In dit onderzoek is de data verkregen uit de web enquêtes. Deze data is met behulp van het programma SPSS geanalyseerd. Binnen SPSS zijn verschillende analysemethoden gebruikt om de verschillende deelvragen te kunnen beantwoorden. In deze paragraaf is dieper ingegaan op de manier hoe de data wordt geanalyseerd uit de web enquête en welke methoden hiervoor zijn gebruikt.
Ten eerste is via descriptive statistics een overzicht gegeven van enkele kengetallen die volgen uit de enquête. Dit zijn een aantal beschrijvende gegevens over de respondenten zoals het aantal, de verhouding man/vrouw, leeftijdsverdeling, woonplaats enzovoort. Vervolgens zijn per factor de bijbehorende stellingen samengevoegd tot één variabele. Elke set vragen meet telkens één specifieke factor. Om te controleren of deze stellingen samen een variabele mogen vormen, moet er worden gekeken naar de interne consistentie van deze stellingen. In SPSS is dit getoetst met Cronbach’s alpha, deze meet de onderlinge correlatie van de verschillende stellingen. Waarden van onder de 0,5 wijzen op onvoldoende betrouwbaarheid. In het algemeen worden waarden van 0,7 of hoger als betrouwbaar gezien (Korzilius, 2008). In dit onderzoek gaat de voorkeur uit naar een waarde van 0,7 of hoger. Maar wanneer deze waarde niet gehaald wordt, dan worden stellingen met de waarden die hoger zijn dan 0,5 alsnog samengenomen tot een factor. Nadat de stellingen zijn samengevoegd tot de verschillende factoren, is onderzocht in hoeverre deze factoren invloed hebben op de acceptatie van de OV chipkaart. Om dit te onderzoeken is de samenhang tussen de verschillende factoren en de acceptatie onderzocht. Dit is gedaan met behulp van cross tabs (kruistabellen). In de kruistabellen zijn de verschillende factoren tegenover de vraag gezet of men het openbaar vervoer nu vaker, minder vaak of nog ongeveer net zo vaak gebruikt. Voordat dit is gedaan, zijn uit het SPSS bestand alleen de respondenten meegenomen die hebben aangegeven dat de OV chipkaart invloed heeft gehad op het meer, minder of in dezelfde mate gebruiken van het openbaar vervoer.
In de kruistabellen is gekeken naar de percentages en de Chi kwadraat, die aangeeft of er samenhang is en of dit statistisch significant is. Er is sprake van een statisch significant verband wanneer de p-waarde kleiner of gelijk is aan 0,05. Dan kan met 95% zekerheid worden gezegd dat
- 30 -
er samenhang is (Korzilius, 2008). Op deze manier is er dus getoetst of de verschillende factoren samenhangen met het vaker, minder vaak of nog ongeveer in dezelfde mate gebruik maken van het openbaar vervoer.
Vervolgens is onderzocht wat voor invloed de OV chipkaart heeft gehad op de toegankelijkheid, en dus het gebruik, van het openbaar vervoer. Dit is ook weer onderzocht met behulp van een kruistabel. Hiermee is gekeken naar de percentages van de mensen die door de OV chipkaart het openbaar vervoer vaker, minder vaak of in dezelfde mate gebruiken. Vervolgens is gekeken met behulp van de Chi kwadraat of dit eventueel een significant verband is (significantie kleiner of gelijk aan 0,05) en of er dus verschillen zijn tussen de groepen die het openbaar vervoer meer, minder of nog ongeveer in dezelfde mate gebruiken.
Met behulp van de beschrijvende gegevens van de enquête zijn er ook enkele groepen onderscheiden. Hierdoor is onderzocht of er verschillen zijn tussen groepen mensen met
betrekking tot de verschillende factoren die invloed hebben op de acceptatie van de OV chipkaart. Afhankelijk van het aantal groepen waar tussen onderscheid is gemaakt, is er t-toets uitgevoerd of een variantieanalyse. Normaal gesproken kunnen deze toetsen alleen maar worden uitgevoerd wanneer er interval of ratio data beschikbaar is. Echter wordt in de praktijk de ‘likert schaal’ data vaak gezien en gebruikt als interval meetniveau (Korzilius, 2008, p. 5) (Foster et al., 2006). Vandaar dat er in dit onderzoek toch voor gekozen is om deze toetsen te gebruiken.
