4. Resultaten
4.4. Variabelen type organisatie, het type frame, retweet en favourite
Voor hypotheses 5 en 6 wordt er gekeken naar of een type organisatie en een bepaalde frame zorgt voor een hogere kans van een succesvolle digital advocacy strategie. Hiervoor moet er gebruik worden gemaakt van andere toetsen die tot nu gebruikt zijn. Er is hier sprake van drie variabelen namelijk, type, frame en retweet/ favourite. Er zal gebruik worden gemaakt van een
11 Dit is de waarden van 100 omdat er geen kritieke waarden voor 90 is. Hierdoor mag het getal naar boven afronden en de kritieke waarden hiervan gebruiken voor de toets.
12 Wanneer er sprake is van een negatieve t- waarde geldt dat de waargenomen t waarden kleiner moet zijn dan de kritieke t- waarde.
tweezijdige ANOVA toets14. De H0 hypothese voor deze toets is dat er geen interactie is tussen
de variabelen. Er zal eerst een ANOVA toets worden uitgevoerd waar er rekening wordt gehouden met een interactie-effect, indien dit niet het geval is zal er getest worden op de belangrijke effecten van frame en type.
In deze hypotheses wordt er gekeken naar de interactie tussen de twee onafhankelijke variabelen op de afhankelijke variabele. Dus tussen type frame, type organisatie en succesvolle digital advocacy strategie. Dit is belangrijk omdat dit duidelijkheid geeft of een type organisatie in combinatie met een type frame invloed hebben op een succesvolle digital advocacy strategie. Wanneer hier meer inzicht in is, kunnen organisaties in de praktijk hier meer gebruik van maken. Dit kan leiden tot een toename van digital advocacy binnen organisaties. In tabel 11 zijn de uitkomsten te zien van de ANOVA15 toets met retweet.
Tabel 11: Uitkomsten tweezijdige ANOVA toets voor de variabele retweet
Sum sq Df F-waarde Pr (>F) Frame 1,09 1 1,1401 0,2861543 Type 15,68 2 8,2013 0,0003128*** Frame: type 12,23 2 6,3942 0,0018109** Residuals 479,01 501 Signif. levels: 0 ‘***’, 0,001 ‘**’, 0,01 ‘*’, 0.05 ‘.’
Wanneer er wordt gekeken naar de tabel hierboven valt op dat er twee waarden significant zijn. Echter, is alleen ‘Frame: type’ belangrijk, dit geeft het interactie-effect weer. De ene factor hangt af van de level van de andere factor, er is dus sprake van interactie tussen
frame en type. Om te kunnen bepalen welke groepen verschillen wordt er een posthoc toets
uitgevoerd. Deze zal kijken naar de verschillende groep combinaties en welke verschillen. In tabel 12 zijn de uitkomsten van de posthoc toets16 zichtbaar.
14Er wordt voldaan aan de belangrijkste voorwaarde dat de afhankelijke variabele een interval variabele is en de onafhankelijke variabelen nominaal zijn.
