Analizy statystyczne do monografii naukowych

Analizy statystyczne i metody badawcze do celów monograficznych

Czy analizy statystyczne do monografii naukowych będą chętniej wykorzystywane w pracach naukowych? Jak podejść do tematu programu badawczego przeznaczonego na cele analizy statystycznej i napisania monografii naukowej? Ze względu na ustawę 2.0 o szkolnictwie wyższym która weszła niedawno w życie akademickie, zmieniły się kryteria oceny ewaluacji poszczególnych kryteriów dorobku naukowego. W związku z tym w firmie Metodolog.pl zwiększyły się zapytania klientów i zespołów badawczych dotyczące przeglądu ich prac pod kątem zastosowanych metod badawczych, a także poprawności wykonywanych analiz statystycznych (lub ich przeprowadzenia), wniosków i podsumowań.

W wyniku tych zmian proponujemy naszym klientom współpracę na każdym etapie prac nad monografią. Jako firma zajmująca się technikami statystycznymi w nauce chcemy zaproponować swoją otwartość na klientów przygotowujących tę specjalną formę wkładu na naukę. Sądzimy, że nasz profesjonalizm i sprawność działania jest w stanie przyspieszyć postęp w pracach na tą szczególną formą komunikacji naukowej. Naszym klientom którzy zastanawiają się nad monografią naukową chcemy przedstawić propozycje realizacji trzech typów metodologii i analiz statystycznych, które mogą stanowić trzon dowodzenia naukowego w kolejnych rozdziałach książki. Każda z poniższych metod odnosi się do pewnych typów badań lub programów badawczych które sę wspierane przez różnorodne analizy statystyczne.

Duże i wielowymiarowe badania

Nasze doświadczenie podpowiada nam, że klienci często opierają swoje prace monograficzne o jedno duże badanie. Przez „duże badanie” mamy na myśli badanie ilościowe (lub niekiedy eksperymentalne) zawierające wielość pomiarów odnoszących się do przewidywań wiążących ze sobą wiele zmiennych zależnych i niezależnych, mediatorów i moderatorów (Hryniewicz, 2018; Kock, 2014, 2019). Takie badania często wymagają wyjątkowo przemyślanego dowodzenia statystycznego. Analizy statystyczne w takiej pracy monograficznej zwykle wymagają związania ze sobą wielu pomiarów dających podstawę do potwierdzenia przewidywań teoretycznych, granic tych przewidywań i czynników które pośredniczą w badanych relacjach lub wpływach (Baron & Kenny, 1986). Zespół metodolog.pl jest przygotowany od strony metodologicznej (projektowanie samego badania, operacjonalizacji pomiarów i ich korespondencji z konstruktami teoretycznymi) oraz statystycznej (stworzenie modelu i jego empiryczna weryfikacja) w realizacji takich projektów.

Seria badań i ich meta-analiza

Często w czasie pracy z klientami mamy do czynienia weryfikacją statystyczną serii badań eksperymentalnych nad jakąś określoną przyczyną i jej poszczególnymi skutkami. Niektórzy badacze przystają na tego typu solidność w przygotowywaniu wywodu monograficznego. Sądzimy, że replikowanie efektów i podsumowywanie ich z meta-analitycznej manierze niesie za sobą weryfikacje solidnej prawdy naukowej. Wszyscy wiemy, że replikacja uzyskanego efektu w badaniach jest warta więcej niż spora ilość różnych podejść do analizy statystycznej (Marsman et al., 2017; Stanley, Carter, & Doucouliagos, 2017). Dlatego i w tym przypadku możemy zaoferować naszym klientom rozpisanie metodologii badań mających na celu testowanie badanego efektu lub teorii w niezależnych od siebie badaniach wraz z analizami statystycznymi. Jest to o tyle ciekawe rozwiązanie, że trudno przy nim dyskutować (o ile efekty udało się potwierdzić) na temat przypadkowego odkrycia lub podważać uzyskane wyniki. Dodatkowo wykonana meta-analiza (Glass, 1976; Hedges, 2014) uzyskanej serii wyników jednoznacznie pozwala ocenić wielkość siły wpływu danej przyczyny na dany skutek lub cały szereg skutków o różnej naturze (Gollwitzer & Sheeran, 2006; Steinmetz, Knappstein, Ajzen, Schmidt, & Kabst, 2016).

Seria badań w układzie systematycznie modyfikujących się autoreplikacji (SMAR, Wojciszke, 2011).

Systematycznie modyfikujące się autoreplikacje to strategia badawcza opracowana w 2004 roku przez profesora Bogdana Wojciszke. Jest ona zorientowana na wskazanie replikowalności badanego efektu, weryfikacji tego jak skuteczna jest manipulacja wykorzystana w eksperymencie, maksymalizacji trafności wewnętrznej (czyli potwierdzenie zasadniczej hipotezy), maksymalizacji trafności zewnętrznej (generalizacji efektu na inne przypadki, obiekty lub próbki badawcze), eliminacji alternatywnych wyjaśnień (zanegowanie innych przyczyn efektu niż przyczyna testowana), testowania moderatorów (granic w których badany efekt zachodzi i zanika) oraz mediatorów relacji między przyczyną a skutkiem (czyli czynników odpowiedzialnych za fakt istnienia relacji przyczynowoskutkowej).  Powyższe 7 elementów dowodzenia prawdy o badanym efekcie może być weryfikowane w serii kilku badań (niekoniecznie 7 badań przypadających na każdy z nich). W pracy monograficznej stawiającej na taki rdzeń naukowy, analizy statystyczne każdego badania weryfikującego poszczególne elementy będą się różnić. W tym przypadku programu SMAR, meta-analityczne podejście do szacowania wielkości efektu jest „prawie” nie wykonalne, ale jest za to zastępowane systematycznie odsłaniającymi się cechami elborowanego efektu. Pozytywne wyniki uzyskane w taki sposób, stanowią dużą podstawię do formułowania szerokich i trafnych wyjaśnień, a także wkładu w naukę. Osobiście sądzimy, że powyższa strategia badań i idące za nimi strategie statystyczne są złotym trójkątem badań i dowodzenia prawdy naukowej o danym aspekcie rzeczywistości.

