of the attribute ratings. Other ana

of the attribute ratings. Other analyses including covariates such as
involvement and attribute importance did not yield significantly
different results. These additional analyses are not presented in this
paper. The main analysis was done using the Linear Mixed Models
(LMM) module in SPSS and the parameters of the model was estimated
with the restricted maximum likelihood estimation algorithm. The
individual attributes were nested within the corresponding attribute
type (i.e., search and credence). This analysis strategy was adopted
instead of averaging the change scores of the different attributes rated
by the same subject, because preliminary correlational analyses
indicate that averaging the change scores of the focal attributes in
the same condition is not appropriate. The readers should note that
LMM module in SPSS applies corrections for random effects and
multiple levels that result in fractional values for the degrees of
freedom for the denominator (Tabachnick and Fidell 2007). However,
the presentation of the denominator degrees of freedom in this paper
is rounded to the nearest integer.
The attribute type main effect is significant (F(1,103)=8.44,
p

Hasil (Bahasa Indonesia) 1:

peringkat atribut. Analisis lainnya termasuk covariates sepertiketerlibatan dan atribut penting tidak menghasilkan secara signifikanhasil yang berbeda. Analisis ini tambahan yang tidak disajikan dalamkertas. Analisis utama dilakukan menggunakan model campuran Linear(LMM) modul SPSS dan parameter model diperkirakandengan algoritma estimasi dibatasi maksimum kemungkinan. Themasing-masing atribut yang bersarang dalam atribut yang sesuaijenis (yaitu, Cari dan kepercayaan). Strategi analisis ini diadopsibukan rata-rata perubahan nilai atribut berbeda dinilaioleh subjek yang sama, karena analisis awal correlationalmenunjukkan bahwa rata-rata nilai atribut yang fokus dalam perubahankondisi yang sama ini tidak sesuai. Pembaca harus dicatat bahwaModul LMM SPSS berlaku koreksi untuk efek acak danbeberapa tingkat yang menghasilkan nilai pecahan derajatkebebasan untuk penyebut (Tabachnick dan Fidell 2007). Namun,presentasi dari penyebut derajat kebebasan dalam makalah inidibulatkan integer terdekat.Atribut jenis efek utama signifikan (F (1,103) = 8,44,p < 0.01). Berarti marjinal Cari atribut lebih rendah daripadaKepercayaan atribut (Tabel 2), sehingga mendukung hipotesis 1. TheEfek signifikan interaksi (F (1,103) = 8,34, p < 0.01) dan individusel berarti menunjukkan bahwa hubungan di bawah WOM negatifsecara signifikan lebih curam daripada hubungan di bawah WOM positif.Post-hoc tambahan analisis menunjukkan bahwa sel mean pencarianAtribut secara signifikan lebih rendah daripada kepercayaan atribut untuk negatifWOM. Sarana sel tidak berbeda secara signifikan di bawah positifWOM. Oleh karena itu, hasil ini mendukung hipotesis 3.Valence WOM efek utama signifikan (F (1,103) = 4,69,p < 0,05), tetapi berarti marjinal untuk PositiveWOM (M = 1,9) lebih besardaripada negatif WOM (M = 1.5). Dengan demikian, hipotesis 2 adalah tidakdidukung. Hasil yang tak terduga untuk hipotesis 2 mungkin telah jatuh tempokonteks yang digunakan dalam percobaan 1. Penelitian terbaru telah menemukan bahwabeberapa faktor yang mengurangi efek negatif (Montek, 2002). Untukcontoh, Laczniak et al. (2001) menemukan bahwa negatif WOM menurunmerek evaluasi hanya ketika atribut Penerima WOMnegatif pesan untuk merek dan tidak WOM pemberi.Dalam 1 percobaan, mata pelajaran mungkin dikaitkan negatifWOM WOM pemberi daripada Belize sebagai tujuan perjalanan. Themata pelajaran yang mungkin telah membuat atribusi ini dalam konteks ini,karena kinerja beberapa atribut akan tergantung padapilihan pemberi WOM dibuat. Misalnya, atribut biayaAkomodasi tergantung pada penyedia layanan yang WOMmemilih pemberi. Oleh karena itu, konteks untuk percobaan 2 dipilihmenjadi kurang bergantung pada pilihan yang dibuat oleh konsumen.Sebagian besar dari mata pelajaran yang masih dianggap sebagai kepercayaanatribut sebagai atribut Cari (Tabel 1). Analisis tambahantanpa mata pelajaran ini menunjukkan hasil yang konsisten dengankesimpulan yang diambil dari hasil analisis utama. Namun,mata pelajaran mungkin dianggap atribut pencarian dan kepercayaanakan berbeda beberapa dimensi yang lain. Dengan demikian, lebih ketatkriteria diadopsi untuk pilihan atribut untuk digunakan dalamPercobaan 2. Ahli industri dan akademisi telah juga dikategorikanatribut pilihan ini sebagai atribut pencarian dan kepercayaan.

