Statistiese Ontleding

Die data is deur die Statistiese Konsultasiediens van die Universiteit van Stellenbosch verwerk deur middel van die Statistica-rekenaarprogram.

3.4.1. Demografiese veranderlikes

Demografiese veranderlikes is gerapporteer deur die gemiddelde en die mediaan van die resultate te toon. Deur die mediaan in te sluit in die rapportering van die data word die effek van uitskieters geminimaliseer (Berman, 2007).

3.4.2. Interne konsekwentheid

Die meetinstrumente is aan Cronbach se alfakoëffisiënt-ontleding onderwerp. Cronbach Alfa verwys na die statistiese meting van interne konsekwentheid en kan gebruik word wanneer toetsitems meer as twee alternatiewe antwoorde het. Die Alfakoëffisiënt wissel tussen 0 en 1, waar 1 „n perfekte korrelasie tussen die veranderlikes toon, en 0 aandui dat daar geen korrelasie tussen die veranderlikes bestaan nie. Waardes tussen .80 en 1.00 is wenslik en dui op hoë konsekwentheid tussen items in „n skaal. Waardes tussen .07 en .80 dui op matige, maar aanvaarbare konsekwentheid. Alfa-waardes onder .70 word geag as onbevredigend (Berman, 2007).

3.4.3. Faktoriële struktuur van die Landboustressor-vraelys

Die faktorontleding van die nuutgeskepte LSV het ten doel om die dimensies waaruit die konstruk bestaan te identifiseer met die oog op verdere ontwikkelingswerk aan die vraelys wat „n uitbreiding van sekere items tot gevolg mag hê of selfs „n inkorting van die aantal items per dimensie.

Faktorontleding verteenwoordig „n poging om, deur middel van ‟n statistiese ontleding, die basiese onderliggende veranderlikes te identifiseer wat die korrelasie tussen toetstellings verklaar. Hierdie basiese veranderlikes wat ten grondslag lê van die interkorrelasies tussen toetstellings, word faktore genoem. Faktorontleding is dus ‟n tegniek wat die onderlinge verhoudings binne „n datastel verken met die doel om veranderlikes te groepeer wat aan mekaar verwant is. Faktorontleding word gebruik om „n groot aantal veranderlikes te analiseer en in groepe te klassifiseer op grond van

empiriese ooreenkomste. Faktorontleding gebruik korrelasies tussen veranderlikes om subgroepe te identifiseer. Hierdie subgroepe word “faktore” genoem en word gekenmerk deur relatiewe hoë binnegroepkorrelasies tussen veranderlikes, en lae tussengroepkorrelasies tussen veranderlikes.

Daar is hoofsaaklik twee redes vir die gebruik van faktorontleding. Ten eerste word die interpretasie van data vereenvoudig deur die aantal veranderlikes te verminder. Ten tweede verskuif die fokus van die navorsing vanaf spesifieke toetse na meer algemene faktore (Murphy & Davidshofer, 2001).

Faktorontleding bestaan oor die algemeen uit vier stappe. Ten eerste moet vasgestel word of die groep veranderlikes genoegsaam gekorreleerd is om faktorontleding moontlik te maak. Ten tweede moet vasgestel word hoeveel faktore gebruik moet word om die veranderlikes te klassifiseer of te groepeer. Ten derde word die interpretasie van die interkorrelasies en faktore verbeter en ten vierde word die faktore benoem en „n indeks van veranderlikes geskep vir verdere analise (Berman, 2007). Teoreties is daar soveel faktore soos wat daar veranderlikes is, maar slegs „n paar faktore verklaar die meeste van die variansie in die data (Berman, 2007).

3.4.3.1. Eksploratiewe en Bevestigende Faktorontleding

Tydens eksploratiewe faktorontleding word die faktore geïdentifiseer wat die beste statistiese passing met die data het (Murphy & Davidshofer, 2001). Tydens eksploratiewe faktorontleding is die doel om die aantal en die aard te ondersoek van faktore wat benodig word om die korrelasies binne die R-matriks te verklaar. Dit is gewens dat die korrelasies tussen die waargenome veranderlikes verklaar word deur „n relatief beperkte aantal faktore (Murphy & Davidshofer, 2001).