Klientom posiadającym całą serię badań w swojej pracy monograficznej możemy zaoferować wsparcie w analizie statystycznej mającej na celu weryfikację nie tylko wielowymiarowych badań, replikacji z meta-analizą, ale także poszczególnych elementów strategii SMAR. Ponad to możemy pomóc stworzyć również cały program badawczy weryfikujący poszczególne elementy strategii SMAR dbając o to, by w poszczególnych badaniach testować dwa lub nawet trzy elementy koncepcji systematycznie modyfikujących się autoreplikacji. Analizy statystyczne do monografii naukowych? Zachęcamy do kontaktu.

Bibliografia:

Baron, R. M., & Kenny, D. A. (1986). The Moderator-Mediator Variable Distinction in Social The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173

Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3–8.

Gollwitzer, P. M., & Sheeran, P. (2006). Implementation Intentions and Goal Achievement: A Meta-analysis of Effects and Processes. Advances in Experimental Social Psychology, 38, 69–119. https://doi.org/10.1016/S0065-2601(06)38002-1

Hedges, L. V. (2014). Statistical Methods in Meta-Analysis. https://doi.org/10.2307/1164953

Hryniewicz, K. (2018). Porównywanie modeli równań strukturalnych PLS – Multi Group Analysis [Web log post]. Retrieved November 18, 2018, from Metodolog.pl website: www.metodolog.pl

Kock, N. (2014). Advanced mediating effects tests , multi-group analyses , and measurement model assessments in PLS-based SEM. International Journal of E-Collaboration, 10(1), 1–13. https://doi.org/http://doi.org/10.4018/ijec.2014010101

Kock, N. (2019). Factor-based structural equation modeling with WarpPLS. Australasian Marketing Journal (AMJ). https://doi.org/10.1016/j.ausmj.2018.12.002

Marsman, M., Schönbrodt, F. D., Morey, R. D., Yao, Y., Gelman, A., & Wagenmakers, E. (2017). A Bayesian bird ’ s eye view of ‘ Replications of important results in social psychology .’ https://doi.org/10.1027/1864-9335/a000192

Stanley, T. D., Carter, E. C., & Doucouliagos, H. (2017). What Meta-Analyses Reveal about the Replicability of Psychological Research. (November). Retrieved from http://www.deakin.edu.au/__data/assets/pdf_file/0007/1198456/WhatMeta-AnalysesReveal_WP.pdf

Steinmetz, H., Knappstein, M., Ajzen, I., Schmidt, P., & Kabst, R. (2016). How Effective are Behavior Change Interventions Based on the Theory of Planned Behavior? Zeitschrift Für Psychologie, 224(3), 216–233. https://doi.org/10.1027/2151-2604/a000255

Jak modelowanie równań strukturalnych ukształtuje nasze myślenie o badaniach naukowych?

Wstęp

Jeszcze do niedawna modele regresyjne stanowiły nieodłączny element dowodzenia statystycznego w nauce i biznesie (Fox, 2016; Pearl, 2009). To właśnie ogólny model liniowy regresji i metoda najmniejszych kwadratów rozbudzały wyobraźnię badaczy w kwestii projektowania badań, metod pomiarów i weryfikacji hipotez o przyczynowości. To dzięki analizie regresji i licznym statystykom wykorzystywanym do porównywania właściwości predykcyjnych modeli, samych współczynników regresji, funkcji sklejanych, określania istotności mediatorów (Baron & Kenny, 1986) lub moderatorów (Mayers), dowodzenie prawidłowości obserwowanych zjawisk stawała się faktem z mocnym zapleczem statystycznym. Dowód statystyczny przedstawiony w postaci modelu analizy regresji oraz szeregu statystyk specyfikujących wyniki dookreślające model, był i będzie przez jakiś czas stanowił szczególny element w planie badawczym większości naukowców (Andraszewicz et al., 2015; Wagenmakers, Love, et al., 2017; Wagenmakers, Marsman, et al., 2017).

Niemniej od pewnego czasu spostrzegam w swojej firmie zwiększone zainteresowanie naukowców, a także i niekiedy firm, dotyczące wykorzystywania technik modelowania równań strukturalnych (Structural Equations Modeling SEM) (Iacobucci, 2010; Vinzi, Trinchera, & Amato, 2010). Te już nie tak nowe metody dowodzenia statystycznego stają się coraz bardziej popularne i pożądane w pracach empirycznych oraz projektach biznesowych. Napiszę wpierw krótko o samej technice modelowania równań strukturalnych, a następnie odpowiem na pytanie postawione w starej, ale dobrej futurologicznej manierze „Jak modelowanie równań strukturalnych ukształtuje nasze myślenie o badaniach naukowych?”.

Modelowanie równań strukturalnych

Modelowanie równań strukturalnych to zbiór technik pozwalających badaczowi dowolnie specyfikować model statystyczny (Kock & Gaskins, 2016). Dzięki tej elastyczności, naukowcy mogą weryfikować nawet najbardziej wyśrubowane przewidywania teoretyczne. Niemniej, niezależnie od nawet najbardziej szalonego przewidywania i modelu równań strukturalnych, metoda ta odpowiada w pewien sposób na zasadnicze pytanie dotyczące dowodzenia prawdy naukowej „Czy zebrane dane w badaniu empirycznym pokrywają się z moimi przewidywaniami teoretycznymi?”. Czyli tłumacząc to prościej „Czy moje rozumowanie ma pokrycie w danych?”.

Jak już wiemy świat nauki jest pełen różnorodnych przewidywań teoretycznych. Niestety, wiemy już z doświadczenia naukowego też, że niektóre z nich mogą być zbyt złożone, by mogły być weryfikowane przez metody statystyczne które powstały w przeszłości z myślą o weryfikacji prostych zależności . Mówię tutaj „prostych” z punktu widzenia teraźniejszości w której mamy do dyspozycji modele SEM, a także inne nowoczesne techniki statystyczne np. text mining lub analizy genetyczne, przetwarzanie obrazu itp. itd. Dlatego zastanówmy się, co modele SEM mogą nam zaproponować już na etapie myślenia o metodzie badania?

