Notice I have noticed the privacy seal that was present on the website
Appendix 2: Validity – Factor Analysis
Factor Analysis Data Set TE
Pattern Matrixa
Component
1 2 3 4 5
TQ6: De website die ik zojuist heb gezien is vertrouwenswaardig ,847
TQ7: De website geeft mij de indicatie dat het zijn beloftes nakomt ,840
TQ10: Het lijkt dat het bedrijf achter deze website bekend wilt staan als een bedrijf dat zijn beloftes nakomt
,783
TQ9: Ik geloof de informatie die deze website mij geeft ,769
TQ11: Ik voel mij gerust om mijn persoonlijke gegevens te verstrekken aan deze website
,748
TQ8: Ik geloof dat deze website mijn belangen in gedachten houdt ,653
TQ21: De website moet zijn privacy policy openbaren ,871
TQ20: De website hoort de persoonlijke informatie van hun klanten NIET door te spelen aan derde partijen
,849
TQ19: De website heeft de verplichting om privacy van hun klanten te beschermen
,829
TQ14: Ik ben bereid om 1 of meerdere producten te kopen ,917
TQ15: Het is mijn intentie om 1 of meerdere producten te kopen ,917
TQ12: De kans is groot dat ik 1 of meerdere producten van deze website koop
,908
TQ13: De kans is groot dat ik overweeg om 1 of meer van deze producten te kopen
,897
TQ3: Een data protectie keurmerk zorgt dat ik me meer op me gemak voel ,886
TQ4: Een data protectie keurmerk geeft mij meer zekerheid op het gebied van privacy
,857
TQ5: Een data protectie keurmerk zorgt dat ik me veiliger voel bij tijdens een online transactie
,853
TQ2: Ik koop bij voorkeur alleen op websites die een data protectie keurmerk tonen
,723
TQ18: De website zal de klant de kans geven om de persoonlijke data later in te zien die zij over hun klanten hebben verzameld
,863
TQ17: De website zal de klanten de keuze geven over hoe hun persoonlijke informatie zal worden gebruikt
,799
TQ16: De website geeft, voordat ze de informatie daadwerkelijk verzamelen, prijs wat voor databeleid ze hanteren, dat wil zeggen: informatie die de website verzamelt en hoe ze het gebruiken.
,633
Extraction Method: Principal Component Analysis.
Rotation Method: Oblimin with Kaiser Normalization.
Factor Analysis Data Set D
Pattern Matrixa
Component
1 2 3 4 5
DQ15: Het is mijn intentie om 1 of meerdere producten te kopen ,924
DQ14: Ik ben bereid om 1 of meerdere producten te kopen ,917
DQ12: De kans is groot dat ik 1 of meerdere producten van deze website koop ,901
DQ13: De kans is groot dat ik overweeg om 1 of meer van deze producten te kopen ,863
DQ19: De website heeft de verplichting om privacy van hun klanten te beschermen ,894
DQ20: De website hoort de persoonlijke informatie van hun klanten NIET door te spelen aan derde partijen
,881
DQ21: De website moet zijn privacy policy openbaren ,850
DQ2: Ik koop bij voorkeur alleen op websites die een data protectie keurmerk tonen ,852
DQ3: Een data protectie keurmerk zorgt dat ik me meer op me gemak voel ,820
DQ5: Een data protectie keurmerk zorgt dat ik me veiliger voel bij tijdens een online transactie
,690
DQ4:: Een data protectie keurmerk geeft mij meer zekerheid op het gebied van privacy ,582 -,488
DQ17: De website zal de klanten de keuze geven over hoe hun persoonlijke informatie zal worden gebruikt
,904
DQ18: De website zal de klant de kans geven om de persoonlijke data later in te zien die zij over hun klanten hebben verzamelt
,851
DQ16: De website geeft, voordat ze de informatie daadwerkelijk verzamelen, prijs wat voor databeleid ze hanteren, dat wil zeggen: informatie die de website verzamelt en hoe ze het gebruiken.