Tydens bevestigende faktorontleding word faktore gedefinieer in terme van die spesifieke hipotese wat deur die navorser getoets word. Bevestigende faktorontleding het ten doel om voorafgeformuleerde faktorontledingsmodelle te toets. Tydens die gebruik van bevestigende faktorontleding word daar gehipotetiseer dat daar „n voorafbepaalde aantal faktore behoort te wees, waarop items in „n battery spesifieke ladingspatrone behoort te toon. So „n model word dan getoets deur data te versamel (Kinnear & Gray, 2006).

3.4.3.2. Toepassing

„n Eksploratiewe faktorontleding volgens die hoofkomponentemetode met Varimaks-rotasie is gebruik met die aanname dat die faktore gekorreleer is met mekaar. Vir die doeleindes van die bespreking word items met faktorbeladings ≥ .4 as betekenisvol beskou.

Parallelle ontleding is gedoen ten einde „n besluit te neem oor hoeveel faktore geïdentifiseer moet word. Die persentasie variansie wat deur elke faktor verduidelik kan word, staan bekend as die

Eigenwaarde van die veranderlike. Die Eigenwaarde van „n faktor is die som van die korrelasies van elke veranderlike met die faktor. Die Eigenwaarde van „n faktor is die totale variansie wat deur die faktor verklaar word en het „n teoretiese maksimum van een (Berman, 2007).

3.4.4. Interkorrelasies tussen tellings van die meetinstrumente

3.4.4.1. Pearson se produkmoment-korrelasiekoëffisiënt

Die tellings van die verskillende meetinstrumente is deur middel van Pearson se produkmoment- korrelasiekoëffisiënt (r) met mekaar gekorreleer. Hierdie koëffisiënt bied „n aanduiding van die lineêre korrelasie tussen twee veranderlikes (Plug, Meyer, Louw & Gouws, 1986). Die koëffisiënt r wissel van -1 tot +1 en die teken dui die rigting van die verhouding aan. „n Waarde van nul dui aan dat waarnemings so versprei is dat dit onmoontlik is om enige afleiding te maak oor die verhouding (Berman, 2007). Die aanname van „n lineêre verhouding is die belangrikste vereiste alvorens die gebruik van Pearson se produkmoment-korrelasiekoëffisiënt gemotiveer kan word, aangesien r slegs die lineêre verwantskap tussen veranderlikes meet (Elifson, Runyon & Haber, 1990).

Die kriterium gebruik vir die bepaling van die beduidendheid van die korrelasies, is „n p-waarde gelyk of kleiner as 0.05 (Du Toit, 1993).

3.4.4.2 Praktiese betekenisvolheid

Volgens Cohen (1988) dui „n statistiese beduidende resultaat nie noodwendig op „n praktiese betekenisvolle resultaat nie. Cohen het dus „n kriterium vir praktiese betekenisvolheid, of effekgrootte, voorgestel waarteen resultate gemeet kan word indien dit statisties beduidend is. „n Korrelasie met r = .1 tot .29 word gesien as „n swak korrelasie, dus klein effekgrootte. „n Korrelasie van r = .3 tot .49 word geag as „n matige korrelasie, of medium effekgrootte. „n Korrelasie met r = .50 tot 1.0 word geag as 'n sterk korrelasie met „n groot effekgrootte (Cohen, 1988).

3.4.5. Variansieontleding

Variansieontleding is „n statistiese tegniek waar die som van die kwadrate van tellings op „n afhanklike veranderlike verdeel en toegeskryf word aan twee of meer bronne van variansie. Die F- toets word gebruik om te bepaal of bronne „n beduidende bydrae lewer. Die ondersoek van slegs een veranderlike word eenrigting-variansieontleding genoem, terwyl die ondersoek van twee of meer onafhanklike veranderlikes bekend staan as meervoudige variansieontleding (Plug et al., 1986).

3.4.6. Meervoudige regressieontleding

Meervoudige regressieontleding is „n metode wat gebruik word om die gesamentlike en afsonderlike bydraes van onafhanklike veranderlikes op die afhanklike veranderlike vas te stel. Dus verklaar meervoudige regressieontleding die variansie in die onafhanklike veranderlike deur die invloed van onafhanklike veranderlikes te meet (Du Toit, 1993).

4. RESULTATE