应用eMASS定制程序作为研究工具评估消费者获益

本方案要求参与者在填写问卷前先体验个性化定制服务，并利用问卷数据检验消费者反应之间的关系。该方案可将消费者数据应用于结构方程模型和潜在均值分析，以获得复杂的统计结果，提升研究的有效性。本研究将有助于探索零售或营销技术对消费者反应影响的相关研究。

尽管检验多种不变性（如构形不变性、矩阵不变性与标量不变性）可能较为困难，但我们建议保持耐心，并严格遵循本流程，以提高数据质量。本流程将由我实验室的优等生金熙允（Hiyun Kim）进行示范。请使用在线问卷招募具有在线服装购物经验的女性消费者。

向符合条件的参与者发送邀请邮件，邮件中应包含研究目的的相关信息以及对回复内容保密性的保证。向同意参与调查的受访者发送指导说明，指导其如何使用定制程序制作风衣。同意参与调查的受访者将开始调查流程。

他们会收到一个链接，该链接连接到现有购物网站中的 eMass 定制程序，并被要求设想自己经济宽裕，能够购买心仪的服装，且需要购买一件风衣以参加一场重要会议。您将希望设计一件独特的风衣。在浏览互联网时，您偶然发现了这个理想的服装网站，该网站提供大规模定制服务。

收到情景说明24小时后，激活调查链接，以便已完成风衣制作并准备填写问卷的参与者可以点击该链接进入调查。在调查中，要求参与者将他们所设计风衣的截图和价格上传至问卷的第一页。随后，要求参与者完成在线问卷，内容包括对定制产品感知到的益处和情感依恋、对定制项目的态度、忠诚意愿以及人口统计学相关问题。

向完成调查的参与者提供金钱奖励。当所有调查完成后，将调查数据保存为一个SPSS文件，其中包含所有调查参与者的回答，并使用清理后的数据进行结构方程模型分析。采用中位数分割法，对时尚创新性六个题项的得分进行加总与求平均，计算出时尚创新性的中位数得分。

在“转换”菜单下，单击“重新编码为不同变量”，如果平均分低于中位数，则将低时尚创新性组编码为 1。双击时尚创新性组变量，将其移至“个案分组依据”字段。然后，指定输出文件目录位置，将文件保存为 Data_low fashion innovativeness。

保存并分析高端时尚创新性数据。将文件保存在指定目录中。为验证聚合效度，请单击“选择数据文件”，然后选择 Data_TOTAL.sav。

根据研究问题构建测量模型，包含五个潜在变量和17个观测变量。将每个潜在变量的方差设为1，然后点击计算估计值。接着，通过单组验证性因子分析的结果，检查测量模型的拟合指数，包括拟合优度指数、调整后的拟合优度指数、规范拟合指数、Tucker-Lewis指数、比较拟合指数以及近似误差均方根。

在此代表性分析中，采用五个潜在变量和17个观测变量进行了单组验证性因子分析。所有因子系数的临界比值均具有显著性，表明达到了收敛效度。单组结构方程模型的拟合指数显示模型拟合情况可接受。

从单组验证性因子分析转向多组验证性因子分析，以对两组的五因子测量模型进行交叉验证，结果表明构型不变性得以实现，且所有因子系数的临界比值均具有统计学显著性。为检验度量不变性，将两组间的因子系数约束为相等，并再次进行多组验证性因子分析，结果显示卡方差异值为14.728，无统计学显著性，表明度量不变性成立。由于度量不变性模型被接受，进一步检验了标量不变性。

由于完全测量/完全标量不变性模型嵌套于完全测量不变性模型之中，因此进行了卡方差异检验，结果显示卡方差异值为11.18，未达到显著性水平，表明标量不变性成立。鉴于构型不变性、测量不变性和标量不变性均已满足，遂进行潜在均值分析，结果表明高创新性组五个潜在变量的均值均为正值，且显著高于低时尚创新性组。根据个体对任务复杂性的感知不同，大规模定制项目可能显得具有挑战性。

请确保为参与者留出充足的时间以适应定制化程序。为探讨潜变量之间关系在不同组别中的差异，可采用多组结构方程模型分析，对各组之间的先前系数进行比较。大多数研究人员在进行组间比较时均使用了多组结构方程模型分析。

本研究为社会科学领域中的多组比较提供了另一种方法。