Porównanie możliwości modelu regresji z modelami strukturalnymi

Możliwość dokładnego pomiaru i weryfikacji wielu skutków jednocześnie

Porównując model regresji z modelem równań strukturalnych możemy dostrzec, według mnie, najbardziej bijącą po oczach różnicę. Jest to ilość możliwych do testowania zmiennych zależnych, jednocześnie! Analiza regresji osiąga swoje limity już przy jednej zmiennej zależnej, a w przypadku analizy modelowaniem równań strukturalnych ich ilość jest ograniczana jedynie przez fantazję badacza (Iacobucci, 2010; Kock, 2011; Pearl, 2009), metodologię badawczą i możliwości obliczeniowe komputera (Kock, 2017c). Powiedzmy, że jest to pierwsza cecha modeli strukturalnych która będzie kształtować myślenie badaczy o dowodzeniu naukowym, czyli możliwość pomiaru i testowania wielu skutków jednocześnie.

Taki obraz statystyczny, który przedstawia nam wpływ przyczyn/y na wiele skutków (które są kontrolowane w modelu jednocześnie) pozwala na wyciągnięcie wniosków bardziej zbliżonych do sytuacji rzeczywistej (zakładając, że metodologia badań i pomiarów jest dobra). Mówię tutaj o sytuacji rzeczywistej z tego względu, że w rzeczywistości taka jaka nam się jawi przyczyny i skutki oddziałują na siebie jednocześnie lub ewentualnie są rozłożone w czasie (co model SEM może również uwzględniać). W przypadku modeli regresyjnych jednoczesna kontrola wielu zmiennych zależnych nie jest możliwa.

Analiza efektów słabych i analiza statystyczna małych próbek

Analiza regresji jest analizą która wykorzystuje do analizy zmienne mierzone z błędem pomiarowym (zmienne latentne). Zmienną z błędem pomiarowym jest np. mierzony kwestionariuszowo odczuwany przez człowieka afekt pozytywny vs negatywny (Crawford & Henry, 2004; Quirin, Kaze, & Kuhl, 2009; Quirin et al., n.d.). Na taki pomiar składa się kilka pytań testowych (wskaźników) które poddane przekształceniu tworzą zmienną. Ze względu na to, że model analizy regresji nie przewidywał kontroli błędu pomiarowego, szacowane wyniki analizy są liczone z błędem pomiaru (czyli pomiar + błąd). W przypadku modelowania równań strukturalnych (Kock, 2017a, 2017b, 2019a, 2019b) możemy odciążyć wyniki od wpływu błędu pomiarowego. Modele SEM mogą kontrolować wielkość błędów pomiarowych i zwracać wyniki skorygowane właśnie o ten błąd. Oznacza to, że błędy standardowe oszacowań regresji techniką SEM są o wiele mniejsze niż błędy standardowe uzyskane w klasycznych analizach regresji. Jeśli w toku analizy uzyskamy mniejsze błędy standardowe, to zwiększamy prawdopodobieństwo uzyskania wyników istotnych (Korzystając z okazji, warto wspomnieć o wykładniczym wygładzaniu błędów standardowych w analizie SEM-PLS, które zwraca wyniki lepsze niż np. bootsrap (Kock & Hadaya, 2018)).

Co za tym wszystkim idzie w konsekwencji dla praktyki badawczej? Możliwe staje się testowanie efektów (przyczyn) o słabej silne. Np. wpływu aktywizacji pieniądza na zachowania związane z działaniem wspólnotowym i sprawczym (Abele & Wojciszke, 2014; Vohs, Mead, & Goode, 2006). Bywa, że efekty te nie są replikowane i jedną z przyczyn mogą być wykorzystywane metody statystyczne. Dzięki technikom modelowania równań strukturalnych staje się sensowne projektowanie badań w których przyczyny mają słaby wpływ na interesujące badacza zmienne ponieważ istnieje już narzędzie które jest w stanie taki słaby wpływ zweryfikować (korzystając z okazji zachęcam do skorzystania z kalkulatorka wyliczania minimalnej wielkości próbki KLIK). Technika ta staje się ratunkiem dla wyników nieistotnych które były  testowane metodami klasycznymi np. wspomnianą analizą regresji.

Cyrkularne zależności

Cyrkularne zależności są to wzajemne relacje między zmiennymi. Relację taką opisuje sytuacja w której zmienna niezależna wpływa na zmienną zależną, ale zwrotnie zmienna zależna może wpływać na zmienną niezależną. Np. apetyt może wpływać na wielkość jedzonych posiłków (dodatnia relacja), ale zwrotnie wielkość posiłków może redukować apetyt (ujemna relacja). Tego typu wnioski mogą być zbyt przesadzone w oderwaniu od metodologii takich badań, ale są pewnego rodzaju możliwością która staje się faktem statystycznym przy wymodelowaniu takiego zjawiska techniką równań strukturalnych. Technika ta stwarza potencjał to myślenia nad badaniami mogącymi weryfikować tego typu zależności.

Nieparametryczny charakter analizy

Nieparametryczny charakter techniki statystycznej jest szczególnie istotny w przypadku badań w których mamy do czynienia z rozkładem innym niż normalny np. kiedy bada się czynniki wpływające na ilość posiadanych dzieci. W przypadku analiz regresji jest niezbędne wykonywanie modeli regresji które kontrolują kształt rozkładu zmiennej zależnej np. rozkładu Poissona (ilość posiadanych dzieci ma właśnie taki rozkład w populacji) lub jej typ pomiaru (np. porządkowy). W przypadku modelowania równań strukturalnych (mówię tu o metodzie PLS (Rodríguez-Entrena, Schuberth, & Gelhard, 2016) ten problem zanika ze względu na nieparametryczny sposób wyliczania oszacowań ścieżkowych dzięki metodom próbkowania (bootstrap, blindfold). Metody próbkowania wyliczane są w oparciu o wyniki uzyskane w próbie, a nie w oparciu o założony z góry rozkład (Tenenhaus, Esposito, Chatelin, & Lauro, 2005). Odporność na złamanie założeń o rozkładzie normalnym, wielkości próbki (szczególnie w przypadku modelowania SEM-PLS) oraz skali pomiaru pozwala badaczom pokonać bariery stojące nad analizą ich wyników. Warto wspomnieć, że powyższe założenia statystyczne jest BARDZO ciężko spełnić w całości ze względu na metody pomiarowe, koszt badań lub metodologię.

