The soft laddering (SL) data were a

The soft laddering (SL) data were analysed in the same manner as Reynolds and Gutman (1988). Interview tapes were transcribed and transformed into a series of hierarchical ladders containing the key elements, from attribute to highest level of abstraction. The two interviewers separately assigned a construct category code to the elements of each ladder produced by every participant. To create a meaningful comparison between SL and the two hard laddering methods elements were coded to the same construct categories as those presented in the hard laddering procedure. Otherwise, new categories were created. Differences in coding were resolved by discussion and consensus between the two interviewers. Interviewers then separatelycoded all elements and comparisons were made and differences resolved through discussion. Negative elements were reversed to become positive for example, phrases such as ‘‘not get sick’’, ‘‘not sick all the time’’ and ‘‘not be weak’’ were categorised into ‘‘goodhealth’’. We recognise that such treatment may not precisely reflect recent observations that doing well at moving toward an incentive is not necessarily the same experience as doing well at moving away from a threat (Carver, 2001; Carver & Scheier, 1998). Within one methodology designed to elicit why product attributes are important to consumers, this issue would beimportant. However, our methodological study specifically addressed comparability of output across three methods necessitating consistent coding.

結果 (繁體中文) 1:

軟梯狀（SL）數據以相同的方式如Reynolds和古特曼（1988）進行分析。採訪錄音帶被轉錄和轉化為一系列包含的關鍵要素，從屬性的抽象的最高水平分層梯子。兩個面試單獨分配的構建類別代碼，以由每個參與者產生的每個階梯的元件。為了創建SL和兩個硬梯狀方法的元件之間進行有意義的比較進行編碼，以相同構建類別的那些硬梯狀程序中呈現。否則，創建新的類別。在編碼的差異是由兩個面試官之間的討論和協商解決分歧。面試官然後分別
編碼的所有元素，並進行了比較，並通過討論解決分歧。消極因素被扭轉成為積極的，例如，為''不生病''，''沒有生病所有的時間''和''不弱“”這樣的短語被分為'好
健康'“。我們認識到，這樣的處理不能夠完全反映最近的觀察，在向著一種激勵移動做得很好並不一定是相同的經驗，做好從威脅移開（卡弗，2001年;卡弗和Scheier，1998）。在一個方法，旨在引起為什麼產品屬性對消費者很重要，這個問題是
非常重要的。然而，我們的方法研究具體處理輸出的可比性橫跨三種方法迫使編碼一致。

結果 (繁體中文) 2:

軟梯（SL）資料的分析方式與雷諾茲和古特曼（1988年）相同。採訪錄音帶被轉錄並轉換成一系列等級階梯，包含從屬性到最高抽象級別的關鍵元素。兩位面試官分別為每個參與者生成的每個梯形元素分配了構造類別代碼。為了在 SL 和兩個硬梯形方法之間創建有意義的比較，元素被編碼為與硬梯形過程中顯示的構造類別相同的構造類別。否則，將創建新類別。編碼上的差異通過兩位面試官之間的討論和共識得到解決。面試官然後分開
編碼所有元素和比較，並通過討論解決差異。負面因素被顛倒為正面，例如，"不生病"，"不生病"和"不軟弱"等短語被歸類為"好"
健康'。我們認識到，這種處理辦法可能並不準確地反映最近的觀察，即做好激勵工作不一定與在擺脫威脅方面做得好一樣（Carver，2001年;卡弗 – 舍爾，1998年）。在一種方法中，旨在引出產品屬性對消費者的重要性，這個問題將是
重要。然而，我們的方法學研究具體討論了三種方法輸出的可比性，這些方法需要一致的編碼。

結果 (繁體中文) 3:

軟梯階（SL）數據的分析方法與Reynolds和Gutman（1988）相同。採訪磁帶被轉錄並轉換成一系列包含關鍵元素的層次結構，從内容到最高抽象級別。兩位面試官分別為每個參與者生成的每個階梯的元素分配了一個構造類別程式碼。為了在SL和兩種硬階梯方法之間創建有意義的比較，將元素編碼為與硬階梯過程中呈現的相同的構造類別。否則，將創建新類別。兩位面試官通過討論和協商一致解决了編碼上的差异。然後分別採訪
對所有元素進行編碼和比較，通過討論解决差异。消極因素被逆轉為積極因素例如，短語“不生病”、“一直不生病”和“不虛弱”被歸類為“好的
運行狀況''。我們認識到，這種待遇可能並不準確地反映最近的觀察，即在走向激勵方面做得好並不一定與在遠離威脅方面做得好相同（Carver，2001；Carver&Scheier，1998）。在一個旨在引出產品内容為什麼對消費者重要的方法中，這個問題是
很重要。然而，我們的方法學研究特別針對三種需要一致編碼的方法的輸出的可比性。