De independent samples t-test is gebruikt om twee groepen met elkaar te vergelijken. In het begin zijn er twee hypothesen, H0 (nul hypothese): er is geen verschil tussen de twee groepen, HA (alternatieve hypothese): er is wel verschil tussen de twee groepen. Wanneer de t-toets is
uitgevoerd, volgen er twee tabellen. De eerste tabel is group statistics, in deze tabel staat van beide groepen het aantal waarnemingen, het gemiddelde, de standaardafwijking en de
gemiddelde standaardafwijking. De tweede tabel is de independent samples test, in deze tabel kijk je eerst naar de Levene’s test. Deze test geeft aan of er gelijkheid in variantie bestaat tussen de twee groepen. Wanneer de significantie kleiner of gelijk is aan 0,05 nemen we aan dat er geen gelijkheid in varianties is en dat deze dus verschillen. Wanneer de significantie groter is dan 0,05 nemen we aan dat de varianties niet verschillen. Wanneer de varianties verschillen kijk je in de rij equal variances not assumed en wanneer de varianties niet verschillen kijk je in de rij equal variances assumed. Het verschil tussen de twee gemiddelden vind je vervolgens onder mean difference. We willen met 95% zekerheid zeggen of er een verschil bestaat tussen de twee groepen en dus moet de significantie kleiner of gelijk zijn aan 0,05. Wanneer de significant groter is dan 0,05 nemen we aan dat er geen verschil is tussen de twee groepen. Dus H0 wordt
- 31 -
verworpen en HA wordt aangenomen wanneer de significantie kleiner of gelijk is aan 0,05. Maar wanneer de significantie groter is dan 0,05 dan wordt H0 aangenomen en HA verworpen (te Grotenhuis & Matthijssen, 2013).
De variantieanalyse vergelijkt de gemiddelden van verschillende groepen met elkaar. Het verschil met de t-toets is dat de variantieanalyse meer dan twee groepen tegelijkertijd kan vergelijken. Er zijn verschillende soorten variantieanalyses, in dit onderzoek wordt de One-Way Anova
gehanteerd. Bij deze variantieanalyse wordt er op basis van één variabele diverse groepen onderscheiden. Er is sprake van twee hypothesen, H0: er is geen verschil tussen de groepen en HA: er is wel verschil tussen de groepen.
De eerste tabel is de descriptives, hierin staan het aantal geldige waarnemingen, het gemiddelde, de standaarddeviatie, de standaardfout, de linker- en rechtergrens waar met 95% zekerheid kan worden gezegd dat een respondent daar tussen ligt, het minimum en het maximum. De tweede tabel is de test of homogeneity of variances, deze tabel geeft aan of er gelijkheid in variantie bestaat tussen de groepen. Hier is in principe ook sprake van een H0: er is gelijkheid in variantie en HA: er is geen gelijkheid in variantie. In deze tabel kijken we dus weer naar de significantie, wanneer deze groter is dan 0,05 dan is er sprake van gelijkheid in variantie en wanneer deze kleiner of gelijk is dan 0,05 dan is er sprake van ongelijkheid in variantie.
De derde tabel is de ANOVA, deze tabel zegt iets over de algemene hypothese. In deze tabel wordt de F-toets uitgevoerd. Wanneer de significantie die daarbij hoort kleiner of gelijk is aan 0,05, dan kan met 95% zekerheid worden gezegd dat er een verschil bestaat tussen de groepen. Dat betekent dat de nulhypothese kan worden verworpen en dat de alternatieve hypothese wordt aangenomen. Er is nu getoetst of de gemiddelden van de groepen aan elkaar gelijk zijn of niet. Wanneer deze niet gelijk zijn kan met behulp van een PostHoc-toets worden onderzocht welke groepen precies van elkaar verschillen. De keuze voor welke PostHoc- toets er wordt gebruikt, hangt af van de eerdere tabel die ging over gelijkheid of ongelijkheid van varianties. Wanneer er sprake is van gelijkheid in de variantie, dan wordt de Bonferonni-correctie toegepast. Maar wanneer er sprake i van ongelijkheid in de variantie, dan wordt de Tamhane’s T2 toegepast. De twee methoden toetsen wel allebei hetzelfde. De tabel multiple comparisons is hier van belang. Binnen deze tabel moet er wederom naar de significantie gekeken worden. Wanneer hier ergens een getal van 0,05 of kleiner voorkomt, dan kan er met 95% zekerheid worden gesteld dat er verschil zit tussen die twee specifieke groepen. Wanneer het getal groter is dan 0,05 dan kan er niet met 95% zekerheid worden gesteld dat er verschil zit tussen die twee specifieke groepen (te Grotenhuis & Matthijssen, 2013).
- 32 -