Die Studie verwendete die Regressionsanalyse, um die Signifikanz des vorgeschlagenen Modells zu messen. Das vorgeschlagene Modell der Studie wurde in zwei Stufen überprüft. Zunächst wurde für Modell 1 die einfache Regressionsanalyse durchgeführt, um die Stärke und Kraft der Beziehung zwischen unabhängigen Variablen (IVs) und abhängiger Variable (DV) zu messen. In der zweiten Phase wurde der Interaktionsterm eingeführt, indem Multiplikation der IVs mit dem Moderator. Dann wurde der Einfluss der moderierenden Variable (MV) in Modell 2 überprüft. Die Analyse wurde mit dem Statistical Package of Social Sciences (SPSS) Version 23 durchgeführt. Vor der Schätzung der Regression wurde die Reliabilitätsanalyse eingesetzt, um die Konsistenz und Authentizität der beobachteten Variablen zu messen. Die Ergebnisse der Reliabilitäts- und Validitätsanalyse sind unten in Tabelle 1 aufgeführt.

Tabelle 1. Analyse der Reliabilität und Validität.

VariablenCronbachs AlphaKomposit-ZuverlässigkeitAVENr. der Artikel
Innovatives Engagement (IE)0.8480.8870.62704
Funktionales Engagement (FE)0.8240.8580.75804
Emotionales Engagement (EE)0.8950.7130.59204
Kommunales Engagement (CE)0.7860.8550.76404
Bloggen über E-Commerce (BE)0.8640.8820.65806
Benutzer-Loyalität (UL)0.7970.8910.76204

Die obige Tabelle 1 zeigt die Inter-Item-Konsistenz von IVs, DV und MV. Eine Faustregel zur Messung der Reliabilität der Items ist, dass der berechnete Wert von Cronbachs Alpha für jede Variable größer oder gleich 0,7 sein sollte. Alpha ist das eindeutige Beispiel für den Kuder-Richardson-Koeffizienten und zeigt die interne Konsistenz zwischen den Items an [60]. In der Tat ist Alpha die Schätzung der Korrelation von Stichproben und weithin akzeptiert für eine höhere Legitimität der in der Studie verwendeten Skalen. Nach Santos [61] können schiefe Daten den Wert von Alpha beeinflussen, daher sollte die Normalität der Daten vor der Messung oder Schätzung der Werte von Cronbachs Alpha überprüft werden. Die Daten wurden auch mittels Faktorenanalyse auf ihre Validität überprüft. Es wurde festgestellt, dass alle Werte größer als 0,7 für alle individuellen Ladungen sind. Danach wurden die Daten auf konvergente und diskriminante Validität überprüft. Die konvergente Validität wurde anhand der Werte der zusammengesetzten Reliabilität beurteilt. Die Skala ist validiert [62], wenn die Werte der zusammengesetzten Reliabilität größer als 0,7 sein müssen. Hier, in Tabelle 1, liegen alle CR-Werte der Variablen über 0,8 mit Ausnahme des Wertes von EE, der ebenfalls größer als 0,7 ist. Für die diskriminante Validität wurde der Wert der durchschnittlich extrahierten Varianz (AVE) betrachtet. Die diskriminante Validität wurde gemessen, indem die Quadratwurzel jedes Konstrukts mit anderen Konstrukten verglichen wurde. Der Wert jedes Konstrukts muss im Vergleich zu den anderen Konstrukten größer sein als er selbst. Es wurde festgestellt, dass alle Konstrukte für die diskriminante Validität gemäß der Praxis früherer Studien [63,64] validiert wurden. Nachdem festgestellt wurde, dass die Kriterien für alle Variablen für Reliabilität und Validität erfüllt waren, wurden weitere Analysen für die deskriptive Analyse sowie für die Regressionsanalyse durchgeführt.