,754
DQ7: De website geeft mij de indicatie dat het zijn beloftes nakomt -,842
DQ6: De website die ik zojuist heb gezien is vertrouwenswaardig -,774
DQ9: Ik geloof de informatie die deze website mij voorziet -,722
DQ8: Ik geloof dat deze website mijn belangen in gedachten houdt -,686
DQ11: Ik voel mij gerust om mijn persoonlijke gegevens te verstrekken aan deze website
-,644
DQ10: Het lijkt dat de website graag bekend wilt staan om een bedrijf dat zijn beloftes nakomt
,395 -,627
Extraction Method: Principal Component Analysis.
Rotation Method: Oblimin with Kaiser Normalization.
Appendix 3: Regression analysis
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,622 ,227 7,139 ,000 TrEseal ,429 ,068 ,516 6,284 ,000
a. Dependent Variable: Trust
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,629 ,272 5,985 ,000 TrEseal ,302 ,082 ,333 3,692 ,000
a. Dependent Variable: PurBeh
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,580 ,234 6,763 ,000 TrEseal ,342 ,070 ,423 4,881 ,000
a. Dependent Variable: PPE
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig.
1
(Constant) 2,087 ,575 3,627 ,001
DWSeal ,405 ,154 ,392 2,630 ,012
a. Dependent Variable: Trust
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 2,020 ,841 2,402 ,021 DWSeal ,272 ,225 ,192 1,207 ,235
a. Dependent Variable: PurBeh
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 2,375 ,836 2,840 ,007 DWSeal ,181 ,224 ,130 ,810 ,423
a. Dependent Variable: PPE
Coefficientsa
Model 1 Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) ,920 ,277 3,325 ,001 Trust ,559 ,089 ,514 6,249 ,000
a. Dependent Variable: PurBeh
Model 2 Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,378 ,682 ,555 ,582 Trust ,739 ,187 ,539 3,944 ,000
a. Dependent Variable: PurBeh
Appendix 4: Moderation
‘Process’ - Written by Andrew F. Hayes, Ph.D. www.afhayes.com Documentation available in Hayes (2013). www.guilford.com/p/hayes3
4.1. Model = 1 - Y = Trust X = TrEseal M = PrCon Sample size = 111 Outcome: Trust Model Summary
R R-sq MSE F df1 df2 p
,5530 ,3058 ,4469 15,7123 3,0000 107,0000 ,0000 Model coeff se t p LLCI ULCI constant 5,6467 1,6432 3,4365 ,0008 2,3893 8,9042 PrCon -,9073 ,3673 -2,4700 ,0151 -1,6355 -,1791 TrEseal -,7970 ,5068 -1,5726 ,1188 -1,8016 ,2077 int_1 ,2761 ,1132 2,4393 ,0164 ,0517 ,5004 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 3,6667 ,2152 ,1101 1,9549 ,0532 -,0030 ,4334 4,0000 ,3072 ,0834 3,6856 ,0004 ,1420 ,4725 4,0000 ,3072 ,0834 3,6856 ,0004 ,1420 ,4725 5,0000 ,5833 ,0923 6,3212 ,0000 ,4004 ,7662 5,0000 ,5833 ,0923 6,3212 ,0000 ,4004 ,7662
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.
4.2. Model = 1 - Y = PurBeh X = TrEseal M = PrCon Sample size = 111 Outcome: PurBeh Model Summary
R R-sq MSE F df1 df2 p
,3530 ,1246 ,6677 5,0754 3,0000 107,0000 ,0025 coeff se t p LLCI ULCI
constant 3,9880 2,0086 1,9854 ,0497 ,0061 7,9698 PrCon -,5344 ,4490 -1,1902 ,2366 -1,4245 ,3557 TrEseal -,3257 ,6195 -,5258 ,6001 -1,5538 ,9023 int_1 ,1412 ,1383 1,0209 ,3096 -,1330 ,4155 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 3,6667 ,1921 ,1346 1,4277 ,1563 -,0746 ,4589 4,0000 ,2392 ,1019 2,3475 ,0207 ,0372 ,4412
5,0000 ,3804 ,1128 3,3728 ,0010 ,1568 ,6040 5,0000 ,3804 ,1128 3,3728 ,0010 ,1568 ,6040
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.
