Binaire logistische regressieanalyses

Met de binaire logistische regressieanalyses worden de effecten op elke onafhankelijke variabele voorspeld door de kans op veilig en tevreden (de afhankelijke variabelen) te berekenen. Dit wordt gedaan met de Odds, die de kans meten dat iemand zich veilig/tevreden voelt te delen door de kans dat iemand onveilig/ontevreden voelt. In dit onderzoek worden enkelvoudige logistische regressies uitgevoerd. Dit is onderverdeeld onder veilig en onveilig en tevreden en ontevreden, waarbij er een formules ontstaan met Odds = Pr veilig/Pr onveilig en Odds = Pr tevreden/Pr ontevreden (Pr= kans). De OddsRatio van een onafhankelijke variabele is gelijk aan de Odds dat iemand zich veilig/tevreden voelt als de onafhankelijke variabele met 1 toeneemt (dus de score van de ordinale variabele positief stijgt), gedeeld door de Odds dat de onafhankelijke variabele niet toeneemt. De Odds Ratio is bij een positief effect groter dan 1 en bij een negatief effect tussen de 0 en 1.

Veiligheidsbeleving

In tabel 22 zijn de factoren weergegeven die veilig voelen kunnen voorspellen tot positiever worden van het imago van Purmerend, het sterker worden van de sociale controle en het niet slachtoffer zijn van een misdrijf. Het imago en de sociale controle worden gemeten als ordinale variabelen: 1 omhoog betekent een beter imago of een sterkere sociale controle. Slachtofferschap wordt gemeten in de dummy-variabele waar wel slachtoffer zijn in vergelijking staat met niet slachtoffer zijn van een misdrijf.

Tabel 22

* Waarde is significant aan p=0,05

In de kolom waar de OddsRatio wordt uitgelegd zijn de geschatte effecten op de (log) Odds te zien. Dit zijn de natuurlijke logaritme van de kansverhouding of de persoon zich veilig voelt versus de persoon zich onveilig voelt (Sieben en Linssen, 2009). Als eerste valt op dat alleen Binaire logistische regressieanalyse op veiligheidsbeleving (veilig voelen)

B-Coëfficiënt Odds Ratio

Imago van de stad 0,031 1,031

Slachtofferschap Ja 0,208 1,232

Nee ref. ref.

Sociale Controle 1,294* 3,646*

Constante -6,465

Aantal 204

Wanneer elke score van sociale controle omhoog gaat wordt de kans dat de persoon zich veiliger gaat voelen groter met een factor van 3,646. Dit betekent dat hoe sterker de sociale controle is, hoe veiliger de respondent zich voelt.

Slachtoffer zijn van een misdrijf en het imago van de stad blijken geen significante invloed te hebben op de kans om veilig versus niet veilig te voelen op 5%. Desalniettemin wordt kort uitgelegd wat de OddsRatio zijn van deze variabelen.

Voor iemand die wel slachtoffer is de Odds van veilig voelen 1,232 keer hoger dan voor iemand die geen slachtoffer is. Dit betekent dat ‘wel slachtoffer’ zijn geweest zorgt voor het meer veilig voelen versus dat iemand geen slachtoffer is geweest. Dit lijkt niet logisch omdat vanuit theorie blijkt dat wanneer iemand een onveilige situatie heeft meegemaakt dit vaak in relatie wordt gelegd tot het meer onveilig voelen (Boutellier, 2017). Dit benadrukt het niet significante effect. Voor imago geldt dat als de score van imago met 1 omhoog gaat, stijgt de Odds van veilig voelen 1,031 maal. Dit betekent dat ieder punt dat imago beter wordt, de Odds dat iemand zich veilig voelt met 3,1% toeneemt.

Dit model is bruikbaar om het verschil tussen veilig of niet veilig voelen te verklaren aan de hand van de onafhankelijke variabelen. Sociale controle speelt hierbij de belangrijkste rol, controlerend voor de andere variabelen. Het imago van de stad speelt de minst belangrijke rol in dit model.