Tabelle 2 unten zeigt die Zusammenfassung der deskriptiven Statistik. Insgesamt wurden 309 Befragte in die Studie aufgenommen, von denen 251 männlich und 58 weiblich waren. Der gültige Prozentsatz betrug 81,2 und 18,8 für Männer bzw. Frauen. Der Grund für die geringere Rücklaufquote bei den Frauen waren kulturelle Einschränkungen bei der Weitergabe von Informationen und ihr geringes Interesse am Kauf von elektronischen Online-Produkten. Das Alter wurde grob in drei Kategorien eingeteilt: Alter unter 30 Jahren, Alter im Bereich zwischen 30 und 40 Jahren und Alter über 40 Jahren. Der gültige Prozentsatz beträgt 30, 50 bzw. 20 für jede Altersgruppe. Diese Stichprobe zeigte, dass die Mehrheit der Befragten, die online elektronische Produkte kauften, Erwachsene im Altersbereich von 30 bis 40 Jahren waren. Die Ausbildung wurde ebenfalls in drei Gruppen eingeteilt: Bachelor, Master und Absolvent. Der gültige Prozentsatz für diese drei Gruppen betrug 22, 71 bzw. 6. Diese Statistiken zeigten, dass ein Großteil der Befragten einen Master-Abschluss oder 16 Jahre formale Bildung hatte und erwachsene Männer sind.

Tabelle 2. Deskriptive Statistik

Deskriptive Statistik
Deskriptive Statistik

Nach der deskriptiven Statistik und der Skalenauthentifizierung wurde eine einfache Regressionsanalyse durchgeführt, um die Stärke der Beziehung und das Signifikanzniveau zwischen IVs und DV zu schätzen. Bevor die Regressionsanalyse durchgeführt wurde, wurden die Variablen auf Autokorrelation und Multikollinearität geprüft. Es wurde kein solches Problem in den Daten gefunden. Die Kollinearitätsstatistik wurde durch den Varianzinflationsfaktor (VIF) gemessen. Der berechnete Wert des VIF für alle Variablen war kleiner als 2, während der Schwellenwert für ein Kollinearitätsproblem bei 3 oder darüber lag. Basierend auf der berechneten VIF-Statistik wurde also bestätigt, dass die Daten kein Kollinearitätsproblem aufweisen und perfekt für die Durchführung der Regressionsanalyse geeignet sind. Das Gleiche wurde mit der Toleranzstatistik gegengeprüft und es wurde kein Problem der Multikollinearität in den Daten gefunden. Alle Hypothesen der Studie wurden mit einem Konfidenzniveau von 95 % und einem Schwellenwert von 0,05 oder weniger getestet. Die Modellzusammenfassung der Regressionsanalyse ist unten in Tabelle 3 aufgeführt.

Tabelle 3. Regressionsanalyse

Regressionsanalyse
Regressionsanalyse

Tabelle 3 (oben) zeigt die Zusammenfassung der Regressionsanalyse für IE, FE, EE und CE (IVs) mit UL (DV). Die Regression ist eine leistungsstarke Technik des statistischen Verfahrens, die die Stärke der beobachteten Variablen. Dies sind die Ergebnisse vor der Einbeziehung von Moderatoren- oder Interaktionsterms. Die Ergebnisse zeigten den starken und positiven Zusammenhang zwischen IE, FE, EE, CE und UL. Der Wert von R beschreibt, wie nahe die angepasste Regressionslinie an den tatsächlichen Daten liegt. Sein Wert reicht von 0 bis 100, wobei 0 bedeutet, dass keine Variabilität oder Modellerklärung vorliegt, während 100 bedeutet, dass das Modell vollständig durch die Prädiktoren erklärt wird. Hier ist der Wert von R 0,65 und der Wert des bereinigten R-Quadrats ist 0,414, was zeigt, dass 41 Prozent der Variation in der DV durch die IVs erklärt wird. Der Wahrscheinlichkeitswert oder p-Wert des Modells ist

0,000, was ein Beweis für die Signifikanz des Modells als Ganzes ist. Daraus lässt sich schließen, dass das gesamte Marketing-Engagement signifikant mit der Loyalität der Benutzer gegenüber der Nutzung sozialer Medien in Verbindung gebracht werden kann. Die Schätzung der einzelnen Prädiktoren wurde anhand der Koeffizienten gemessen, wie in Tabelle 4 unten gezeigt.

