Household Inflation Expectations and Preferences 2 - Kognitiver Pretest
Abstract:
Das Projekt “Household Inflation Expectations and Preferences“ untersucht wie die Kommunikation von Zentralbanken die Inflationserwartungen von Haushalten beeinflusst. Zur Vorbereitung der eigentlichen Befragung wurden im kognitiven Pretest eine Reihe von Fragen getestet, mit deren Hilfe sowohl Befragte in Haushalten als auch politische Entscheidungsträger auf einer gemeinsamen Bewertungsskala verortet werden können, um anschließend gemeinsame statistische Analysen durchführen zu können.
Getestet wurden die Fragen mittels persönlich-mündlicher kognitiver Interviews.
Citation:
Lenzner, T., Neuert, C., Adams, F., Disch, K., Otto, W., & Menold, N. (2015): Household Inflation Expectations and Preferences 2. Kognitiver Pretest. GESIS – Leibniz-Institut für Sozialwissenschaften
DOI:
Number of Participants:
15
Selection of Target Population/Quotas:
Quotenauswahl. Die Auswahl der Testpersonen erfolgte nach den Quoten Alter (18-40 Jahre; 41 Jahre und älter), Schulbildung (Fachhochschulreife/ Abitur; weniger als Abitur) und Geschlecht:
- 1 Frau und 1 Mann, 18-40 Jahre, weniger als Abitur
- 2 Frauen und 2 Männer, 18-40 Jahre, Fachhochschulreife/ Abitur
- 3 Frauen und 2 Männer, 41+ Jahre, weniger als Abitur
- 2 Frauen und 2 Männer, 41+ Jahre, Fachhochschulreife/ Abitur
Test Date:
03/2015
Number of cognitive interviewers:
5
Pretests conducted in the lab (video-recorded):
15
Pretests conducted via phone or externally (audio-recorded):
-
Survey mode:
PAPI
Pretest mode:
CAPI
Procedure:
Einsatz eines Evaluationsfragebogens
Incentive for respondents:
30 Euro
Project Description:
Das Projekt “Household Inflation Expectations and Preferences“ untersucht wie die Kommunikation von Zentralbanken die Inflationserwartungen von Haushalten beeinflusst.
Zur Vorbereitung der eigentlichen Befragung sollen im kognitiven Pretest eine Reihe von Fragen getestet werden, mit deren Hilfe sowohl Befragte in Haushalten als auch politische Entscheidungsträger auf einer gemeinsamen Bewertungsskala verortet werden können, um anschließend gemeinsame statistische Analysen durchführen zu können.
Client:
Uni Mannheim
Prof. Dr. Nicole Baerg