Summary
ويرد هنا بروتوكول لدراسة استجابات المستهلكين نحو التخصيص الجماعي في سياق البيع بالتجزئة عبر الإنترنت. ويفصل البروتوكول اجراء المسح عبر الإنترنت وكيفيه تحليل البيانات باستخدام نمذجة المعادلات الهيكلية واختلافات المجموعات باستخدام التحليلات المتوسطة الكامنة.
Abstract
كما ان العديد من العلماء والممارسين دراسة التخصيص والتسويق العلاقة ، فمن المهم لتوفير التخصيص مثل التخصيص الشامل من خلال تكنولوجيا التسويق. الغرض من هذه الدراسة هو دراسة كيفيه اجراء البحوث الاستهلاكية باستخدام مسح علي الإنترنت وتحليل البيانات. تدرس هذه الدراسة الفوائد المتصورة للمستهلكين مع تخصيص منتج وكذلك مرفق المنتج العاطفي ، والمواقف تجاه برنامج التخصيص ، ونوايا الولاء في سياق البيع بالتجزئة عبر الإنترنت. الاضافه إلى ذلك ، تبحث هذه الدراسة كيف تختلف استجابات المستهلكين استنادا إلى الخصائص الفردية مثل الابتكار الأزياء. قامت شركه استطلاع علي الإنترنت في كوريا الجنوبية بتوظيف 290 من المتسوقات اللواتي اشترين ملابس علي الإنترنت. ولتعزيز الصلاحية الخارجية ، استخدمت هذه الدراسة موقعا شبكيا قائما بالتجزئة مع برنامج تخصيص شامل. بعد إكمال برنامج التخصيص ، يستكمل المشاركون الاستبيان عبر الإنترنت. ثم يتم اجراء النمذجة المعادلة الهيكلية (SEM) والتحليلات المتوسطة الكامنة (LMAs) للتحليلات. وتشدد هذه الدراسة علي اهميه اختبار ثوابت القياس للمقارنة المتوسطة. قبل SEM و LMA, هذه الدراسة يتبع التسلسل الهرمي للاختبارات الثوابت (اختبار الثوابت الثقة, اختبار الثوابت متري, واختبار الثوابت العددية), التي لا تعتبر من قبل النهج التقليدية مثل ANOVA. توفر هذه التحليلات الاحصائيه امكانيه تطبيق إجراءات اختبار الثوابت و LMA علي سلوكيات المستهلك. ولاستنتاجات الاختلافات المتوسطة النزاهة والصلاحية لأنها تسترشد بإجراءات احصائيه متطورة لضمان ثوابت القياس.
Introduction
التخصيص الشامل يشير إلى قدره البيع بالتجزئة الكترونيه لتكييف المنتجات والخدمات ، وبيئة المعاملات للعملاء الفردية1. المستهلكين اليوم غير راضين عن المنتجات القياسية ، وقد اعترف العديد من تجار التجزئة هذا. تقديم خيار التخصيص الشامل هو طريقه واحده للحصول علي ولاء العملاء والمزايا التنافسية2. التخصيص الشامل كتكتيك التسويق يسمح للمستهلكين لخلق منتجاتهم الخاصة علي أساس احتياجات معينه ، التالي يوفر منتجات فرديه أو الخدمات3. علي سبيل المثال ، يمكن للمستهلكين ليس فقط شراء زوج من الاحذيه التي يتم إنتاجها الشامل ، ولكن يمكن أيضا إنشاء زوج جديد وفريدة من الاحذيه التي لا تتوفر علي مواقع التجزئة العادية عن طريق اختيار اللون والنسيج ، وغيرها من مكونات التصميم. ونتيجة لذلك ، يمكن للمستهلكين شراء منتجات أكثر مواتاة ، ورضاهم عن المنتج حسب الاحتياجات ، فضلا عن زيادة ولاء العلامة التجارية4،5.
مع زيادة استخدام الإنترنت ، أصبحت عمليه التخصيص الشامل أكثر سرعه وكفاءه من حيث خفض وقت الإنتاج وتوفير المزيد من خيارات التصميم بنفس التكاليف. وعلاوة علي ذلك ، يمكن لتجار التجزئة الحصول علي معلومات بشان ما يفضله عملاؤهم المستهدفون ، التالي بناء علاقات قويه معهم6،7. وعلي هذا النحو ، اعتمدت العديد من الصناعات (مثل الملابس والاحذيه والسيارات وأجهزه الكمبيوتر) برامج التخصيص. علي الرغم من ان التخصيص الشامل يستفيد المستهلكين وتجار التجزئة ، بعض تجار التجزئة يواجهون التحديات8. ولذلك ، هناك حاجه لدراسة الكيفية التي ينظر بها المستهلكون إلى الفوائد وكيف تؤثر هذه الفوائد علي استجابات التسوق الأخرى للنجاح علي المدى الطويل.
الرسم علي التسلسل الهرمي للآثار (مجرفه) نموذج من نظريات الإقناع9، وتقترح هذه الدراسة ان المستهلكين معالجه المعلومات علي أساس تسلسل الإدراك-تاثير-conation. وعلي وجه التحديد ، تدرس هذه الدراسة (بعد إنشاء منتج الشامل المخصصة) ما إذا كانت فوائد المستهلك المتصورة (الإدراك) تاثير نوايا الولاء (conation) من خلال مرفق المنتج والموقف تجاه برنامج التخصيص الشامل (تؤثر) . استنادا إلى نظرية الدافع10، وتنقسم الفوائد المتصورة إلى الفوائد الخارجة والجوهرية11.
وتتعلق الفائدة المستخلصة من المستهلك بالقيمة المتصورة للمستهلك المستمدة من استخدام المنتج12 (التالي ، وثيقة القيمة لجوده المنتج11) ، في حين تشير الفائدة الجوهرية إلى تجربه ممتعه عند استخدام المنتج11. في سياق التخصيص الشامل ، ترتبط الفائدة الخارجة بالمنتج الذي ينشئه المستهلك ، وترتبط الفائدة الجوهرية بتجربة التخصيص التي ترضي المتعة والاحتياجات التجريبية13،14. وقد وجدت الأبحاث السابقة ان الفوائد المتصورة للمستهلكين تعزز مرفق المنتج العاطفي15 والمواقف الايجابيه تجاه برنامج التخصيص الجماعي16. العاطفي مرفق المنتج يشير إلى ربطه عنق عاطفيه ان المستهلكين الاتصال إلى المنتج17، الذي يؤثر إيجابا علي المواقف تجاه برنامج التخصيص18 ونوايا الولاء19. وعلاوة علي ذلك ، فان المواقف تجاه برنامج التخصيص تؤثر إيجابا علي نوايا الولاء20.
وأخيرا ، تبحث هذه الدراسة كيف تؤثر السمة الفردية (اي الابتكار في الموضة) علي استجابات المستهلكين بشكل مختلف. الابتكار الأزياء يشير إلى الدرجة التي الاتجاه المبتكر الفرد يؤثر اعتماد البند الموضة الجديدة21. وتبين نتائج البحوث ان المستهلكين الذين يرغبون في تجنب المطابقة (اي المستهلكين المبتكرين للأزياء العالية) متحمسون للحصول علي منتجات فريدة من نوعها ، مما يشير إلى ان التخصيص الجماعي قد يكون تكتيكا فعالا لتفريق أنفسهم عن الآخرين 22-ولذلك ، تفترض هذه الدراسة انه سيتم توليد عدد أكبر من الاستجابات الايجابيه للمستهلكين المبتكرين الذين يتسمون بدرجه عاليه من الابتكار.