Jak modelowanie równań strukturalnych ukształtuje nasze myślenie o badaniach naukowych?

Jak modelowanie równań strukturalnych ukształtuje nasze myślenie o badaniach naukowych? Moim zdaniem techniki SEM-PLS i SEM-CB będą stawały się coraz bardziej popularne wśród polskich badaczy i firm. Jeśli ta popularnośc będzie wzrastać, to będziemy mieć do czynienia wśród badaczy ze zmianami w kwestii zwiększonej częstości formułowania kompleksowych przewidywań i projektowaniem metodologii pod możliwości jakie stwarzają modele SEM. Moim zdaniem wynikiem tych zmian będzie większa trafność formułowanych wnioskó i zwiększone zaufanie co do dowodzonej prawdy na temat świata i naszego w nim życia.

Co zmieni modelowanie równań strukturalnych w zachowaniu badaczy

• będą testować większą ilość testownych skutków
• będą inwestować wysiłki nawet w słabe efekty weryfikowane na małych próbkach
• będą projektować jeszcze bardziej wyrafinowane metodologie badawcze
• nie będą musieli troszczyć się o spełnienie trudnych do spełnienia założeń statystycznych (wielkość próby, typ rozkładu i rodzaj skali pomiaru)

Bibliografia:

Abele, A. E., & Wojciszke, B. (2014). Communal and agentic content in social cognition: A dual perspective model. In Advances in Experimental Social Psychology (1st ed., Vol. 50, pp. 195–255). https://doi.org/10.1016/B978-0-12-800284-1.00004-7

Andraszewicz, S., Scheibehenne, B., Rieskamp, J., Grasman, R., Verhagen, J., & Wagenmakers, E.-J. (2015). An Introduction to Bayesian Hypothesis Testing for Management Research. Journal of Management, 41(2), 521–543. https://doi.org/10.1177/0149206314560412

Baron, R. M., & Kenny, D. A. (1986). The Moderator-Mediator Variable Distinction in Social The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173

Crawford, J. R., & Henry, J. D. (2004). The Positive and Negative Affect Schedule ( PANAS ): Construct validity , measurement properties and normative data in a large. 245–265.

Fox, J. (2016). Applied regression analysis and generalized linear models. 864.

Iacobucci, D. (2010). Structural equations modeling: Fit Indices, sample size, and advanced topics. Journal of Consumer Psychology, 20(1), 90–98. https://doi.org/10.1016/j.jcps.2009.09.003

Kock, N. (2011). Using WarpPLS in e-Collaboration Studies: Mediating Effects, Control and Second Order Variables, and Algorithm Choices. International Journal of E-Collaboration, 7(3), 1–13. https://doi.org/10.4018/jec.2011070101

Kock, N. (2017a). Structural equation modeling with factors and composites: A comparison of four methods. 1–9.

Kock, N. (2017b). VARIATION SHARING : A NOVEL NUMERIC SOLUTION TO THE PATH BIAS UNDERESTIMATION PROBLEM OF PLS-BASED SEM. 1–27.

Kock, N. (2017c). WarpPLS User Manual: Version 6.0. Retrieved from http://cits.tamiu.edu/WarpPLS/UserManual_v_6_0.pdf#page=77

Kock, N. (2019a). Factor-based structural equation modeling with WarpPLS. Australasian Marketing Journal (AMJ). https://doi.org/10.1016/j.ausmj.2018.12.002

Kock, N. (2019b). From composites to factors: Bridging the gap between PLS and covariance-based structural equation modelling. Information Systems Journal, 29(3), 674–706. https://doi.org/10.1111/isj.12228

Kock, N., & Gaskins, L. (2016). Simpson’s paradox, moderation, and the emergence of quadratic relationships in path models: An information systems illustration. International Journal of Applied Nonlinear Science, 2(3), 200–234. https://doi.org/10.1109/ICUMT.2009.5345351

Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM : The inverse square root and gamma-exponential methods. 227–261. https://doi.org/10.1111/isj.12131

Mayers, A. (n.d.). Introduction do Statistics and SPSS in Psychology.

Pearl, J. (2009). Causality: Models, Reasoning and Inference (2nd ed.). https://doi.org/10.1017/CBO9780511803161

Quirin, M., Kaze, M., & Kuhl, J. (2009). When Nonsense Sounds Happy or Helpless : The Implicit Positive and Negative Affect Test ( IPANAT ). 97(3), 500–516. https://doi.org/10.1037/a0016063

Quirin, M., Wróbel, M., Pala, A. N., Steiger, S., Brasschot, J., Kazen, M., … Shanchuan, D. (n.d.). A Cross-Cultural Validation of the Implicit Positive and Negative Affect Test (IPANAT): Results from Ten Countries Across Three Continents. European Journal of Psychological Assessment.

Rodríguez-Entrena, M., Schuberth, F., & Gelhard, C. (2016). Assessing statistical differences between parameters estimates in Partial Least Squares path modeling. Quality and Quantity, (August), 1–13. https://doi.org/10.1007/s11135-016-0400-8

Rodríguez-Entrena, M., Schuberth, F., & Gelhard, C. (2018). Assessing statistical differences between parameters estimates in Partial Least Squares path modeling. Quality and Quantity, 52(1), 57–69. https://doi.org/10.1007/s11135-016-0400-8

Tenenhaus, M., Esposito, V. V., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. https://doi.org/10.1016/j.csda.2004.03.005

Vinzi, V. E., Trinchera, L., & Amato, S. (2010). Handbook of Partial Least Squares. https://doi.org/10.1007/978-3-540-32827-8

Vohs, K. D., Mead, N. L., & Goode, M. R. (2006). The Psychological Consequences of Money. Science, 314(5802), 1154–1156. https://doi.org/10.1126/science.1132491

Wagenmakers, E.-J., Love, J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., … Morey, R. D. (2017). Bayesian inference for psychology. Part II: Example applications with JASP. Psychonomic Bulletin & Review. https://doi.org/10.3758/s13423-017-1323-7

Wagenmakers, E.-J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., Love, J., … Morey, R. D. (2017). Bayesian inference for psychology. Part I: Theoretical advantages and practical ramifications. Psychonomic Bulletin & Review, 1–42. https://doi.org/10.3758/s13423-017-1343-3

Zbieżność z perspektywą konsumenta (zbieżność z ja) jako mechanizm wyjaśniający efektywność marketingową reklam sprawczych i wspólnotowych.

