Chi-kwadraat-toets

Met de Chi-kwadraat-toets wordt nagegaan of er een significant verschil bestaat tussen twee of meer groepen op een kenmerk dat op nominaal niveau is gemeten. Er wordt gekeken of twee variabelen met elkaar samenhangen. Indien samenhang tussen de variabelen kan worden aangetoond, kan met een kruistabel gekeken worden wat deze samenhang inhoudt. De Chi-kwadraat-toets wordt berekend op grond van het verschil tussen de gevonden frequenties en de op grond van de toeval te verwachten frequenties (Baarda, De Goede en Van Dijkum, 2003: 108). Naarmate de Chi-kwadraat groter is, is de kans dat de afwijking op een toeval berust (de p-waarde) kleiner. Een hoge chi-kwadraat waarde betekent dus dat er veel samenhang is tussen twee variabelen. Om te bepalen in welke mate er een samenhang is tussen de variabelen moet de Chi-kwadraat worden getransformeerd in de associatiemaat Cramér’s V. Deze kan een waarde hebben tussen de 0 en 1, hierbij betekent 0 dat er geen enkele relatie is en 1 dat er een perfecte relatie is (Baarde, De Goede en Van Dijkum, 2003: 114). 5.4.2. T-toets

De t-toets is een statistische toets om te kijken of het gemiddelde van een normaal verdeelde grootheid mogelijk afwijkt van de gemiddelden van twee groepen in de populatie. Met behulp van deze toets kan een overschrijdingskans of een betrouwbaarheidsinterval worden bepaald. In dit onderzoek wordt een “Independent-Sample T- Test” uitgevoerd om te kijken naar het verschil tussen mannen en vrouwen bij het aantal herhalingsbezoeken per jaar. Met de Levene’s toets wordt de gelijkheid van de varianties onderzocht.

5.4.3. Factoranalyse

Om de achterliggende motieven en redenen van bioscoopbezoekers om een bioscoop te bezoeken te kunnen bepalen, wordt er gebruik gemaakt van een factoranalyse. Een factoranalyse wordt gebruikt wanneer er een groot aantal aan variabelen is die op basis van gelijkheid of correlatie in groepen ingedeeld zouden kunnen worden, zodat er in totaal minder variabelen overblijven. Wiskundig gezien lijkt een factoranalyse op een meervoudige regressie, want elke variabele wordt uitgedrukt als een lineaire combinatie van onderliggende factoren (Malhotra, 2004:560).

Met behulp van de Barlett’s test of sphericity is de geschiktheid van de factoranalyse bepaald. Deze toets is gebaseerd op een transformatie van de determinanten van de correlatiematrix in een Chi-kwadraat. Bij een hoge waarde van de test statistiek verwerp je de hypothese. In dit geval is de hypothese significant. Kaiser-Meyer-Olkin (KMO) is een andere methode om de geschiktheid van de factoranalyse te bepalen. Deze index vergelijkt de omvang van de geobserveerde correlatiecoëfficiënten met de omvang van de partiële correlatiecoëfficiënten (Malhotra, 2004:561). Kleine waarden (lager dan 0.5) van de KMO geven aan dat de correlatie tussen de paren van variabelen niet verklaard kan worden door andere variabelen en dat de factoranalyse waarschijnlijk niet geschikt is.

In de factoranalyse om de belangrijkste motieven te kunnen bepalen, is een KMO gevonden van 0.55 gevonden, wat suggereert dat deze factoranalyse adequaat is. Er bestaan enkele belangrijke veronderstellingen bij een factoranalyse. In dit onderzoek is de volgende aanname gemaakt met betrekking tot de factoranalyse:

Met betrekking tot het meetniveau wordt verondersteld dat de variabelen interval of ratio geschaald zijn. De gegevens voor dit onderzoek zijn verkregen met behulp van een Likertschaal (5-punts). Deze mag gezien worden als dataverzameling op interval niveau (Möller en Karpinnen, 1983; Neelamegham en Jain, 1999; Jones, Mothersbaugh en Beatty, 2000).

Zoals hierboven beschreven, wordt de factoranalyse in dit onderzoek gebruikt om de motieven van een bioscoopbezoeker te identificeren. Op basis daarvan kan worden gekeken of die motieven de bioscoopkeuze van de consument beïnvloeden, oftewel welke motieven bepalen dat een bioscoopbezoeker eerst een bioscoop kiest en vervolgens een film.

De resultaten van de factoranalyse (in termen van factorscores) kunnen worden gebruikt in andere analyses, zoals correlatie- en regressieanalyses. Tevens kan worden bepaald of de items die ‘laden op’ eenzelfde factor tezamen een voldoende betrouwbare Likertschaal vormen. Bij het uitvoeren van een factoranalyse is eerst een correlatiematrix gemaakt om te kijken of er samenhang is tussen de verschillenden items.

