Rücklaufquote
[engl.: response rate]
Die Rücklaufquote, auch als Ausschöpfungsquote bezeichnet, ist der Anteil der Personen, die an einer Befragung, zu der sie eingeladen worden sind, tatsächlich teilnehmen. Sie bezeichnet das Verhältnis zwischen geplanten und realisierten Befragungen.
Beispiel: Der Link zu einer Online-Umfrage über den Konsum von Serien wurde an 1.000 Personen verschickt. Allerdings haben davon nur 150 Personen an der Befragung teilgenommen. Die Ausschöpfungsquote beträgt dann 15 Prozent.
Berechnung der Rücklaufquote
Ausgangspunkt zur Berechnung der Rücklaufquote ist die bereinigte Brutto-Stichprobe. Die Brutto-Stichprobe ist die Ausgangs-Stichprobe, die alle für die Befragung ausgewählten Personen umfasst, auch die, die letztendlich nicht teilnehmen. Um die bereinigte Brutto-Stichprobe zu erhalten, müssen alle „stichprobenneutralen Ausfälle“ abgezogen werden. Es handelt sich um stichprobenneutrale Ausfälle, wenn eine Teilnahme aufgrund von technischen Fehlern nicht möglich war. Das ist z. B. der Fall, wenn bereits verstorbene Personen in der Stichprobe waren, eine Person über eine nicht mehr aktuelle E-Mail- oder Post-Adresse kontaktiert wird oder bei Rechtschreibfehlern in der Adresse, die die Übermittlung der Umfrage nicht möglich machen. Werden die Personen, die aufgrund solcher Fehler nicht teilgenommen haben, aus der Stichprobe entfernt, erhält man die bereinigte Brutto-Stichprobe.
Die Rücklaufquote berechnet sich nun folgendermaßen:

Es lässt sich dabei zwischen Brutto-Rücklaufquote und Netto-Rücklaufquote unterscheiden. Die Brutto-Rücklaufquote bezieht sich darauf, wie viele Teilnehmer an einer Befragung teilgenommen haben, unabhängig von der Vollständigkeit der Angaben.

Bei der Netto-Rücklaufquote werden hingegen nur vollständig ausgefüllte Fragebögen berücksichtigt.

