Door middel van een enquête onder Nederlandse jongeren in de leeftijd van 12 tot en met 25 jaar is geïnventariseerd welke factoren van invloed kunnen zijn op de acceptatie van onderzoek via mobiel internet. Allereerst wordt aangegeven op welke manier de data verzameld is. Vervolgens wordt een beschrijving gegeven van de karakteristieken van de respondenten die de enquête ingevuld hebben. Aansluitend worden de onderzoeksresultaten weergegeven aan de hand van de onderzoeksvraag en deelvragen die centraal staan in dit onderzoek. Met behulp van statistische analyse zal het resultaat van het praktijkonderzoek worden gepresenteerd.
Dataverzameling
In dit praktijkonderzoek is gebruik gemaakt van een random steekproef met een respons van 163 anonieme respondenten (n=163) waarvan 62 (missing values) uit de data zijn gehaald omdat gegevens ontbraken of de enquête niet volledig was ingevuld. Ondanks dat in de enquête een invoerbeveiliging is toegepast, is het aantal missing values aanzienlijk. Het netto aantal respondenten bedraagt 101 (n=101). Middels social media (facebook, twitter, instagram, linkedin, google+ etc.), email en face-2-face benadering is de data van de enquête binnen een termijn van twee weken verzameld. Eén week na de beschikbaarheid van de online enquête is er een reminder verzonden om de respondenten te herinneren de enquête in te vullen danwel af te ronden.
Karakteristieken van de respondenten
Voordat de data geanalyseerd kan worden is in onderstaande paragraaf een overzicht gemaakt betreffende de karakteristieken van de respondenten die de enquête hebben ingevuld. De sociaal demografische variabelen van de 101 respondenten zijn in grafieken of tabellen weergegeven in bijlage IV. 50 vrouwen hebben de enquête uiteindelijk volledig ingevuld tegenover 51 mannen. De gemiddelde leeftijd is 21 jaar.
De grootste groep (34%) zijn respondenten met de leeftijd van 25 jaar oud. De rest is vrij willekeurig over de verschillende jaren verdeeld. Uit de spreiding van het opleidingsniveau kan worden opgemerkt dat ook dit willekeurig is verdeeld. De grootste groep heeft het Middelbaar Beroeps Onderwijs (MBO) als opleidingsniveau, gevolgd door het hogere beroeps onderwijs (HBO). Dit zijn volgens CBS ook de grootste gebruikers van mobiel internet. Daarnaast hebben alle respondenten aangegeven dat ze de beschikking hebben over een
mobiele telefoon waarvan 77% van de respondenten ook een internetbundel tot zijn beschikking heeft. 96% van deze mobiele telefoon gebruikers maken gebruik van internet door middel van Wifi. De gemiddelde frequentie van het mobiele internetgebruik van de respondenten is te zien in figuur 23 en bedraagt 4,6 uur. Er is verder voor dit onderzoek niet gekeken naar de activiteiten die de respondenten online uitvoeren. Dit zal voor verdere onderzoeken interessant zijn.
Reliability analyse
Om de consistentie van de constructen te meten is voor elk construct een reliability analyse uitgevoerd met behulp van Cronbach’s Alpha. Hieronder zullen de constructen individueel worden toegelicht.
Performance Expectancy
Dit construct bestaat uit vier items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α=0 ,933 (tabel 4).
Tabel 4: Cronbach's Alpha PE
MEAN STD
CRONBACH'S ALPHA
PE 5,032 1,654 0,933
Zoals in onderstaande tabel te zien is, hebben alle items een correlatie hoger dan 0,5. Het verwijderen van de items zal niet resulteren in een hogere Cronbach’s Alpha. Alle items zullen daarom meegenomen worden in de analyse. Dit geeft aan dat alle items van Performance Expectancy beschouwd mogen worden als één schaal.
Tabel 5: Cronbach's Alpha deleted en correlatie PE
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted PE1 4,723 1,464 101 0,802 0,928 PE2 4,990 1,688 101 0,854 0,909 PE3 5,030 1,700 101 0,883 0,900 PE4 5,386 1,766 101 0,845 0,913 Effort Expectancy
Dit construct bestaat uit vier items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α=0 ,931 (tabel 6).