15Voor deze toets zijn de variabelen gecorrigeerd met cube root om te zorgen voor een betere normaalverdeling. 16Er is in deze toets rekening gehouden met het vergelijken van meerdere groepen en is de Tukey methode toegepast
Tabel 12: Uitkomsten Posthoc toets van variabele retweet
Lsmeans
Frame Type Lsmean SE DF Lower.CL Upper CL. Group
1 3 0,949 0,399 501 -0,015 2,00 A 2 3 0,977 0,437 501 -0,178 2,13 A 2 2 1,103 0,346 501 0,190 2,02 A 1 1 2,043 0,051 501 1,908 2,18 A 2 1 2,060 0,119 501 1,747 2,37 AB 1 2 2,488 0,136 501 2,130 2,85 B Contrasts
Contrast Estimates SE Df t. ratio p-value
1,1 – 2,1 -0,0170 0,129 501 -0,132 1,0000 1,1 – 1,2 -0,4449 0,145 501 -3,072 0,0271* 1,1 – 2,2 0,9400 0,349 501 2,690 0,0790 1,1 – 1,3 1,0938 0,402 501 2,718 0,0735 1,1 – 2,3 1.0660 0,440 501 2,421 0,1508 2,1 – 1,2 -0,4279 0,180 501 -2,376 0,1668 2,1 – 2,2 0,9570 0,365 501 2,619 0,0947 2,1 – 1,3 1,1108 0,416 501 2,667 0,0837 2,1 – 2,3 1,0830 0,453 501 2,390 0,1616 1,2 – 2,2 1,3849 0,371 501 3,729 0,0029* 1,2 – 1,3 1,5387 0,422 501 3,650 0,0039* 1,2 – 2,3 1,5109 0,458 501 3,300 0,0132* 2,2 – 1,3 0,1538 0,528 501 0,291 0,9997 2,2 – 2,3 0,1260 0,557 501 0,226 0,9999 1,3 – 2,3 -0,0278 0,592 501 -0,047 1,0000
In deze tabellen wordt duidelijk dat er een verschil te zien is tussen frame 1 (gain-
frame), type 2 (ngo’s) en de andere groepen behalve frame 2 (loss-frame) type 1
(beroepsverenigingen). Dit zijn significante verschillen als we kijken naar de p-waarde van de combinaties met 1 (gain-frame), 2 (ngo’s). De combinaties met 2,1 zijn niet significant omdat deze combinatie ook lijkt op de andere groepen.
Figuur 7: Grafische weergaven van de samenstelling groepen van de variabele retweet
In figuur 7 is goed zichtbaar dat er een verschil is tussen de groepen en de variabele
retweet.
Ook voor de variabele favourite is deze toets uitgevoerd. Voor deze toets is er gebruik gemaakt van de variabele frame, type en favourite. Hier zal dus worden gekeken worden of
frame en type organisatie een interactie-effect hebben op favourite. Ook hier is een tweezijdige
ANOVA-toets uitgevoerd. De uitkomsten hiervan zijn terug te zien in tabel 13.
Tabel 13: Uitkomsten van de tweezijdige ANOVA- toets van de variabele favourite
Sum sq Df F-waarde Pr (>F) Frame 2,01 1 1,2476 0,2645 Type 2,88 2 0,8952 0,4092 Frame: type 4,11 2 1,2768 0,2798 Residuals 807,01 501 Signif. levels: 0 ‘***’, 0,001 ‘**’, 0,01 ‘*’, 0.05 ‘.’
In tabel 13 is zichtbaar dat de frame: type uitkomst niet significant is. Hierdoor is er geen sprake van een interactie-effect. Doordat er geen sprake is van interactie zal er nog een ANOVA- toets worden uitgevoerd waar gekeken zal worden naar de belangrijkste effecten van
frame en type. Het verschil met de eerder uitgevoerde ANOVA-toets is dat er in deze toets geen
aanname is gedaan dat er interactie is. In deze toets zal er vooral worden gekeken welke belangrijke effecten frame en type hebben op favourite. In tabel 14 zijn de uitkomsten te zien van deze ANOVA- toets.
Tabel 14: Uitkomsten tweezijdige ANOVA toets zonder interactie voor de variabele favourite Sum sq Df F-waarde Pr (>F) Frame 2,01 1 1,2476 0,2648 Type 2,88 2 0,8942 0,4096 Residuals 811,12 503 Signif. levels: 0 ‘***’, 0,001 ‘**’, 0,01 ‘*’, 0.05 ‘.’
In deze tabel wordt duidelijk dat hier ook geen sprake is van significante verschillen. Echter, wordt er wel een posthoc- toets uitgevoerd om te controleren voor de verschillen tussen de groepen. Er zijn twee toetsen uitgevoerd, één voor de variabele frame en één voor de variabele, type organisatie. De uitkomsten laten het effect zien dat de een op de ander uitoefent. In tabel 15 en 16 zijn de uitkomsten van deze toets zijn te vinden.
