Marketing i Zarządzanie
Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy Zarządzania, Finansów i Marketingu
Dynamic Structural Equation Models in Momentary Assessment in Consumer Research
(Dynamiczne modele równań strukturalnych w ocenie chwilowej w badaniach konsumenckich)
DOI: 10.18276/miz.2018.54-05
Cytuj
Pełny tekst jest dostępny
| ISSN: | 2450-775X |
| eISSN: | 2543-5574 |
| Autorzy: |
Adam
Sagan
Cracow University of Economics |
| Słowa kluczowe: | metoda próbkowania doświadczeń ocena chwilowa klientów modele dynamicznego równania strukturalnego |
| Data publikacji całości: | 2018 |
| Liczba stron: | 13 (61-73) |
| OAI-PMH: | Metadane |
| Klasyfikacja JEL: | M31 |
| Cited-by (Crossref) ?: | Włącz JavaScript, aby pobrać dane cytowań. |
| |
Abstrakt
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.
Podgląd PDF
Bibliografia
- Asparouhov, T., Hamaker, E.L., Muthen, B.O. (2018). Dynamic Structural Equation Models. Structural Equation Modeling: A Multidisciplinary Journal, 25 (3), 359–388.
- 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.
- Bolger, N., Laurenceau, J. (2013). Intensive Longitudinal Methods: An Introduction to Diary and Experience Sampling Research. New York: Guilford.
- Hektner, J.M., Schmidt, J.A., Csikszentmihalyi, M. (2012). Experience Sampling Method: Measuring the Quality of Everyday Life. Thousand Oaks, CA: Sage.
- Muthen, B.O., Muthen, L.O. (2017). Mplus. Statistical Analysis with Latent Variables. User Guide. Los Angeles: Muthen & Muthen.
- 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.
- Stone, A., Shiffman, S. (1994). Ecological Momentary Assessment (EMA) in Behavioral Medicine. Annals of Behavioral Medicine, 16 (3), 199–202.
- 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.
- 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.
- Zhang, Z., Hamaker, E., Nesselroade, J. (2008). Comparisons of Four Methods for Estimating a Dynamic Factor Model. Structural Equation Modeling, 15, 377–402.