Exploratieve analyses

Tot slot vinden er in deze paragraaf een aantal exploratieve analyses plaats die niet meteen antwoord geven op de hoofdvraag, maar wel indirect mee kunnen spelen. Er is gebruik gemaakt van regressieanalyses, correlatieanalyses en onafhankelijke t-toetsen.

5.4.1 Regressieanalyses

Ten eerste is gekeken naar het feit of de drie determinanten (perceived norm, gedragsattitude en

self-efficacy) over alle advertenties een positieve invloed hebben op de gedragsintentie. Gezien de

theorie zijn deze determinanten de belangrijkste invloedfactoren op de gedragsintentie en dus ook op het gedrag. Het is dus aannemelijk dat de meeste van deze punten dan ook positief correleren met de afhankelijke variabele ‘gedragsintentie’. Middels een regressieanalyse zal duidelijk worden of de mate van de afhankelijke variabele te voorspellen is aan de hand van voorspellende variabelen (Field, 2009). Hierbij is de self-efficacy in twee stellingen opgesplitst.

Hieronder is de tabel weergegeven waarin de uitkomsten te zien zijn. Hierbij zijn de Beta en het significantieniveau weergegeven. De Beta (β) geeft aan wat de precieze relatie is tussen de verschillende eenheden. Alleen de (marginaal) significante waarden zullen worden weergegeven.

Afhankelijke variabelen Voorspelende

variabelen

Beta (β) Significantieniveau

Gedragsintentie Perceived norm 0.31 P < 0.01

Tabel 5.18: Uitkomsten regressieanalyse

Slechts 8,1 % (R₂= 0.08) van de gedragsintentie wordt direct verklaard door de drie hoofddeterminanten (perceived norm, gedragsattitude en self-efficacy). Daarbij geeft de R-waarde aan dat de drie determinanten met de waarde van r = 0.29 correleren met de gedragsintentie. Alleen

De invloed van visualisaties binnen Health Message Framing 36 de perceived norm heeft een significant positieve invloed op de gedragsintentie (β = 0.31, p < 0.01). Van de andere determinanten kan geconcludeerd worden dat ze geen directe invloed uitoefenen op de keuze om het gewenste gedrag uit te voeren. Deze uitkomsten verklaren dan ook het feit dat de correlatiewaarde zo laag is.

Bij de eerste regressieanalyse zijn de twee stellingen van self-efficacy samen toegevoegd, maar gezien de lage Cronbach’s alfa is het tevens van belang om te kijken per stelling. Hiervoor zijn twee regressieanalyses uitgevoerd, vergelijkbaar met de eerste. Hieronder is de tabel weergegeven waar alleen de (marginaal) significante waardes zullen worden benoemd.

Afhankelijke variabelen Voorspelende

variabelen

Beta (β) Significantieniveau

Gedragsintentie Perceived norm 0.31 P < 0.01 Self-efficacy (ik ben

in staat om me te laten testen op chlamydia )

-0.17 P = 0.08

Tabel 5.19: Uitkomsten regressieanalyse

Alleen bij de tweede regressieanalyse waarin de stelling (ik ben in staat om me te laten testen op chlamydia) werd toegevoegd, is een interessant resultaat gevonden. Uit deze analyse kwam wederom naar voren de gedragsintentie door een klein percentage (R₂= 0.08) werd verklaard door de drie determinanten. Daarbij was de R-waarde (r = 0.28) niet hoog. Na het analyseren van de output correleert opnieuw de perceived norm positief met de gedragsintentie (β = 0.31, p < 0.01). Daarnaast is het opmerkelijk dat de stelling van de self-efficacy juist negatief correleert met de gedragsintentie. Deze uitkomst is marginaal significant ( r = -0.17, p = 0.08). Hierdoor kan deels geconcludeerd worden dat de self-efficacy een negatieve verband heeft met de gedragsintentie. Een opvallende vondst, omdat verwacht werd dat de stelling ‘ik ben in staat om me te laten testen op chlamydia’ positief zou correleren met de intentie, net als alle andere determinanten.

5.4.2 Correlatieanalyses

Ten tweede is het verband tussen issue involvement en message involvement onderzocht. Deze twee variabelen hebben immers beiden betrekking op de betrokkenheid en het is dan ook aannemelijk dat deze twee variabelen positief met elkaar correleren. Vervolgens is gekeken of een stijging in de betrokkenheid ook een stijging in de gedragsintentie aangeeft.