Sprawczość i wspólnotowość – podstawowe wymiary życia ludzkiego i poznania społecznego

Aktualnie badacze poznania społecznego wskazują, że cechy wspólnotowe (np. ciepły, empatyczny, fair, prawdomówny) i sprawcze (np. inteligentny, energiczny, bystry, efektywny) mają niezwykle znaczenie w życiu ludzi. Bakan (1966) był pierwszym badaczem który pisał na temat istnienia ludzkiego jako rozwijającego się w dwóch kategoriach. Zgodnie z jego dualną wizją egzystencji ludzkiej każdy człowiek w swoim życiu ma dwa ogólne zadania. Stać się członkiem społeczności poprzez nawiązywanie i utrzymywanie satysfakcjonujących relacji z ludźmi (każdy człowiek jest wspólnotowy) oraz dążyć do realizacji swoich celów (każdy człowiek jest sprawczy). Na dzień dzisiejszy wspomniana sprawczość i wspólnotowość to tzw. podstawowe wymiary poznania społecznego nazywane wielką dwójką (Abele & Wojciszke, 2014). Zwrócenie uwagi na te podstawowe wymiary życia ludzi, otwiera dla marketingowca szeroką perspektywę wykonania i powtarzania strategicznych działań marketingowych o przewidywanych skutkach.

Dlaczego sprawczość i wspólnotowość ma takie znaczenie w reklamie produktów i marketingu?

Sprawczość i wspólnotowość ma ogromne znaczenie w efektywność marketingowej reklam z tego względu, że wspomniane wymiary stanowią swoją treścią silny wpływ na wartościowanie obiektów (w tym produktów, reklam, wizerunku osób, zdjęć itp.) przez ludzi. Przekładając to na bardziej przyziemny język, można powiedzieć, że wymiary wspólnotowości i sprawczości są pryzmatem przez który ludzie oceniają rzeczywistość. Oczywiście pryzmat ten zmienia sposób załamywania się światła. I w zależności od sytuacji światło jest załamywane bardziej na wspólnotowość lub na sprawczość obiektu. Zacznijmy od tego pierwszego wymiaru.

Wspólnotowość

Ludzie są bardzo wrażliwi na odbiór informacji związanych ze wspólnotowością innych ludzi. Jest to ewolucyjnie wykłształcona prawidłowość. Od zawsze podstawowym dylematem każdego człowieka jest to „Czy temu człowiekowi można zaufać i czy ma dobre wobec mnie intencje?”. Podobnie jest z markami. Odpowiedź pozytywna na to pytanie wiąże się z wieloma zachowaniami wobec ocenianego np. lubieniem, zaufaniem, dobroczynnością, pozytywnymi emocjami, oceną moralną i ciepłym odbiorem (Abele & Wojciszke, 2014; Bocian, Baryla, Kulesza, Schnall, & Wojciszke, 2018; Cuddy, Fiske, & Glick, 2007; Fiske, Cuddy, & Glick, 2007). Zgoła inaczej ma się sprawa sprawczości. Ludzie oceniają pozytywniej innych ludzi w momencie kiedy są oni pomocni w osiągnięciu indywidualnych dążeń tych pierwszych. Wiąże się to również z podobnymi emocjami jak w przypadku wspólnotowości. Zamiast mówić o tych wszystkich wspomnianych zachowaniach (lubieniu, zaufaniu, dobroczynności, pozytywnymi emocjami, oceną moralną i ciepłym odbiorem) możemy użyć słowa wartościowanie. Pojęcie to będzie bardziej użyteczne w przypadku kontekstu marketingowego, bo wartościowania (pozytywnego/negatywnego) możemy użyć do oceny różnych obiektów. Poczynając od podpasek, a kończąc na usługach bankowych.

W marketingu wartościowane są reklamy, marki, produkty i treści które są wspólnotowe, dlatego że są one wartościowane przez osobiste dążenie odbiorcy do  wspólnotowości z innymi. To dążenie jest ich fundamentalnym motywem do działania. Zaprezentowany produkt w sposób wspólnotowy odpowiada temu dążeniu (jest z nim zbieżny). Sprawą drugorzędną jest to, czy produkt w rzeczywistości to robi. Najważniejsze dla marketingowca jest to, że za sprawą takiego przekazu ludzie zmieniają postawę wobec marki, produktu, a także reklamy. W przypadku reklamy wspólnotowej sztuką jest nasycenie reklamy treścią w taki sposób, który ułatwia i podtrzymuje relacje z innymi ludźmi.

Sprawczość

Wartościowana musi być również w jakiś sposób reklama sprawcza. Jeśli ukazuje ona produkt w sposób, który ułatwia osiągnięcie celu odbiorcy np. sportowe auto, to odbiorca będzie pozytywnie je wartościować. Niemniej w przypadku takiej reklamy muszą być spełnione pewne warunki główne. Podkreślone muszą być sprawcze cechy samochodu np. systemy prowadzenia, sposoby wychodzenia z zakrętów, pokonywanie przeszkód, praca silnika, układu jezdnego, zawieszenia itp. Sztuką jest w tym przypadku pokazanie w takiej reklamie głównych cech które składają się na to, że auto sportowe jest sprawne. Jeśli jednym z życiowych celów odbiorcy jest torowa jazda, to pokazanie takiej reklamy silnie wpłynie na wartościowanie produktu, reklamy i marki. Niemniej jeśli odbiorca nie ma takiego celu lub reklama pokazuje ładną Panią w aucie zamiast silnika, to jest szansa, że wartościowanie produktu, reklamy, marki itp. będzie słabsze. Może się okazać, że czynniki inne niż przewidywane wpłwają na odbiór reklamy. Np. takie które są poza kontrolą producenta.