استنادا إلى مراجعات الأدبيات السابقة ، تتناول هذه الدراسة فرضيات البحث التالية. H1: الفوائد المتصورة (ا: المنفعة الخارجة ، ب: المنفعة الجوهرية) لمنتجات الكتلة المخصصة ستؤثر إيجابا علي مرفق المنتج العاطفي ؛ H2: الفوائد المتصورة (ا: المنفعة الخارجة ، ب: المنفعة الجوهرية) لمنتج الكتلة المخصصة سوف تؤثر إيجابا علي المواقف تجاه برنامج التخصيص الشامل ؛ H3: سيؤثر المرفق المنتج العاطفي إيجابيا المواقف تجاه برنامج التخصيص الشامل; H4: المرفق المنتج العاطفي سوف تؤثر إيجابيا نوايا الولاء; H5: الموقف تجاه برنامج التخصيص الشامل سوف تؤثر إيجابيا نوايا الولاء; و H6: بالمقارنة مع الابتكار الأزياء المنخفضة ، والمبدعين أزياء عاليه سيكون لها استجابات أكثر ايجابيه ل (ا) الفوائد المتصورة ، (ب) مرفق المنتج العاطفي ، (ج) المواقف ، و (د) النوايا السلوكية.
لتعزيز الصلاحية الخارجية ، تستخدم هذه الدراسة برنامج التخصيص الشامل الموجود. يتم تعيين المشاركين المحتملين في كوريا الجنوبية لهذه الدراسة ويطلب منهم إنشاء معاطف الخندق الخاصة بهم باستخدام برنامج كما لو كانوا قد اشترت فعلا المنتج. لاستكشاف استجابات المشاركين استنادا إلى تجاربهم الخاصة بالتخصيص ، تستخدم هذه الدراسة استطلاعا عبر الإنترنت. يمكن للمشاركين الوصول إلى الاستبيان مباشره بعد استخدام برنامج التخصيص علي الإنترنت. بعد جمع البيانات ، تستخدم الدراسة وحده SEM أحاديه المجموعة للتحقيق في اثار فوائد المستهلك علي مرفق المنتج ، والموقف ، ونوايا الولاء. لدراسة الأدوار الملطفة للابتكار الموضة ، تستخدم الدراسة LMAs.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
استثنيت هذا بحث كان من ال [ايرب] مراجعه في [ايوها] [وونس] جامعه وعينت بروتوكول رقم #143-18.
1-تعيين المشاركين
- استعد لاجراء مسح عبر الإنترنت.
ملاحظه: وأجريت دراسة استقصائية علي الإنترنت باستخدام شركه مسح في كوريا الجنوبية. الشركة البحثية لديها أكبر لوحه المستهلك مع معدلات الاستجابة العالية في كوريا. وتعكس التوزيعات العمرية والجنسانية في الفريق حاله السكان الكوريين. لوحه المستهلك لديه درجه عاليه من الموثوقيه من خلال التحقق من الأسماء الحقيقية. منذ الشركة البحثية تدير الفريق بشكل مستمر مع مختلف الأساليب المبتكرة ، ولاء الفريق نحو الشركة البحثية عاليه. ولذلك ، فان نتائج المسح التي حصلت عليها الشركة معروفه بدرجه عاليه من الموثوقيه. - توظيف المستهلكين الإناث الذين لديهم خبره في التسوق للملابس علي الإنترنت.
ملاحظه: تنفق المستهلكات الإناث في كوريا نسبه عاليه من الدخل علي تسوق الملابس ، وتحدث سلوكيات التسوق في الغالب علي الإنترنت23. ولذلك ، فان اختيار هذه المجموعة كمشاركين في هذه الدراسة مناسب. - إرسال رسالة الكترونيه إلى المشاركين تتضمن معلومات حول الغرض من الدراسة وضمان سريه ردودهم.
- إرسال إرشادات لأولئك الذين يوافقون علي المشاركة في الاستطلاع الذي يوضح كيفيه إنشاء معاطف الخندق باستخدام برنامج التخصيص (انظر الشكل 1).
ملاحظه: ولتجنب الحالات المحتملة التي قد يواجه فيها المشاركون صعوبة في استخدام برنامج التخصيص ، أرسل مشرف من شركه الأبحاث المبادئ التوجيهية. وعلاوة علي ذلك ، دعا مدير المناقشة المشاركين وشرح إجراءات التخصيص بينما استعرض المشاركون المبادئ التوجيهية. - اطلب من المشاركين التقاط لقطه شاشه لمعطف الخندق الذي تم إنشاؤه وتوفير سعر لمعطف للتاكد من انها في الواقع خلق معطف خندق في برنامج التخصيص.
- أرسل رابطا متصلا ببرنامج تخصيص الكتلة الكترونيه في موقع تسوق موجود عند فهم المشاركين للاجراء.
- توفير السيناريو التالي للمشاركين: "يرجى تخيل ان كنت جيدا قباله بما فيه الكفاية لشراء الملابس محبب وتضطر إلى شراء معطف خندق لحضور اجتماع هام. كنت ترغب في إنشاء معطف الخندق فريدة من نوعها. اثناء تصفح الإنترنت ، كنت تاتي عبر موقع الملابس المثالي الذي يحتوي علي برنامج التخصيص الشامل ".
ملاحظه: هذه الخطوة مطلوبه لزيادة مستويات المشاركة والتحكم في نوع المنتج وادراك المستهلك لسعر المنتج. - السماح للمشاركين 24 ح لإنشاء معطف خندق بعد قراءه السيناريو.
ملاحظه: المشاركون أحرار في إنشاء معطف الخندق عن طريق اختيار النمط العام المفضل ، وطوق ، وأطوال معطف ، طول الأكمام ، وجيوب ، والنسيج ، وبطانة في حاله انها سوف شراء فعلا. إذا كان لديهم مشاكل في إنشاء معطف في برنامج التخصيص ، فانه يسمح لهم بالاتصال وطلب الوسيط في اي وقت خلال فتره ال 24 ساعة. - تفعيل الرابط المسح بعد 24 ساعة بحيث المشاركين الذين هم علي استعداد لاتخاذ المسح (اي أولئك الذين انتهوا التقاط لقطه من معطف الخندق التي انشاتها) يمكن النقر علي الرابط المسح.
الشكل 1: توجيهات لاستخدام برنامج تخصيص الكتلة الكترونيه. يقرا المشاركون في الاستطلاع عبر الإنترنت الاتجاات المتعلقة بكيفية إنشاء معاطف الخندق باستخدام برنامج التخصيص واتباع الخطوات 1 – 8. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
2-إجراءات المسح
- اطلب من المشاركين تحميل لقطه الشاشة وسعر المعطف الذي انشاواه في الصفحة الاولي من الاستطلاع (انظر الشكل 2).