Tabel 6: Cronbach's Alpha EE
MEAN STD
CRONBACH'S ALPHA
EE 5,430 1,479 0,931
Alle items van EE hebben een correlatie hoger dan 0,5. Het verwijderen van de items zal niet resulteren in een hogere Cronbach’s Alpha. Alle items zullen meegenomen worden in de analyse.
Tabel 7: Cronbach's Alpha deleted en correlatie EE
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted EE1 5,455 1,375 101 0,889 0,895 EE2 5,168 1,490 101 0,796 0,923 EE3 5,446 1,493 101 0,814 0,917 EE4 5,653 1,558 101 0,859 0,903 Social Influence
Dit construct bestaat uit drie items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α=0 ,916 (tabel 8).
Tabel 8: Cronbach's Alpha SI
MEAN STD
CRONBACH'S ALPHA
SI 3,792 1,944 0,916
Alle items van SI hebben een correlatie hoger dan 0,5. Het verwijderen van de items zal niet resulteren in een hogere Cronbach’s Alpha. Alle items zullen meegenomen worden in de analyse.
Tabel 9: Cronbach's Alpha deleted en correlatie SI
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted SI1 3,386 1,838 101 0,724 0,961 SI2 3,901 1,987 101 0,903 0,817 SI3 4,089 2,005 101 0,876 0,841 Facilitating Conditions
Dit construct bestaat uit vier items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α=0 ,807 (tabel 10).
Tabel 10: Cronbach's Alpha FC
MEAN STD
CRONBACH’S ALPHA
FC 5,336 1,749 0,807
Alle items van FC hebben een correlatie hoger dan 0,5. Het verwijderen van de items zal niet resulteren in een hogere Cronbach’s Alpha. Alle items zullen meegenomen worden in de analyse.
Tabel 11: Cronbach's Alpha deleted en correlatie FC
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted FC1 5,673 1,674 101 0,619 0,761 FC2 4,871 1,820 101 0,503 0,817 FC3 5,287 1,867 101 0,630 0,756 FC4 5,515 1,635 101 0,763 0,695 Hedonic Motivation
Dit construct bestaat uit drie items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α= 0,881 (tabel 12).
Tabel 12: Cronbach's Alpha HM
MEAN STD
Cronbach’s Alpha HM 4,716 1,525 0,881
Alle items van HM hebben een correlatie hoger dan 0,5. HM1 zou verwijderd kunnen worden om een hogere Cronbach’s Alpha te krijgen, maar vanwege het geringe verschil van 0,01 is er voor gekozen om HM1 te behouden. Alle items zullen meegenomen worden in de analyse.
Tabel 13: Cronbach's Alpha deleted en correlatie HM
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted HM1 4,752 1,545 101 0,694 0,898 HM2 4,772 1,469 101 0,822 0,787 HM3 4,624 1,561 101 0,799 0,806 Habit
Dit construct bestaat uit drie items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α= 0,914 (tabel 14).
Tabel 14: Cronbach's Alpha HA
MEAN STD
Cronbach’s Alpha HA 4,155 1,727 0,914
Zoals in onderstaande tabel te zien is hebben alle items een correlatie hoger dan 0,5. Het verwijderen van HA1 zal resulteren in een hogere Cronbach’s Alpha. Maar ook hier is het verschil te klein gebleken om HA1 te verwijderen. Alle items zullen meegenomen worden in de analyse.
Tabel 15: Cronbach's Alpha deleted en correlatie HA
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted HA1 4,356 1,671 101 0,828 0,875 HA2 4,277 1,761 101 0,897 0,814 HA3 3,832 1,750 101 0,758 0,932
Attitude towards using
Dit construct bestaat uit vier items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α=0 ,656.
Tabel 16: Cronbach's Alpha AT
MEAN STD
CRONBACH’S ALPHA
AT 4,227 1,716 0,656
Zoals in onderstaande tabel te zien is heeft één van de items, namelijk AT2, een bijzonder lagere score dan alle andere items van attitude. Door de lage correlatie is te zien dat wanneer deze verwijderd zou worden dit resulteert in een hogere Cronbach’s Alpha van 0,823. In de verdere analyse zal AT2 daarom niet meegenomen worden.
Tabel 17: Cronbach's Alpha deleted en correlatie AT
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted AT1 4,485 1,659 101 0,548 0,512 AT2 3,327 1,761 101 0,054 0,823 AT3 4,050 1,621 101 0,597 0,480 AT4 5,050 1,824 101 0,654 0,416 Use Intention
Dit construct bestaat uit drie items (definitie te zien in bijlage II) met een totale Cronbach’s Alpha van α= 0,913 (tabel 18).
