Marketing i Zarządzanie

Ранее: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy Zarządzania, Finansów i Marketingu


ISSN: 2450-775X    eISSN: 2543-5574    OAI    DOI: 10.18276/miz.2018.54-05
CC BY-SA   Open Access 

Список вопросов / nr 4 (54) 2018
Dynamic Structural Equation Models in Momentary Assessment in Consumer Research
(Dynamiczne modele równań strukturalnych w ocenie chwilowej w badaniach konsumenckich)

Авторы: Adam Sagan
Cracow University of Economics
Ключевые слова: metoda próbkowania doświadczeń ocena chwilowa klientów modele dynamicznego równania strukturalnego
Дата публикации всего выпуска:2018
Количество страниц:13 (61-73)
Klasyfikacja JEL: M31
Cited-by (Crossref) ?:

Абстракт

Celem artykułu jest dostarczenie metodologicznych ram modelowania intensywnych danych wzdłużnych (ILD). Specyficzne rodzaje takich danych to nastroje konsumenckie i uczucia emocjonalne, które stanowią stany zadowolenia konsumenta. Proces badawczy ILD obejmuje oceny chwilowych stanów konsumenckich i prób procesowych, które charakteryzują się wyższą trafnością ekologiczną. W artykule opracowano specjalny typ modeli strukturalnych, a mianowicie dynamiczne modele równań strukturalnych (DSEM) do analizy wielopoziomowych danych wzdłużnych. Modele budowane są na podstawie skali nastrojów konsumenckich. Dane zebrano z dogodnej próby 33 respondentów i systematycznej próby losowej momentów czasowych, która daje łącznie 640 obserwacji. Wyniki wskazują na nieistotną rolę charakterystyk społeczno-demograficznych respondentów (płci) w wyjaśnianiu bardzo zmiennych i niestabilnych stanów emocjonalnych klientów.
Скачать файл

Файл статьи

Библиография

1.Asparouhov, T., Hamaker, E.L., Muthen, B.O. (2018). Dynamic Structural Equation Models. Structural Equation Modeling: A Multidisciplinary Journal, 25 (3), 359–388.
2.Asparouhov, T., Muthen, B.O. (2018). Comparison of Models for the Analysis of Intensive Longitudinal Data. Retrieved from: http://www.statmodel.com/download/RDSEM.pdf.
3.Bolger, N., Laurenceau, J. (2013). Intensive Longitudinal Methods: An Introduction to Diary and Experience Sampling Research. New York: Guilford.
4.Hektner, J.M., Schmidt, J.A., Csikszentmihalyi, M. (2012). Experience Sampling Method: Measuring the Quality of Everyday Life. Thousand Oaks, CA: Sage.
5.Muthen, B.O., Muthen, L.O. (2017). Mplus. Statistical Analysis with Latent Variables. User Guide. Los Angeles: Muthen & Muthen.
6.Nezlek, J.B. (2012). Multilevel Modeling Analyses of Diary-Style Data. In: M.R. Mehl, T.S. Conner, Handbook of Research Methods for Studying Daily Life. New York: Guilford Press.
7.Stone, A., Shiffman, S. (1994). Ecological Momentary Assessment (EMA) in Behavioral Medicine. Annals of Behavioral Medicine, 16 (3), 199–202.
8.Tan, X., Shiyko, MP., Li, R., Li, Y., Dierker, L. (2010). Intensive Longitudinal Data and Model with Varying Effects (Technical Report No 10–106). University Park, PA: The Methodology Center, The Pennsylvania State University.
9.Trull, T.J., Ebner-Priemer, U. W. (2009). Using Experience Sampling Methods/Ecological Momentary Assessment (ESM/EMA) in Clinical Assessment and Clinical Research: Introduction to the Special Section. Psychological Assessment, 21 (4), 457–462.
10.Zhang, Z., Hamaker, E., Nesselroade, J. (2008). Comparisons of Four Methods for Estimating a Dynamic Factor Model. Structural Equation Modeling, 15, 377–402.