Exploratieve analyses

= 4.40) en compassie (M = 4.73). Overige gemeten emoties waaronder ook angst (M = 3.44) (zoals beschreven in paragraaf 5.1.2.1) waren weinig tot niet aanwezig bij de proefpersonen. Wel liet een serie uANOVA’s nog enkele significante hoofd- en interactie-effecten zien. Zo werd er een significant interactie-effect gevonden tussen type message design X type dreiging op de mate van ongerustheid (F(1, 36) = 3.92; p = .05). Uit een independent sample T-test blijkt dat het effect van het type dreiging alleen significant bij een folder (t (69) = 2.08; p = .04). In een folder met uitgebreid narratief leidt een fysieke dreiging (M = 4.86; SE =.26) tot significant meer ongerustheid dan een sociale dreiging (M = 4.16; SE =.26). Ook werd er een hoofdeffect gevonden van het type dreiging op de mate van boosheid (F(1, 36) = 4.77; p = .03). Een sociale dreiging (M = 2.51; SE =.15) resulteert in significant meer boosheid dan een fysieke dreiging (M = 2.03; SE = .15). Daarnaast bleek er tevens een significante interactie te zijn tussen het type message design en type dreiging op de mate van bedroefdheid (F(1, 36) = 8.30; p = .005). Het effect van het type dreiging blijkt significant te zijn bij posters (t (67) = -2.31; p = .02) en marginaal significant bij folders (t (69) = 1.73; p = .09). Op een poster met beknopt narratief wekt een sociale dreiging (M = 3.28; SE =.26) meer bedroefdheid op dan een fysieke dreiging (M = 2.41; SE =.26), maar in een folder met uitgebreid narratief lijkt een fysieke dreiging (M = 2.91; SE =.25) in meer bedroefdheid te resulteren dan een sociale dreiging (M = 2.31; SE =.26). Verder blijkt er een significante interactie te zijn tussen het type message design X type dreiging op de mate van verwarring (F(1, 36) = 4.89; p = .03). Dit effect van het type dreiging blijkt alleen significant te zijn voor posters (t (67) = -2,20; p = .03). Op een poster met beknopt narratief leidt een sociale dreiging (M = 2.79; SE=.25) tot meer verwarring dan een fysieke dreiging (M = 2.06; SE =.25). Het effect van het type dreiging op verbazing (F(1, 36) = 3.87; p = .05) bleek ook alleen significant bij posters (t (67) = -2.13; p = .04). Op een poster met beknopt narratief leidt een sociale dreiging (M = 2.87; SE =.26) tot meer verbazing dan een fysieke dreiging (M = 2.16; SE =.27). Tenslotte werd er nog een hoofdeffect gevonden van type message design op compassie (F(1, 36) = 5.82; p = .02). Een folder met een volledig narratief (M = 5.04; SE =.19) leidt tot significant meer compassie dan een poster met een beknopt narratief (M = 4.41; SE =.19).

Samenvattend: Het type message design en type dreiging blijken invloed te hebben uitgeoefend op

counterarguing en verscheidene emoties, dit in tegenstelling tot op vele andere variabelen in dit onderzoek. Om het overzichtelijk te maken worden de resultaten van paragraaf 5.1.3.1 hier samengevat. Op een poster met beknopt narratief blijkt een fysieke dreiging tot minder

argumentatie tegen de claim in de gezondheidsboodschap te leiden dan een sociale dreiging, terwijl dit in een folder met uitgebreid narratief geen verschil maakt. Het voorlichtingsmateriaal wekte bij de proefpersonen slechts twee emoties op, namelijk ongerustheid en compassie. Dat wil zeggen, deze emoties scoorden boven het middenpunt van de schaal. Verder resulteert een sociale dreiging in meer boosheid dan een fysieke dreiging en leidt een folder met uitgebreid narratief tot meer compassie dan een poster met beknopt narratief. Op de posters met beknopt narratief leidt een sociale dreiging tot meer verwarring, verbazing en bedroefdheid dan een fysieke dreiging. In de folders met volledig narratief leidt een fysieke dreiging tot meer ongerustheid en meer bedroefdheid (marginaal significant) dan een sociale dreiging.

