4.4.1 测项筛选
参考邱吉尔（1979）、格宾和安德森（GERBING AND ANDERSON，1988）等人的建议，对测项进行发展。
第一步，对该领域的相关文献进行全面检索，整理出测项37个；
第二步，根据开放式问卷的访谈资料，归纳出测项60个；
第三步，对以上测项合并，剔除不合适的测项，笔者按照以下标准进行剔除：首先，剔除重复的测项；其次，剔除过于具体的测项，如“不超速”、“不吸毒”等；再次，剔除比较极端的测项，如“世界知名”。这样，得到了83个测项；
第四步，将这些测项提交上海财经大学和华东理工大学的三位营销学教师，告知他们这83个测项被分为五个维度，请他们对这些测项的归属进行甄别，然后保留归属一致的测项，这样得到了41个测项；
第五步，笔者和上海财经大学一位高年级在读营销学博士进行讨论，对不合适的测项和维度归属做进一步调整，如将“有技能的”，改为“在自己的领域有成就”，这样，得到归属不同的31个测项；
第六步，将这些测项进行试测，询问被试对测项的理解，对个别测项的用词做进一步调整，如将“外形漂亮／潇洒”调整为“外形漂亮／英俊”，“口碑好，无不良传闻”，调整为“无不良传闻”。经过以上步骤，得到了一个包含31个测项的量表，该量表被用于正式施测。
在测项筛选过程中，笔者也发现，由于其他学者对该领域的涉足较少，因此，对各个测项的理解也不可避免地存在一些偏差。罗伯特·F·德威利斯（2004）认为“对于专家组的意见，是接受还是抛弃，最终的决定权在于你自己。有时，有关内容方面的专家可能不理解量表构建的规则，可能导致坏的建议。”王海忠（2006）也认为，在量表发展的过程中，由于“难以聘请到本研究领域的专家，使得甄别过程中一些有本土价值的语句被删除”，所以，他建议“在未来的研究中，研究者本人应发挥决定性的作用。”本研究充分意识到这一点，因此，在测项筛选的过程中，研究者本人发挥了更为决定性的作用。
4.4.2 数据收集与样本概况
用上述得到的31个测项形成问卷（具体问卷见附表）。在应答者填答完自己印象最为深刻的代言人和品牌后，要求其对该代言人进行评价。采用利克特（LIKERT SCALING）的六点量表，请应答者在1“非常不同意”到6“非常同意”之间进行选择。
作为奇数等级代表的5点和7点量表的应用目前最为广泛，但其缺点也比较明显。由于中国传统文化倡导“中庸”思想，被访者在填答时可能会出现“趋中反应”，这是研究者不希望看到的。为了克服这种“趋中反应”，强迫被访者在回答时产生一定的倾向性，偶数等级的4点和6点量表就是比较好的选择，但4点量表等级数较少，在反应态度倾向时不够细致，6点量表在正向和负向态度上各分了三个等级，既避免了趋中反应，在态度的区分方面也较为细致，因此本研究在此采取了6点量表。
问卷在一家名为“数字 100”的网上调查公司（WWW。 DATA。100.COM。CN）发放，该公司是一家从事网上与网下调研的专业公司，对网络问卷的设计及程序控制良好，笔者对ALEXA进行了查询，其网站每天的独立IP流量约为2000，具有较广泛的分布。问卷在该网站的开放时间从2007年12月14日到2008年1月25日，共收集问卷1 179份。为了防止有人通过不断填答试卷来获取积分，在问卷设计控制中，控制同一IP地址来源只能填答一次。
对这1 179份问卷必须经过严格筛选后方可使用。
第一步，剔除明显的无效问卷，如填答不完整或全部填答一个数字；第二步，考察品牌与代言人之间的一一对应关系，剔除多代言人对多品牌，或者多代言人对一品牌，或者多品牌对一代言人；第三步，剔除代言人组合代言的品牌，如SHE、TWINS、飞轮海、东方神起等，这些歌唱组合往往同时出现在代言品牌中；第四步，对代言人与品牌的匹配关系进行检查，将有匹配错误的问卷剔除，如刘翔本来代言的是伊利，而有人填为蒙牛，周杰伦代言的是德尔惠，有人填成了特步（谢霆锋代言的），对于笔者不清楚的代言关系，则通过搜索引擎获取证据，如果不能获得证据的，则剔除；第五步，对数据间逻辑关系的检查，发现有明显矛盾的问卷，则剔除。
通过以上步骤，得到有效问卷828份，有效率为70%。