ملاحظه: يمكن للمشاركين الذين يحملون لقطه الشاشة فقط الوصول إلى الاستبيان. - اطلب من المشاركين إكمال الاستبيان عبر الإنترنت فيما يتعلق بالفوائد المتصورة ، والارتباط العاطفي بالمنتج المخصص ، والموقف تجاه برنامج التخصيص ، ونوايا الولاء ، والاسئله الديموغرافية (انظر الجدول 1).
- إعطاء مكافاه لأولئك الذين يكملون الاستطلاع.
ملاحظه: وقد حصل المشاركون هنا علي مكافاه قدرها ₩10,000 (حوالي $10 دولار أمريكي) للمشاركة. المشاركون الذين استقالوا من الاستطلاع أو فشلوا في تقديم لقطه الشاشة والسعر الوارد ₩1,000 (حوالي $1 دولار أمريكي).
الشكل 2: أمثله من معاطف الخندق التي تم إنشاؤها باستخدام برنامج تخصيص الكتلة الكترونيه. خلق المشاركون معاطف الخندق عن طريق اختيار طوق المفضل ، والطول ، والنسيج ، وما إلى ذلك ، تليها تحميل لقطه من الخندق خلق معطف. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
| المنفعة الخارجية (Franke et al., 2009) |
| بالمقارنة مع المنتج القياسي ، فان المنتج المخصص __ __. |
| 1. أفضل تلبيه الاحتياجات الخاصة بي |
| 2. أفضل تلبيه تفضيلاتي الشخصية |
| 3. من المرجح ان يكون أفضل حل بالنسبة لي |
| الفائدة الحقيقية (فرانكه وشراير ، 2010) |
| 1. لقد استمتعت بهذا النشاط التصميم كثيرا |
| 2. اعتقدت تصميم المنتج كان ممتعا جدا |
| 3. تصميم هذا المنتج كان مثيرا جدا للاهتمام |
| العاطفية مرفق المنتج (طومسون وآخرون ، 2005) |
| بالمقارنة مع المنتج القياسي لهذه العلامة التجارية ، يمكن ان يتميز شعوري تجاه منتجاتها المخصصة بواسطة _ __. |
| 1-المودة |
| 2-الاتصال |
| 3. العاطفة |
| 4. Captivation |
| الموقف تجاه برنامج التخصيص الشامل (لي وآخرون ، 2001) |
| وكان برنامج التخصيص الشامل في هذا الموقع __. |
| 1. غير جذاب ه جذابة |
| 2. غير ساره ه لطيف |
| 3. غير جذاب ه جذابة |
| 4. قابل لمحبب e محبب |
| نوايا الولاء (كوون ولينون ، 2009) |
| 1. وأود ان شراء منتج مخصص في هذا البرنامج التخصيص في المستقبل القريب |
| 2. وأود ان اوصي هذا البرنامج التخصيص للأصدقاء أو الأقارب |
| 3. وأود ان العودة إلى هذا الموقع وتخصيص منتج في المستقبل القريب |
| مشاركه المنتج (Zaichkowsky, 1985) |
| بالنسبة لي ، الملابس هي __. |
| 1. غير مهم ه الهامه |
| 2. مملة ه مثيره للاهتمام |
| 3. غير جذاب ه جذابة |
| 4. غير مطلوب ه الحاجة |
| 5. غير مثير ه exciting6. قيمه e عديمه الفائدة |
| الابتكار الأزياء (بارك وآخرون ، 2007) |
| 1. بشكل عام ، وانا الأخير في دائرتي من الأصدقاء لمعرفه أسماء أحدث صيحات الموضة الجديدة (R) |
| 2. بشكل عام ، وانا من بين الماضي في دائرتي من الأصدقاء لشراء البند أزياء جديده عندما يظهر (R) |
| 3. بالمقارنة مع أصدقائي ، وانا املك البنود أزياء جديده. |
| 4. انا اعرف أسماء مصممي الأزياء الجديدة قبل ان يفعل الآخرون. |
| 5. إذا سمعت ان البند الموضة الجديدة كانت متاحه في المتجر ، وأود ان تكون مهتمة بما فيه الكفاية لشراءه. |
| 6. وسوف تشتري البند أزياء جديده حتى لو لم ار ذلك من قبل. |
| (R) عكس ترميز |
الجدول 1: مقياس القياس. وقد استخدم هذا الجدول في السابق29.
3. اعداد البيانات
- احفظ بيانات الاستطلاع في ملف SPSS ك "Data_TOTAL" (انظر الشكل 3) ، والذي يحتوي علي كافة استجابات المشاركين في الاستطلاع. حذف الحالات التي تتضمن قيم مفقوده. استخدام البيانات التي تم تنظيفها لاجراء تحليل SEM.
- افصل البيانات الاجماليه إلى ملفي بيانات: المجموعات المبتكرة للأزياء العالية والمنخفضة. استخدم الانقسام المتوسط. مجموع ومتوسط عشرات من سته بنود من الابتكار الأزياء ، وحساب متوسط درجه من الابتكار الموضة (ميد = 4.17).
ملاحظه: وكثيرا ما يستخدم الانقسام المتوسط في علم النفس والبحوث التسويقية ، واستخدام الانقسام المتوسط لمتغير مستمر لفحص اختلافات المجموعات هو صالح24. - انقر فوق "ارتداد إلى متغيرات مختلفه" ضمن القائمة "تحويل". إنشاء متغير جديد ، "مجموعه مبتكره الموضة (FIG)" ، عن طريق ترميز "1 (مجموعه الأزياء المنخفضة المبتكرة)" إذا كان متوسط النتيجة اقل من المتوسط (علي سبيل المثال ، الوسيط = 4.17) ، أو عن طريق الترميز "2 (مجموعه الأزياء المبتكرة عاليه)" إذا كان اعلي من المتوسط (انظر الشكل 4 ).
- انقر فوق "تقسيم إلى ملفات" ضمن القائمة "بيانات" ، انقر نقرا مزدوجا فوق المتغير "مجموعه الأزياء المبتكرة (FIG)" لنقله إلى الحقل "انقسام الحالات حسب" ، وتعيين موقع "دليل ملف الإخراج" لحفظ الملفات (انظر الشكل 5).
- حفظ "1. sav" و "2. sav" في الدليل المعين. تغيير أسماء الملفات إلى "Data_low الموضة الابتكار. sav" و "Data_high الموضة الابتكار. sav" لاستخدام كل من LMA.
الشكل 3: Data_TOTAL. وتشمل البيانات ردود جميع المشاركين (ن = 290) المستخدمة لتحليل SEM. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 4: إنشاء المتغير الجديد "مجموعه الأزياء المبتكرة (FIG)". تم اجراء المتغير الجديد (FIG) عن طريق ترميز "1 (مجموعه الأزياء المنخفضة المبتكرة)" و "2 (مجموعه مبتكره عاليه)". يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 5: تقسيم مجموعه البيانات إلى ملفين للبيانات. تم تقسيم ملف البيانات الإجمالي ، "Data_TOTAL" ، إلى "Data_low الأزياء المبتكرة. sav" و "Data_high الابتكار الأزياء. sav" الملفات للاستخدام اللاحق في LMA. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
4. تشغيل تحليل عامل المثبت (CFA)
-
اجراء مجموعه واحده CFA مع نموذج قياس خمسه عوامل لتاكيد صحة متقاربة. انقر علي "تحديد ملفات البيانات | Data_TOTAL ". تطوير نموذج القياس استنادا إلى الاسئله البحثية.