5.2 Exploratieve analyses

Hoewel de proefpersonen een positieve attitude (M = 5.00; SD = .87) en lichtelijk positieve intentie (M = 4.09; SD = 1.88) hebben aangaande het dragen van oordoppen tijdens het uitgaan, lieten de twee 2 X 2 uANOVA’s met type message design en type dreiging als onafhankelijke variabelen (zoals

59 beschreven in paragraaf 5.1.2) zien dat beiden geen invloed hebben uitgeoefend op de scores van attitude en intentie. De serie uANOVA’s die werd uitgevoerd op de variabelen die volgens de literatuur een belangrijke rol spelen in het verwerkingsproces van fear appeals en

gedrags-verandering liet tevens geen zeer opvallende of grote effecten zien van het type message design of type dreiging. De vraag blijft dan ook aan welke factoren de mate van persuasieve effectiviteit van de voorlichtingsmaterialen wel toe te wijzen is. Met andere woorden wat is de beste combinatie van variabelen om de afhankelijke (uitkomst) variabelen ‘attitude’ en ‘intentie’ te voorspellen. De aard van deze vraag – de derde en laatste onderzoeksvraag – is dus puur explorerend. Er worden geen hypotheses getoetst.

In de sociale wetenschappen worden afhankelijke variabelen doorgaans door een groot aantal factoren bepaald. Om te kijken welke factoren verband houden met de attitude en intentie aangaande het dragen van oordoppen tijdens het uitgaan, werden twee stapsgewijze regressie-analyses uitgevoerd. Stapsgewijze regressieanalyse is in dit geval zeer geschikt omdat deze

variabelen uitsluit die niet bijdragen aan het verklaren van de variantie in de afhankelijke variabele. Bij een stapsgewijze regressieanalyse worden voorspellende (onafhankelijke) variabelen op basis van statistische criteria één voor één opgenomen in de regressievergelijking. Bij iedere stap in de analyse wordt de voorspellende variabele die het meest bijdraagt aan het verhogen van de meervoudige correlatie (R en daarmee R²) als eerst toegevoegd. Dit proces wordt alleen voortgezet wanneer overige variabelen statistisch bijdragen aan de regressievergelijking. Wanneer geen van de overige onafhankelijke variabelen bijdraagt aan het verklaren van de overgebleven onverklaarde variantie, stopt de analyse. Niet statistisch significante variabelen (>.05) worden niet toegevoegd aan de regressievergelijking en worden dus geëlimineerd.

5.2.1 Resultaten stapsgewijze regressieanalyses

Allereerst werd er een stapsgewijze regressie uitgevoerd om te achterhalen in welke mate de in dit onderzoek gemeten concepten² bijdragen aan de score voor attitude aangaande het dragen van oordoppen tijdens het uitgaan (afhankelijke variabele). Het concept ‘intentie’ werd niet als voorspellende (onafhankelijke) variabele meegenomen in de analyse. Hoewel attitude en intentie sterk positief met elkaar correleren³ (r = .72; p = <.001) wordt in de invloedrijke Theory of Planned Behavior (zie paragraaf 3.3) verondersteld dat attitude invloed uitoefent op intentie en niet

andersom. Intentie kan volgens deze theorie dus geen predictor van attitude zijn. Bij de eerste stap van de analyse werd de afhankelijke variabele eigeneffectiviteit in de regressievergelijking

opgenomen (F(1, 138) = 81.56; p = <.001). Eigeneffectiviteit heeft van alle mogelijke predictoren de hoogste enkelvoudige correlatie met attitude (r = .61) en is dus de beste voorspeller van de

afhankelijke variabele attitude (zie tabel 9). Ongeveer 37,1% van de variantie in de uitkomstvariabele attitude kan worden verklaard door eigeneffectiviteit. In stap twee van de analyse werd de variabele die het grootste gedeelte van de overgebleven variantie verklaard geïdentificeerd. Dit blijkt de gepercipieerde manipulatie te zijn (F(1, 138) = 52.57; p = <.001), welke negatief correleert met attitude. Gepercipieerde manipulatie is goed voor een aanvullende verklaring van 6,3% van de

2

De gemeten concepten in dit onderzoek zijn: ernst, kwetsbaarheid, responseffectiviteit, eigeneffectiviteit, defensieve vermijding, boodschap minimalisatie, attitude, intentie, conversatie-intentie, subjectieve norm (goedkeuring van vrienden/oordeel van anderen), identificatie, transportatie, counterarguing, emoties (angst, ongerustheid, afkeer, boosheid, bedroefdheid, verwarring, verbazing, geluk, compassie), realisme,

geloofwaardigheid en manipulatie.