Hasil (Bahasa Indonesia) 2:

dari peringkat atribut. Analisis lainnya termasuk kovariat seperti
keterlibatan dan atribut penting tidak menghasilkan signifikan
hasil yang berbeda. Ini analisis tambahan tidak disajikan dalam
kertas. Analisis utama dilakukan dengan menggunakan Linear Mixed Model
(LMM) modul dalam SPSS dan parameter model diperkirakan
dengan algoritma estimasi kemungkinan maksimum yang dibatasi. The
atribut individu yang bersarang dalam atribut yang sesuai
jenis (yaitu, pencarian dan kepercayaan). Strategi analisis ini diadopsi
bukan rata-rata skor perubahan atribut yang berbeda dinilai
oleh subjek yang sama, karena analisis korelasional awal
menunjukkan bahwa rata-rata nilai perubahan atribut fokus di
kondisi yang sama tidak tepat. Pembaca harus mencatat bahwa
modul LMM di SPSS berlaku koreksi untuk efek acak dan
beberapa tingkatan yang menghasilkan nilai pecahan untuk derajat
kebebasan untuk penyebut (Tabachnick dan Fidell 2007). Namun,
penyajian derajat denominator kebebasan dalam makalah ini
dibulatkan ke bilangan bulat terdekat.
Atribut ketik efek utama adalah signifikan (F (1.103) = 8.44,
p <0,01). Mean marjinal Cari Atribut adalah lebih rendah dari
Kepercayaan Atribut (Tabel 2), sehingga mendukung Hipotesis 1.
pengaruh interaksi yang signifikan (F (1.103) = 8.34, p <0,01) dan individu
berarti sel menunjukkan bahwa hubungan di bawah WOM negatif adalah
signifikan curam daripada hubungan bawah Positif WOM.
tambahan post-hoc analisis menunjukkan bahwa rata-rata sel Cari
Atribut secara signifikan lebih rendah dari Kepercayaan Atribut untuk Negatif
WOM. Sarana sel tidak berbeda secara signifikan di bawah Positif
WOM. Oleh karena itu, hasil ini mendukung Hipotesis 3.
Efek utama WOM valensi adalah signifikan (F (1.103) = 4,69,
p <0,05), namun rata-rata marjinal untuk PositiveWOM (M = 1.9) adalah lebih besar
daripada WOM negatif (M = 1.5 ). Dengan demikian, Hipotesis 2 tidak
didukung. Hasil tak terduga untuk Hipotesis 2 mungkin karena
dengan konteks yang digunakan dalam percobaan 1. Penelitian terbaru telah menemukan bahwa
beberapa faktor menipiskan efek negatif (Ahluwalia, 2002). Untuk
contoh, Laczniak et al. (2001) menemukan bahwa WOM negatif berkurang
evaluasi merek hanya ketika penerima WOM atribut
negatif dari pesan untuk merek dan tidak pemberi WOM.
Dalam Percobaan 1, subjek mungkin telah dikaitkan negatif
WOM untuk pemberi WOM daripada Belize sebagai tujuan wisata. The
subjek mungkin telah membuat atribusi ini dalam konteks ini,
karena kinerja beberapa atribut akan tergantung pada
pilihan yang WOM pemberi dibuat. Misalnya, atribut Biaya
Akomodasi tergantung pada penyedia layanan bahwa WOM
pemberi memilih. Oleh karena itu, konteks untuk Percobaan 2 dipilih untuk
menjadi kurang tergantung pada pilihan yang dibuat oleh konsumen.
Sebagian besar subyek masih dianggap kepercayaan yang
atribut sebagai atribut pencarian (Tabel 1). Sebuah analisis tambahan
tanpa mata pelajaran tersebut menunjukkan hasil yang konsisten dengan
kesimpulan yang diambil dari hasil analisis utama. Namun,
subyek mungkin telah dirasakan pencarian dan kepercayaan atribut untuk
berbeda pada beberapa dimensi lain. Dengan demikian, lebih ketat
kriteria diadopsi untuk pilihan atribut yang akan digunakan dalam
percobaan 2. Industri ahli dan akademisi juga telah dikategorikan
atribut-atribut terpilih sebagai pencari dan kepercayaan atribut.