- ويشمل نموذج القياس خمسه متغيرات كامنه (مثل المنفعة الخارجية ، والمنفعة المتاصله ، ومرفق المنتجات العاطفية ، والمواقف تجاه برنامج التخصيص الجماعي ، ونوايا الولاء) و 17 متغيرا ملاحظا (ثلاثه متغيرات مرصودة فائده خارجيه ، ثلاثه لفائدة جوهريه ، أربعه لمرفق المنتج العاطفي ، وأربعه للمواقف تجاه برنامج التخصيص الشامل ، وثلاثه لنوايا الولاء). تعيين الفروق في المتغيرات الكامنة باعتبارها "1" (انظر الشكل 6 والشكل 7). انقر علي "حساب التقديرات".
- تحقق من المؤشرات المناسبة لنموذج القياس من نتائج المجموعة الواحدة CFA: مؤشر الخير المناسب (gfi) ، مؤشر الخير المعدل (agfi) ، مؤشر التناسب بقي نرويجي (nfi) ، مؤشر تاكر لويس (تلي) ، مؤشر التناسب المقارن ، والجذر التربيعي للخطا التربيعي تقريب (RMSEA).
الشكل 6: المواصفات النموذجية لتحليل عوامل المثبت. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 7: نموذج قياس لتحليل عامل المثبت. تم إنشاء نموذج القياس لCFA باستخدام برنامج عاموس. تم تعيين تباين المتغيرات الكامنة ك "1". يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
5. تشغيل SEM
- لاختبار العلاقات بين المتغيرات الكامنة ، اجراء SEM. انقر علي "تحديد ملفات البيانات | Data_TOTAL ". تطوير SEM استنادا إلى الاسئله البحثية ، بما في ذلك خمسه المتغيرات الكامنة و 17 المتغيرات الملحوظة.
- ارسم أسهما من "Extrinsic_V" و "Intrinsic_V" إلى "EP_Attachment" و "Attitude_MP" ، وكذلك من "EP_Attachment" و "Attitude_MP" إلى "الولاء". أضافه ثلاثه متغيرات غير ملاحظ ، وهي "z1" كمؤشر علي "EP_Attatchment" ، "z2" كمؤشر علي "Attitude_MP" ، و "z3" كمؤشر للتنبؤ "الولاء" (انظر الشكل 8، الشكل 9). انقر علي "حساب التقديرات". التحقق من "التقديرات" وتناسب المؤشرات من النموذج.
الشكل 8: المواصفات النموذجية لنمذجة المعادلات الانشائيه. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 9: تحليل نمذجة المعادلات الانشائيه. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
6. اجراء اختبارات ثابته ل LMA
- لمقارنه المجموعات المبتكرة للأزياء العالية والمنخفضة ، اجراء LMA علي أساس تحليل عامل التاكيديه متعددة المجموعات (MGCFA). قبل LMA ، اختبار ثوابت الثقة ، ثوابت متري ، والثوابت العددية بين كلا المجموعتين25.
- إنشاء نموذج القياس متعدد المجموعات: إنشاء نموذج القياس (اي نموذج MGCFA) مع مجموعتين تسمي "عاليه" و "منخفضه" ضمن "أداره المجموعات". حدد ملفات البيانات الخاصة بالمجموعات بالطريقة التالية: "Data_low الابتكار الأزياء. sav" لمجموعه الأزياء المبتكرة المنخفضة و "Data_high الابتكار الأزياء. sav" لمجموعه الأزياء المبتكرة العالية (انظر الشكل 10).
الشكل 10: تحديد ملفات البيانات للمجموعات. تم إنشاء نموذج القياس ل MGCFA ، وملفات البيانات اثنين ("Data_low الموضة الابتكار. sav" و "Data_high الموضة الابتكار. sav") تم تحميلها. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
-
اختبار ثوابت الثقة
ملاحظه: إذا كان هيكل نماذج القياس في كلا المجموعتين له نفس الشكل (اي الابعاد نفسها والأنماط ذاتها من القيم الثابتة وغير الثابتة) ، فان الثوابت الخاصة بالثقة راضيه (انظر الشكل 11). إذا كانت ملاءمة نموذج القياس مرضيه ، انتقل إلى الخطوة التالية للتحقق من الثوابت المترية26.- القيام بالإجراءات الخاصة بنموذج القياس الخمسة عوامل المقترح سابقا لكل مجموعه. انقر علي "حساب التقديرات". التحقق من "التقديرات" وتناسب المؤشرات من كلا النموذجين. وإذا كانت ملاءمة كلا النموذجين مرضيه وكانت معاملات المعامل كبيره ، انتقل إلى الخطوة التالية.
- اجراء MGCFA مع نموذج قياس خمسه عوامل كنموذج خط الأساس. إصلاح "1" لمعامل معامل من كل متغير الكامنة إلى المتغير الملاحظ الأول والسماح بتحرير معاملات عامل آخر. انقر علي "حساب التقديرات".
- تحقق من "تقديرات" المجموعتين والمؤشرات تناسب النموذج. وإذا كانت نوبة النموذج مرضيه وكانت معاملات المعامل كبيره ، فان الثوابت الخاصة بالثقة راضيه. ثم انتقل إلى الخطوة التالية التي تتضمن اختبار ثوابت القياس.
الشكل 11: الابعاد والاشكال المتساوية لنماذج القياس عبر مجموعتين. (A) نموذج لمجموعه مبتكره أزياء عاليه و (ب) نموذج لمجموعه الأزياء المنخفضة المبتكرة. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
-
اختبار ثوابت القياس
ملاحظه: يختبر اختبار ثوابت القياس ما إذا كانت معاملات المعامل التي تربط المتغيرات الكامنة بالمتغيرات الملاحظة متساوية عبر المجموعات.- لاختبار الثوابت المترية ، أصلح معاملات المعامل عبر المجموعات. ادخل نفس الاسم لنفس المعاملات عبر المجموعات (علي سبيل المثال ، "a" ل Extrinsic_V | E2 ، "j" ل EP_Attachment | EA4 ، انظر الشكل 12). انقر علي "حساب التقديرات". تحقق من "تقديرات" المجموعتين والمؤشرات تناسب النموذج.
- اجراء اختبار فرق تشي سكوير عن طريق مقارنه نموذج الثوابت المتري الكامل (اي النموذج مع معاملات معامل ثابته عبر المجموعات) مع نموذج ثوابت الثقة (اي النموذج مع معاملات المعامل الحرة عبر المجموعة). إذا كان الفرق تشي مربع غير هام ، يتم استيفاء الثوابت متري. ثم ، انتقل إلى الخطوة التالية التي تنطوي علي اختبار الثوابت العددية25،26،27.
