4.1 Inleiding
In dit hoofdstuk vorm ik een oordeel met betrekking tot mijn hypotheses. Hierbij baseer ik mijn oordeel op statistische resultaten die ik verkrijg door uitvoering van het onderzoeksontwerp. Allereerst beschrijf ik de gebruikte dataset. Ten tweede doe ik verslag van de multicollineariteitsanalyse. Ten derde vindt de uiteindelijke toetsing plaats van alle drie de hypotheses.
4.2 Beschrijvende statistiek
Tabel 1 biedt het overzicht met daarin alle van relevant zijnde waarden die het inzicht in mijn uiteindelijke (linguïstische) resultaten verduidelijken. In deze tabel zijn voor alle variabelen het aantal betrokken observaties (n), het gemiddelde, de standaarddeviatie, het minimum en maximum weergegeven. Voor de dummievariabelen is alleen het aantal observaties per jaar relevant omdat het gemiddelde en de standaarddeviatie hier resultanten van zijn en dummievariabelen alleen de waarde 0 of 1 kunnen aannemen. Te lezen is dat de PE-scores uiteenlopen van 0,11 (bestuursverslag waarin de mate waarin PEM wordt gehanteerd relatief laag is) tot 3,90 (bestuursverslag waarin de mate waarin PEM wordt gehanteerd relatief hoog is) en dat het gemiddelde 1,13 is. Een ander interessante uitkomst is de gemiddelde waarde die hoort bij de relatieve verandering (1,151). Dit betekent dat de gemiddelde verandering positief is en jaarlijks een groei voorstelt van 15,1%. Naast inzicht te verschaffen in de gebruikte dataset zijn er vijf dummies opgenomen in tabel 1 (jaardummie 2006-2010). Hiervan maak ik gebruik omdat de data uit de dataset betrekking heeft op meerdere (boek)jaren. Op deze manier houd ik rekening met invloeden van jaareffecten en kan ik mijn bevindingen per jaar uitsplitsen. Ook is te zien dat over de vijf jaren het aantal observaties constant blijft. Dit biedt een sterk uitgangspunt om in mijn uiteindelijke model het jaareffect te elimineren.
Deze beschrijvende statistiek verheldert niet alleen de reikwijdte van de verschillende variabelen, maar biedt ook inzicht in de vergelijkbaarheid ertussen. Hiermee wordt bedoeld dat naarmate de standaarddeviatie (functie van de variantie) tussen de onderzochte variabelen dichter bij elkaar liggen (meer homoscedastisch)
deze ook beter correleren in één statistisch model. Dit komt in tabel 1 tot uitdrukking door gebruik te maken van de natuurlijke logaritme (ln) bij de variabelen organisatiegrootte en direct public support (†). In de bespreking van de verdere resultaten zijn alle bevindingen gebaseerd op de gecorrigeerde waarden, dus na gebruik te hebben gemaakt van de natuurlijke logaritme bij de organisatiegrootte en de direct public support.
Naast het verlenen van inzicht in de gebruikte data is ook de vergelijking met eerder gedaan onderzoek noodzakelijk (dit om het onderzoek in een breder kader te plaatsen). Larcker & Zakolyukina (2012) hebben het meest recent gebruik gemaakt van het LIWC-programma om PEM te meten. Zij vonden PE-scores in een range van 1,16 tot 1,74. Uit deze bevindingen blijkt dat mijn dataset te vergelijken is met bevindingen uit eerder gedaan onderzoek op het gebied van PEM. Hieruit blijkt dat de onderbouwing uit de wetenschappelijke literatuur relevant is omdat cijfermatige overeenkomsten kunnen worden onderkend.