Tabel 18: Cronbach's Alpha UI
MEAN STD
CRONBACH'S ALPHA
UI 4,914 1,617 0,913
Alle items hebben een correlatie hoger dan 0,5. Het verwijderen van de items zal niet resulteren in een hogere Cronbach’s Alpha. Alle items zullen meegenomen worden in de analyse.
Tabel 19: Cronbach's Alpha deleted en correlatie UI
MEAN STD N Corrected item‐scale correlations Cronbach’s Alpha if item deleted UI1 4,723 1,464 101,000 0,824 0,883 UI2 4,990 1,688 101,000 0,810 0,890 UI3 5,030 1,700 101,000 0,856 0,851
Uit bovenstaande analyse kan worden geconcludeerd dat bijna alle items consistent zijn ten opzichte van de schaal. Tabel 21 beschrijft het definitieve overzicht van Cronbach’s Alpha op constructniveau:
Tabel 20: Cronbach's Alpha total overview
Mean STD Cronbach’s Alpha PE 5,032 1,654 0,933 EE 5,431 1,479 0,931 SI 3,792 1,944 0,916 FC 5,337 1,749 0,807 HM 4,716 1,525 0,881 HA 4,155 1,727 0,914 AT 4,228 1,716 0,823 UI 4,914 1,617 0,913
In de tabel (20) zijn de means, standard deviations en de Cronbach’s Alpha’s te zien. Uit de resultaten blijkt dat de hoogste mean te zien is bij het construct Facilitating Conditions (FC) met een mean van 5,337 en een correlatie van 1,749. Terwijl de laagste mean is van Social Influence met een score van 3,792 met de hoogste correlatie van 1,944. Met bovenstaande waarden kan geconcludeerd worden dat alle items consistent zijn om de schaal te meten. De volgende stap is nagaan of de gemiddelde scores op de zeven constructen normaal zijn verdeeld door middel van de Kolmogorov-Smirnov test. De Kolmogorov-Smirnov test meet de kloof tussen de cumulatieve verdeling en de verdeling van de score van de steekproef
(empirische verdeling). Alle scores onder de 0,05 geven aan dat de scores uit de steekproef normaal zijn verdeeld.
In tabel (21) is te zien dat alle constructen een significante waarde hebben onder de drempel van 0,05. Hieruit kan geconcludeerd worden dat de waardes normaal zijn verdeeld. Met dit als resultaat kan verder geconcludeerd worden dat, met de combinatie van de interval Likert schaal en de normale verdeling van de data, parametrische toetsen kunnen worden gebruikt (Field, 2009).
Tabel 21: Kolmogorov-Smirnov (Lilliefors Significance Correction)
Statistic Sig. PE 0,188 0,000 EE 0,179 0,000 SI 0,111 0,004 FC 0,171 0,000 HM 0,130 0,000 HA 0,146 0,000 AT 0,128 0,000 UI 0,117 0,000
Naast de test voor de normale verdeling moet er ook gekeken worden naar de correlaties tussen de constructen om aan te kunnen tonen of ze wel of niet aan elkaar gerelateerd zijn. In tabel (22) wordt de correlatie tussen de constructen met een significantie van 0,01 en 0,05 getoond. Hieruit blijkt dat de correlaties tussen EE met SI en SI met HM niet significant zijn. De resterende constructen hebben wel een significante correlatie.
Tabel 22: Correlation
Mean Std PE EE FC AT SI HM HA UI
PE 5,032 1,514 1,000 EE 5,431 1,347 0,714** 1,000 FC 5,337 1,394 0,574** 0,686** 1,000 AT 4,528 1,465 0,570** 0,529** 0,512** 1,000 SI 3,792 1,800 0,368** 0,187** 0,200* 0,455** 1,000 HM 4,716 1,371 0,556** 0,543** 0,548** 0,669** 0,139** 1,000 HA 4,155 1,596 0,434** 0,308** 0,485** 0,646** 0,479** 0,552** 1,000 UI 4,914 1,496 0,988** 0,689** 0,546** 0,535** 0,341** 0,587** 0,417** 1,000 ** Correlation is significant at the 0.01 level (2‐tailed). * Correlation is significant at the 0.05 level (2‐tailed).