Koeffizienten
Koeffizienten

den Betakoeffizienten wird das Ausmaß der Veränderung der abhängigen Variable (UL) durch die IVs (IE, FE, EE und CE) bei einer Veränderung der Prädiktoren um 1 Einheit gemessen. Hier in Tabelle 4 sind alle Betawerte in standardisierten Koeffizienten sind positiv, mit Ausnahme von EE, was zeigt, dass eine Änderung von 1 Einheit in EE den UL um bis zu 0,051 Einheiten negativ beeinflusst. t- und sig.-Werte zeigen die statistisch signifikante Beziehung zwischen Prädiktoren und DV. Die t- und p-Werte von IE, FE und CE betragen 5,880, 7,224, 3,199 bzw. 0,000, was zeigt, dass IE, FE und CE den UL positiv und signifikant beeinflussen. Basierend auf diesen Werten werden die Studienhypothesen Nr. 1, 2 und 4 akzeptiert und es kann gesagt werden, dass innovatives, funktionales und gemeinschaftliches Engagement wichtig für die Loyalität der Nutzer bei der Verwendung von sozialen Medien sind. Aus den t- und p-Werten von EE, die 1,13 und 0,260 betragen, wird die Nullhypothese Nr. 3 abgelehnt und es wird geschlussfolgert, dass emotionales Engagement nicht mit der Loyalität der Nutzer für die Nutzung sozialer Medien in Verbindung gebracht werden kann. Tabelle 5 unten zeigt die Ergebnisse der moderierten Regression.

Tabelle 5. Moderierte Regressionsanalyse

ModellRR-QuadratBereinigtes R-QuadratStd. Fehler der Schätzungp Wert
10.664 a0.4400.4310.464540.000
20.6760.4570.4410.460560.000
Moderierte Regressionsanalyse

a Abhängige Variable: UL, Prädiktoren: (Konstante), CE, EE, IE, FE, BE, Prädiktoren mit Interaktion: (Konstante), CE, EE, IE, FE, BE, IEBE, FEBE, EEBE, CEBE.

Die Moderation misst die Stärke der Beziehung zwischen IVs und DV. Tabelle 5 zeigt die Zusammenfassung von zwei Modellen. Modell 1 erklärt die Beziehung der Variablen ohne die Interaktionsterme. Auf der anderen Seite erklärt Modell 2 die Beziehung der Variablen in Anwesenheit der Interaktionsterme oder der moderierenden Variablen. Aus den p-Werten in Tabelle 5 für Modell 1 und 2, die 0,000 betragen, ist ersichtlich, dass das Gesamtmodell auch nach der Einbeziehung der moderierenden Variable oder der Interaktionsterme signifikant ist. Der Wert von R für Modell 1 ist 0,664 und für Modell 2 ist 0,676, eine leichte Erhöhung des Wertes von R. Aus dieser leichten Erhöhung kann geschlossen werden, dass Moderatoren die Beziehung zwischen Prädiktoren und abhängiger Variable positiv beeinflussen und verbessern. Die Ergebnisse werden auch durch den Wert des bereinigten R-Quadrats unterstützt, wo die erklärte Variation von 43 Prozent auf 44 Prozent erhöht wurde. Die Ergebnisse reichen aus, um zu schlussfolgern, dass das Bloggen auf E-Commerce-Websites die Beziehung zwischen dem Marketing-Engagement und der Loyalität der Benutzer bei der Nutzung sozialer Medien stärkt.