Tabel 1
Overzicht gebruikte data non-profitorganisaties (uitgesplitst per variabele)
Variabelen n Gemiddelde
Standaard
deviatie Minimum Maximum Positive emotion management (PEM) 753 1,13 0,50 0,11 3,90 Organisatiegrootte (x€1.000) 753 15.142 42.718 7,496 298.443 Organisatiegrootte † 753 14,70 2,06 8,92 19,51 Relatieve verandering
eigen fondsenwerving (groeicijfer) 753 1,151 0,60 0,020 7,934
Jaardummie 2006 119
Jaardummie 2007 148
Jaardummie 2008 157
Jaardummie 2009 165
Jaardummie 2010 164
Direct Public Support (x€1.000) 753 8.657 26.899 7,426 295.000 Direct Public Support † 753 14,42 1,88 8,91 19,50 Leeftijd (jaren) 753 36 32 1 186 * Informatie afkomstig van 215 verschillende Nederlandse charitatieve instellingen
4.3 Multicollineariteitsanalyse
Bij (meervoudige) regressie kan multicollineariteit optreden wanneer de onafhankelijke variabelen onderling correleren. De sterkte van de relatie op de afhankelijke variabele wordt dan willekeurig. In tabel 2 is deze multicollineariteits-analyse uitgewerkt. De waarden in de tabel geven de onderlinge afhankelijkheid aan tussen de verschillende variabelen. Met deze analyse geef ik aan dat mijn onafhankelijke variabelen onderling niet significant afhankelijk van elkaar zijn om zo de onderbouwing en uitwerking van mijn hypothese te versterken. Als kanttekening moet worden geplaatst dat deze analyse als voorwaarde geldt voor het (latere) regressiemodel en dat deze analyse niet een onderdeel vormt van de toetsing van de hypotheses. Voor deze analyse zijn de waardes die samenhangen met de afhankelijke variabele, PEM, echter irrelevant.
In navolging van wat Neter et al. (1985) constateren, is er sprake van multicollineariteit wanneer de correlatie tussen de verschillende variabelen groter is dan 0,7 (70%). De bevindingen uit tabel 2 weergeven dat er geen sprake is van multicollineariteit, behalve tussen de onafhankelijke variabele organisatiegrootte en de controle variabele direct public support (,866**). De betekenis van deze significante relatie tussen de twee variabelen is dat ze onderling correleren met als gevolg dat de sterkte van de relatie op de mate van PEM willekeurig wordt.
Tabel 2
Pearson correlatiematrix
Variabelen 1. 2. 3. 4. 5. 6. 7. 8. 9.
1. Positive emotion management
2. Organisatiegrootte ,066* 3. %Δ eigen fondsenwerving -,020 -,065* 4. Jaardummie 2007 ,018 ,029 ,077* 5. Jaardummie 2008 -,017 -,017 -,073* -,254** 6. Jaardummie 2009 -,006 -,012 ,023 -,262** -,272** 7. Jaardummie 2010 -,030 -,021 -,071 -,261** -,271** -,280** 8. Direct Public Support ,068* ,866** -,048 ,025 -,024 -,007 ,000
9. Leeftijd ,021 ,467** -,028 -,019 ,019 ,006 ,022 ,399**
** Correlatie is significant op 0,05-niveau (tweezijdig)
Deze constatering heeft als gevolg voor het onderzoek dat de controle variabele (direct public support) dient te worden geëlimineerd om de kwaliteit van het onderzoek te waarborgen. In de regressieresultaten verdwijnt daarom de variabele Direct Public Support en vormt deze variabele in het vervolg van het onderzoek geen onderdeel van de argumentatie rondom de conclusies.
De overige waardes uit tabel 2 bevinden zich onder de 0,7, dat betekent dat deze niet zullen leiden tot een willekeurige onderbouwing van de relatiegrootte ten aanzien van de afhankelijke variabele en dat alle overige variabelen kunnen worden blijven opgenomen in het vervolg van het onderzoek.
4.4 Toetsing hypotheses
In tabel 3 is het uiteindelijke regressiemodel gepresenteerd dat de informatie biedt om een oordeel te kunnen vormen/richting te geven ten aanzien van de drie te onderzoeken hypotheses. De informatie uit dit model is het resultaat van een regressiebenadering, op basis van de eerder beschreven variabelen, die is uitgevoerd in SPSS. Om een uitspraak te doen over de hypotheses is het interpreteren van de waardes en het omzetten van deze waardes in een gefundeerd oordeel essentieel. Vandaar dat ik hieraan aandacht besteed in dit hoofdstuk en door middel van vijf (statistische) modellen een oordeel vorm over de invloed van organisatiegrootte en relatieve verandering (%Δ) eigen fondsenwerving op de mate van PEM en de invloed van de moderator op de relatie tussen organisatiegrootte en PEM.
In tabel 3 (ordinary least square-regressiemodel) zijn vijf statistische (sub)modellen weergegeven (1, 2a, 2b, 2c en 3) die aangeven in hoeverre de variabelen, beschreven in de linkerkolom, invloed uitoefenen op de mate van PEM. De waardes (coëfficiënten) in de tabel vormen de invulling van het empirisch model dat geformuleerd is in het onderzoeksontwerp (β0 – β5). Dit houdt in dat hoe hoger de coëfficiënt is hoe sterker de invloed is van die variabele op de mate van PEM (met uitzondering van β0, deze geeft de positie van de regressielijn weer in het regressiemodel). De controle variabele direct public support is afwezig in dit model vanwege het multicollineariteitsaspect (zie vorige paragraaf).