Aangezien de meeste constructen een significante correlatie hebben wordt er verder gekeken naar de principale componenten analyse. Met behulp van KMO and Bartlett’s Test of multicollinearity en Kaiser-Meyer-Olkin Measure of Sampling Adequacy wordt er eerst
gekeken naar de multicollineariteit van de constructen voor de voorspellende waarden van de constructen.
Tabel 23: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. ,728 Bartlett's Test of Sphericity Approx. Chi-Square 764,893 Df 28 Sig. ,000
Uit tabel (23) kan geconcludeerd worden dat er geen significante multicollineariteit is tussen de constructen omdat de waarde hoger is dan 0,5 (KMO=0,728). Daarnaast geeft de Bartlett’s Test of Sphericity een significantie (p< 0,01), wat wil zeggen dat er homoscedasticity (Field, 2009) is tussen de constructen. Met de resultaten kunnen we aannemen dat de data bruikbaar is voor de principale component analyse. De relatie tussen de items van de constructen onderling zal hieronder met behulp van een principal component analysis of items (varimax) verder worden onderzocht. Met de resultaten van de Principal Component Analysis of Items (bijlage IV) kan de data inzichtelijk gemaakt worden ten behoeve van de regressie analyses. Verder laat Principal Component Analysis eventuele relaties tussen de variabelen zien die niet eerder waren opgevallen (Johnson and Wichern, 2002). Uit de resultaten van de Principale Component Analysis of Items is te zien dat er vijf componenten zijn gecreëerd. Dit geeft aan dat de vraagstelling van een aantal constructen geclusterd kan worden, zoals Habit met Attitude, te zien in bijlage IV. Uit de resultaten van de Principal Component Analysis of Scales met een verklaarde variantie van 72,32% is te zien dat bijna alle constructen een score hebben groter dan 0,7 (r>0,7) bij de eerste component, met uitzondering van Social Influence (SI). SI scoort juist hoog op de tweede component. Deze twee componenten worden aangemaakt ten behoeve van verdere analyse. Om de directe invloed van de constructen te kunnen meten op de gedragsintentie is een ANOVA analyse uitgevoerd. De resultaten zijn in onderstaande tabel (24) samengevat. In het model is te zien dat de drie constructen (PE, EE en SI) direct invloed hebben op de attitude. Daarnaast is te zien dat AT, FC, HM en HA direct invloed hebben op de gedragsintentie.
Tabel 24: ANOVA Direct effect DIRECT EFFECT ANOVA F Sig. PE 4,656 0,000 EE 3,972 0,000 SI 3,662 0,000 FC 5,556 0,000 HM 13,977 0,000 HA 3,859 0,000 AT 5,316 0,000
Om het effect van de moderator ‘geslacht’ op de constructen te testen is een ANOVA analyse uitgevoerd met geslacht als afhankelijke variabele. Uit de resultaten is gebleken dat geslacht alleen een moderator effect heeft op HA (p< .05). Hieruit kan geconcludeerd worden dat er alleen een verschil tussen man en vrouw bestaat bij Habit (HA).
Tabel 25: ANOVA Moderator
MODERATOR EFFECT ANOVA F Sig. PE 1,596 0,074 EE 1,410 0,162 SI 0,966 0,501 HM 1,427 0,153 HA 1,980 0,029 AT 1,614 0,092
Om de invloed van de constructen op de afhankelijke variabele te kunnen meten zijn er drie regressie analyses uitgevoerd. Er is gekozen voor drie regressies om een vergelijking te kunnen maken met de verklaarde variantie van het model zodra constructen toegevoegd of weggelaten worden. Dit is inzichtelijker omdat men weet welk construct de meeste invloed zal hebben en hiervoor eventuele vergelijkingen gemaakt kunnen worden met andere modellen uit andere onderzoeken. Daarnaast zal er getest worden of de aangemaakte componenten uit de PCA een betere verklaarde variantie tonen dan de afzonderlijke constructen. Met bovenstaande bevindingen is onderstaande regressie analyse uitgevoerd.
Model 1:
De eerste regressie analyse is uitgevoerd met performance expectancy, effort expectancy en social influence als indicator voor de variantie op de attitude towards using variabele. Het eerste model is gebruikt om na te gaan of de drie constructen invloed hebben op de attitude. Dit is in drie stappen gedaan om zicht te krijgen in de verandering van R2.