4.3. Model = 1 - Y = PPE X = TrEseal M = PrCon Sample size = 111 Outcome: PPE Model Summary
R R-sq MSE F df1 df2 p
,4270 ,1823 ,4975 7,9527 3,0000 107,0000 ,0001 coeff se t p LLCI ULCI
constant 2,2999 1,7338 1,3265 ,1875 -1,1372 5,7371 PrCon -,1643 ,3876 -,4239 ,6725 -,9326 ,6041 TrEseal ,1904 ,5347 ,3560 ,7225 -,8697 1,2504 int_1 ,0341 ,1194 ,2859 ,7755 -,2026 ,2709 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 3,6667 ,3156 ,1162 2,7166 ,0077 ,0853 ,5458 4,0000 ,3269 ,0880 3,7169 ,0003 ,1526 ,5013 4,0000 ,3269 ,0880 3,7169 ,0003 ,1526 ,5013 5,0000 ,3611 ,0974 3,7085 ,0003 ,1681 ,5541 5,0000 ,3611 ,0974 3,7085 ,0003 ,1681 ,5541
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.
4.4. Model = 1 - Y = Trust X = DWseal M = PrCon Sample size = 100 Outcome: Trust Model Summary
R R-sq MSE F df1 df2 p
,6234 ,3886 ,4412 20,3399 3,0000 96,0000 ,0000 coeff se t p LLCI ULCI
constant 2,9811 1,5550 1,9171 ,0582 -,1056 6,0678 PrCon -,3175 ,3475 -,9136 ,3632 -1,0073 ,3723 DWSeal -,2656 ,4554 -,5833 ,5611 -1,1696 ,6383 int_1 ,1774 ,1011 1,7543 ,0826 -,0233 ,3782 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 4,0000 ,4441 ,0879 5,0501 ,0000 ,2695 ,6187 4,0000 ,4441 ,0879 5,0501 ,0000 ,2695 ,6187 4,6667 ,5624 ,0793 7,0945 ,0000 ,4050 ,7198 5,0000 ,6215 ,0947 6,5628 ,0000 ,4336 ,8095 5,0000 ,6215 ,0947 6,5628 ,0000 ,4336 ,8095
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.
4.5. Model = 1 - Y = PurBeh X = DWseal M = PrCon Sample size = 100 Outcome: PurBeh Model Summary
R R-sq MSE F df1 df2 p
,4869 ,2371 ,8258 9,9457 3,0000 96,0000 ,0000 coeff se t p LLCI ULCI
constant 3,9256 2,1276 1,8451 ,0681 -,2977 8,1488 PrCon -,5840 ,4754 -1,2283 ,2224 -1,5277 ,3598 DWSeal -,7407 ,6231 -1,1888 ,2375 -1,9775 ,4961 int_1 ,2696 ,1384 1,9482 ,0543 -,0051 ,5443 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 4,0000 ,3377 ,1203 2,8068 ,0061 ,0989 ,5766 4,0000 ,3377 ,1203 2,8068 ,0061 ,0989 ,5766 4,6667 ,5175 ,1085 4,7709 ,0000 ,3022 ,7328 5,0000 ,6073 ,1296 4,6869 ,0000 ,3501 ,8645 5,0000 ,6073 ,1296 4,6869 ,0000 ,3501 ,8645
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.
4.6. Model = 1 - Y = PPE X = DWseal M = PrCon Sample size = 100 Outcome: PPE Model Summary
R R-sq MSE F df1 df2 p
,4654 ,2166 ,6432 8,8488 3,0000 96,0000 ,0000 coeff se t p LLCI ULCI
constant 4,4112 1,8777 2,3493 ,0209 ,6840 8,1384 PrCon -,5456 ,4196 -1,3003 ,1966 -1,3785 ,2873 DWSeal -,9878 ,5499 -1,7964 ,0756 -2,0794 ,1037 int_1 ,2843 ,1221 2,3276 ,0220 ,0418 ,5267 Conditional effect of X on Y at values of the moderator(s): PrCon Effect se t p LLCI ULCI 4,0000 ,1493 ,1062 1,4057 ,1630 -,0615 ,3601 4,0000 ,1493 ,1062 1,4057 ,1630 -,0615 ,3601 4,6667 ,3388 ,0957 3,5393 ,0006 ,1488 ,5288 5,0000 ,4336 ,1144 3,7911 ,0003 ,2066 ,6606 5,0000 ,4336 ,1144 3,7911 ,0003 ,2066 ,6606
Values for quantitative moderators are 10th, 25th, 50th, 75th, and 90th percentiles. Values for dichotomous moderators are the two values of the moderator.