Statistische toetsen

Allereerst zal er in deze paragraaf een correlatieanalyse worden uitgevoerd. Deze maakt een eventuele samenhang tussen de factoren die de aankoopintentie mogelijk bepalen en de factor aankoop duidelijk. Tevens laat de analyse de aard van de bivariate verbanden zien, die positief of negatief kunnen zijn. Correlatiecoëfficiënten worden significant geacht bij een alpha < 0,05. Vervolgens zal een regressieanalyse worden uitgevoerd om de causaliteit van de verbanden aan te geven. Een eventueel causaal verband laat zien dat de factoren die de aankoopintentie volgens het conceptueel model beïnvloeden, ook daadwerkelijk de aankoopintentie beïnvloeden.

6.2.1 Correlatie analyse

Met behulp van een correlatie analyse kan inzicht gegeven worden in het verband tussen twee variabelen. De mate van samenhang en de richting van het verband (positief of negatief) worden met behulp van de analyse duidelijk. Er zal in dit onderzoek gebruik gemaakt worden van de bivariate Pearson correlatiecoëfficiënt. Hierbij moet voldaan worden aan een aantal veronderstellingen, namelijk dat de variabelen interval of ratio geschaald zijn, dat er aangenomen kan worden dat er sprake is van een lineair verband tussen de variabelen en dat de steekproef

afkomstig is uit een bivariate normale verdeling. Aan alle veronderstellingen wordt in dit onderzoek voldaan. Uit de correlatie analyse wordt de correlatiecoëfficiënt berekend, welke de striktheid van het lineaire verband tussen twee variabelen weergeeft. Zo geeft een hogere correlatiecoëfficiënt een sterker verband weer tussen twee variabelen en geeft ook een hogere mate van lineariteit in het verband aan. (Huizing, 2004:281)

Uit de resultaten van de correlatie analyse blijkt dat er een verband bestaat tussen bijna iedere factor en de aankoopintentie. Er is tweezijdig getoetst omdat er vooraf geen bepaalde richting voor het verband tussen twee variabelen wordt aangenomen. Voor bijna elke gevonden correlatie geldt dat de overschrijdingskans p < 0,05, waaruit blijkt dat er sprake is van een correlatiecoëfficiënt ongelijk aan 0. In dat geval is er sprake van een verband tussen de betreffende factoren en de aankoopintentie. De variabele ‘endorser Aviko’ is hier een uitzondering op, met een p waarde van 0,422, waaruit geen significant verband tussen de variabele en de aankoopintentie wordt aangetoond. De gevonden verbanden tussen alle factoren en de aankoopintentie is positief van aard. In tabel 6.1 staat voor elk van de factoren de bijbehorende correlatiecoëfficiënt weergegeven.

Factoren van Correlatiecoëfficiënt P-waarde

aankoopintentie correlatieanalyse

Kwaliteit 0,53 0,000

Complement 0,59 _0,000

Substitute 0,50 0,000

Transfer 0,48 0,000

Endorser Aviko 0,05 0,422

Hoe hoger de correlatiecoëfficiënt, hoe sterker het verband tussen de factor en de aankoopintentie. De factor ‘complement’ blijkt met een correlatiecoëfficiënt van 0,59 het sterkste verband te hebben met de aankoopintentie. Zoals reeds aangegeven, is er sprake van een laag correlatiecoëfficiënt van de variabele ‘Endorser Aviko’, welke de nul benadert en daarmee laat zien dat er geen significant verband tussen de variabele en de aankoopintentie wordt aangetoond. De bijbehorende p-waarde laat eveneens zien dat het verband tussen ‘Endorser Aviko’ en de aankoopintentie niet significant is. In de volgende paragraaf zal getest worden of er uit het uitgevoerde onderzoek een causaal verband naar voren gekomen is tussen de factoren en de aankoopintentie.

6.2.2 Regressie analyse

Met behulp van de regressieanalyse kan er een lineair verband geschat worden tussen een afhankelijke variabele en één of meer onafhankelijke variabelen. (Huizing, 2004:288). Malholtra (2004:503) geeft aan dat met behulp van regressie analyses vastgesteld kan worden in hoeverre er sprake is van een relatie, de sterkte van de relatie en de structuur van deze relatie. Bovendien is het mogelijk om de waarde van de afhankelijke variabele te schatten en de relatie tussen de variabelen te controleren met behulp van andere onafhankelijke variabelen. De afhankelijke

variabele, in dit onderzoek ‘aankoopintentie’, is het verschijnsel dat verklaard moet worden. De onafhankelijke variabelen, in dit onderzoek bestaande uit fit, kwaliteit en endorsement, vormen de verklaring van dit verschijnsel (lees: aankoopintentie). De fit bestaat uit een drietal onderdelen, namelijk complement, transfer en substitute. Deze variabelen kunnen worden verkregen met behulp van respectievelijk de enquêtevragen 23.1, 23.2 en 23.3. De variabele kwaliteit is getoetst met behulp van de enquêtevraag 11.