在问卷填答过程中，网络系统自动获取了填答者的IP地址，为了进一步检查问卷的有效性，笔者通过IPLOOK软件进行了核对，该软件可以获得这些IP地址的真实地理来源地，将其与填答者填写的实际工作学习所在地进行对比，除了部分填答者可能因为使用了代理服务器或者隐藏IP的工具，其余IP地址显示的地理位置与填答者填写的实际工作学习所在地对应度为98%，在一定程度上反映了问卷的有效性比较高。
在828份有效问卷中，男性占52.7%，女性占47.2%；年龄主要分布在18～34岁之间，该年龄段占了92%的比例，学历主要为大学专科及大学本科，占了80%，在读学生约占18%，工作年限在5年内的占46.7%，工作年限5～10年的也占了23.3%。税后年收入在0～3万元的占了将近50%。在所有样本中，共提到服装品牌34个，食品饮料品牌40个，日化品牌31个，电子电器品牌21个，药品类品牌14个，服务类品牌10个，其他品牌17个，共计167个品牌。提到的代言人则有124人。填答者来自于除西藏，港澳台之外的所有省、自治区和直辖市，显示了样本具有较好的代表性。
4.4.3 探索性因子分析
为了使筛选出来的维度具有跨行业的有效性，本研究通过对跨行业类别的探索性因子分析，选取在这些样本中具有最多一致性的测项，构成相应的维度。卡特尔（CATTEL，1978）和戈萨奇（GOR-SUCH，1983）等要求在进行因子分析时，使用100个以上的大样本，考虑此处为探索性分析，服装、电子电器类和服务类的样本数基本符合此要求，故仍采用这几个样本进行分析。
首先，判断对各个题项的均值和标准差，数据表明其标准差均大于0.5（NUNALLY，1978），说明受访者在品牌代言人可信度的维度上有一定变异需要解释。其次，进行项目分析，判断项目—总体的相关系数（ITEM－TO－TOTAL CORRELATIONS）和项目之间的相关系数。根据鲁克特和邱吉尔（RUEKERT AND CHURCHILL，1984）的观点，项目—总体相关系数用来检验：（1）是否每一个题项与其所在的维度相关，（2）在相关的样本中，这种相关性是否具有理论意义（CONCEPTUAL SENSE）。数据检测发现，仅在日化品牌样本中发现Q22的项目—总体的相关系数为0.49，略低于建议的删除值0.5.此外，没有发现一个测项在所有样本中与其他项目的相关系数均大于0.8，综合考虑，在这一分析阶段中保留了所有的题项。
为了获得每一个样本的维度，在探索性因子分析中，本研究采用主成分因子分析，萃取特征值大于1的因素，用PROMAX法进行斜交旋转，有学者建议，项目之间的相关系数在0.2～0.8之间时，适合采用斜交旋转，而根据上一阶段的数据表明，项目之间的相关系数大多处于这一区间。
为了进行因子纯化，设定删除旋转后因子载荷小于0.5，以及同时在两个因子上同时负载大于0.4的因子。在对5个行业进行探索性因子分析的过程中，日化、电子电器、食品饮料三个行业均析出三个清晰的因子，而服务品牌析出了6个因子，服装品牌析出了5个因子，对其因子纯化后发现，所得到的维度并不具有理论上的解释力。因此，对这两个行业样本，将萃取特征值大于1的条件改为限定其萃取三个因子，然后进行纯化，得到了清晰的因子结构。
列出了对这5个行业进行探索性因子分析的主要指标，这些指标表明，这 5个行业的样本都适合进行因子分析。KMO是KAISER－MEYER－OLKIN的取样适当性量数，当KMO值愈大时，表示变量间的共同因素愈多，愈适合进行因素分析，根据专家凯泽（KAISER，1974）的观点，如果KMO的值小于0.5时，较不宜进行因素分析。大于0.6时，则适合因子分析。BARTLETT球形检验也是显著的，累计解释的变异量均在60%以上，ALPHA值也表明具有较好的内在一致性。
综合5个行业的因子结构与测项，找出在5个行业皆稳定一致的测项，共有20个测项（见附录4）。
这20个测项构成了品牌代言人可信度特质测量的初步量表。因子1主要涵盖了代言人的知名度以及职业声望和地位，因此将其命名为名气声望；因子2则反映了代言人和所代言产品的关联程度，因此将其命名为产品关联；因子3包含了消费者对代言人的信任感和依赖感，因此将其命名为可信赖性。
