De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Kwantitatieve & kwalitatieve data analyse

Verwante presentaties


Presentatie over: "Kwantitatieve & kwalitatieve data analyse"— Transcript van de presentatie:

1 Kwantitatieve & kwalitatieve data analyse
Rijkswaterstaat Adviesdienst Verkeer en Vervoer 1 maart 2007 Meetmodellen: Studies Rijkswaterstaat Dr. M. Coenders

2 Studies in opdracht van RWS
Toetsend belevingswaardenonderzoek: Ruimte voor de rivier, Bovenrivierengebied (2003) - met gebruik van meetmodellen (componentenanalyse) Gebruikerstevredenheid hoofdwegen (2006) - zonder meetmodellen

3 I. Toetsend belevingswaardenonderzoek ‘ruimte voor de rivier: Bovenrivierengebied’ (2003)
hoofddoel o.a. verbeteren van de ruimtelijke kwaliteit Perspectief van burgers: belevingswaarden (omgevingskenmerken die door bewoners en gebruikers belangrijk gevonden worden). Representatieve steekproef van bewoners Bovenrivierengebied Respondenten krijgen lijst van concrete omgevingskenmerken voorgelegd en geven hun waardering voor elk kenmerk. Vragen o.a.: zijn er verschillen tussen gebieden in de waardering van omgevingskenmerken? Zijn er verschillen tussen categorieën bewoners (natuurliefhebbers, recreanten, agrariërs, overige bewoners) in de waardering van omgevingskenmerken?

4 Belevingswaarden: vragenlijst
(30 variabelen) Zijn deze terug te brengen tot een beperkt aantal interpreteerbare dimensies? (dimensies moeten inhoudelijk interpreteerbaar zijn) factoranalyse Dimensie = gemeenschappelijk achterliggende factor (aspect)

5 Belevingswaarden: 3 dimensies
Kleine factorladingen zijn niet afgebeeld Inhoudelijke interpretatie van een dimensie (wat meet een dimensie?) : kijk naar de items met hoge ladingen op deze dimensie Dimensie 1 = natuur en cultuurlandschap Dimensie 2 = rivierdynamiek Dimensie 3 = recreatiemogelijkheden

6 Belevingswaarden: 3 dimensies
In plaats van het analyseren van 30 afzonderlijke variabelen (30 maal een frequentietabel/gemiddelde en regressie-analyse!!) Na het uitvoeren van een factoranalyse: Scores berekenen op de 3 dimensies/factoren: 3 factorscores/ schalen Dimensies geven de belangrijkste samenhang tussen alle variabelen weer Resultaten overzichtelijker en beter interpreteerbaar Schaalscore heeft grotere betrouwbaarheid dan score op afzonderlijk item

7 Betrouwbaarheid van de dimensies
Betrouwbaarheid van één variabele is – per definitie – onbekend. Om betrouwbaarheid vast te stellen hebben we ‘herhaalde metingen’ nodig door de tijd herhaald of, op één tijdstip meerdere vragen over een en hetzelfde aspect: een schaal bestaande uit meerdere items (Likertschaal of Factorscore). In dit onderzoek: van elke factorscore kan de betrouwbaarheid berekend worden: Dimensie 1: natuur en cultuurlandschap (14 items): Cronbachs alfa = 0,91 Dimensie 2: rivierdynamiek (8 items): Cronbachs alfa = 0,88 Dimensie 3: recreatiemogelijkheden (3 items): Cronbachs alfa = 0,64 Per definitie: dimensies in volgorde van belangrijkheid. De 1e dimensie verklaart het meeste van de variantie van de oorspronkelijke vragen, daarna de 2e dimensie, dan de 3e etc. i.h.a. geldt: hoe meer items, des te hoger de betrouwbaarheid. Tenzij… er een item is dat slecht schaalbaar is (lage samenhang met andere items) Hier: van de 30 items bleken er 5 niet goed schaalbaar te zijn: deze werden niet in één van de drie schalen opgenomen.

8 Opmerkingen factoranalyse (1)
Niet gerapporteerd: Waarom 3 dimensies gekozen (en niet 2 of 4 of 5)? Hoe goed past het model met 3 dimensies? Per variabele: hoeveel verklaren de 3 dimensies tezamen van de variantie van elke variabele? (communaliteit) Vuistregel: communaliteit > .20. Indien te laag, dan item verwijderen (of wellicht een extra dimensie meenemen?) In totaal: hoeveel verklaren de 3 dimensies tezamen van de variantie van alle variabelen? Verklaarde variantie Idealiter laadt een item hoog op 1 dimensie en nauwelijks op andere dimensies. Is dat hier het geval? (in tabel zijn de ladingen op de andere dimensies niet afgebeeld, dus niet te controleren voor de lezer)

9 Opmerkingen factoranalyse (2)
Principale componentenanalyse met varimax rotatie Dus feitelijk: componentenanalyse, geen factoranalyse Varimax rotatie: dit betekent per definitie (door het model opgelegd) dat de samenhang tussen de gevonden dimensies nul is. M.a.w. er wordt veronderstelt dat er géén relatie bestaat tussen de mate waarin mensen het natuur en cultuurlandschap waarderen enerzijds en de mate waarin mensen de rivierdynamiek waarderen anderzijds. Is dat realistisch? Alternatief: oblique rotatie: dan mogen dimensies wel met elkaar samenhangen

10 II. Gebruikerstevredenheid hoofdwegen
Landelijk rapport automobilisten, 2006 Rijkswaterstaat als publieksgerichte organisatie? Enquête onder representatieve group automobilisten Elke enquêtevraag afzonderlijk geanalyseerd. Geen likert- of factoranalyse

11 Gebruikerstevredenheid hoofdwegen (2)
Imago Rijkswaterstaat: 4 stellingen over Rijkswaterstaat 10 stellingen over medewerkers van Rijkswaterstaat De 14 enquêtevragen zijn ieder afzonderlijk geanalyseerd Voorbeeld van een resultaat: “Van de 14 stellingen in totaal heeft de leeftijdsgroep voor vijf stellingen het laagste percentage ‘(zeer) mee eens’. De groepen en hebben elk voor vier stellingen het laagste percentage en de groep voor één stelling. Ouderen zijn het vaker eens met de stellingen.” 14 aparte analyses: dat wordt al snel onoverzichtelijk. Alternatief: meetschalen (bijvoorbeeld één of meerdere likertscores of factorscores)

12 Gebruikerstevredenheid hoofdwegen (3)
10 stellingen: De medewerkers van RWS … …weten wat er leeft bij de automobilist als weggebruiker …houden rekening met de belangen / behoeften van de automobilist als weggebruiker …komen hun afspraken na …luisteren naar de automobilist en doen er wat mee …doen hun werk in goede samenwerking met anderen …betrekken de automobilist bij het uitvoeren van hun werk …zijn dienstbaar …zijn professioneel …zijn aanspreekbaar …zijn integer Zijn hierin dimensies te onderscheiden?

13 Gebruikerstevredenheid hoofdwegen (4)
Misschien zijn er 2 dimensies te onderscheiden…. Schaalconstructie: score per dimensie (met betrouwbaarheidsmaat) Analyse niet per item, maar per dimensie In welke mate worden medewerkers door het publiek als professioneel en publieksgericht beschouwd? Bij welke publiek hebben medewerkers een beter / slechter imago? Is er een samenhang tussen deze twee aspecten van het imago?


Download ppt "Kwantitatieve & kwalitatieve data analyse"

Verwante presentaties


Ads door Google