Tabel 26: Coefficients(a) Model 1
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 1,752 ,420 4,176 ,000 MPE ,552 ,080 ,570 6,908 ,000 2 (Constant) 1,147 ,499 2,298 ,024 MPE ,380 ,112 ,392 3,389 ,001 MEE ,271 ,126 ,249 2,153 ,034 3 (Constant) ,631 ,488 1,291 ,200 MPE ,237 ,112 ,245 2,117 ,037 MEE ,322 ,119 ,297 2,709 ,008 MSI ,252 ,067 ,310 3,755 ,000
a Dependent Variable: MAT
Tabel 27: Model 1 Summary
Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,570(a) ,325 ,318 1,209 2 ,596(b) ,356 ,343 1,188 3 ,661(c) ,437 ,420 1,115
a Predictors: (Constant), MPE b Predictors: (Constant), MPE, MEE c Predictors: (Constant), MPE, MEE, MSI
In tabel (26) is te zien dat de constructen performance expectancy, effort expectancy en social influence zijn toegevoegd aan de analyse met attitude towards using als afhankelijke variabele. Er is een significantie voor performance expectancy, effort expectancy and social influence. Dat is te zien in de R-square die een verklaarde variantie heeft van 44% op attitude towards using. Deze waarde is significant met een significantieniveau < 0,01 voor EE en SI en <0,05 voor PE.
Model 2:
De tweede regressie analyse is uitgevoerd met facilitating conditions, hedonic motivation en habit. Aangezien weinig onderzoeken dit eerder hebben getest, is er voor gekozen om dit te scheiden, om zo te kunnen aantonen of de constructen wel of geen invloed hebben op de gedragsintentie van onderzoek via mobiel internet.
Tabel 28: Coefficients(a) model 2
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,785 ,498 3,584 ,001 MFC ,586 ,090 ,546 6,491 ,000 2 (Constant) ,959 ,493 1,948 ,054 MFC ,344 ,099 ,321 3,479 ,001 MHM ,449 ,101 ,412 4,463 ,000 3 (Constant) ,944 ,495 1,906 ,060 MFC ,329 ,103 ,307 3,201 ,002 MHM ,425 ,110 ,390 3,875 ,000 MHA ,050 ,090 ,053 ,553 ,582
a Dependent Variable: MUI Tabel 29: Model 2 Summary
Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,546(a) ,299 ,291 1,260 2 ,646(b) ,417 ,405 1,154 3 ,647(c) ,419 ,401 1,158 a Predictors: (Constant), MFC b Predictors: (Constant), MFC, MHM c Predictors: (Constant), MFC, MHM, MHA
Uit de regressie analyse valt af te lezen dat facilitating conditions als eerste toegevoegd is als voorspeller van gedragsintentie. Hier is een verklaarde variantie van 30% (p < .01) op gedragsintentie gevonden. Daarna is het construct hedonic motivation aan de analyse toegevoegd. Dit resulteert in een verhoging van de variantie met 13%, wat uiteindelijk uitkomt op 42% (p < .01). Als laatste is het construct habit toegevoegd. Aan de significantie is te zien dat deze niet significant (>0,05) is ten opzichte van het model en dat blijkt ook uit de verklaarde variantie die nauwelijks omhoog is gegaan. Habit zal daarom verder in het onderzoek niet worden meegenomen.
Model 3:
De laatst regressie analyse test het gehele model. Dit is gedaan in 3 stappen. Als eerst zijn performance expectancy, effort expectancy en social influence gemedieerd door attitude towards using toegevoegd. Daarna is facilitating conditions en hedonic motivation toegevoegd. R en R-kwadraat worden uiteindelijk met elkaar vergeleken.