Der Anteil derjenigen, die nicht an einer Befragung teilnehmen, wird als Non-Response-Quote bezeichnet, diese berechnet sich dann entsprechend durch:
Non-Response-Quote = 100 – Rücklaufquote
In der Praxis ist es jedoch oftmals schwierig zu bewerten, ob ein Ausfall „stichprobenneutral“ war. Dadurch ergibt sich ein nicht unerheblicher Spielraum für die Rücklaufquote.
Bedeutung für die Marktforschung
Die Rücklaufquote ist eine wichtige Kennzahl in der quantitativen Forschung. Wenn die Rücklaufquote gering ist, kann dies das Ergebnis der Studie verfälschen und somit die Ergebnisse unbrauchbar machen. Sie hat eine wichtige Bedeutung bezüglich der Aussagekraft von Umfrageergebnissen und wird mit hoher Repräsentativität in Verbindung gebracht. Allerdings ist die Rücklaufquote nur ein Hinweis auf die Qualität einer Befragung, es gibt keinen zwingenden Zusammenhang zwischen der Rücklaufquote und einer möglichen Verzerrung. Entscheiden ist dafür, ob die Ausfälle systematisch sind und mit dem Untersuchungsgegenstand in Zusammenhang stehen. Allgemein kann jedoch gesagt werden: Je höher die Rücklaufquote ist, desto besser, denn dadurch werden die Ergebnisse aussagekräftiger. Es ist dementsprechend wichtig, sich zu bemühen, eine hohe Rücklaufquote zu erhalten.
Unterscheidung zwischen systematischen und nicht-systematischen Ausfällen
Für die Bedeutung der Rücklaufquote ist es wichtig, zwischen systematischen und nicht-systematischen Ausfällen zu unterscheiden. Unsystematische Ausfälle sind nicht problematisch im Hinblick auf die Qualität einer Stichprobe. Nimmt beispielsweise eine Person an einer Befragung zum Autokauf nicht teil, weil sie im Krankenhaus liegt, ist anzunehmen, dass dies kein systematischer Ausfall ist. Dies wäre etwas anderes bei Befragungen zu gesundheitlichen Themen.
Systematische Ausfälle hingegen können zu einer Stichprobenverzerrung führen. Sie liegen vor, wenn die Nicht-Teilnahme mit untersuchten Merkmalen zusammenhängen. Würde eine Person nicht teilnehmen, weil sie im Krankenhaus liegt und die Umfrage beschäftigt sich statt mit dem Autokauf mit dem Gesundheitszustand der Bürger, dann würde der krankheitsbedingte Ausfall eine Verzerrung darstellen und somit systematisch sein. Beruht eine geringe Rücklaufquote auf Ausfällen systematischer Natur, ist dies dementsprechend ein Indikator für eine schlechte Stichprobenqualität.
Gründe für eine geringe Rücklaufquote
Verschiedene Gründe führen zu Non-Response und somit zu einer geringen Rücklaufquote. Man unterscheidet zwischen Unit Non-Response und Item Non-Response. Unit Non-Response liegt vor, wenn eine Person an einer Befragung gar nicht teilnimmt. Item Non-Response bedeutet wiederrum, dass eine Person zwar teilgenommen hat, aber einzelne Fragen nicht beantwortet wurden.
Gründe für Unit Non-Response
- Teilnahme wird komplett verweigert
- Personen sind nicht erreichbar
- Personen sind nicht fähig, an der Befragung teilzunehmen (z. B. durch eine Beeinträchtigung oder Sprachbarriere)
Gründe für Item Non-Response
- Sensible Fragen (z. B. nach Einkommen oder Gesundheit)
- Zu langer Fragebogen
- Technische Probleme
- Usability des Fragebogens
Wie kann die Rücklaufquote gesteigert werden?
Es gibt verschiedene Strategien, um zu versuchen, Non-Response zu minimieren und somit die Rücklaufquote zu steigern. Das sind unter anderem:
- Anzahl der Kontaktversuche erhöhen
- Verwendung von Eisbrecher-Fragen
- Besonders gut geschulte Interviewer (bei persönlichen oder telefonischen Befragungen)
- Schriftliche Vorabinfos
- Relevanz der Umfrage betonen
- Verwendung von Incentives
- Pretests des Fragebogens
- Kurze Befragungsdauer
- Wiederholte Hinweise auf Anonymität der Umfrage
Redressment-Gewichtung zum Ausgleich niedriger Rücklaufquoten
Eine Methode, mit der eine geringe Rücklaufquote und damit einhergehende Ausfälle im Nachhinein kompensiert werden sollen, ist die die nachträgliche Gewichtung durch die sogenannte Redressment-Gewichtung. Hierbei wird versucht, die Verteilung der Stichprobe durch Gewichtung an die Verteilung der Grundgesamtheit anzupassen. Bei der Redressment-Gewichtung sollen Verzerrungen korrigiert werden, die beispielsweise durch Verweigerungen der Teilnahme entstanden sind.
Allerdings ist diese Form der Gewichtung umstritten, da grundsätzliche Probleme der Stichprobe auch durch nachträgliche Gewichtung in der Regel nicht kompensiert werden könne.
Beispiel: Bei einer Online-Umfrage zum Thema Autokauf haben zu wenig ältere Menschen teilgenommen. Dies soll ausgeglichen werden, indem die Antworten der älteren Teilnehmer im Nachhinein höher gewichtet werden als die der anderen. Dies kompensiert aber nicht das Problem, dass prinzipiell zu wenige alte Menschen in der Stichprobe bzw. überhaupt online erreichbar sind.
Literatur
Schumann, S.: Repräsentative Umfrage (7. Aufl.), 2019, S.103-106