De gegevens die worden verkregen uit de survey in dit onderzoek worden geanalyseerd door middel van het programma SPSS. Hiertoe wordt gebruik gemaakt van een multipele regressieanalyse, waarbij de twee onderzochte groepen als dummy variabele worden ingevoerd. Een regressieanalyse duidt een samenhang aan tussen twee variabelen, in dit geval de plaatsing van zonnepanelen op woningen en probleembesef en verantwoordelijkheidsgevoel bij de bewoners met betrekking tot duurzaamheid. In de analyse is de plaatsing van zonnepanelen op woningen de onafhankelijke variabele en het probleembesef en verantwoordelijkheidsgevoel de afhankelijke variabele. Deze analyse wordt uitgevoerd met behulp van SPSS en geeft uitsluitsel of er een significant verschil bestaat in probleembesef en verantwoordelijkheidsgevoel met betrekking tot duurzaamheid tussen bewoners van huizen met zonnepanelen en bewoners van huizen zonder zonnepanelen. In de analyse worden de volgende stappen ondernomen. De variabelen probleembesef en verantwoordelijkheidsgevoel worden geconverteerd naar meetbare waarden, dit betekent dat probleembesef en verantwoordelijkheidsgevoel gemeten worden met een cijfer tussen 1 en 5.
Daarnaast moet er aan een aantal assumpties voor regressieanalyse voldaan worden als voorwaarden voor het uitvoeren van regressieanalyse. Ten eerste moet er sprake zijn van onafhankelijkheid van de waarnemingen (Siero, Huisman & Kiers, 2009). Om de onafhankelijkheid van waarnemingen te toetsen wordt per regressieanalyse de Durbin-Watson toets uitgevoerd. Ten tweede dient er sprake te zijn van een lineair verband tussen de onafhankelijke variabele en de afhankelijke variabele. Om aan deze assumptie te voldoen wordt er een residu-analyse uitgevoerd, waarbij het gemiddelde van de residuen gelijk dient te zijn aan nul (Siero et al., 2009). Daarnaast wordt aangenomen dat de residuen normaal verdeeld zijn en er sprake is van constante variantie. Constante variantie houdt in dat de variantie van de residuen gelijk blijft, ongeacht de waarde van de onafhankelijke variabele (Siero et al, 2009).
Er wordt tijdens het analyseren gelet op vreemde antwoordpatronen, dit zijn antwoordpatronen met weinig of geen variantie. Dit geeft de indruk dat de respondent in kwestie zomaar wat antwoorden heeft ingevuld. Dit soort antwoordpatronen worden nader onderzocht en indien er sprake is van een antwoordpatroon met weinig tot geen variantie wordt het databestand van de respondent verwijderd. Deze willekeurige antwoorden vormen namelijk een bedreiging voor de validiteit en betrouwbaarheid van dit onderzoek.
Daarnaast worden alleen respondenten meegenomen in de analyse die de gehele enquête hebben ingevuld. Data van respondenten die de enquête incompleet hebben ingevuld worden verwijderd uit het databestand.
De data die volgt uit de survey wordt gebruikt om te analyseren en concluderen of het plaatsen van zonnepanelen op woningen leidt tot probleembesef en verantwoordelijkheidsgevoel bij de bewoners met betrekking tot duurzaamheid. Daarbij wordt ook aandacht besteed aan de hypothesen die zijn opgesteld. In de conclusie komt namelijk aan bod in hoeverre de hypothesen juiste voorspellingen zijn gebleken en worden de hypothesen aangenomen of verworpen. Hierop worden de theorieën aangevuld in het kader van het effect van duurzaam gedrag op probleembesef en verantwoordelijkheidsgevoel met betrekking tot duurzaamheid.
