In deze bijlage beschrijf ik de respons op het survey en de verschillende stappen die ik heb gezet om het databestand klaar te maken voor analyse.
1. Respons
Het survey is uitgezet in de periode van 2 t/m 31 oktober 2018. In totaal waren er 317 respondenten, waarvan 271 responses digitaal waren en 46 op papier. Een deel van de digitale responses was ‘leeg’.
Dat wil zeggen dat er geen vragen waren ingevuld. Dit betrof 115 respondenten. Deze zijn verwijderd uit de resultaten.
Uiteindelijk bleven 202 ingevulde enquêtes over. Hiervan zijn 195 enquêtes volledig ingevuld en 7 deels ingevuld. Omdat er geen aanleiding is om te veronderstellen dat deze 7 deels ingevulde enquêtes niet serieus zijn ingevuld, heb ik deze in het databestand behouden. De vragen die deze respondenten niet hebben ingevuld (voornamelijk de vragen over demografische gegevens) worden niet meegenomen in de analyses die daar betrekking op hebben.
Van de 202 respondenten was de meerderheid man (147, 73%) en de minderheid vrouw (47, 23%).
Eén persoon heeft hier de optie ‘anders’ aangevinkt (0,5%) en zeven personen hebben dit niet ingevuld (3,5%). 104 respondenten hebben de casus met mw. Carla de Jong gezien, 98 respondenten de casus met dhr. Henk de Jong. Dit staat samengevat in onderstaande tabel 24.
Tabel 24. Verdeling respondenten over beide casussen en over mannen en vrouwen
Gender auditor Casus mw. Carla de Jong Casus dhr. Henk de Jong Totaal
Man 77 70 147
Vrouw 20 27 47
Anders 1 0 1
Onbekend 6 1 7
Totaal 104 98 202
De verdeling over leeftijden was redelijk evenredig. Qua werkervaring zijn de meeste mensen of zeer weinig ervaren (0-4 jaar) of juist zeer ervaren (15+ jaar). Qua beroepsgroep zijn accountants, IT-auditors en operational IT-auditors het meest vertegenwoordigd. In onderstaande tabellen 25, 26 en 27 zijn deze gegevens zichtbaar.
Tabel 26. Verdeling respondenten naar werkervaring
Werkervaring Aantal %
55
Tabel 27. Verdeling respondenten naar beroepsgroep
Beroepsgroep Aantal %
Om het databestand te kunnen analyseren, heb ik verschillende stappen gezet. Hieronder geef ik de belangrijkste stappen in volgorde weer.
1. Downloaden ruwe set data uit Qualtrics: hierbij heb ik de digitale responses van de online survey tool in SPSS gezet. Dit betrof 271 enquêtes.
2. Wijzigen namen/labels variabelen: hierbij heb ik de namen en labels van de variabelen aangepast, zodat deze op de juiste wijze in het databestand staan.
3. Toevoegen data papieren surveys: de surveys die op papier zijn afgenomen, zijn ingevoerd in het databestand met de digitale data. Dit is met twee personen gedaan, zodat er gecontroleerd is op fouten. De papieren surveys hebben een extra label gekregen, zodat deze te herkennen zijn in het databestand. Dit betrof 46 enquêtes, waardoor het totaal op 317 enquêtes kwam.
4. Verwijderen niet ingevulde enquêtes: alle enquêtes waarvan de eerste vraag niet was ingevuld, zijn verwijderd uit het databestand. Het invullen van de eerste vraag is verplicht, waardoor dit alleen lege enquêtes betrof. Hierna resteerde 202 ingevulde enquêtes.
5. Toevoegen extra variabele man/vrouw casus: bij elke respondent heb ik een extra variabele toegevoegd, waaruit blijkt of deze respondent de casus met dhr. De Jong (98 respondenten) of mw. De Jong (104 respondenten) heeft gezien.
6. Verwijderen onnodige variabelen: in deze stap heb ik enkele variabelen verwijderd, die niet relevant waren voor de analyse. Dit betrof enkele variabelen die automatisch worden gegenereerd in Qualtrics en enkele hulpvariabelen om stap 4 en 5 uit te voeren.
7. Samenvoegen vragen uit twee casussen: de data van de respondenten die de casus met dhr. De Jong hebben gezien, staat apart opgeslagen van de data van de respondenten die de casus met mw. De Jong hebben gezien. In deze stap heb ik de antwoorden op de vragen vanuit beide casussen samengevoegd. Dat heb ik gedaan door eerst alle missende velden in te vullen met 0.
Vervolgens heb ik nieuwe variabelen gemaakt, die de antwoorden op de vragen vanuit beide casussen ‘optellen’. Als laatste heb ik in de nieuwe variabelen alle scores van 0 (dus vragen die zowel niet zijn ingevuld bij de casus met een man als bij de casus met een vrouw) weer op missend veld gezet.