الشكل 12: تحديد معاملات المعامل بين المجموعات. وبادخال نفس الاسم لنفس المعاملات عبر المجموعات ، تم تقييد معاملات المعامل. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
-
اختبار الثوابت العددية
ملاحظه: الثوابت العددية يعني ان 1) نفس القيم علي البناء الكامنة المقترنة بنفس القيم علي المتغير الذي تمت ملاحظته و 2) الاختلافات في وسائل المتغيرات المرصودة مشتقه من الاختلافات المتوسطة للمتغيرات الكامنة. لاختبار الثوابت العددية ، تقييد اعتراضات المتغيرات الملاحظة بحيث تكون متساوية عبر المجموعات28.- انقر فوق "خصائص التحليل" ضمن القائمة "عرض". انقر فوق علامة التبويب "تقدير" وتحقق "التقدير يعني واعتراضات". انقر بزر الماوس الأيمن فوق كل متغير تمت ملاحظته واختر "خصائص الكائن". حدد علامة التبويب "المعلمات" وادخل أسماء المعلمات مثل "int_e1" و "int_ea1" في مربعات نص التقاطع (انظر الشكل 13).
- اجراء اختبار فرق تشي-سكوير عن طريق مقارنه المقياس الكامل/نموذج الثوابت العددية الكاملة (اي النموذج مع اعتراضات ثابته من المتغيرات الملحوظة ومعاملات عامل ثابت عبر المجموعات) مع نموذج الثوابت المتري الكامل (اي النموذج مع معاملات معامل ثابته عبر المجموعة). إذا كان الفرق تشي مربع غير هام ، يتم استيفاء كامل متري/كامل الثوابت العددية.
ملاحظه: هنا ، يتم استخدام تسلسل هرمي محدد (اختبار ثوابت الثقة ، اختبار ثوابت متري ، اختبار الثوابت العددية). مره واحده كل اختبار الثوابت هو راض ، واجراء LMA باستخدام النموذج المحدد أخيرا (اي نموذج كامل متري/كامل الثوابت العددية).
الشكل 13: إدخال أسماء المعلمات في مربع نص التقاطع.
الرجاء النقر هنا لعرض نسخه أكبر من هذا الرقم.
7. تشغيل LMA
- اجراء lma من خلال الاستفادة من كامل العددية/كامل متري الثوابت نموذج27,28. لمقارنه وسائل المتغيرات الكامنة ، وإصلاح وسائل المتغيرات الكامنة في مجموعه واحده والسماح لهم ان تكون حره في المجموعة الأخرى.
- تقدير الاختلافات المتوسطة عبر المجموعات عن طريق تحديد أحد الوسائل إلى صفر لمجموعه مرجعيه ، ثم تقدير متوسط القيم للمجموعة الأخرى. التالي ، إصلاح وسائل جميع المتغيرات الكامنة في مجموعه الأزياء المنخفضة مبتكره في الصفر. ومن المهم التاكد من ان وسائل المتغيرات الكامنة في المجموعة المبتكرة ذات الموضة العالية مجانية وان فروقها في كلا المجموعتين مجانية (انظر الشكل 14).
- انقر علي "حساب التقديرات". تحقق من "تقديرات" المجموعتين والمؤشرات تناسب النموذج.
- انقر علي "عرض النص" وتحقق من وسائل المتغيرات الكامنة في مجموعه الأزياء المبتكرة العالية تحت "التقديرات" (انظر الشكل 15).
الشكل 14: تحديد الوسائل المتغيرة الكامنة والفروق. (ا) مجموعه مبتكره من الأزياء الراقية و (ب) مجموعه مبتكره من الأزياء المنخفضة. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
الشكل 15: الناتج لتحليل الوسائل الكامنة. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
وعرضت إحصاءات الترددات خصائص العينة. وقد أتم ما مجموعه 290 من المستهلكين علي الإنترنت عمليه التسوق باستخدام برنامج تخصيص الكتلة الكترونيه. ووزعت الخصائص الديمغرافية للعينه بالتساوي. بحسب الفئة العمرية ، 23.1% كانوا في العشرينات ، 28.3% في الثلاثينات من العمر ، 26.6% في الاربعه والثلاثين ، و 22.1% في الخمسينات. وبحسب الحالة الزواجية ، كانت نسبه 58.3 في المائة متزوجة ، في حين 40 في المائة. وبحسب المهنة ، 45.2 في المائة من العاملين في المكاتب ، 22.8 في المائة من ربات البيوت ، و 10.3 في المائة من المهنيين ، و 9.3 في المائة من الطلاب ، و 5.5 في المائة في قطاع الخدمات (الجدول 2).
وأجريت مجموعه واحده بخمسه متغيرات كامنه ("Extrinsic_V" و "Intrinsic_V" و "EP_Attachment" و "Attitude_MP" و "الولاء") و 17 متغيرا ملاحظا. وجري تقييم مدي ملاءمة نموذج القياس الخماسي العناصر. رغم ان ال [تشي-سقور] احصائيه كان مهمة ([ش-سقور] = 179.63, [دف] = 109, [ب] = 0.000), ال [تشي-سقور] احصائيه حساسة إلى كبيره عينه حجوم ([ن] = 209). وأشارت قيم المؤشرات المناسبة الأخرى إلى صالح نموذج عام جيد (GFI = 0.93 ، AGFI = 0.91 ، NFI = 0.97 ، تلي = 0.98 ، الخدمات الكترونيه = 0.99 ، و RMSEA = 0.05). وكانت جميع النسب الحرجة (CRs) من معاملات المعامل كبيره (p < 0.001) ، مما يعني انه تم تحقيق الصلاحية المتقاربة (الشكل 16).
| الفئة العمرية | ||
| التردد | المائه | |
| في 20 | 67 | 23.1 |
| في 30 | 82 | 28.3 |
| في الأربعين | 77 | 26.6 |
| 50 ~ | 64 | 22.1 |
| الاحتلال | ||
| التردد | المائه | |
| الطلاب | 27 | 9.3 |
| مكتب العمال | 131 | 45.2 |
| الانتاج | 1 | 0.3 |
| خدمه | 16 | 5.5 |
| المهنيين | 30 | 10.3 |
| الاعمال | 12 | 4.1 |
| ربات البيوت | 66 | 22.8 |
| الاخرين | 7 | 2.4 |
| مجموع | 290 | 100.0 |
| الحالة الاجتماعية | ||
| التردد | المائه | |
| sigle | 116 | 40.0 |
| متزوج | 169 | 58.3 |
| الاخرين | 5 | 1.7 |
| مجموع | 290 | 100.0 |
الجدول 2: خصائص العينة.
الشكل 16: ناتج تحليل العوامل المثبتة. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.
