Kalibratie van BelevingsGIS versie BWM

In het huidige onderzoek kan 36% van de variantie van de waardering verklaard worden door de vier BelevingsGIS-indicatoren, met de gewichten die in BelevingsGIS versie 2 zijn toegekend. Op basis van de data van het huidige onderzoek kan BelevingsGIS met hetzelfde kaartmateriaal opnieuw gekalibreerd worden, met als doel om een hogere verklaarde variantie te verkrijgen. Hiervoor is een regressieanalyse nodig, met de gemiddelde waardering van de respondenten per gebied als afhankelijke variabele en de gemiddelde waarden van de GIS- indicatoren per gebied als onafhankelijke variabelen. Hoewel Roos-Klein Lankhorst en collega’s (2005) geen afzonderlijke bijdrage van de indicatoren water, reliëf en geluid vonden, wordt in dit onderzoek de mogelijkheid open gehouden dat deze indicatoren in de huidige dataset wel een voorspellende waarde hebben voor de waardering van het landschap. Er is een regressieanalyse uitgevoerd met waardering als afhankelijke variabele en de zeven indicatoren waarvan kaartmateriaal voor handen is in BelevingsGIS, namelijk natuurlijkheid, stedelijkheid, historische kenmerkendheid, horizonvervuiling, reliëf, geluid en water, als onafhankelijke variabelen. Dit levert de volgende regressievergelijking op:

Waardering = 6,788 + 0,26 x natuurlijkheid -0,15 x stedelijkheid + 0,24 x historische kenmerkendheid – 0,08 x horizonvervuiling + 0,05 x reliëf – 0,07 x geluid + 0,08 x water

(6.2)

Met deze regressievergelijking wordt 39% van de variantie van de waardering van het landschap verklaard. Drie indicatoren vallen af, omdat hun afzonderlijke voorspellende bijdrage te gering is. Dit zijn reliëf, geluid en water. Er is een nieuwe regressieanalyse uitgevoerd met waardering als afhankelijke variabele en de vier indicatoren die in de vorige regressievergelijking een statistisch significante voorspellende bijdrage hadden als onafhankelijke variabelen. Dit levert de volgende regressievergelijking op:

Waardering = 6,728 + 0,29 x natuurlijkheid -0,18 x stedelijkheid + 0,24 x historische kenmerkendheid – 0,10 x horizonvervuiling

(6.3)

Met deze regressievergelijking wordt ook 39% van de variantie van de waardering van het landschap verklaard. De bijbehorende regressiegewichten zijn te vinden in Tabel 6.2.

WOt-rapport 75 46

Tabel 6.2 Relaties tussen de GIS-indicatoren en de waardering (N = 298)

Indicator Correlatie met

waardering Bètagewicht B-gewicht Natuurlijkheid 0,52 0,39 0,29 Stedelijkheid -0,30 -0,20 -0,18 Historische kenmerkendheid 0,22 0,25 0,24 Horizonvervuiling -0,44 -0,17 -0,10 Constante 6,728

NB: alle regressieparameters zijn significant op p = 0,005-niveau

Als we uitsluitend naar de voorspellende waarde van de objectieve fysieke kenmerken van het landschap kijken, dan kan gesteld worden dat natuurlijkheid en historische kenmerkendheid een positieve invloed hebben op de waardering en stedelijkheid en horizonvervuiling een negatieve invloed. Echter, in paragraaf 5.2.1 bleek dat ook leeftijd van invloed is op de waardering van het landschap: oudere mensen hebben een hogere waardering voor het landschap dan jongere mensen. De steekproef van dit onderzoek is niet helemaal representatief: de steekproef heeft een hogere gemiddelde leeftijd dan de Nederlandse bevolking. Als er in de regressievergelijking niet gecorrigeerd wordt voor leeftijd, dan wordt de waardering van het Nederlandse landschap met de nieuwe regressievergelijking overgewaardeerd.