Bij deze regressie analyse wordt de invloed van meerdere onafhankelijke variabelen op de afhankelijke variabele bekeken, waardoor er sprake is van een multiple regressie. In tegenstelling tot bij de correlatieanalyse, wordt bij de regressieanalyse een causaal verband verondersteld. De regressieanalyse zorgt voor een vergelijking waarmee de afhankelijke variabele kan worden voorspeld. De regressievergelijking ziet er als volgt uit:

Aankoopintentie = β0 + β1 * Complement + β2 * Substitute + β3 * Transfer + β4 * Kwaliteit + β5 * EndAviko + β6 * EndSubway + e

Waarbij:

β0 = de constante

β1 t/m β6 = de helling van de regressielijn e = de foutenterm

Bij de regressie analyse worden ook twee veronderstellingen gedaan, namelijk dat alle variabelen interval of ratio geschaald zijn. Een uitzondering hierop zijn de dummyvariabelen, waarbij met de waarden 1 en 0 wordt aangegeven of iets wel of niet aan de orde is. In dit onderzoek zijn de variabelen m.b.t. endorsement (Endorser Aviko & Endorser Subway & Geen endorser) teruggebracht tot twee dummyvariabelen EndAviko en EndSubway, waarbij resp. 0 = wel Aviko als endorser en 1 = geen Aviko als endorser en 0 = wel Subway en 1 = geen Subway als endorser. De variabelen m.b.t. fit (Complement, Substitute en Transfer) en de variabele kwaliteit zijn ordinaal geschaald, maar aangenomen wordt dat deze als interval data gezien mogen worden.

De SPSS uitvoer van een regressieanalyse bestaat uit een aantal onderdelen. Als eerste wordt aangegeven welke onderdelen in het model zijn opgenomen. Vervolgens wordt de kwaliteit van het model weergegeven met behulp van de determinatiecoëfficiënt. Het kwadraat van de meervoudige correlatiecoëfficiënt is de R² en geeft weer welk deel van de variantie van de afhankelijke variabele wordt verklaard door de onafhankelijke variabelen. Dit wordt ook wel de determinatiecoëfficiënt genoemd. Als alle waarneming precies op de regressielijn liggen dan is de R² gelijk aan 1. Een R²

die (bijna) gelijk aan 0 is, betekent niet per definitie dat er geen verband is tussen de variabelen. Het betekent enkel dat er geen lineair verband bestaat.

Vervolgens geeft SPSS in de uitvoer de resultaten van de uitgevoerde variantie analyse weer. De nulhypothese van deze analyse gaat ervan uit dat de regressiecoëfficiënten gelijk zijn aan nul, de constante uitgezonderd. De alternatieve hypothese stelt dat minstens één regressiecoëfficiënt niet gelijk is aan nul. De totale variantie in de afhankelijke variabele wordt hier opgesplitst in een deel dat verklaard wordt door de onafhankelijke variabelen en een deel dat niet wordt verklaard, het residu genoemd. Er wordt met behulp van een F-toets de overschrijdingskans berekend. Wanneer deze lager is dan de gestelde ɑ, dan wordt de nulhypothese verworpen en de alternatieve hypothese wordt dan aangenomen.

Tot slot geeft SPSS in de uitvoer de resultaten weer van de regressievergelijking. De regressiecoëfficiënt staat in de B-kolom weergegeven. Een – teken voor dit getal houdt in dat er sprake is van een negatief verband tussen de afhankelijke en onafhankelijke variabelen. De t-toets wordt uitgevoerd om te achterhalen of er sprake is van een significant verband tussen de afhankelijke en onafhankelijke variabelen. Wanneer de bij de t-waarde horende overschrijdingskans (zie in tabel Sign.) lager is dan de gestelde ɑ, zal de nulhypothese verworpen worden en de alternatieve hypothese wordt dan aangenomen. De regressiecoëfficiënt geeft aan met hoeveel eenheden de afhankelijke variabele toeneemt als de onafhankelijke variabelen toeneemt met één eenheid. SPSS geeft een tweetal soorten regressiecoëfficiënten weer, namelijk gestandaardiseerde en absolute regressiecoëfficiënten. Er zal in dit onderzoek gebruik gemaakt worden van de absolute regressiecoëfficiënten, zodat het belang van twee variabelen vergeleken kunnen worden.