Tabel 6: Correlatiecoëfficiënten motieven om een bioscoop te bezoeken

Ontspanning Informatief Gezelligheid ^Optimale filmbeleving Vrienden ^Nieuws- gierigheid Ontspanning 1.000 Informatief _{-.011 1.000} Gezelligheid .374(**) -.156(**) 1.000 Optimale filmbeleving .233(**) ^{.057 .238(**) 1.000} Vrienden _{.052 .021 .157(**) .104(*) 1.000} Nieuwsgierig heid ^{.080 .192(**) -.023 .118(*) .293(**) 1.000}

** Correlation is significant at the 0.01 level (2-tailed). * Correlation is significant at the 0.05 level (2-tailed).

Op basis van de bovenstaande matrix (tabel 6) kan een factoranalyse worden uitgevoerd. Om de informatie van de verschillende variabelen te kunnen samenvatten, zal een kleiner aantal factoren moeten worden gekozen (Malhotra, 2004: 564). Daarbij moet worden gekeken naar het aantal factoren dat van invloed kan zijn. Om te kunnen bepalen hoeveel factoren moeten worden gekozen, is gekeken naar componenten met een ‘eigenvalue’ groter dan 1. Er blijken twee componenten te zijn met een ‘eigenvalue’ hoger dan 1 en deze verklaren 50% van de verklaarde variantie van de originele 6 variabelen. Kijkend naar de ‘Rotated Component Matrix’ (tabel 7) en de ‘Component Plot in Rotated Space’ (figuur 7) kan worden geconcludeerd dat de eerste factor sterk correleert met ontspanning, gezelligheid en optimale filmbeleving en dat de tweede factor sterk correleert met informatief, vrienden en nieuwsgierigheid. Een volledig overzicht van de factoranalyse is te vinden in bijlage V.

1.0 0.5 0.0 -0.5 -1.0 Component 1 1.0 0.5 0.0 -0.5 -1.0 C om po ne nt 2 nieuwsgierigheid vrienden optimfilmbeleving gezelligheid informatief ontspanning

Tabel 7. Rotated Component Matrix

Component

1 2

Geef aan in welke mate ontspanning een rol speelt bij uw beslissing om

naar de bioscoop te gaan? .724 .014

Geef aan in welke mate informatief een rol speelt bij uw beslissing om naar

de bioscoop te gaan? -.236 .595

Geef aan in welke mate gezelligheid een rol speelt bij uw beslissing om naar

de bioscoop te gaan? .799 -.140

Geef aan in welke mate optimale filmbeleving een rol speelt bij uw

beslissing om naar de bioscoop te gaan? .569 .238

Geef aan in welke mate vrienden een rol speelt bij uw beslissing om naar de

bioscoop te gaan? .281 .566

Geef aan in welke mate nieuwsgierigheid een rol speelt bij uw beslissing

om naar de bioscoop te gaan? .081 .794

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.

Aan de hand van de gevonden factoren kan een correlatie- en regressieanalyse worden uitgevoerd om vervolgens de (causale) verbanden kunnen bepalen tussen de variabelen. Factor 1 met de items ontspanning, gezelligheid en optimale filmbeleving wordt vanaf nu amusement genoemd. Bioscoopbezoekers die ontspanning, gezelligheid en optimale filmbeleving belangrijk vinden bij het kiezen van een bioscoop, zullen over het algemeen genomen vooral naar de bioscoop gaan om zich te amuseren. Factor 2 met de items informatief, vrienden willen naar bioscoop en nieuwsgierigheid krijgt de benaming informatief.

Nu er meer inzicht is verkregen in de dimensies van de variabele ‘motieven’, kunnen de volgende hypothesen worden geformuleerd:

H2a: Bioscoopbezoekers die amusement als motivatie geven bij het kiezen van een bioscoop, kiezen eerst een bioscoop en vervolgens een film.

H2b: Bioscoopbezoekers die informatief als motivatie geven bij het kiezen van een bioscoop, kiezen eerst een bioscoop en vervolgens een film.

5.4.4. Correlatieanalyse

Een correlatieanalyse geeft een indruk van het verband tussen twee of meer variabelen. Er wordt gekeken of er een relatie is en of die relatie positief of negatief is. Bij het testen van de hypothesen in dit onderzoek is gebruik gemaakt van de Spearman rangcorrelatiecoëfficiënt (Rs), omdat de data in deze studie op ordinaal niveau zijn gemeten. Op die manier kan worden geconcludeerd of er sprake is van samenhang tussen de verschillende constructen en de kracht en richting van die relatie. Een hoge correlatiecoëfficiënt betekent dat er een sterk verband is. Vervolgens kan worden gekeken of het verband significant is. De scores van de respondenten op bepaalde variabelen worden gerangschikt. De waarde van de correlatiecoëfficiënt kan variëren van -1 tot +1. Als de coëfficiënt +1 is, dan wil dat zeggen dat er een perfect positief verband is tussen de variabelen en bij -1 is er een perfect negatief verband. De resultaten van dit onderzoek zijn te vinden in het volgende hoofdstuk.

