دانلود ترجمه مقاله بررسی اعتبار بازار میانی و برند میانی در یک مدل ارزش ویژه برند مبتنی بر مصرف کننده

1. مقدمه 2. بررسی مقالات 3. روش تحقیق 4. نتایج 5. بحث و بررسی و مفاهیم

محدودیت های روش شناختی و پیشنهادات تحقیقاتی آینده: محدودیت های این تحقیق مسیر پژوهش های آتی را نمایان می کند. اولا، یک شرط استقرایی روی مدل CBBE توسعه یافته مبتنی بر تحقیقات قبلی اعمال شده است. اگرچه شرط استقرایی می تواند به عنوان تئوری تعریف داده در نظر گرفته شود، چارچوب تئوریکی برای CBBE از قبل چارچوب موقعیتی را برای CBBE بر اساس تمایزات بازار و محصول فرض شده است. در مورد برندهای محبوب مقصد شهرهای ایالات متحده، مدل CBBE نشان داده شده در این مطالعه می تواند قابل اجرا باشد، ولی نیازمند تست های بیشتری در مطالعات آتی است. دوما، همبستگی بالای بین کیفیت و تصویر منجر به حذف کیفیت از مدل شده در حالی که تصویر، که متداولا در برگیرنده کیفیت در قالب بعدی در بسیاری از مطالعات تصویر مقصد می باشد، حفظ می گردد. با این حال، کیفیت یکی از مولفه های پذیرفته شده CBBE بوده و بنابراین یکی از متغیرهای بالقوه برای وفاداری می باشد. بنابراین، مطالعات آتی باید این مولفه را با تفکیک دقیق آن از تصویر و با ارائه پرسشنامه معنایی دقیقی در بر گیرند. در این مطالعه، تمامی پرسش ها با ساختار جمله بندی مشابه و با نام های مختلف مرتبط با مفاهیم ارائه شده اند (در همین راستا، به نکات جدول 3 مراجعه کنید). پرسش ها در صورتی که شامل مفاهیم متمایز معنایی با جزئیات بیشتر باشند می توانند یکپارچگی مفهومی بالاتری را نشان دهند. به عنوان مثال، به جای پرسیدن "لطفا تصویر کلی شهر نیویورک را بیان دهید"، پرسش را می توان به این صورت طرح کرد که "لطفا جذابیت تصویری را بیان کنید که هنگام فکر کردن در مورد شهر نیویورک در ذهن شما تداعی می گردد". به طور مشابه، در مورد کیفیت به جای پرسیدن "لطفا کیفیت کلی شهر نیویورک را بیان کنید" می توان پرسید که "لطفا سطح کیفی خدمات گردشگری و جاذبه های توریستی در نیویورک را در مقایسه با آنچه که قبلا از این محصولات انتظار داشتید، بیان نمایید". چنین پرسش هایی با کلمات و جملات مفصل تر می تواند میزان اطمینان را بهبود بخشیده و یکپارچگی مولفه های CBBE را شناسایی نماید، و در نتیجه، نتایجی را نشان می دهد که در تحقیقات آتی بیشتر مورد توجه قرار خواهند گرفت. سوم، مشخصات جدید مدل، درجه آزادی را به دو کاهش داد، که ممکن است به عنوان فداکاری قدرت برای اعتماد و تفسیرپذیری مدل ارائه شود (بونت و بنتل، 1980). مدل های مسیر با متغیرهای مشاهده شده (یا اندازه های تک آیتمی) dfکوچکی دارند، با این حال، منجر به تعداد محدودی از متغیرها، در مقایسه با مدل سازی معادلات ساختاری، که از متغیرهای پنهان با شاخص های مختلف استفاده می کند، می شوند (کنی، کانیسکان و مک کوچ، 2015). محققان با اتکا به RMSEA برای ارزیابی تناسب مدل برای مدل های کوچک DF، توصیه می کنند، زیرا این مسئله به جز برای نمونه های بسیار بزرگ، مشکل ساز است (کنی و همکاران، 2015، مک کالوم، براون، و سوگاوارا، 1996). با این حال ، آزمایشات مدل با دو DF، در ادبیات گزارش شده است؛ مدل معروف تئوری عمل منطقی فیشبن و آجزین (1975)، یکی از آن ها است. اگرچه در مطالعه حاضر از یک نمونه نسبتا بزرگ استفاده شده است، مطالعات آینده باید مدل را با استفاده از متغیرهای پنهان شده برای از بین بردن هر گونه مسائل مربوط به درجه های کوچک آزادی، آزمایش کنند.

Methodological limitations and future research suggestions: Study limitations call for several future research suggestions. First, a posteriori trimming was applied to the CBBE model developed based on past research. Although a posteriori trimming may be considered to be “data defining the theory”, the theoretical groundwork for CBBE already assumes situational modifications to the CBBE framework based on product and market differences. In the context of popular U.S. city destination brands, the CBBE model revealed in this study may be applicable, but requires further testing in future studies. Second, high correlations between quality and image resulted in quality being eliminated from the model while image, which traditionally involves quality as a dimension in many destination image studies, was retained. Quality, however, is one of the commonly-accepted original CBBE components, and hence it is one of the potential explanatory variables for loyalty. Future studies should therefore include this component by sufficiently differentiating it from image with a semantically sound questionnaire design. In this study, all questions were streamlined with the same sentence structure and differentiated amongst using the names of the concepts (see the note in Table 3). Questions may reveal a higher conceptual integrity if they are asked by semantically differentiating the concepts with more details. For example, instead of asking “please indicate the overall image of NY City”, the question could be specified further as “please indicate the attractiveness of the overall picture that comes to your mind when you think of NY City”. Similarly, for quality, instead of asking “please indicate the overall quality of NYCity”, the question could be specified further as “please indicate the quality level of tourist products, such as hotels and attractions, in NY City in comparison to your expectations of such products”. Such questions with more detailed wording may improve the reliability and identity integrity of CBBE components, thus revealing results that are more sound in future studies. Third, model re-specifications reduced the degrees of freedom to two, which may be rendered as a sacrifice of power for the confidence and interpretability of the model (Bentler & Bonnet, 1980). Path models with observed variables (or single-item measures) are known to have small df, however, due to a limited number of variables, in comparison to structural equation modeling, which uses latent variables with multiple indicators (Kenny, Kaniskan, & McCoach, 2015). Researchers suggest caution when relying on RMSEA to assess the model fit for models with small df, since this is considered problematic except for very large sample sizes (Kenny et al., 2015; MacCallum, Browne, & Sugawara, 1996). Model tests with two df, however, have been reported in the literature; Fishbein and Ajzen's (1975) famous model of the theory of reasoned action is one of them. Even one df has been reported (Curran, 2000; Heath, Neale, Hewitt, Eaves, & Fulker, 1989; Llabre, Spitzer, Siegel, Saab, & Schneiderman, 2004; Segrin et al., 2005). Although the current study used a relatively large sample, future studies should test the model by including latent variables in order to eliminate any issues associated with small degrees of freedom.