我们的协议要求参与者在参与调查之前体验大规模定制，并使用调查数据来测试消费者响应之间的关系。该协议允许将消费者数据应用于结构方程建模和潜在手段分析，以获得复杂的统计数据，提高研究的有效性。我们的研究将有利于研究零售或营销技术对消费者反应的影响。
尽管测试几种不变性测试（如配置、矩阵和标量不变性）可能很困难，但我们建议耐心一下，并非常小心地遵循此过程，以提高数据的质量。演示这个程序的将是我实验室的A级学生金喜云。使用在线调查招募具有在线服装购物体验的女性消费者。
向符合条件的参与者发送邀请电子邮件，包括有关研究目的的信息以及回复的机密性保证。向同意参加调查的参与者发送指南，以展示如何使用自定义程序创建风衣。同意参加调查的参与者开始调查程序。
他们收到一个链接，连接到一个现有的购物网站eMass定制计划，并被要求想象你足够毛，购买可爱的衣服，必须购买风衣参加一个重要会议。您将想要创建一个独特的风衣。浏览互联网时，您会遇到一个完美的服装网站，有一个大规模的定制程序。
收到方案后 24 小时，激活调查链接，以便已完成风衣并准备参加调查的参与者可以单击调查链接。在调查中，让参与者将创建的风衣的屏幕截图和价格上传到调查的第一页。然后，让学员完成在线调查问卷，了解定制产品的感知优势和情感依恋，以及对定制计划的态度、忠诚度意图和人口问题。
向完成调查的参与者提供金钱奖励。完成所有调查后，将调查数据保存在包含调查参与者所有答复的 SPSS 文件中，并使用清理的数据进行结构方程建模分析。使用中位数分割，总结和平均六项时尚创新的分数，并计算时尚创新的中位数分数。
在转换菜单下，如果平均得分低于中位数，请单击重新编码为不同的变量，为低时尚创新组编码一个。双击时尚创新组变量，按字段将之移动到拆分案例。然后，分配输出文件目录位置，以保存文件作为Data_low创新。
sav 和Data_high时尚创新。sav 在分配的目录中。要确认收敛有效性，请单击"选择数据文件"，Data_TOTAL.sav。
基于研究问题开发测量模型，包括5个潜在变量和17个观测变量。将潜在变量的每个方差设置为 1，然后单击计算估计值。然后，从单个组确认因子分析结果、拟合指数优度、拟合指数调整优度、标准拟合指数、塔克·刘易斯指数、比较拟合指数和近似根均方误差中，对测量模型的拟合指数进行对比。
在这项代表性分析中，对5个潜在变量和17个观测变量进行了单组确认因子分析。因子系数的所有临界比率都显著，这意味着实现了收敛有效性。单个组结构方程建模的拟合指数揭示了一个可接受的拟合。
从单组确认因子分析到多组确认因子分析，到对两组五因子测量模型进行交叉验证，均表明实现了配置不变性，因子系数的所有临界比都显著。为了测试指标不变性，因子系数在两个组中被限制为相同，并进行了另一个多组确认因子分析，表明 14.728 的奇方差不显著，并且指标不变性得到满足。由于公制不变性模型被接受，因此测试了标量不变性。
由于全公制/全标量不变性模型嵌套在全公制不变性模型中，因此进行了奇方差测试，表明 11.18 的奇方差不显著，并且满足了标量不变性。鉴于实现了配置不变性、公制不变性和标量不变性，因此进行了潜在均值分析，确定高创新群体的五个潜在变量为正值，明显高于低时尚创新群体的正值。大规模自定义程序可能看起来很困难，具体取决于个人对任务复杂性的看法。
请记住，为参与者提供足够的时间来适应自定义计划。为了解决潜在变量之间关系的群体差异，可以执行多个组结构方程建模，以比较各组中过去的系数。大多数研究人员使用多组结构方程建模进行组比较。
我们的研究为在社会科学领域进行多组比较提供了另一种方式。