5.4.5. Regressieanalyse

Bij enkelvoudige regressieanalyse wordt eerst vastgesteld welke variabele afhankelijk is en welke onafhankelijk. Regressieanalyse veronderstelt dus causaliteit tussen de variabelen. Regressie wordt gebruikt om een relatie in de gegevens te beschrijven en te visualiseren11. De gebruikte procedures zoeken een associatie tussen onafhankelijke en afhankelijke variabelen. De onafhankelijke variabelen hebben een voorspellende waarde en worden vaak op de X-as uitgezet.

Een verandering in een onafhankelijke variabele veroorzaakt een verandering in de afhankelijke variabele, die vaak op de Y-as staat. Bij meervoudige (multipele) regressieanalyse is er sprake van meer dan een onafhankelijke variabele (Baarde, De Goede en Van Dijkum, 2003: 173).

In dit onderzoek wordt een meervoudige regressieanalyse uitgevoerd om inzicht te krijgen in de causaliteit tussen de variabelen. Hierbij kan worden gedacht aan de invloed van tevredenheid, commitment en vertrouwen op herhalingsbezoeken en mond-tot-mond reclame uit het conceptueel model met betrekking tot gevoelsmatige en gedragsmatige loyaliteit. Als de tevredenheid van een bioscoopbezoekers over een bioscoop bekend is, kan worden voorspeld hoeveel commitment deze bioscoopbezoeker heeft in de bioscoop.

Voor de kwaliteit van het regressiemodel is de verdeling van de residuen (het verschil tussen de waargenomen y-waarde en op grond van het berekende y-waarde) van essentieel belang12. Bij meervoudige regressie hebben verschillende onafhankelijke variabelen gelijktijdig effect op de

11 Syllabus SPSS 11.0 voor Windows, 2002: 96

afhankelijke variabele. Bij de berekening van de parameters wordt het effect van één variabele nagegaan, terwijl dat van de andere variabelen constant wordt gehouden.

In dit onderzoek wordt de meervoudige regressieanalyse uitgevoerd met betrekking tot de twee conceptuele modellen, namelijk bioscoopkeuze en gedragsmatige loyaliteit, waarbij wordt afgezien van de mediërende en modererende effecten. Dit omdat in de bivariate analyse nauwelijks effecten zijn gevonden.

Regressieanalyse wordt dus gebruikt om te bepalen welke onafhankelijke variabelen een significante variantie in de afhankelijke variabele verklaren, om de structuur en vorm van de relatie te bepalen, om de sterkte van de relatie te bepalen en om voorspellingen te maken voor de afhankelijke variabelen (Malhotra). De sterkte van de associatie wordt gemeten met de determinatiecoëfficiënt r² (ligt tussen de 0 en 1). De significantie van de verbanden tussen de variabelen zullen in dit onderzoek worden weergegeven met 95% (*) en 99% (**).

Er bestaan enkele belangrijke veronderstellingen bij een regressieanalyse. In dit onderzoek zijn de volgende aannames gemaakt met betrekking tot de regressieanalyse:

Met betrekking tot het meetniveau wordt verondersteld dat zowel de afhankelijke als de onafhankelijke variabelen interval of ratio geschaald zijn. De gegevens voor dit onderzoek zijn verkregen met behulp van een Likertschaal (5-punts). Deze mag gezien worden als dataverzameling op interval niveau.

Voor elke waarde van de onafhankelijke variabele wordt aangenomen dat de afhankelijke variabele normaal verdeeld is. Verder is de variantie van de afhankelijke variabele voor elke waarde van de onafhankelijke variabele constant.

Er wordt verondersteld dat er een causale samenhang is tussen de variabelen. Dit houdt in dat de onafhankelijke variabelen de oorzaak zijn van de afhankelijke variabelen

Hoofdstuk 6 Resultaten

Dit hoofdstuk bevat de analyses en laat de belangrijkste resultaten van het onderzoek met betrekking tot de twee conceptuele modellen betreffende het beslissingsproces (bioscoopkeuze) en gedragsmatige loyaliteit in de bioscoopbranche zien. Ook worden de overige resultaten van dit onderzoek beschreven. Eerst zal in 6.1 een beschrijving van de steekproef volgen. Hierbij worden de overige resultaten besproken. Vervolgens worden in 6.2 en 6.3 de hypothesen getest en besproken. In 6.4 volgt een samenvattend overzicht van de aangenomen en verworpen hypothesen.