Tabel 3 OLS-regressiemodel Variabelen 1. 2a. 2b. 2c. 3. Constante 1,163 0,944 1,176 0,961 0,949 Jaardummie 2007 -0,030 -0,029 -0,029 -0,029 -0,028 Jaardummie 2008 -0,066 -0,061 -0,069 -0,064 -0,062 Jaardummie 2009 -0,054 -0,050 -0,055 -0,051 -0,048 Jaardummie 2010 -0,078 -0,073 -0,081 -0,075 -0,073 Leeftijd 0,000 0,000 0,000 0,000 0,000 Organisatiegrootte 0,016 0,016 0,016* %Δ eigen fondsenwerving -0,017 -0,014 -0,007 IT (Organisatiegrootte * %Δ eigen fondsenwerving) 0,016 Adjusted R2 -0,003 -0,001 -0,004 -0,002 -0,002 F-waarde 0,485 0,860 0,485 0,786 0,785
* Correlatie is significant op 0,1-niveau (tweezijdig)
De vijf statistische (sub)modellen geven elk een andere situatie weer waarin verschillende unieke combinaties worden gemaakt tussen de aanwezigheid van groepen variabelen. In model 1 is de situatie geschetst waarin alleen de controle variabelen (jaardummies en leeftijd) zijn opgenomen. Dit heeft als doel om een beginsituatie te creëren waarin de overige vier modellen tegen kunnen worden afgezet. Wanneer de invloed van de controle variabelen afneemt over de vijf modellen is er sprake van een (relatief) sterk model, dit vanwege het feit dat door toevoeging van de overige groepen variabelen de invloed van de controle variabelen op de mate van PEM afneemt. Dit houdt in dat de toegevoegde variabelen (een deel van) de invloed van de controle variabelen overnemen. Omdat alle coëfficiënten uit tabel 3, kijkend naar de controle variabelen, niet significant zijn op 0,1-niveau (tweezijdig) kan ik geen uitspraak doen in hoeverre de variabelen daadwerkelijk invloed uitoefenen op de afhankelijke variabele. Wel kan ik zeggen dat de coëfficiënten over de vijf modellen nagenoeg constant blijven (lichte daling van maximaal 0,005) en daardoor een geringe bijdrage leveren aan de sterkte van het model (in alle situaties hebben de controle variabelen een invloed variërend van 0,000 tot -0,078 op de mate van PEM). In model 1 is daarnaast ook nog de zogenoemde R2 en de F-waarde opgenomen. De eerste geeft weer in hoeverre de mate in PEM kan worden verklaard door de aanwezige (groepen) variabelen. Dit betekent dat de totstandkoming van de mate van PEM door 0,3% (0,003) verklaard wordt door de som van de controle variabelen.
Door toevoeging van de onafhankelijke variabele organisatiegrootte ontstaat model 2a. Dit model biedt de grondslag waarop ik mijn oordeel vorm ten aanzien van hypothese 1. Hypothese 1 heeft betrekking op de te relatie tussen organisatiegrootte en de mate waarin PEM wordt gehanteerd. De invloed van organisatiegrootte op PEM is 0,016. Hierbij moet wel de kanttekening worden gemaakt dat deze relatie niet significant is. Wel is te zien dat door toevoeging van de onafhankelijke variabele de invloed van de controle variabelen is afgenomen. Door deze toevoeging heeft de onafhankelijke variabele organisatiegrootte een deel van de relatiegrootte van de controle variabelen overgenomen. Echter bestaat er geen relatie tussen organisatiegrootte en PEM, dit omdat de relatiegrootte (0,016) met een te grote foutmarge tot stand is gekomen (niet significant op 0,1-niveau). De mate waarin PEM wordt verklaard door de controle variabelen en de onafhankelijke variabele organisatiegrootte (model 2a) is nihil (0,001). Al deze bevindingen leiden ertoe dat H1 verworpen dient te worden.