60 variantie in de attitudescores. Het proces van het zoeken naar de beste voorspeller van de

onverklaarde variantie werd nog drie keer herhaald. De volgende beste voorspeller van de

overgebleven variantie in attitude bleek gepercipieerde responseffectiviteit te zijn (F(1, 138) = 43.67; p = <.001; ∆R² =.06), daarna gepercipieerde verwarring (F(1, 138) = 35.58; p = <.001; ∆R² =.02) en tenslotte subjectieve norm vrienden (gedachte dat vrienden het gewenste gedrag goedkeuren) (F(1,138) = 29.94; p = <.001; ∆R² =.02). Samen verklaren de vijf predictoren 52,8%⁴ van de variantie in de uitkomstvariabele attitude. De overige variabelen zorgden niet voor een significante (criterium <.05) stijging van de R² waarde.

Ongestandaardiseerde coëfficiënten

Gestandaardiseerde coëfficiënten

Collineariteit statistiek

Model B SE Beta (β) Tolerantie VIF

(Constant) 2.47 0.40 - - -

1. Eigeneffectiviteit 0.25 0.05 .40 .70 1.43

2. Manipulatie -0.16 0.04 -.23 .89 1.13

3. Responseffectiviteit 0.19 0.05 .25 .89 1.13

4. Verwarring 0.08 0.03 .15 .99 1.01

5. Subjectieve norm vrienden 0.09 0.04 .14 .77 1.31

Noot: R² =.37 voor stap 1; ∆R² =.06 voor stap 2; ∆R² =.06 voor stap 3; ∆R² =.02 voor stap 4; ∆R² =.02 Tabel 9: Resultaten stapsgewijze regressieanalyse (stap 5) met attitude als afhankelijke variabele inclusief collineariteit statistiek

Replicatie van de analyse met intentie als afhankelijke variabele en alle in dit onderzoek gemeten concepten (inclusief attitude) als onafhankelijke variabelen toonde aan dat intentie voornamelijk voorspeld wordt door een hoge mate van eigeneffectiviteit (F(1, 138) = 145.96; p = <.001) (zie tabel 10, volgende pagina). Eigeneffectief heeft van alle mogelijke voorspellers dus de hoogste

enkelvoudige correlatie met intentie (r =.72; p = <.001). Meer dan de helft van de variantie (51,4%) in de uitkomstvariabele kan verklaard worden door eigeneffectiviteit. In stap twee van de analyse werd wederom de onafhankelijke variabele geïdentificeerd die het grootste gedeelte van de overgebleven onverklaarde variantie verklaart. Dit blijkt attitude te zijn (F(1, 138) = 120.34; p = <.001). Attitude voorspelt een aanvullende 12,3% unieke variantie in de intentiescores. Deze stap – het vinden van de eerstvolgende beste voorspeller van de onverklaarde variantie in de uitkomstvariabele intentie – werd nog drie keer herhaald. Subjectieve norm vrienden (gedachte dat vrienden het gewenste gedrag goedkeuren) bleek de volgende beste voorspeller van de overgebleven onverklaarde variantie te zijn (F(1, 138) = 88.09; p = <.001; ∆R² =.02), daarna conversatie-intentie (F(1, 138) = 71.87; p = <.001; ∆R² =.02) en tenslotte boosheid (F(1, 138) = 60.83; p = <.001; ∆R² =.01). Hoewel de unieke variantie verklaard door de subjectieve norm vrienden, maar vooral conversatie-intentie en boosheid is relatief klein is, verklaren alle vijf predictoren maarliefst 69,4%⁵ van de variantie in de afhankelijke variabele intentie. De overige variabelen zorgen niet voor significante (criterium <.05) stijgingen van de R² waarde.

4

Door afronding op twee decimalen kan dit getal enigszins afwijken van de som van ∆R² 5 Door afronding op twee decimalen kan dit getal enigszins afwijken van de som van ∆R²

61 Ongestandaardiseerde coëfficiënten Gestandaardiseerde coëfficiënten Collineariteit statistiek

Model B SE Beta (β) Tolerantie VIF

(Constant) -4.53 0.56 - - -

1. Eigeneffectiviteit 0.57 0.09 .41 .57 1.76

2. Attitude 0.77 0.14 .35 .57 1.75

3. Subjectieve norm vrienden 0.23 0.08 .17 .74 1.34

4. Conversatie-intentie 0.14 0.06 .13 .90 1.11

5. Boosheid 0.17 0.07 .12 .96 1.05

Noot: R² =.51 voor stap 1; ∆R² =.12 voor stap 2; ∆R² =.02 voor stap 3; ∆R² =.02 voor stap 4; ∆R² =.01 voor stap 5 Tabel 10: Resultaten stapsgewijze regressieanalyse (stap 5) met intentie als afhankelijke variabele inclusief collineariteit statistiek