Tabel 30: Coefficients(a) Model 3
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 2,437 ,413 5,907 ,000 MAT ,547 ,087 ,535 6,308 ,000 2 (Constant) ,853 ,491 1,736 ,086 MAT ,188 ,108 ,184 1,737 ,086 MFC ,303 ,101 ,283 3,009 ,003 MHM ,338 ,118 ,310 2,855 ,005
a Dependent Variable: MUI Tabel 31: Model 3 Summary
Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,535(a) ,287 ,280 1,270 2 ,659(b) ,435 ,411 1,148
a Predictors: (Constant), MAT
b Predictors: (Constant), MAT, MFC, MHA, MHM
De eerste stap van de regressie is uitgevoerd op performance expectancy, effort expectancy en social influence als indicator voor de variantie op de attitude towards using variabele. Hieruit komt een variantie van 44%. Daarna is attitude towards using toegevoegd aan het model. Het totale model geeft daarmee een verklaarde variantie van 29% (p< .01). Als laatste is een regressie analyse uitgevoerd op facilitating conditions en hedonic motivation met een verklaarde variantie van 44%. In de laatste stap van model 3 is te zien dat attitude niet meer significant is ten opzichte van de eerdere analyse. Ondanks dat is de variantie van het model wel gestegen. Uit de analyse kan onderstaande worden samengevat: moderator ‘geslacht’ is alleen significant bij SI en HM. Het effect van de moderator is in beide gevallen negatief. Daarnaast is er gekeken naar AT als mediator van PE, EE en SI op UI, hieruit blijkt dat: AT significant is als mediator bij EE (verklaarde variantie van 63% en een R-square van 0,69 met een sig. <0,001) en PE (verklaarde variantie van 96% en een R-square van 0,98 met een sig. <0,001). Bij SI is deze niet significant.
Met de vergelijkingen en analyses kunnen onderstaande hypothesen worden beantwoord:
H1: Er bestaat een direct positief verband tussen performance expectancy en attitude van onderzoek via mobiel internet. Een hogere performance expectancy zal resulteren in een positievere attitude van respondenten ten opzichte van onderzoek via mobiel internet. Dit verband is sterker voor mannen dan voor vrouwen.
Er is een directe positieve relatie gevonden tussen PE en AT (β = .245, p < .005; tabel 26) maar er is geen significant verschil gevonden tussen mannen en vrouwen (sig. 0.074; tabel 25). Deze hypothese kan daarom deels worden aangenomen en deels worden verworpen.
H2: Er bestaat een direct positief verband tussen effort expectancy en attitude van onderzoek via mobiel internet. Bij een hogere effort expectancy vertonen de respondenten een positievere attitude ten opzichte van onderzoek via mobiel internet. Dit verband is sterker voor vrouwen dan voor mannen
Er is een directe positieve relatie gevonden tussen EE en AT (β = .297, p < .001; tabel 26) maar er is geen significant verschil gevonden tussen mannen en vrouwen (sig. 0.162; tabel 25). Deze hypothese kan daarom deels worden aangenomen en deels worden verworpen.
H3: Er bestaat een direct positief verband tussen social influence en attitude van onderzoek via mobiel internet. Als ‘belangrijke anderen’ onderzoek via mobiel internet gebruiken, zullen de respondenten sterker geneigd zijn het te gebruiken. Dit verband is sterker voor vrouwen dan voor mannen.
Er is een directe positieve relatie gevonden tussen SI en AT (β = .310, p < .001 ; tabel 26) maar er is geen significant verschil gevonden tussen mannen en vrouwen (sig. 0.501; tabel 25).
H4: Tussen facilitating conditions en gedragsintentie bestaat een direct positief verband. Respondenten met meer kennis en informatie over onderzoek via mobiel internet, zijn sterker geneigd het te gebruiken
H5: Er bestaat een direct positief verband tussen hedonic motivation en gedragsintentie. Respondenten die over meer kennis en informatie over onderzoek via mobiel internet beschikken, zijn sterker geneigd de technologie te accepteren. Dit verband is bij mannen sterker dan bij vrouwen.
Deze hypothese wordt deels aangenomen en deels verworpen: er bestaat een positieve directe relatie tussen HM en UI (β = .310, p < .001; tabel 30) maar er is wel bewijs gevonden voor een significant verschil tussen mannen en vrouwen (sig. 0.153; tabel 25).
H6: Er bestaat een direct positief verband tussen habit en gedragsintentie. Respondenten die open staan voor nieuwe technologieën omdat ze wel of geen eerder vergelijkbare ervaringen hebben, gaan uit automatisme de nieuwe technologie eerder gebruiken. Dit verband is bij vrouwen sterker dan bij mannen.
Deze hypothese wordt deels aangenomen en deels verworpen: er bestaat geen positieve directe relatie tussen HA en UI (β = .053, p > .005 ; tabel 28) maar er is wel bewijs gevonden voor een significant verschil tussen mannen en vrouwen (sig. 0.023; tabel 25).