وأجريت مجموعه واحده لوزارة شؤون الاسره. وكشفت المؤشرات المناسبة لنموذج القياس عن ملاءمة مقبوله (GFI = 0.93 ، AGFI = 0.91 ، NFI = 0.97 ، تلي = 0.98 ، الخدمات الكترونيه = 0.99 ، و RMSEA = 0.05). قيم CR من معاملات المسير كانت كبيره وكشفت ما يلي: (1) الآثار الايجابيه لل "Extrinsic_V" (بيتا = 0.431 ، CR = 6.661 ، p < 0.001) و "Intrinsic_V" (بيتا = 0.339 ، CR = 6.848 ، p < 0.001) علي "EP_Attachment" ؛ (2) الآثار الايجابيه لل "Extrinsic_V" (بيتا = 0.159 ، CR = 2.581 ، p < 0.05) و "Intrinsic_V" (بيتا = 0.378 ، CR = 6.688 ، p < 0.001) علي "Attitude_MP" ؛ (3) الآثار الايجابيه لل "EP_Attachment" علي "Attitude_MP" (بيتا = 0.328 ، CR = 4.905 ، p < 0.001) ؛ و (4) الآثار الايجابيه لل "Attitude_MP" علي "الولاء" (بيتا = 0.846 ، CR = 6.932 ، p < 0.001). ولم يكن تاثير "EP_Attachment" علي "الولاء" كبيرا (بيتا = 0.078 ، CR = 0.696 ، p = 0.486 ؛ انظر الجدول 3).
| معامل المسار | تقدير | المقدرة الموحدة فيالبريد | S.E. | C.R. | ف |
| "Extrinsic_V"--> "EP_Attachment" | 0.431 | 0.437 | 0.065 | 6.661 | *** |
| "Intrinsic_V"--> "EP_Attachment" | 0.399 | 0.439 | 0.058 | 6.848 | *** |
| "Extrinsic_V"--> "Attitude_MP" | 0.159 | 0.166 | 0.061 | 2.581 | 0.01 |
| "Intrinsic_V"--> "Attitude_MP" | 0.378 | 0.429 | 0.056 | 6.688 | *** |
| "EP_Attachment"--> "Attitude_MP" | 0.328 | 0.338 | 0.067 | 4.905 | *** |
| "EP_Attachment"--> "الولاء" | 0.078 | 0.062 | 0.113 | 0.696 | 0.486 |
| "Attitude_MP"--> "الولاء" | 0.846 | 0.645 | 0.122 | 6.932 | *** |
| ف-القيمة < 0.001 | |||||
الجدول 3: نتائج نمذجة المعادلات الهيكلية للمجموعة الواحدة. تم تعديل هذا الجدول من منشور سابق29.
من خلال استخدام الانقسام المتوسط (ميد = 4.17) ، تم تقسيم البيانات إلى مجموعتين: مجموعه الأزياء المبتكرة المنخفضة ومجموعه الأزياء المبتكرة العالية. أجريت اختبار tوكشفت عن الاختلافات الكبيرة في الابتكار الأزياء بين المجموعات المبتكرة الأزياء العالية والمنخفضة (mعاليه = 5.03 > mمنخفضه = 3.50; SDعاليه = 0.72 ، sdمنخفضه = 0.68 ؛ نعال = 141, [ن] [لوو ] = 149; t = 18.53 ، df = 288 ، p < 0.001).
قبل مقارنه الوسائل الكامنة بين المجموعات المبتكرة للأزياء العالية والمنخفضة ، تم اجراء تسلسل هرمي لاختبارات الثوابت. أولا ، نظمت CFAs مع نموذج قياس خمسه عوامل المقترحة بشكل منفصل للأزياء المنخفضة المبتكرة والأزياء الراقية المجموعات المبتكرة. وكشفت النتائج نموذجا ممتازا يصلح لمجموعه الأزياء المنخفضة المبتكرة (NFI = 0.96 ، وتلي = 0.99 ، والخدمات الكترونيه = 0.99 ، و RMSEA = 0.04) ومجموعه الأزياء المبتكرة العالية (NFI = 0.93 ، وتلي = 0.97 ، و سي اف = 0.97 و RMSEA = 0.07). وكانت جميع معاملات المعامل كبيره ، مما يعني ان نموذج العوامل الخمسة مقبول لكلتا المجموعتين.
وكانت الخطوة التالية الانتقال من المجموعة الواحدة CFA إلى MGCFA إلى التحقق من صحة نموذج قياس خمسه عوامل لكلتا المجموعتين. وتم اختبار النموذج 1 (نموذج الثوابت الثابتة) لتاكيد ما إذا كان الهيكل المقترح سيكون هو نفسه عبر مجموعات مبتكره للأزياء المنخفضة والعالية. وخلصت النتائج إلى ان ملاءمة النموذج كانت مرضيه. وأشارت قيم المؤشرات المناسبة الأخرى إلى ملاءمة النموذج العام الجيد (NFI = 0.94 ، والرقم ال0.98 = 0.98 ، و RMSEA = 0.04 ؛ انظر الجدول 4). وهكذا ، تم تحقيق ثوابت الثقة. وكانت جميع المعاملات المحوسبة لمعاملات المعامل كبيره (الصفحة < 0.001). واعتبر النموذج 1 نموذجا أساسيا.
لاختبار الثوابت المترية ، كانت معاملات المعامل مقيده لتكون نفسها عبر مجموعتين ، وتم تنفيذ MGCFA آخر (نموذج 2). وبما ان النموذج 2 كان متداخلا في النموذج 1 ، فقد اجري اختبار فرق المربع الواحد. وكشفت النتيجة ان فرقا من ال14.728 (df = 12) لم يكن كبيرا (ع = 0.257) ، وان الثوابت المترية كانت راضيه (انظر الجدول 4). مثال من ال [ش-سقور] فرق اختبار علي النحو التالي: [تشي-سقوو] (نموذج 2)-[ش-سقور] (نموذج 1) = 323.492-308.764 = 14.728; df الفرق: df (نموذج 3)-df (نموذج 2) = 230-218 = 12; [تشي-سقور] ([دف] = 12) = 14.728, [ف-فلو] = 0.256649.
وبما ان نموذج الثوابت المترية (النموذج 2) قد قبل ، فقد تم اختبار الثوابت العددية. تم تقييد اعتراضات من خمسه متغيرات كامنه لتكون متساوية عبر مجموعتين ، وتم تنفيذ MGCFA الماضي (النموذج 3). ونظرا لان النموذج الكامل للقياس/الثوابت العددية الكاملة (النموذج 3) كان متداخلا في النموذج 2 ، اجري اختبار فرق المربع الواحد. وكشفت النتائج ان الفرق بين ال11.18 (df = 12) لم يكن كبيرا (ع = 0.514) ، وان الثوابت العددية كانت راضيه (انظر الجدول 4). مثال للاختبار الفرق تشي مربع كما يلي: تشي مربع (نموذج 3)--ساحة تشي (نموذج 2) = 334.672-323.492 = 11.18; df الفرق: df (نموذج 3)-df (نموذج 2) = 242-230 = 12; [تشي-سقور] ([دف] = 12) = 11.18, [ف-فلو] = 0.513559.
| ساحة تشي | مدافع | RMSEA | NFI | TLI | Cfi | |
| ثوابت الثقة (نموذج خط الأساس): نموذج 1 | 308.764 | 218 | 0.038 | 0.94 | 0.98 | 0.98 |
| الثوابت المترية الكاملة: نموذج 2 | 323.492 | 230 | 0.038 | 0.94 | 0.98 | 0.98 |
| كامل متري/الثوابت العددية الكاملة: نموذج 3 | 334.672 | 242 | 0.036 | 0.94 | 0.98 | 0.98 |
| تشي-سكوير الفرق | df الفرق | ف | المقرر | |||
| اختبار الثوابت المترية الكاملة (النموذج 1 مقابل النموذج 2) | 14.728 | 12 | 0.256649 | قبول | ||
| اختبار الثوابت العددية الكاملة (النموذج 1 مقابل النموذج 2) | 11.18 | 12 | 0.513559 | قبول | ||
الجدول 4: ملاءمة المؤشرات للاختبارات الثابتة ل LMA. تم تعديل هذا الجدول من منشور سابق29.