Tabel 15: Uitkomsten Posthoc toets van variabele frame
lsmeans
Frame Lsmean SE DF Lower.CL Upper CL.
1 1,37 0,145 503 1,08 1,65
2 1,54 0,182 503 1,18 1,90
Contrasts
Contrast Schatting SE DF T-ratio p-waarde
1 - 2 -0,173 0,155 503 -1,116 0,2648
In deze tabel gaat het vooral om de contrasts tabel. Hierin wordt duidelijk wat voor verschil er is tussen de variabelen. Hier gaat het om het verschil van 1 - 2, dit is -0,173. Ook is te zien dat dit verschil niet significant is.
Tabel 16: Uitkomsten Posthoc toets van variabele type
lsmeans
Type Lsmean SE DF Lower.CL Upper CL.
1 1,34 0,0809 503 1,178 1,50
2 1,57 0,1735 503 1,226 1,91
Contrasts
Contrast Schatting SE DF T-ratio p-waarde
1 - 2 -0,230 0,175 503 -1,314 0,3880
1 - 3 -0,124 0,390 503 -0,317 0,9463
2 - 3 0,106 0,419 503 0,253 0,9653
In deze tabellen wordt duidelijk dat er geen significant verschil is tussen het type organisatie. Het verschil tussen type 1 -2 is -0,230, voor 1- 3 – 0,124 en voor 2 – 3 0,106. In figuur 8 wordt dit grafisch weergegeven.
Figuur 8: Grafische weergaven van de samenstelling groepen van de variabele favourite
In figuur 8 is duidelijk zichtbaar dat er niet veel verschil zit tussen type 1 (beroepsverenigingen) en 2 (ngo’s). Type 3 (bedrijven) en frame 2 (loss- frame) is wel iets anders dan de andere groepen maar dit is niet significant gebleken.
Voordat er overgegaan wordt op het verwerpen of aannemen van hypotheses 5 en 6. Zal er gekeken worden naar de twee variabelen die een succesvolle digital advocacy strategie aangeven. Er is een verschil te zien tussen de beide ANOVA toetsen. Bij de uitkomsten van
retweet is er sprake van een significante interactie en bij favourite is er geen sprake van een
interactie. Hierdoor is de meest voor de hand liggende uitleg dat favourite geen grote rol speelt in een succesvolle digital advocacy strategie en dat er meer wordt gekeken naar retweet. Hypotheses 5 en 6 kijken naar het type organisatie, soort frame en of dit de kans verhoogd van een succesvolle digital advocacy strategie. Hier wordt dus gekeken naar de invloed van de variabelen frame en type of de variabelen retweet en favourite. Voor retweet wordt het heel
duidelijk dat het frame en type organisatie een interactie-effect heeft op retweet. In de posthoc toets is zichtbaar dat een gain-frame in combinatie het organisatie type ngo’s anders is dan de andere groepen, behalve de groep loss-frame bij het organisatie type beroepsverenigingen. Deze groep lijkt op alle groepen. Voor de variabele favourite is er geen sprake van een interactie- effect en hebben de variabelen frame en type geen effect op elkaar. Ook in de posthoc toets wordt duidelijk dat er geen verschillen zijn tussen de groepen. Hypothese 5 stelt dat een ngo of beroepsvereniging dat gebruik maakt van een gain-frame zorgt voor een hogere kans op een succesvolle digital advocacy strategie. Deze hypothese wordt verworpen. Een ngo die gebruik maakt van een gain- frame zorgt voor een hogere kans op een succesvolle digital advocacy strategie. Echter, is de hypothese geformuleerd in samenhang van een beroepsorganisatie en moet hierdoor verworpen worden. Hypothese 6 is zo opgestelde dat een bedrijf dat gebruik maakt van een loss-frame zorgt voor een hogere kans op een succesvolle digital advocacy strategie. Ook deze hypothese wordt verworpen naar aanleiding van de gevonden resultaten.