Model 2b weergeeft hetzelfde als model 2a met dit verschil dat de onafhankelijke variabele %Δ eigen fondsenwerving toegevoegd is in plaats van de onafhankelijke variabele organisatiegrootte. Model 2b biedt het uitgangspunt voor een oordeel ten aanzien van hypothese 2. Hypothese 2 heeft betrekking op de relatie tussen %Δ eigen fondsenwerving en de mate waarin PEM wordt gehanteerd. De invloed van %Δ eigen fondsenwerving op PEM is negatief (-0,017) dat inhoudt dat een stijging in %Δ eigen fondsenwerving leidt tot een daling in de mate waarin PEM wordt gehanteerd. Net als in model 2a is de relatiegrootte tussen de onafhankelijke en afhankelijke variabele ook hier niet significant. Echter in tegenstelling tot model 2a blijven de relatiegroottes die samenhangen met de controle variabelen constant. Deze constatering heeft als gevolg dat de toevoeging van de onafhankelijke variabele %Δ eigen fondsenwerving geen deel van de relatiegrootte van de controle variabelen overneemt. Echter, er bestaat ook geen relatie tussen %Δ eigen fondsenwerving en de mate van PEM. De oorzaak betreft dezelfde verklaring, namelijk het feit dat de relatiegrootte (-0,017) met een te grote foutmarge tot stand is gekomen (niet significant op 0,1-niveau). Overeenkomstig kunnen we ook concluderen dat de mate waarin PEM wordt verklaard door de controle variabelen en de onafhankelijke variabele %Δ eigen fondsenwerving (model 2b) nihil is (0,004). Al deze bevindingen leiden ertoe dat H2 verworpen dient te worden.
Model 2c is in tegenstelling tot de twee voorgaande modellen (2a en 2b) niet één op één te koppelen aan een hypothese. Dit model voegt de twee onafhankelijke variabelen bij elkaar in één model en creëert zo een opstap voor model 3 waar ik een uitspraak doet over hypothese 3 (invloed van de moderator op de relatie tussen organisatiegrootte en PEM). De coëfficiënten uit model 2c hebben daarom geen directe betekenis en dienen alleen als basis voor het oordeel over mijn laatste hypothese. Te zien is dat door samenvoeging van de twee onafhankelijke variabelen de coëfficiënten nauwelijks veranderen (0,016 en -0,017 vergeleken met 0,016 en -0,014), dat erop kan duiden dat ook de onafhankelijke variabelen, overeenkomstig de controle variabelen, (relatief) constant blijven over de vijf modellen.
Het laatste model uit tabel 3 geeft de invloed weer van %Δ eigen fondsenwerving op de relatie tussen organisatiegrootte en de mate van PEM. In de tabel heb ik de afkorting IT (interactieterm) gebruikt om aan te geven dat beide onafhankelijke variabelen (organisatiegrootte en %Δ eigen fondsenwerving) hier aan elkaar gekoppeld worden (zie ook het empirisch model). Een essentiële randvoorwaarde voor het gebruik van deze interactieterm is het standaardiseren van de onafhankelijke variabelen. Dit houdt in dat de correlaties tussen beide onafhankelijke variabelen en de interactieterm grotendeels verdwijnen (waardoor van multicollineariteit geen sprake kan zijn) en beide variabelen op dezelfde meetschaal geplaatst worden. Het doel hiervan is dat alleen op deze manier de vermenigvuldiging tussen de organisatiegrootte en de %Δ eigen fondsenwerving effectief kan plaatsvinden. Alleen in dit geval is de interactieterm betekenisvol en kan het als onderbouwing dienen voor verdere resultaten binnen het regressiemodel. Model 3 voldoet aan deze essentiële randvoorwaarde en weergeeft dus resultaten die ik kan gebruiken om een oordeel te vormen ten aanzien van hypothese 3. De invloed van de interactieterm op de relatie tussen de organisatiegrootte en de mate van PEM is licht positief (0,016), maar niet significant. Daarnaast blijft, door toevoeging van de interactieterm, de adjusted R2 constant (0,002). Zowel voor als na de toevoeging van de interactieterm blijft de mate waarin PEM wordt gehanteerd steken op 0,2%. Dit betekent dat de toevoeging van de interactieterm geen extra verklarend vermogen heeft met betrekking op de mate waarin PEM wordt gehanteerd. Doordat
de interactieterm (0,016) niet significant is in samenspraak met een onveranderde adjusted R2 leidt dit ertoe dat ook H3 verworpen dient te worden.
4.5 Afsluiting
Op basis van de statistische resultaten heb ik nu een uitspraak kunnen doen over mijn hypotheses. Welke conclusies ik hieruit kan trekken en wat mijn onderzoek toevoegt aan de al bestaande wetenschappelijke literatuur omtrent PEM is te vinden in het volgende hoofdstuk.