängige Variable gewählt. Gemäß Kernthese und der bereits gewonnenen Erkenntnisse der in Kapitel 2 untersuchten wissenschaftlichen Arbeiten wird vermutet, dass Buchrezensionen einen signifikanten Einfluss auf den Buchabsatz haben. Hierfür werden für die Analyse die Buchrezensionen der Tageszeitungen FAZ und SZ sowie Internet-Buchrezensionen von Perlentaucher herangezogen und diesen einen signifikanten Einfluss unterstellt. Die Hypothesen lauten somit: Hypothese 1: Eine Buchrezension in der FAZ hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches. Hypothese 2: Eine Buchrezension in der SZ hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches. Hypothese 3: Eine Buchrezension auf Perlentaucher hat einen signifikanten Einfluss auf den Absatz des jeweiligen Buches. Neben den Buchrezensionen werden als weitere Kontrollvariablen der Verlag, der Preis pro Seite, die Warengruppe und das Erscheinungsdatum eines Buches eingeführt. Auch diese Einflussfaktoren wurden bereits erfolgreich in anderen wissenschaftlichen Arbeiten verwendet. Den Verlag hat ebenfalls Shehu et al. (2013) als Einflussfaktor erkannt. Des Weiteren wählten auch Berger/Sorensen/Rasmussen (2010), Schmidt-Stölting/Blömeke/Clement (2011), Shehu et al. (2013) und Zhu/Zhang (2010) den Preis als unabhängige Variable. Das Genre und somit gleichbedeutend die Warengruppe verwendeten Schmidt-Stölting/Blömeke/Clement (2011), Shehu et al. (2013), Moon/Bergey/Iacobucci (2010), Chen/Liu/Zhang (2012) und Peng/Gui/Li (2013) als unabhängige Variable. Das Erscheinungsdatum eines Buches wurde bereits von Schmidt-Stölting/Blömeke/Clement (2011) als Einflussfaktor gewählt. Damit die vorliegenden Daten für das Regressionsmodell verwendet werden können, wurden diese aufbereitet und operationalisiert. Die Variablen wurden so konstruiert, dass die Verarbeitung effektiver und eine anschließende Ergebnisbewertung qualitativer erfolgen kann.