النظر إلى ان الثوابت الثقة ، والثوابت متري ، والثوابت العددية تحققت ، تم تنفيذ LMA. واستخدمت مجموعه الأزياء المبتكرة المنخفضة كمجموعه مرجعيه ، وكانت وسائلها للمتغيرات الكامنة ثابته عند الصفر ، بينما قدرت القيم المتوسطة الكامنة للمجموعة المبتكرة للأزياء العالية. كشفت نتائج LMA ان وسائل خمسه متغيرات الكامنة ("Extrinsic_V" ، "Intrinsic_V" ، "EP_Attachment" ، "Attitude_MP" ، و "الولاء") للمجموعات المبتكرة الأزياء العالية كانت القيم الايجابيه وكانت اعلي بكثير من تلك المنخفضة مجموعات الأزياء المبتكرة (انظر الجدول 5).
| بناء | منخفضه | عاليه | حد ذاته | Cr |
| "Extrinsic_V" | 0 | 0.590 | 0.134 | 4.393 * * * |
| "Intrinsic_V" | 0 | 0.690 | 0.141 | 4.878 * * * |
| "EP_Attachment" | 0 | 0.527 | 0.134 | 3.926 * * * |
| "Attitude_MP" | 0 | 0.521 | 0.127 | 4.084 * * * |
| ولاء | 0 | 0.980 | 0.169 | 5.796 * * * |
| ف-القيمة < 0.001 | ||||
الجدول 5: نتائج البحث والتحقيق. تم تعديل هذا الجدول من منشور سابق29.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
الآثار المترتبة علي الاستنتاجات
وتكشف نتائج هذه الدراسة ان المستهلكين الفوائد الخارجة والمتاصله المستمدة من خلق منتجات الكتلة المخصصة تساعد علي نمو التعلق العاطفي للمنتج ، وخلق مواقف ايجابيه تجاه برنامج التخصيص ، و زيادة نوايا الولاء. وتكشف النتائج المتعلقة بالآثار الملطفة للابتكار الأزياء انه بالمقارنة مع المستهلكين في مجموعه الابتكار الأزياء المنخفضة ، تلك التي في مجموعه الابتكار أزياء عاليه تصور فوائد أكبر ، والمرفقات أكبر ، وشكل أكثر ملاءمة المواقف تجاه البرنامج ، ولها نوايا ولاء أكبر. توفر هذه النتائج رؤى نظرية وعمليه تدعم نموذج مجرفه.
الآثار المترتبة علي منهجيه المسح الكتروني
أجريت هذه الدراسة مسحا عبر الإنترنت باستخدام شركه مسح في كوريا الجنوبية. الشركة البحثية لديها أكبر لوحه المستهلك مع معدلات الاستجابة العالية في كوريا. وتعكس التوزيعات العمرية والجنسانية في الفريق حاله السكان الكوريين. لوحه المستهلك لديه درجه عاليه من الموثوقيه من خلال التحقق من الأسماء الحقيقية. منذ الشركة البحثية تدير الفريق بشكل مستمر مع مختلف الأساليب المبتكرة ، ولاء الفريق نحو الشركة البحثية عاليه. ولذلك ، فان نتائج المسح التي حصلت عليها الشركة تعتبر موثوقه للغاية.
استخدام برنامج التخصيص الشامل الحالي له مزايا علي الدراسات التجريبية التقليدية. يمكن للمشاركين تجربه برنامج التخصيص الشامل في بيئة طبيعيه وواقعيه ، بدلا من التي يتم التلاعب بها عمدا للدراسة. علي الرغم من ان المشاركين يفهمون انهم يشاركون في الدراسة ، الا انهم لا يستخدمون برنامج التخصيص الجماعي تحت التحقيق. يمكن أزاله تاثيرات التفاعل ، وردودهم نحو المنتج الشامل مخصصه هي أكثر مماثله لسلوكياتهم الفعلية عند إنشاء منتج مخصص. ولذلك ، فان هذه الدراسة posseses الاستفادة من البحوث الميدانية علي أساس الطبيعية30، التالي الحفاظ علي درجه عاليه من الصلاحية الخارجية. وعلاوة علي ذلك ، فان ردود المشاركين مماثله لعدد السكان الذين اختيروا منها. وتحصل هذه الدراسة علي قابليه النتائج العامة لهذه الحالة المحددة (اي المتسوقات النسائيات علي الإنترنت في كوريا الجنوبية).
توفر هذه الدراسة سيناريو للمشاركين الذين يرغبون في إنشاء منتج في برنامج تخصيص. انتقاد الدراسات القائمة علي السيناريوهات هو صلاحيتها الخارجية. المشاركين هم أكثر عرضه للمشاركة في التقييمات المعرفية من تلك العاطفية بسبب الطبيعة الاصطناعية للسيناريو31. ومع ذلك ، تكشف النتائج ان المستهلكين الذين يرون فوائد من المنتجات المخصصة تظهر التعلق العاطفي أكبر للمنتج ، مشيرا إلى انها يمكن ان تقيم الجوانب المعرفية والعاطفية للتجربة. تحاكي هذه الدراسة تجربه شرائية في الحياة الواقعية باستخدام السيناريو الموصوف. ونتيجة لذلك ، يظهر المشاركون درجه اعلي من المشاركة في حاله الشراء ، مما يزيد من تعزيز الصلاحية الخارجية.
الآثار المترتبة علي SEM و LMA
هذه الدراسة تنطبق SEM لاختبار العلاقات بين المتغيرات الكامنة ، وانها تستخدم LMA مع MGCFA لمقارنه وسائل المتغيرات الكامنة عبر مجموعتين من المستهلكين (المجموعات المبتكرة الأزياء المنخفضة والعالية). يتطلب LMA التسلسل الهرمي اختبارات الثوابت التي تتبع الخطوات الهامه من (1) اختبار ثوابت الثقة (2) اختبار ثوابت متري و (3) اختبار الثوابت العددية. وقد تم التاكيد علي ان البحوث عاليه الجودة يجب ان تطبق اختبارات الثوابت قبل اختبار SEM و LMA ، لان اختبارات الثوابت يمكن تصحيح وتقييم أخطاء القياس داخل كل متغير الكامنة ، تقدير صحة البناء ، وتقييم القياس الثوابت عبر المجموعات13. يمكن ان تختلف نتائج المقارنات المتوسطة وفقا لتحليلات البيانات التطبيقية ، مثل ANOVA و MGCFA. إذا كان الثوابت القياس لا تعقد ، والنتائج الاحصائيه من الاختلافات يعني من ANOVA و MGCFA تصبح مختلفه وغير صالحه32.
وتشدد هذه الدراسة علي اهميه اختبار ثوابت القياس للمقارنة المتوسطة وتوفر معلومات عن امكانيه تطبيق إجراءات اختبار الثوابت والبحث العلمي المتعلق بالسلوكيات الاستهلاكية. يجب ان يكون القراء قادرين علي اجراء التحاليل الخاصة بهم بسهوله. وإذا اقتضى الأمر ، فان الافتراضات المتعلقة بثوابت القياس غير مستوفاه ، وقد لا تفسر المقارنات المتوسطة للمتغيرات الكامنة. ويمكن ان تكون استنتاجات البحوث المتعلقة بالاختلافات المتوسطة صحيحه ، لأنها تسترشد بإجراءات احصائيه متطورة لضمان ثوابت القياس. يحتاج الباحثون إلى تقدير الثوابت القياس واجراء مقارنات يعني لضمان سلامه الدراسات في المستقبل.
