Amalie - metode Flashcards
Hvorfor valgte I conjoint analyse som jeres primære forskningsmetode? Kan I forklarer processen og dens relevans for jeres studie?
Vi valgte conjoint analyse, fordi den giver mulighed for at afdække, hvordan forbrugere vægter forskellige produktattributter, når de træffer købsbeslutninger.
Processen involverer at præsentere respondenterne for forskellige kombinationer af produktattributter og analysere deres præferencer, hvilket gør det muligt at undersøge værdien af hver attribut.
Dette er relevant for vores studie, da vi ønsker at forstå, hvordan faktorer som pris, brand image, kvalitet, social indflydelse og økomærkning påvirker købsbeslutninger.
Hvordan designede I jeres spørgeskema, og hvilke overvejelser havde I, I forbindelse med at sikre dets pålidelighed og validitet?
Vi designede spørgeskemaet ud fra lukkede spørgsmål for at indfange kvantitativt data.
For at sikre pålidelighed og validitet gennemførte vi en prætest og justerede spørgsmålene baseret på feedback fra denne.
Spørgsmålene blev efterfølgende revurderet og reformuleret for at minimere bias og sikre klarhed
Hvilke implikationer er der ved at bruge convenience sampling i jeres undersøgelse, og hvordan kan dette påvirke generaliserbarheden af jeres fund?
Convenience sampling blev brugt på grund af begrænsninger i tid og ressourcer.
Denne metode kan dog begrænse generaliserbarheden af vores fund, da stikprøven måske ikke er repræsentativ for hele populationen. For at adressere dette har vi diskuteret begrænsningerne.
Kan du uddybe den multiple regressionanalyse, der blev brugt i jeres undersøgelse? Hvordan fortolker du resultaterne fra denne analyse?
Vi anvendte multiple regressionanalyse for at undersøge forholdet mellem de afhængige variable (købsbeslutning) og flere uafhængige variable (pris, kvalitet, social influence, brand image og økomærkning).
Resultaterne blev fortolket ved at se på koefficienternes størrelser og signifikansniveauer, hvilket indikerer styrken og retningen af hver variabels indflydelse på købsbeslutningen.
Hvilke begrænsninger er der ved de metoder, som I har brugt, og hvordan kan disse påvirke jeres resultater?
Begrænsninger inkluderer brugen af convenience sampling, som kan påvirke generaliserbarheden, og mulige bias i selvrapporterede data. Disse begrænsninger kan føre til skævheder i resultaterne
Kan du beskrive udfordringerne ved dataindsamlingen, og hvordan håndterede I dem?
En udfordring var at sikre en tilstrækkelig stor og diverse stikprøve, i og med, at vi benyttede vores netværker på de sociale medier samt vores arbejdsplads til indsamling af data, så medvirkede det til, at vi fik en begrænset demografisk fordeling, men vi sikrede anonymitet og frivillighed for at øge svarprocenten.
Hvilke alternative metoder kunne være anvendt, og hvordan kunne det have påvirket resultaterne?
Alternative metoder kunne have givet mere robuste og generaliserbare resultater, men de kræver også flere ressourcer og tid:
Longitudinal Undersøgelse: I stedet for en tværsnitsundersøgelse kunne vi have brugt en longitudinal undersøgelse, hvor data indsamles fra de samme respondenter over en længere periode. Dette ville have givet os mulighed for at observere ændringer i forbrugeradfærd over tid og forstå langsigtede effekter af bæredygtige valg. Det ville også hjælpe med at identificere årsagssammenhænge i stedet for blot korrelationer.
Eksperimentelle Designs: Vi kunne have anvendt eksperimentelle designs, hvor respondenterne randomiseres til forskellige betingelser for at teste specifikke hypoteser om forbrugernes præferencer og adfærd. Eksperimenter ville give os mulighed for at kontrollere for eksterne faktorer og isolere effekten af specifikke variabler. Dette kunne give stærkere kausale konklusioner og mere præcise estimater af effekterne af sociale og økonomiske faktorer på bæredygtige valg.
Stratificeret random sampling: I stedet for convenience sampling kunne vi have brugt stratificeret random sampling, hvor populationen opdeles i undergrupper (strata), og stikprøver tages tilfældigt fra hvert stratum. Dette ville have øget repræsentativiteten af vores stikprøve, hvilket kunne forbedre generaliserbarheden af vores resultater. Det ville også reducere sampling bias og give et mere præcist billede af forbrugeradfærd på tværs af forskellige demografiske grupper.
Mixed Methods: En kombination af kvalitative og kvantitative metoder kunne have været anvendt. For eksempel kunne vi have brugt fokusgrupper eller dybdegående interviews sammen med spørgeskemaer. Blandede metoder ville give en mere omfattende forståelse af forbrugeradfærd. Kvalitative data kunne give dybere indsigt i de underliggende motivationer og barrierer for bæredygtige valg, mens kvantitative data kunne kvantificere disse indsigter og teste deres generaliserbarhed.
Observationsstudier: Vi kunne have brugt observationsstudier, hvor forbrugernes faktiske købsadfærd observeres og registreres i stedet for at stole på selvrapporterede data. Dette ville reducere social desirability bias og give et mere nøjagtigt billede af forbrugernes adfærd. Observationsdata kan også afsløre adfærdsmønstre, som respondenterne måske ikke selv er opmærksomme på.
Hvordan vurderer I kvaliteten af jeres data, I har indsamlet?
Vi vurderede datakvaliteten gennem prætestning, og så fjernede vi også ufuldstændige besvarelser og outliers for at sikre, at vores analyser var baseret på pålidelige data.
Kan I præsentere og forklare den multiple regressionsformel, I brugte i jeres analyse?
Y = den afhængige variabel (købsvillighed af bæredygtige hårde hvidevarer)
X = de uafhængige variabler (pris, kvalitet, økomærkning, social indflydelse, brand image PCE og EC).
Hvilke potentielle fejlkilder findes der i jeres statistiske analyser, og hvordan har I forsøgt at minimere dem?
Potentielle fejlkilder inkluderer multikollinearitet, autokorrelation og heteroskedasticitet.
Vi har brugt diagnostiske tests for at identificere for disse problemer, som fx VIF (Variance Inflation Factor) for multikollinearitet og Residuals by Predicted Plot test for homoskedasticitet.
Hvilke antagelser ligger til grund for de statistiske modeller, I har brugt, og hvordan har I sikret, at disse antagelser er opfyldt?
De grundlæggende antagelser normalfordelte fejl, uafhængighed af observationerne, lineær sammenhæng, multikollinaritet, homoskedasticitet og autokorrelation. Vi har sikret opfyldelsen af disse antagelser gennem residualanalyse og diverse statistiske tests som Durbin-Watson test for uafhængighed af observationerne og Q-Q plots for normalitet.
Hvilke fit indices har I brugt til at evaluere jeres modeller, og hvad fortæller de om modeltilpasningen?
Vi brugte fit indices som R², Adjusted R².
R² og Adjusted R² angiver hvor stor en del af variationen i den afhængige variabel, der forklares af modellen.
Hvad er de vigtigste begrænsninger i jeres undersøgelse, og hvordan kunne fremtidig forskning adressere disse begrænsninger?
De vigtigste begrænsninger inkluderer brugen af convenience sampling og selvrapporterede data.
Fremtidig forskning kan anvende en anden metode såsom brug af andre metoder såsom eksperimentelle designs for at forbedre generaliserbarheden og reducere bias.