3.7.1 Missing values
In de enquête is sprake een verschillende vervolgvraag op basis van een antwoord op een voorafgaande vraag. Respondenten met zonnepanelen werden gevraagd waarom zij gekozen hadden voor zonnepanelen. Respondenten zonder zonnepanelen werden gevraagd waarom zij niet gekozen hadden voor zonnepanelen. Op deze manier ontstaan missing values bij bepaalde vragen omdat niet alle respondenten dezelfde vragen invullen. Daarnaast hebben twee respondenten niets ingevuld bij de variabele ‘waarom heeft u niet gekozen voor zonnepanelen?’, terwijl de vraag wel voor hen bedoeld was. Door een fout van de onderzoeker is de betreffende vraag niet verplicht gesteld en kon deze worden overgeslagen.
3.7.2 Extreme waarden
Om te bepalen of er sprake is van extreme waarden in het databestand wordt er een extreme waarden analyse uitgevoerd. Hierbij wordt gekeken naar de P-waarde. Deze P-waarde dient groter te zijn dan 0,05 om aan te kunnen nemen dat er geen sprake is van extreme waarden (Ghasemi & Zahediasl, 2012).
3.7.3 Vreemde antwoordpatronen
Om invalide data te voorkomen zijn de antwoorden van respondenten nagelopen op vreemde patronen. Deze vormen namelijk een bedreiging voor de validiteit en betrouwbaarheid van dit onderzoek. Hiertoe is een variantietest gedaan om te bepalen of er respondenten met antwoordpatronen zonder variantie zijn. De onderzoeker heeft geen aanleiding gevonden om
40
respondenten te verwijderen. Er kan worden aangenomen dat iedere respondent de enquête serieus heeft ingevuld.
3.7.4 Correlaties tussen variabelen
Hieronder is te zien hoe sterk de variabelen onderling met elkaar correleren. Uit de figuur is op te maken dat de sterkste correlatie tussen groei verantwoordelijkheidsgevoel en groei probleembesef waar te nemen is (0.740). Daarnaast hebben probleembesef en verantwoordelijkheidsgevoel een correlatie van 0.665. Deze correlaties zijn sterk te noemen.
Probleembesef Verantwoordelijk heidsgevoel milieuvriendelijke alternatieven groei probleembesef groei verantwoordelijkh eidsgevoel Probleembesef 1,000 ,665** ,471** ,196** ,169** Verantwoordelijk- Heidsgevoel ,665** 1,000 ,489** ,311** ,331** Milieuvriendelijke alternatieven ,471** ,489** 1,000 ,312** ,294** Groei probleembesef ,196** ,311** ,312** 1,000 ,740** Groei verantwoordelijk- heidsgevoel ,169** ,331** ,294** ,740** 1,000
*Correlatie significant bij alpha van 0,05
**Correlatie is significant bij een alpha van 0,01 Figuur 8: Correlaties tussen variabelen
3.7.5 Onafhankelijkheid van observaties
Om te bepalen of observaties onafhankelijk zijn van elkaar wordt bij iedere regressieanalyse de Durbin-Watson toets uitgevoerd. Deze toets geeft door middel van een getal tussen 0 en 4 aan of er correlatie is tussen de waarnemingen. Een getal lager dan 2 duidt op een positieve correlatie tussen waarnemingen en een waarde hoger dan 2 wijst op een negatieve correlatie tussen waarnemingen (Koops, 1986). Bij een getal van rond de 2 kan gesteld worden dat er geen sprake is van correlatie.
4 Analyse
In dit hoofdstuk worden de bevindingen van dit onderzoek gepresenteerd. Deze komen voort uit een regressieanalyse van de data met die volgt uit de enquête. In de analyse komt de correlatie tussen het al dan niet hebben van zonnepanelen en probleembesef en verantwoordelijkheidsgevoel aan bod. Daarbij wordt ook ingegaan op wat de data betekent voor de hypotheses die zijn opgesteld in het theoretisch kader. Per hypothese wordt de relevante beschrijvende en toetsende statistiek behandeld, waarna gesteld wordt of de hypothese op basis van de data aangenomen of verworpen moet worden.
Er worden in dit hoofdstuk nog geen eindconclusies getrokken of antwoord gegeven op de vraagstelling.