Kwantitatieve onderzoeksmethodologie
Cronbachs alfa:
- Maat voor interne consistentie, varieert tussen 0-1
- Vuistregels:
- Alfa rond 0.8 is goed
- Alfa < 0.6 is slecht
- Verwijder de laagst correlerende item indien daardoor d alfa zal stijgen en herhaal deze
procedure indien nodig
Item verwijderen als:
- Alfa stijgt > 0.05 verwijder item
- Alfa stijgt < 0.001 verwijder item niet
- Valt de stijging ertussen, dan zelf nagaan of je het moet verwijderen of niet
- Items één voor één verwijderen
Variantieanalyse ANOVA:
Kijken naar de spreiding zitten alle antwoorden dicht bij elkaar, of juist niet. De spreiding tussen
de groepen wordt vergeleken met de spreiding binnen de groepen. Als de spreiding tussen de
groepen klein is, in verhouding tot de spreiging binnen de groepen, is er waarschijnlijk geen sprake
van significantie
Op spss kijken in de anova tabel. notatie:
- F(Df between groups, Df within groups) = F-waarde, p<0,001
- Als de p groter is dan 0,001 dan de echte waarde opschrijven bijv. p = 0,35
Post hoc toets voor de homogeniteit van varianties:
- H0=de varianties van de groepen zijn gelijk
- H1=tenminste één variantie in een groep wijkt af van de varianties in de andere groepen
Kijken naar de levene test bij een sig groter dan 0.001 h0 niet verwerpen
Als ze wel verschillen dan kijken welke gemiddelde afwijken van de rest. Eerst kiezen welke 3
analyses je moet kiezen:
- Tukey: Homogeniteit en gelijke groepsgroottes
- Hochberg: homogeniteit en ongelijke groepsgroottes
- Games-howell: heterogeniteit
Groepsgroottes zijn verschillend als de grootste groep gedeeld door de kleinste groep groter is dan
1,5
Kijken naar de mean difference staat er een sterretje bij de waarden dan zijn de
verschillen significant
Sig. Kijken = is die sig kleiner dan 0,05 dan zijn de verschillen significant
Kijken naar 95% confidence intervel. Zit 0 er niet in is er een significant verschil
, Rapporteren:
De hypothese ‘het type reclame heeft effect op de reputatie van de onderneming’ werd door ons
experiment bevestigd (F(df between groups, df within groups) = F-waarde, p<0,001 of p = exact getal
Paarsgewijze vergelijking (Tukey, Hochberg, Games-howell) liet zien dat de score op bedrijfsreputatie
van de rabobank reclame hoger was dan de abn amro en de ing reclame; de ing reclame had een
hogere score op bedrijfsreputatie dan die van de abn amro.
(Van de post hoc analyse laat je de getalsmatige details onvermeld)
Stel er komt een tweede factor bij zoals geslacht dan wordt het een tweeweg variantieanalyse. De
nieuwe hypothese wordt dan: Het type reclame en geslacht en hun interactie hebben een effect op
de reputatie van de onderneming
- De h0 blijft: alle gemiddelde in de groepen zijn gelijk
- De h1 blijft: één gemiddelde wijkt af
kijken naar de tests of between-subjects effects tabel
Kijken naar de interactie : A*B groter of kleiner dan 0,05?
Hoofdeffect factor a significant?
Hoofdeffect factor b significant?
Rapportage:
- Hoofdeffect factor A, type reclamespot, (F(df van A, Df error) = F-waarde van A, p<0,001)
Aan de hand van post hoc toets verder onderzoeken
- Hoofdeffect factor B, geslacht, (F(df van B, Df error) = F-waarde van B, p,0,01) effect
beschrijven aan de hand van gemiddelden
- Geen interactie-effect A*B (F(Df A*B, Df Error) = F-waarde A*B, p =0.15
Stel er is wel een interactie-effect: A*B is 0,000
- Kijken naar plots en gemiddelden
- De abn amro reclame toonde bij mannen een hogere en bij vrouwen een lagere
bedrijfsrepuatie
- Bij ing reclame was er geen verschil
- Bij de rabobank reclame oordelen vrouwen dat het bedrijf een hogere bedrijfsreputatie heeft
en vinden mannen de bedrijfsreputatie lager
Als er sprake is van een interactie-effect, dan kijk je NIET meer naar het eventuele significante
hoofdeffect.