Tabelle 6 unten zeigt die individuelle Beziehung jeder Variable mit der abhängigen Variable vor und nach der Einbeziehung der Interaktionsterme, gemessen durch den hierarchischen Regressionstest. Standardisierte und unstandardisierte Betakoeffizienten in Tabelle 6 zeigten keine signifikanten Unterschiede in den Werten der berechneten Variablen, was ein gutes Zeichen für die Normalität der Daten ist [65], wobei standardisierte Betas die normalisierten Einheiten sind, während die unstandardisierten Betas reale Skalen sind. Der Standardfehler misst den Grad der Streuung der Stichprobenmittelwerte vom Populationsmittelwert [66]. Hier bestätigen die niedrigen Werte des Standardfehlers in Tabelle 6, dass die Daten nicht weit gestreut sind. Für Modell 1 zeigten die t- und p-Werte den positiven und signifikanten Zusammenhang von IE, FE, CE und BE mit UL. Diese Werte von t und p in Modell 1 sind 5,616, 0,000 für IE, 6,588, 0,000 für FE, 2,295, 0,022 für CE und 3,153, 0,002 für BE. Die Werte von t und p für EE sind -1,254 und 0,211, was eine unbedeutende und negative Beziehung von EE mit UL zeigt. Diese Ergebnisse haben die Hypothesen Nr. 1, 2 und 4 dieser Studie weiter gestützt und Hypothese Nr. 3 verworfen. Modell 2 ist das Ergebnis von Interaktionstermen oder zeigt die Beziehung zwischen IVs und DV in Anwesenheit eines Moderators. Die t- und p-Werte von FEBE, EEBE, IEBE und CEBE sind 0,40 und 0,968, -1,218 und 0,224, -0,680 und 0,497, 2,545 und 0,011. Der Vergleich von Modell 1 und 2 zeigt, dass sich bei allen oben genannten Werten das Signifikanzniveau von IE und FE nach der Einbeziehung eines Moderators verändert. Diese Änderung kann anhand der t- und p-Werte von IEBE und FEBE in Tabelle 6 beobachtet werden. Dagegen hat sich das Signifikanzniveau von EE und CE nach dem Einbezug eines Moderators nicht verändert. EE blieb insignifikant, während CE auch nach der Einbeziehung des Moderators einen signifikanten Zusammenhang aufwies. Die insignifikanten und signifikanten Werte können anhand der t- und p-Werte von EEBE und CEBE in Tabelle 5 beobachtet werden. Trotz der Insignifikanz von IEBE, FEBE und EEBE ist das Gesamtmodell 2 nach dem Einschluss eines Moderators signifikant. Diese Schlussfolgerung wurde aus Tabelle 5 gezogen, wo der p-Wert für das Gesamtmodell 2 0,000 beträgt. Die Erklärungskraft des Modells 2

hat sich ebenfalls von 0,664 auf 0,676 erhöht, wie in Tabelle 5 zu sehen ist. Aus den berechneten Werten lässt sich schließen, dass BE die Beziehung zwischen CE und UL erfolgreich moderiert, während die Beziehung zwischen IE, FE und EE nach der Einbeziehung des Moderators BE nicht signifikant blieb. Aus dem oben Gesagten geht hervor, dass die Hypothesen Nr. 5-7 der Studie nicht unterstützt werden, bei denen sich das Signifikanzniveau nach der Einbeziehung eines Moderators geändert hat. Das Signifikanzniveau CE blieb nach der Einführung der Interaktionsterme gleich, so dass die Studie die Hypothese Nr. 8 nicht zurückweisen konnte. Basierend auf den Ergebnissen kann mit Sicherheit gesagt werden, dass das Bloggen auf E-Commerce-Websites die Beziehung und Loyalität von Social Media-Nutzern nur für CE erfolgreich moderiert und stärkt, während die Signifikanzniveaus von innovativem, funktionalem und emotionalem Engagement durch die Einbeziehung eines Moderators nicht beeinflusst werden. CE steht in signifikanter Beziehung zu BE, da Blogging als suggestiver Teil fungiert, während Social Media-Nutzer aus innovativer, funktionaler und emotionaler Sicht noch andere Eigenschaften beim Online-Kauf suchen. So bietet diese Studie auch neue Horizonte für weitere Forschung zur Identifizierung der Einflussfaktoren für IE, FE und EE. Aus den obigen Ausführungen wird gefolgert, dass durch die Betrachtung der sozialen Medien als Gemeinschaft der Zusammenarbeit das gemeinschaftliche Engagement der Benutzer durch das Eindringen von Blogging beeinträchtigt wird, während sich Blogging für innovatives, funktionales und emotionales Engagement als unwirksam erwies.

Table 6. Coecients of regression and moderation.

Koeffizienten der Regression und Moderation
Koeffizienten der Regression und Moderation

Referenzen und Open Access Hinweis

This is an open access article distributed under the Creative Commons Attribution License which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited

Sajjad, M.; Zaman, U. Innovative Perspective of Marketing Engagement: Enhancing Users’ Loyalty in Social Media through Blogging. J. Open Innov. Technol. Mark. Complex. 20206, 93. https://doi.org/10.3390/joitmc6030093