Het meenemen van leeftijd als onafhankelijke variabele in de regressievergelijking is één manier om de steekproef te corrigeren voor de oververtegenwoordiging van oudere respondenten (optie 1). Een andere manier is om vóór het uitvoeren van de regressievergelijking per gebied het leeftijdseffect op de waardering te corrigeren (optie 2). Dit kan gedaan worden door per gebied uit te rekenen hoe hoog de waardering per gebied zou zijn als de steekproef dezelfde leeftijd zou hebben als de gemiddelde leeftijd van de Nederlandse bevolking. Optie 2 is in feite gelijk aan optie 1 met het voorbehoud dat bij optie 1 de verschillende onafhankelijke variabelen (zowel leeftijd als de BelevingsGIS-indicatoren) in willekeurige volgorde in de regressievergelijking worden meegenomen, terwijl optie 2 een stapsgewijze regressievergelijking is, waarbij leeftijd de eerste voorspeller is en de BelevingsGIS-indicatoren de volgende voorspellers zijn.

In het huidige onderzoek wordt gekozen voor optie 1. De belangrijkste reden hiervoor is dat het op theoretische gronden niet de voorkeur geniet om leeftijd als eerste voorspeller mee te nemen. Door leeftijd als eerste voorspeller mee te nemen wordt namelijk verondersteld dat de relatie tussen leeftijd en BelevingsGIS-indicatoren causaal is; namelijk, de verdeling van leeftijd over een gebied bepaalt de aanwezigheid van de omgevingskenmerken. Ter illustratie, dit zou betekenen dat mensen zelf bepalen hoe de omgeving eruit ziet. Oudere mensen zouden een gebied meer landelijk maken, met minder horizonvervuiling, minder geluidsoverlast en meer reliëf, terwijl jonge mensen een gebied meer stedelijk zouden maken, met meer horizonvervuiling, meer geluidsoverlast en minder reliëf. Het is theoretisch echter ook mogelijk dat de causale relatie omgekeerd is. Dit zou betekenen dat oude mensen geneigd zouden zijn om te wonen in een landelijke omgeving, met weinig horizonvervuiling, weinig geluidsoverlast en meer reliëf, terwijl jonge mensen meer getrokken zouden worden naar stedelijke omgevingen met meer horizonvervuiling, meer geluidsoverlast en minder reliëf. Door te kiezen voor optie 1 wordt het vraagstuk van causaliteit open gelaten.

Een ander voordeel van het meenemen van leeftijd als onafhankelijke variabele in de regressievergelijking is dat de vergelijking van de aantrekkelijkheid van twee gebieden nauwkeuriger kan gebeuren. Immers, de resultaten van het huidige onderzoek veronderstellen

dat twee gebieden met precies dezelfde objectieve fysieke kenmerken maar een verschillende leeftijdsopbouw verschillend worden gewaardeerd: het gebied waarvan de bewoners een hogere gemiddelde leeftijd hebben wordt hoger gewaardeerd dan het gebied waarvan de bewoners een lagere gemiddelde leeftijd hebben. Dit verschil wordt zichtbaar met de regressievergelijking waarbij leeftijd als onafhankelijke variabele wordt meegenomen.

Met behulp van alleen de BelevingsGIS-indicatoren natuurlijkheid, stedelijkheid, horizonvervuiling en historische kenmerkendheid wordt 39% van de variantie van de waardering verklaard. In een nieuwe regressieanalyse voegen we aan deze vier indicatoren ook de gemiddelde leeftijd per gebied als onafhankelijke variabele toe. Dit levert de volgende regressievergelijking op:

Waardering = 5,310 + 0,29 x natuurlijkheid – 0,15 x stedelijkheid + 0,23 x historische kenmerkendheid – 0,09 x horizonvervuiling + 0,03 x leeftijd

(6.4)

Tweeënveertig procent van de variantie van gerapporteerde aantrekkelijkheid wordt met behulp van de bijbehorende constante en regressiegewichten verklaard door de vier indicatoren en leeftijd. De bijdragen van alle onafhankelijke variabelen zijn statistisch significant.

Deze laatste regressievergelijking (vergelijking 6.4) met de vier BelevingsGIS-indicatoren en leeftijd als onafhankelijke variabelen kan het meest optimaal de waardering van het landschap voorspellen. De verklaarde variantie van de nieuwe kalibratie is hoger dan de oorspronkelijke voorspelling van waardering door BelevingsGIS versie 2 (vergelijking 6.1). Door regressievergelijking 6.4 te gebruiken in BelevingsGIS kunnen de gegevens van de vragenlijst op de meest valide wijze geëxtrapoleerd worden naar heel Nederland. De GIS-kaart die geconstrueerd wordt op basis van regressievergelijking 6.4 noemen we BelevingsGIS versie