Ogólnie rzecz biorąc, dlaczego jest tak, że raz bardziej wartościujemy to co sprawcze, a raz bardziej to co wspólnotowe? Czy jest jakaś bardziej ogólna zasada, która pozwala wyjaśnić tak ważne i tak szerokie spektrum zachowywania się ludzi? Jest. Jest to model opisujący, wyjaśniający i przewidujący zachowywanie się ludzi względem tego przez jaki pryzmat perspektyw człowiek patrzy na rzeczywistość społeczną.

Model podwójnej perspektywy sprawczości i wspólnotowości (Dual Perspective Model – Agency and Communion)

Model Podwójnej Perspektywy Sprawczości i Wspólnotowości (DPM-AC) odnosi się do twierdzenia, że sprawczość i wspólnotowość ma nieco inne znaczenie dla osoby obserwującej czyjeś zachowanie (dla obserwatora) i osoby zorientowanej na celowe działanie (dla aktora) (Abele i Wojciszke, 2014). Model pozwala, na wyjaśnienie różnic pod względem zachowania się aktora interpretującego własne działanie i obserwatora interpretującego zachowania innych ludzi. Bazuje on na tym, że sprawczość i wspólnotowość to treści poznania społecznego, które mają adaptacyjną wartość dla aktora i obserwatora (Lorenz, 1966; Peeters, 2008). Model przewiduje, że zachowanie wspólnotowe innej osoby jest korzystne dla obserwatora, ponieważ informuje go o zamiarach (dobrych lub złych) obserwowanej osoby (Cuddy, Fiske, Glick, 2007; Fiske, Cuddy, Glick, 2007). Wiedza o tym, że inna osoba jest wspólnotowa (np. jest ciepła i moralna) pozwala obserwatorowi na wnioskowanie o jej dobrych lub złych intencjach. Natomiast cechy sprawcze (np. wysoki poziom poczucia skuteczności w radzeniu sobie ze stresem (Bandura, 1977)) są korzystne dla osoby dążącej do celu, ponieważ pozwalają jej go osiągnąć (Abele i Wojciszke, 2014; Helgeson, 1994). Z takiego modelu można wyekstrahować dwa główne przewidywania dotyczące zachowań się ludzi. Pierwsze dotyczy perspektywy obserwatora/odbiorcy, dla którego cechy wspólnotowe innych ludzi są bardziej znaczące niż ich cechy sprawcze. W tej perspektywie celem osoby jest uniknięcie szkód i uzyskanie korzyści wynikających z zachowania innej osoby. Drugie przewidywanie dotyczy perspektywy aktora, dla którego cechy sprawcze są bardziej znaczące niż wspólnotowe. Działający aktor chce sprawnie dążyć do pożądanych przez siebie celów, co skutkuje nadaniem większej wagi korzystnym dla niego cechom sprawczym niż cechom wspólnotowym (Abele i Wojciszke, 2014).

Przykład reklam sprawczych i wspólnotowych

Poniżej przedstawiam przykłady reklam które korespondują z podstawowymi perspektywami życia ludzi. Są one zbudowane na podstawie szeregu badań pilotażowych. Ich właściwości związane z efektywnością marketingową są zweryfikowane w szeregu badań eksperymentalnych klik

Z perspektywą obserwatora jest zbieżna reklama nasycona treściami wspólnotowymi

Reklama wspólnotowa marchwi nieistniejącej firmy JANZOF

Z perspektywą aktora jest zbieżna reklama nasycona treściami sprawczymi

Reklama sprawcza marchwi nieistniejącej firmy JANZOF

Bibliografia:

Abele, A. E., & Wojciszke, B. (2014). Communal and agentic content in social cognition: A dual perspective model. In Advances in Experimental Social Psychology (1st ed., Vol. 50, pp. 195–255). https://doi.org/10.1016/B978-0-12-800284-1.00004-7

Bakan, D. (1966). The duality of human existence: An essay on psychology and religion. Chicago: Rand McNally & Company.

Bandura, A. (1977). Self-efficacy: Toward a Unifying Theory of Behavioral Change. Psychological Review1, 84(2), 191–215. https://doi.org/10.1037/0033-295X.84.2.191

Bocian, K., Baryla, W., Kulesza, W. M., Schnall, S., & Wojciszke, B. (2018). The mere liking effect: Attitudinal influences on attributions of moral character. Journal of Experimental Social Psychology, 79(2017), 9–20. https://doi.org/10.1016/j.jesp.2018.06.007

Cuddy, A. J. C., Fiske, S. T., & Glick, P. (2007). The BIAS Map: Behaviors From Intergroup Affect and Stereotypes. Journal of Personality and Social Psychology, 92(4), 631–648. https://doi.org/10.1037/0022-3514.92.4.631

Dubois, N. (2009). Lay Psychology and the Social Value of Persons. Social and Personality Psychology Compass, 3(6), 1082–1095. https://doi.org/10.1111/j.1751-9004.2009.00225.x

Fiske, S. T., Cuddy, A. J. C., & Glick, P. (2007). Universal dimensions of social cognition: warmth and competence. Trends in Cognitive Sciences, 11(2), 77–83. https://doi.org/10.1016/j.tics.2006.11.005

Helgeson, V. S. (1994). Relation of Agency and Communion to Weil-Being: Evidence and Potential Explanations. Psychological Bulletin, 116(3), 412–428. https://doi.org/0033-2909/94/J3.00

Lorenz, K. (1966). On Aggression. London and New York: Doutledge Classics.