Om te achterhalen of de afhankelijke variabelen ook met elkaar correleren, is een correlatieanalyse uitgevoerd. Hierbij geeft de correlatiecoëfficiënt aan wat de samenhang is van twee variabelen (Baarda, De Goede en Van Dijkum, 2007). De correlatiecoëfficiënt (r) ligt tussen de -1 en 1. Indien de score 0 bedraagt, is er geen samenhang tussen de twee variabelen. Bij een correlatiewaarde van -1 is er sprake van een hoge mate van negatieve samenhang, terwijl een waarde van +1 aangeeft dat er een positieve samenhang is tussen de twee variabelen. Een positieve score houdt dus in dat als de ene variabele stijgt, de andere variabele ook stijgt. Door de groepen samen te voegen is er een databestand van 122 respondenten. Hierdoor wordt de betrouwbaarheid van de resultaten vergroot. Uit de analyse is ten eerste gebleken dat er inderdaad een positief significant verband is tussen issue

involvement en de message involvement (r = 0.26; p< 0.01). Als de betrokkenheid ten opzichte van

het gedrag stijgt, zal ook de betrokkenheid stijgen om de advertentie aandacht te lezen en te bekijken.

De invloed van visualisaties binnen Health Message Framing 37 Tevens is onderzocht of een hoge betrokkenheid zorgt voor een hogere intentie. De correlatieanalyse gaf ten eerste aan dat de betrokkenheid omtrent het gedrag significant positief correleert met de gedragsintentie (r = 0.32; p< 0.01). Een hoge betrokkenheid ten opzichte van het aangeprezen gedrag zorgt dus voor een hoge gedragsintentie. Bij de message involvement is juist een negatief verband gevonden met de gedragsintentie, maar hier is de correlatiecoëfficiënt vrij laag en is het verband marginaal significant (r = - 0.17; p = 0.069).

5.4.3 Reeds getest op soa’s?

In de vragenlijst is tevens de vraag gesteld of de respondenten eerder een soa-test hebben laten doen. Op deze manier werd achterhaald of iemand al eerder de intentie heeft gehad om naar de GGD te gaan. In totaal hebben 49 respondenten zich eerder laten testen op soa’s. De rest (n= 73) zegt nog nooit een soa-test te hebben gedaan. De gedragsintentie kan hoger liggen bij respondenten die al eerder een soa-test hebben laten doen dan mensen die dit nog nooit hebben gedaan. Om na te gaan of dit werkelijk het geval is, werd een t-toets uitgevoerd met als grouping variable: soa-test ja of nee?

Aan de hand van een onafhankelijke t-toets is inderdaad een significant verschil gevonden tussen de twee groepen (t(120)= 3.6; p< 0.05). De intentie om een soa-test te laten doen is significant hoger bij respondenten die al eerder een test hebben laten doen (m= 4,0, SE= 1.9) dan mensen die dit nog nooit hebben gedaan (m= 2.9, SE= 1.4).

5.4.4 Seksueel actief?

Tot slot is tijdens het experiment aan de respondenten gevraagd of ze seksueel actief zijn (geweest). Indien respondenten nog niet seksueel actief zijn geweest, kunnen zij de gemiddelde score van de betrokkenheid beïnvloeden. Hieronder zijn de resultaten weergegeven van het aantal respondenten dat wel of (nog) geen seks heeft gehad.

Versie Aantal ja / aantal nee

1. Positief frame zonder visualisatie 29 / 3 2. Positief frame met visualisatie 29 / 2 3. Negatief frame zonder visualisatie 27 / 1 4. Negatief frame met visualisatie 31 / 0

Tabel 5.18: frequenties aantal seksueel actief

Slechts 6 van de 122 respondenten zijn (nog) niet seksueel actief geweest. Hierdoor is deze groep te klein om per groep nader te analyseren. Wel kon er een onafhankelijk t-toets worden uitgevoerd om te achterhalen of deze 6 personen zich significant minder betrokken voelden bij het onderwerp. Dit was bij de issue involvement niet het geval. De uitkomst bij de message involvement gaf wel aan dat er een marginaal significant verschil is (t ( 119) = -1.3; p = 0.085). Er is hier zelfs een neiging dat de respondenten die niet seksueel actief zijn(m= 5.3, SE 1.0) de advertentie aandachtiger lezen en bekijken dan de respondenten die wel seksueel actief zijn (m= 4.3, SE= 1.7). Dit verschil is echter klein en over een zeer kleine populatie gemeten.

De invloed van visualisaties binnen Health Message Framing 38