Daarnaast wordt minder dan 50% (R2 = 0,474) verklaard van de variantie aan de hand van de onafhankelijke variabelen. Er zijn dus ook andere factoren die de veiligheidsbeleving beïnvloeden. Hierbij kan er worden gereflecteerd naar de sociaal-economische dimensie en de kansen-en-gevolgen dimensie uit de theorie. Het zou mogelijk kunnen dat deze twee dimensies de andere helft van de variantie van veiligheidsbeleving verklaren.

De effecten van de regressieanalyse bevestigen de verhoudingen in de bivariate analyses. Daar geldt ook dat alleen sociale controle significant was. Het is echter opmerkelijk dat het imago een zwakke rol speelt in het logistische model terwijl de verhouding tussen het imago en veiligheidsbeleving in de bivariate analyse een matige sterkte heeft. Dit is precies andersom met het slachtofferschap: in de bivariate analyse heeft het een zwakkere relatie tot veiligheidsbeleving, in de logistische regressieanalyse krijgt het een grotere rol in het verklaren van het veiliger voelen.

De verwachtingen die al zijn vergeleken met de resultaten van de bivariate analyses, zijn ook met dit model bevestigd.

Woontevredenheid

Tabel 23 geeft de effecten van de OddsRatio aan, van de kans dat iemand tevreden is met Purmerend om in te wonen wordt voorspeld met het veiliger voelen, het beter worden van het imago van Purmerend en het meer voldoen aan de verhuisredenen. Al deze onafhankelijke variabelen zijn gemeten met de ordinale meting waar het met 1 toeneemt.

Tabel 23

Binaire logistische regressieanalyse op woontevredenheid (tevreden)

B-Coëfficiënt Odds Ratio

Veiligheidsbeleving -0,262 0,770

Imago van de stad 0,901* 2,463*

Verhuisredenen 0,993* 2,698*

Constante -18,572

Aantal 204

Nagelkerke R2 0,780

* Waarde is significant aan p=0,05

Op basis van de analyse in tabel 23 blijkt dat mensen die zich met elke score veilig voelen die met 1 omhoog gaat, 0,770 keer waarschijnlijker is dat iemand tevreden is dan wanneer er een lagere veiligheidsbeleving wordt ervaren. Dit negatieve effect is echter niet significant waardoor er niet mag worden aangenomen dat dit klopt.

De andere twee effecten zijn wel significant. Zo geldt voor het imago van de stad dat de kans dat iemand tevreden is, 2,463 keer groter is voor iemand die vindt dat Purmerend een beter imago heeft dan voor iemand die vindt dat Purmerend een minder goed imago heeft op basis van de puntscores. Anders gezegd zijn respondenten meer woontevreden bij hoe hoger een positief imago dan wanneer Purmerend een negatief imago heeft.

Vervolgens zegt de OddsRatio van verhuisredenen dat respondenten die 1 puntscore hoger hebben, 2,698 keer meer tevreden over het wonen in Purmerend zijn dan mensen die 1 punt lager scoren op het voldoen aan de verhuisredenen. Zo geldt dat ex-Amsterdammers meer tevreden zijn wanneer de verhuisredenen ook zijn voldaan dan wanneer de verhuisredenen niet zijn voldaan.

De verwachtingen over het imago en verhuisredenen, die al eerder zijn besproken bij de bivariate analyses, worden ook hier bevestigd. De verhuisredenen hebben het sterkste effect op het verklaren van het verschil tussen tevreden of niet tevreden zijn. Het imago geeft ook een erg groot effect. Dit beaamt de 78% op de verklaarde variantie van dit model (R2 Nagelkerke). Er blijken niet heel veel andere variabelen te zijn die een rol spelen bij het verklaren van de woontevredenheid in dit onderzoek.

In dit model is opvallend, in tegenstelling tot de bivariate analyse, dat de veiligheidsbeleving een negatief effect heeft op de woontevredenheid. Dit lijkt waarschijnlijk op toeval te berusten omdat het niet significant is. Door dit kan de hypothese niet worden bevestigd of verworpen.