Peeters, G. (2008). The evaluative face of a descriptive model: Communion and agency in Peabody’ s tetradic model of trait organization. European Journal of Social Psychology, 38, 1066–1072. https://doi.org/10.1002/ejsp.524

Psychologia reklamy – efekt zbieżności z „Ja”

Sirgy (1985) twierdzi, że produkty i usługi są postrzegane jako takie, które posiadają charakterystyki podobne do charakterystyk ludzi. Dlatego ważne wydaje się dokładne zrozumienie zachowań konsumenta w sytuacji, kiedy on sam i produkt są w jakiś sposób do siebie podobni. Podobieństwo to może być rozpatrywane jako pewna zbieżność, która łączy przekonania o sobie z symboliką, którą charakteryzują się towary promowane na rynku dóbr i usług (Quester, Karunaratna, Goh, 2000). W swojej teorii, zbieżności obrazu produktu z obrazem „Ja”, Sirgy (1982) wyjaśnia, że cecha produktu wchodząca w skład obrazu aktywuje zwykle w umyśle schemat „Ja” zawierający taki sam obraz.

Psychologia reklamy – efekt zbieżności z „Ja”

Przykładowo produkt posiadający w reklamie obraz „rodzinności”, może aktywować koncepcję na temat własnego „Ja” obejmującą treść „rodzinność”. Powstałe z tego przekonanie może być pozytywne lub negatywne: „Jestem osobą rodzinną” lub „Nie jestem osobą rodzinną”. Sirgy twierdzi, że po aktywizacji schematu „Ja” na wartościowanie produktu, będzie miał wpływ aktywizowany obraz siebie. Jeśli produkt jest samochodem i jego główny obraz odnosi się do „rodzinności”, to wartość określana dla obrazu auta „rodzinnego” będzie zależała od natury aktywowanego obrazu siebie na wymiarze zawierającym „rodzinność”. Jeśli „rodzinność” ma pozytywną (negatywną) wartość we własnym obrazie odbiorcy reklamy, to pozytywna (negatywna) wartość będzie rzutowana na rodzinne auto. Sirgy (1982) wyjaśnia działanie tego mechanizmu istnieniem dwóch motywów związanych z koncepcją siebie: samooceną i spójnością Ja (Epstein, 1973). Wynikające postawy wobec danego produktu lub marki, a także chęć kupna, są efektem stanu motywacyjnego wynikającego z potrzeby wzmocnienia własnej wartości i potrzeby utrzymania spójności zachowania (Epstein, 1973; Sirgy, 1985).

Psychologia reklamy – efekt zbieżności z „Ja” i jego konsekwencje w obserwowanym zachownaiu konsumenta

Badania wskazują, że efekt zbieżności z „Ja” wiąże się z wieloma ważnymi marketingowo zmiennymi: lojalnością wobec marki (Carrim, 2018; Kressmann i inni., 2006; Wijaya, 2017), postawami wobec produktu, reklamy i marki (Do, Ko, Woodside, 2015; Hughes, 1976; Jeong i Jang, 2016; Liu, Li, Mizerski, Soh, 2012), a także intencją zakupu (Quester i inni., 2000; Sirgy, 1985; Yu, Lin, Chen, 2013).

Bibliografia:

Carrim, J. N. (2018). The Mediating Role of Actual Self-Congruity on the Relationship between Religion and Store Loyalty: A Case of Mauritius. Journal of Management and Marketing Review, 3(4), 179–184.

Do, H., Ko, E., & Woodside, A. G. (2015). Tiger Woods, Nike, and I are (not) best friends: how brand’s sports sponsorship in social-media impacts brand consumer’s congruity and relationship quality. International Journal of Advertising, 34(4). https://doi.org/10.1080/02650487.2015.1031062 Tiger

Epstein, S. (1973). The Self-Concept Revisited: Or a Theory of a Theory. American Psychologist, 28(5), 404–416.

Hughes, E. R. (1976). Self-Concept and Brand Preference: A Partial Replication. The Journal of Business, 49(4), 530–540. Retrieved from http://www.jstor.org/stable/2352384 .

Jeong, E., & Jang, S. (2016). Moderating effects of self-image congruity on the relationship between advertisement message strength and revisiting intention. Journal of Foodservice Business Research, 1–11. https://doi.org/10.1080/15378020.2016.1206771

Kressmann, F., Sirgy, J. M., Herrmann, A., Huber, F., Huber, S., & Lee, D. (2006). Direct and indirect effects of self-image congruence on brand loyalty. Journal of Business Research, 59, 955–964. https://doi.org/10.1016/j.jbusres.2006.06.001

Liu, F., Li, J., Mizerski, D., & Soh, H. (2012). Self‐congruity, brand attitude, and brand loyalty: a study on luxury brands. European Journal of Marketing, 46(7/8), 922–937. https://doi.org/10.1108/03090561211230098

Quester, P. G., Karunaratna, A., & Goh, L. K. (2000). Self-congruity and product evaluation: a cross-cultural study. Journal of Consumer Marketing, 17(6), 525–535. https://doi.org/10.1108/07363760010349939

Sirgy, J. M. (1982). Self-Concept in Consumer Behavior: A critical Reviev. Journal of Consumer Research, 9, 287–300. https://doi.org/10.1086/208924

Sirgy, J. M. (1985). Using self-congruity and ideal congruity to predict purchase motivation. Journal of Business Research, 13(3), 195–206. https://doi.org/10.1016/0148-2963(85)90026-8

Wijaya, A. P. (2017). Role of Experience in Customer Self-Congruity to Maintaining Loyalty: A Study on Fashion Store. Entrepreneurial Business and Economics Review, 5(3), 189–198. https://doi.org/10.15678/EBER.2017.050310

Yu, C.-C., Lin, P.-J., & Chen, C.-S. (2013). How Brand Image, Country of Origin, and Self-Congruity Influence Internet Users’ Purchase Intention. Social Behavior & Personality, 41(4), 599–611. https://doi.org/10.2224/sbp.2013.41.4.599

Efektywność marketingowa reklam eksperymentalnych marki JANZOF

Reklama sprawcza i wspólnotowa

Po wielu tygodniach eksperymentalnych badań pilotażowych i pracy nad animacjami powstały rysunkowe kreacje reklamy marchwi JANZOF. Marka JANZOF została sztucznie powołana do życia na poczet wykonania eksperymentów w których dotychczasowe przekonania na temat marki nie będą zakłócały pomiarów i manipulacji w czasie eksperymentu.  Utworzone animacje charakteryzują się szczególnymi właściwościami psychologicznymi. Obie wersje reklamy przedstawiają produkt cechujący się ludzkim zachowaniem. Niemniej badanie pilotażowe wykazało, że w obu warunkach reklamy produkt JANZOF jest oceniany podobnie pod względem ludzkiego zachowywania się. Jedna wersja reklamy jest nasycona treściami wspólnotowymi (treści te odnoszą się do nawiązywania i utrzymywania satysfakcjonujących relacji społecznych).  Druga natomiast, treściami sprawczymi (treści te odnoszą się do skutecznego i sprawnego osiągania swoich celów)).