علي الرغم من ان هذه الدراسة تركز علي مقارنات المجموعات المتعددة ، فان المقارنات تقتصر علي فحص الفروق المتوسطة الكامنة ولا تتناول اختلافات المجموعات في العلاقات بين المتغيرات الكامنة. نهج بديل لمقارنات مجموعه متعددة هو تطبيق MGSEM متعددة مجموعه المعادلات الهيكلية النمذجة (MGSEM) ومقارنه معاملات المسار عبر المجموعات. للقيام بذلك ، اختبارات ثوابت القياس مطلوبه ، والتسلسل الهرمي للاختبارات الثابتة ثم ستكون قابله للتطبيق لمزيد من البحث.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
وليس لدي المؤلفين ما يفصحون عنه.
Acknowledgments
تم تعديل البيانات من الدراسة بارك و يو29. وقد حظي هذا العمل بدعم وزاره التعليم في جمهوريه كوريا والمؤسسة الوطنية للبحوث الكورية (2016S1A5A2A03927809).
Materials
| Name | Company | Catalog Number | Comments |
| SPSS AMOS 22 | IBM Corporation, Data Solution Inc. | used for confirmatory factor analyses, structural equation modeling analyses, and latent means analyses |
References
- Srinivasan, S. S., Anderson, R., Ponnavolu, K. Customer loyalty in e-commerce: an exploration of its antecedents and consequences. Journal of Retailing. 78 (1), 41-50 (2002).
- Mouw, R. Biggest challenges of mass customization and tips for addressing these challenges. Manufacturing Tomorrow. , Available from: http://www.manufacturingtomorrow.com/article/2016/05/biggest-challenges-of-mass-customization-and-tips-for-addressing-these-challenges-/8047 (2005).
- Fiore, A. M., Lee, S. E., Kunz, G. Individual differences, motivations, and willingness to use a mass customization option for fashion products. European Journal of Marketing. 38 (7), 835-849 (2004).
- Pine, B. J., Gilmore, J. H. The Experience Economy: Work is Theater and Every Business a Stage. , Harvard Business School Press. Boston, MA. (1999).
- Yoo, J., Park, M. The effects of e-mass customization on consumer perceived value, satisfaction, and loyalty toward luxury brands. Journal of Business Research. 69 (12), 5775-5784 (2016).
- Endo, S., Kincade, D. H. Mass customization for long-term relationship development: why consumers purchase mass customized products again. Qualitative Market Research: An International Journal. 11 (3), 275-294 (2008).
- Spiegel, E. How the U.S. can be a leader in the factory of the future. , Available from: http://blogs.wsj.com/experts/2015/06/04/how-the-u-s-can-be-a-leader-in-the-factory-of-the-future (2015).
- Franke, N., Piller, F. T. Value creation by toolkits for user innovation and design: the case of the watch market. The Journal of Product Innovation Management. 21 (6), 401-415 (2004).
- Lavidge, R. J., Steiner, G. A. A model for predictive measurements of advertising effectiveness. Journal of Marketing. 25, 59-62 (1961).
- Deci, E. L. Intrinsic Motivation. , Plenum Press. New York, NY. (1975).
- Kim, H. W., Chan, H. C., Gupta, S. Value-based adoption of mobile internet: an empirical investigation. Decision Support System. 43 (1), 111-126 (2007).
- Rogers, E. M. Diffusion of Innovations, 4th Edition. , The Free Press. New York, NY. (1995).
- Fiore, A. M., Lee, S. E., Kunz, G. Individual differences, motivations, and willingness to use a mass customization option for fashion products. European Journal of Marketing. 38 (7), 835-849 (2004).
- Franke, N., Piller, F. T. Key research issues in user interaction with configuration toolkits in a mass customization system. International Journal of Technology Management. 26 (5/6), 578-599 (2003).
- Grisaffe, D. B., Nguyen, H. P. Antecedents of emotional attachment to brands. Journal of Business Research. 64 (10), 1052-1059 (2011).
- Lee, M. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electronic Commerce Research and Applications. 8 (3), 130-141 (2009).
- Pedeliento, G., Andreini, D., Bergamaschi, M., Salo, J. Brand and product attachment in an industrial context: the effects on brand loyalty. Industrial Marketing Management. 53, 194-206 (2016).
- Ilicic, J., Webster, C. M. Effects of multiple endorsements and consumer celebrity attachment on attitude and purchase intention. Australasian Marketing Journal. 19 (4), 230-237 (2011).
- Koo, G. Y., Hardin, R. Difference in interrelationship between spectators’ motives and behavioral intentions based on emotional attachment. Sport Marketing Quarterly. 17 (1), (2008).
- Kang, J. M., Kim, E. e-Mass customization apparel shopping: effects of desire for unique consumer products and perceived risk on purchase intentions. International Journal of Fashion Design, Technology and Education. 5 (2), 91-103 (2012).
- Kim, J. B., Rhee, D. The relationship between psychic distance and foreign direct investment decisions: a Korean study. International Journal of Management. 18 (3), 286-293 (2001).
- Simonson, I. Determinants of customers' responses to customized offers: conceptual framework and research propositions. Journal of Marketing. 69 (1), 32-45 (2005).
- Consumer behavior study reveals South Korean online shopping habits. FedEx. , Available from: http://about.van.fedex.com/newsroom/asia-english/consumer-behavior-study-reveals-south-korean-online-shopping-habits/ (2015).
- Iacobucci, D., Posavac, S. S., Kardes, F. R., Schneider, M. J., Popovich, D. L. Toward a more nuanced understanding of the statistical properties of a median split. Journal of Consumer Psychology. 25 (4), 652-665 (2015).
- Steenkamp, J. B. E. M., Baumgartner, H. Assessing measurement invariance in cross-national consumer research. Journal of Consumer Research. 25 (1), 78-90 (1998).
- Bollen, K. A. Structural Equation with Latent Variables. , Wiley. New York, NY. (1989).
- Sass, D. A. Testing measurement invariance and comparing latent factor means within a confirmatory factor analysis framework. Journal of Psychoeducational Assessment. 29 (4), 347-363 (2011).
- Hong, S., Malik, M. L., Lee, M. K. Testing configural, metric, scalar, and latent mean invariance across genders in sociotropy and autonomy using a non-western sample. Educational and Psychological Measurement. 63 (4), 636-654 (2003).
- Park, M., Yoo, J. Benefits of mass customized products: moderating role of product involvement and fashion innovativeness. Heliyon. 4, 00537 (2018).
- Neuman, W. L. Social Research Methods: Qualitative and Quantitative Approaches, 6th Edition. , Allyn and Bacon. Boston, MA. (2006).
- Kim, J. H., Jang, S. A scenario-based experiment and a field study: a comparative examination for service failure and recovery. International Journal of Hospitality Management. 41, 125-132 (2014).
- Hancock, G. R., Lawrence, F. R., Nevitt, J. Type I error and power of latent mean methods and MANOVA in factorial invariant and noninvariant latent variable systems. Structural Equation Modeling. 7 (4), 534-556 (2000).