In tabel 6.2 staat aangegeven welke onafhankelijke variabelen een invloed hebben op de aankoopintentie volgens de regressieanalyse. Bij alle factoren die een invloed hebben op aankoopintentie is sprake van een positief verband. Dit betekent dat wanneer de onafhankelijke variabele stijgt, de aankoopintentie ook stijgt.

Regressiemodel B T-statistiek P-waarde Hoofdvariabelen Constante -1,00 -3,29 0,001 Complement 0,30 3,72 0,000 Substitute 0,09 1,21 0,228 Transfer 0,15 2,02 0,045 Kwaliteit 0,49 5,73 0,000 EndAviko 0,28 1,78 0,077 EndSubway 0,30 2,27 0,025

Tabel 6.2 Regressiemodel hoofdvariabelen (twee endorsers apart)

Het model is vrij sterk, gezien de determinatiecoëfficiënt (R²) van 0,479. De gecorrigeerde R² is 0,464. Dit betekent dat 46 procent van de variantie in de aankoopintentie wordt verklaard door de

onafhankelijke variabelen uit dit model. Uit het model blijkt dat het gebruik van Subway als endorser een significant positief effect heeft op de aankoopintentie. Aviko als endorser geeft een niet significant, positief effect op de aankoopintentie. De regressiecoëfficiënt (B) van de twee verschillende endorsers verschillen niet veel van elkaar. Het positieve verband tussen de twee endorser variabelen betekent automatisch dat er een negatief verband is tussen aankoopintentie en het niet gebruiken van een endorser. Om dit duidelijker te maken zullen de twee variabelen EndAviko en EndSubway worden samengevoegd in een nieuwe variabele, genaamd Endorser, waarbij 0 = geen endorser en 1 = wel endorser. Deze variabelen wordt meegenomen in een nieuwe regressieanalyse.

Regressiemodel B T-statistiek P-waarde

Hoofdvariabelen Constante -1,00 -3,30 0,001 Complement 0,30 3,72 0,000 Substitute 0,09 1,21 0,229 Transfer 0,16 2,02 0,044 Kwaliteit 0,49 5,75 0,000 Endorser 0,29 2,42 0,016

Tabel 6.3 Regressiemodel met hoofdvariabelen (twee endorsers samengevoegd)

Uit dit regressiemodel, tabel 6.3, waarbij de variabele Endorser is opgenomen in plaats van de twee endorser variabelen, blijkt nu duidelijk dat er in het geval van endorsing er een significant positief verband ontstaat met de aankoopintentie. De determinatiecoëfficiënt (R²) blijft 0,479 en de gecorrigeerde R² wordt iets hoger met 0,467. Om de resultaten van dit regressiemodel te controleren zullen er een aantal onafhankelijke variabelen aan het model worden toegevoegd.

Regressiemodel B T-statistiek P-waarde

Hoofdvariabelen Constante -1,02 -2,93 0,004 Complement 0,35 4,55 0,000 Substitute 0,03 0,41 0,682 Transfer 0,19 2,49 0,014 Kwaliteit 0,43 5,17 0,000 Endorser 0,36 3,00 0,003 Controle variabelen Smaakvariant 0,21 1,83 0,069 Land 0,46 3,54 0,001 Leeftijdscategorie -0,08 -1,85 0,066 Geslacht 0,27 2,30 0,023 Frequentie bezoek -0,03 -0,91 0,364 Salade liefhebber -0,08 -0,64 0,524

Tabel 6.4 Regressiemodel met hoofdvariabelen en controlerende variabelen

Om een vergelijking te kunnen maken met het vorige model, kan er gebruik gemaakt worden van de gecorrigeerde R². De R² (bij dit model 0,546) neemt namelijk altijd toe naarmate het aantal

verklarende variabelen groter wordt, zoals hier het geval is. De adjusted R² is hiervoor gecorrigeerd. De gecorrigeerde R² is gestegen van 0,467 naar 0,522. Dit betekent dat maar liefst 52 procent van de variantie in de aankoopintentie door de onafhankelijke variabelen wordt verklaard. Samenvattend: wanneer de controlerende variabelen (smaakvariant, land, leeftijdscategorie, geslacht, frequentie bezoek, salade liefhebber?) worden toegevoegd aan het regressiemodel, blijkt dat deze sterker wordt.