Interakcja treści reklam z cechami odbiorcy reklamy

Treści tych reklam w interakcji z cechami odbiorcy mają silny wpływ na zgeneralizowaną efektywność marketingową wyrażoną takimi rynkowymi zmiennymi jak: intencja zakupu produktu, postawa wobec produktu, reklamy i producenta, a także wycena produktu w pieniądzach. W serii eksperymentalnych badań podstawowych potwierdzono przewidywania dotyczące efektywności wynikającej ze zbieżności z „Ja” na wymiarze sprawczości/intencji oraz wspólnotowości. Kolejne kroki badawcze potwierdziły przewidywania w wielu zakresach teorii psychologicznych (głównie w zakresie modelu podwójnej perspektywy wspólnotowości i sprawczości (Abele, Wojciszke, 2014), a także zbieżności z „Ja” (Sirgy, 1985)). Zebrane dane i wykonane analizy statyczne (w szczególności modele strukturalne PLS) pozwoliły na wyciągnięcie szeregu wniosków z przeprowadzonych obserwacji badawczych, a także sformułowanie nowych przewidywań.

a) Badania pilotażowe wykazały:

• Podobny stopień antropomorfizacji marchwi w obu reklamach (marchew była podobnie postrzegana jako zachowująca się jak człowiek w obu warunkach eksperymentalnych
• Marchew w warunku sprawczym była postrzegana jako bardziej sprawcza niż wspólnotowa, a marchew w warunku wspólnotowym była postrzegana bardziej jako marchew wspólnotowa niż sprawcza
• Reklama w warunku sprawczym była postrzegana jako bardziej sprawcza niż wspólnotowa, a reklama w warunku wspólnotowym była postrzegana bardziej jako reklama wspólnotowa niż sprawcza
• Producent w warunku sprawczym był postrzegany jako bardziej sprawczy niż wspólnotowy, a producent w warunku wspólnotowym był postrzegany bardziej jako producent wspólnotowy niż sprawczy

b) Badania eksperymentalne wykazały:

• Wraz ze wzrostem wspólnotowości odbiorcy reklamy wzrastała efektywność marketingowa (wyże lubienie produktu, reklamy i producenta) reklamy wspólnotowej (ale nie sprawczej)
• Wraz ze wzrostem intencji do kupowania marchwi wzrastała efektywność marketingowa (wyże lubienie produktu, reklamy i producenta) reklamy sprawczej (ale nie wspólnotowej)
• Wraz ze wzrostem wspólnotowości konsumenta wzrastała ilość zjedzonej marchwi po zobaczeniu reklamy wspólnotowej – zmienna zależna wyrażona jako zachowanie się  (ale nie sprawczej)
• Wraz ze wzrostem intencji do kupowania marchwi wzrastała ilość zjedzonej marchwi po zobaczeniu reklamy sprawczej – zmienna zależna wyrażona jako zachowanie się (ale nie wspólnotowej)
• Mechanizmem pośredniczącym między intencją behawioralną (wspólnotowością) odbiorcy reklamy, a wartościowaniem produktu, reklamy i marki w warunku reklamy sprawczej (wspólnotowej) jest mechanizm zbieżności z Ja.

Dalsze przewidywania dotyczące przyszłych badań:

• Reklama wspólnotowa wywołuje wyższy nieuświadomiony afekt pozytywny i redukuje afekt negatywny (mierzony testem IPANAT (Quirin, 2009, 2018)
• Reklama sprawcza jest przetwarzana z mniejszym nieuświadomionym afektem, natomiast jest lepiej pamiętana (pamięć byłą mierzona testem odpamiętywania elementów reklamy)
• Reklama wspólnotowa zmienia postawy wobec produktu, reklamy i producenta na bardziej pozytywne, przez co następnie oglądana reklama sprawcza jest bardziej efektywna marketingowo
• Reklama sprawcza wzmacnia reakcje emocjonalne (ciepło, podziw, szacunek i dobroć) oglądanej w następnej kolejności reklamy wspólnotowej.

Poniżej są przedstawione testowane w badaniach dwie wersje reklam:

Reklama wspólnotowa marchwi nieistniejącej firmy JANZOF

Reklama sprawcza marchwi nieistniejącej firmy JANZOF

Bibliografia:

Abele, A. E. and Wojciszke, B. (2014) “Communal and agentic content in social cognition: A dual perspective model,” in Advances in Experimental Social Psychology. 1st ed. Elsevier Inc., pp. 195–255. doi: 10.1016/B978-0-12-800284-1.00004-7.

Quirin, M. et al. (no date) “A Cross-Cultural Validation of the Implicit Positive and Negative Affect Test (IPANAT): Results from Ten Countries Across Three Continents,” European Journal of Psychological Assessment.

Quirin, M., Kaze, M. and Kuhl, J. (2009) “When Nonsense Sounds Happy or Helpless : The Implicit Positive and Negative Affect Test ( IPANAT ),” 97(3), pp. 500–516. doi: 10.1037/a0016063.

Sirgy, J. M. (1985) “Using self-congruity and ideal congruity to predict purchase motivation,” Journal of Business Research, 13(3), pp. 195–206. doi: 10.1016/0148-2963(85)90026-8.