دانلود ترجمه مقاله تعصب درون زایی در پژوهش های بازاریابی

1. مقدمه 2. منابع درون زایی 3. بررسی درون زایی 4. نتیجه گیری

نتیجه گیری: تحقیقات نشان داده اند که زمانی که هیچ اقدامی در راستای تصحیح درون زایی انجام نگیرد، چه اتفاقی خواهد افتاد (ویلاس-بوس و وینر، 1999). نتایج به وضوح نشان می دهند که در نظر نگرفتن درون زایی می تواند ممنجر به نتایجی گمراه کننده، تاثیراتی نامطلوب و سطوح برآورد غیردقیق در مدل در مقایسه با تحلیل های حاصل در زمان مکانیابی درون زایی گردند. بنابراین، در صورتی که محققان به بررسی حضور درون زایی بپردازند، اولین گام منطقی در این زمینه شناسایی منابع آن به منظور بررسی مناسب ترین روش خواهد بود. در راستا با رویکردهای ارائه شده در راه حل های قبلی این مقاله، شناسایی روش هایی که باید در بررسی مسائل خاص درون زایی پیش روی این مطالعه استفاده گردند برای محققین بسیار مهم و با اهمیت خواهد بود. در حالی که در برخی موارد، چندین روش و تکنیک می توانند کاربردی و مناسب برای پیاده سازی و تصمیم گیری در زمینه اصلاحات درون زایی مبتنی بر چندین فاکتور مانند طرح پژوهشی، و ابزارهای جمع آوری داده، اندازه نمونه، پیچیدگی مدل، و درک تئوری و زمینه پژوهشی باشد. محققین علاوه بر بررسی های فوق الذکر به دنبال در نظر گرفتن روش هایی جایگزین در تقابل و بررسی موضوعات درون زایی بوده اند. اول از همه، پژوهش های منتشر شده در مجله بازاریابی صنعتی (IMM) تلاش کرده اند تا بهترین داده های کیفی را در این زمینه جمع آوری کنند. این موضوع می تواند از طریق جمع آوری داده های مرتبط در راستای بررسی تاثیرات مفوض قابل حصول باشند (لیو، آتر و آلنبی، 2007؛ سوایت و آندرسون، 2003). اگرچه راه حل هایی را می توان برای برای مفروضات مرتبط با ماهیت درون زایی (یعنی استفاده از یک تئوری قوی برای افزایش استدلال های مفهومی) و هماهنگی مستقیم روابط با برآورد ها ارائه داد، این موضوع نیز بررسی شده است. به طور کلی، تحلیل ها در زمینه درون زایی به دنبال شیوه های استاندارد برای مدلسازی علی در مقالات منتشر شده بوده اند و روش های رایج و دیگر معیارها در آنالیز مدل ها را با در نظر گرفتن اعتبار و قابلیت اطمینان به عنوان بخشی از مفروضات کیفی استاندارد بررسی کرده اند.

Conclusions: Research has demonstrated what could happen when no actions are taken to correct for endogeneity (Villas-Boas & Winer, 1999). The outcomes clearly show that not accounting for endogeneity can result in misleading results, incorrect effects and inflated estimate levels in the model in comparison with analyses achieved when endogeneity corrections took place. Thus, if the researcher suspects the presence of endogeneity, the first logical step would be to identify the source of it, in order to proceed with the most suitable treatment. In line with the approaches mentioned in the previous section of this article, it is important for researchers to clearly realize which methods they can and should use to address the specific problem of endogeneity, which they face in their research. While in some cases several techniques might be equally applicable and suitable to implement, the decision concerning endogeneity corrections should be based on several factors, such as research design and data collection instrument, sample size, complexity of the model, and underlying theory and research context. Additionally to the remedies discussed, researchers are also urged to consider alternative ways of dealing with endogeneity issues. First of all, the research community publishing in IMM ought to endeavor to collect better quality data. This could be achieved via collecting additional relevant data (surveys and experiments) that could help explain hypothesized effects (Liu, Otter, & Allenby, 2007; Swait & Andrews, 2003). Another solution could be to make explicit ex ante assumptions about the nature of the endogeneity (i.e. use a strong theory to enhance conceptual arguments) and directly incorporate that relationship into the estimation (e.g. Aaker & Bagozzi, 1979). Overall, analysis and correction for endogeneity bias ought to become standard practice for causal modeling in articles published in IMM, similar to how non-response bias, common method bias, and outer measurement model analyses regarding validity and reliability have become part of the standard quality assurances and reporting templates.