8. Omkeren vraag afhankelijke variabele: de tweede vraag van de afhankelijke variabele is inverse geformuleerd (een hoge score is negatief). Deze variabele heb ik omgedraaid. Dat wil zeggen dat score 7 score 1 wordt, score 6 wordt score 2, etc.
9. Berekenen Cronbachs alfa: de afhankelijke variabele en de mediërende variabelen in het
onderzoek heb ik gemeten met meerdere vragen. Om te testen of ik deze variabelen kon schalen tot één nieuwe variabele, heb ik een betrouwbaarheidsanalyse van de schaal uitgevoerd.
Idealiter komt uit deze analyse een Cronbachs alfa van boven 0,7, om ervan uit te gaan dat de vragen hetzelfde concept meten. Cronbachs alfa tussen 0,6 en 0,7 wordt door sommigen nog als
56 voldoende gezien om een gemiddelde te kunnen berekenen, maar is wel zwakker (Hulp bij onderzoek, n.d.). In tabel 28 staan de uitkomsten van deze testen.
Tabel 28. Uitkomsten Cronbachs alfa op de verschillende variabelen
Variabele Cronbachs alfa
Afhankelijke variabele (3 vragen) 0,814
Mediator Kennis (2 vragen) 0,664
Mediator Vaardigheden (2 vragen) 0,665
Mediator Attitude (2 vragen) 0,719
Uit deze analyse blijkt dat de schalen voor de afhankelijke variabele en mediërende variabele attitude hoog genoeg zijn om een gemiddelde te mogen berekenen. De schalen voor kennis en vaardigheden zitten in het grijze gebied (score tussen 0,6 en 0,7). Hoewel dit met minder zekerheid tot een schaal opgeteld kan worden, heb ik dat voor dit onderzoek wel gedaan. Dit punt komt terug in de discussie. De correlaties tussen de vragen die dezelfde variabelen moeten meten, zijn allemaal significant (p = 0,000).
10. Gemiddelde berekend per variabele: per variabele heb ik één score berekend, door het
gemiddelde te nemen van de score op de vragen bij die variabelen. Hierdoor heb ik vier nieuwe variabele gemaakt: de afhankelijke variabele (oordeel beheersing), een variabele voor kennis, vaardigheden en attitude.
11. Als laatste heb ik een aantal nieuwe variabelen gemaakt, namelijk:
a. Een variabele voor ‘gelijk’ en ‘ongelijk’ gender. De mannen die een casus met de mannelijke auditee hebben gezien, en de vrouwen die de casus met de vrouwelijke auditee hebben gezien, krijgen de code gelijk. Als ze de casus hebben gezien met de auditee van het andere geslacht, krijgen ze de code ongelijk.
b. Een variabele voor de vier mogelijke combinaties tussen het gender van de auditor en de auditee: mannelijke auditors die de casus met een mannelijke auditee hadden gezien, mannelijke auditors die de casus met een vrouwelijke auditee hadden gezien,
vrouwelijke auditors die de casus met een mannelijke auditee hebben gezien en vrouwelijke auditors die de casus met een vrouwelijke auditee hebben gezien.
c. Dummyvariabelen voor de controlevariabelen met een nominaal meetniveau. Dit betreft beroepsgroep en gender auditor.
12. Testen normale verdeling: als laatste heb ik getest of een normale verdeling van de steekproef mag veronderstellen. Als de steekproef groot genoeg is (> 30) mag je een normale verdeling veronderstellen (Bowerman, O'Connell, & Murphree, 2011). Als de steekproef kleiner is, moet worden gekeken of de steekproef normaal verdeeld is. Het aantal respondenten in mijn steekproef is 202. Echter, de groep vrouwen binnen mijn steekproef is relatief klein (47) en ook verdeeld over de casussen met de mannelijke en vrouwelijke auditee. Voor deze groepen heb ik getoetst of de afhankelijke variabele normaal verdeeld is. In onderstaande tabel 29 staan de uitkomsten. De toets op skewness en kurtosis valt binnen de grenswaarden van -1,96 en +1,96.
De Shapiro-Wilk test is niet significant, waardoor de nulhypothese van een normale verdeling bevestigd wordt (Ghasemi & Zahediasl, 2012). Uit deze testen blijkt dat de afhankelijke variabele voor deze groepen relatief weinig scheef verdeeld is. Een normale verdeling mag dus
verondersteld worden.
Tabel 29. Uitkomsten testen normale verdeling vrouwelijke auditors
Variabele Skewness Kurtosis p-waarde
Shapiro-Wilk test Vrouwelijke auditors en vrouwelijke auditee 0,553 -0,030 0,541 Vrouwelijke auditors en mannelijke auditee -0.0379 -0,616 0,758
57