I denne studien omhandler hypotesene om hvordan valg av posisjoneringsstrategiene attributter, pris og talsperson påvirker oppfattet merkekonsept. Siden studien har tre avhengige variabler vil MANOVA-analyse (multivariate analysis of variance) være foretrukket over ANOVA-analyse (univariate analysis of variance) som kun kan se på én avhengig variabel av gangen. MANOVA er hensiktsmessig når vi har flere avhengige variabler som alle måler ulike aspekter av et sammenhengende konsept, og hvor en ønsker å vise variansforskjeller mellom gruppene. En grunn til å velge MANOVA fremfor ANOVA er fordi MANOVA tar hensyn til korrelasjonsmønstrene mellom variablene og sikrer at man ikke gjør en type-I-feil (en type-I-feil innebærer feilaktig avvisning av nullhypotesen selv om den er sann). MANOVA har større kraft for å finne en effekt fordi den kan oppdage om grupper er forskjellige langs kombinasjoner av variabler, mens ANOVA kun kan vise om gruppene er forskjellig langs en enkelt variabel (Hair et al. 1998, Field 2009).
På grunn av økningen i kompleksitet og tvetydige resultater med MANOVA, anbefaler Tabachnick og Fidell (2001) å unngå det hvis man kan. I denne studien må vi likevel utføre en MANOVA-analyse fordi vi har flere enn to avhengige variabler, samt på grunn av mangel på likeverdige analysemetoder.
68 For å få valide resultater fra MANOVA-analyser er det flere forutsetninger som må innfris:
(1) størrelsen på utvalget, (2) normalitet, (3) uteliggere, (4) linearitet, (5) homogenitet i regresjonen, (6) multikollinearitet og singularitet, og (7) homogenitet i varians-kovarians-matrisene (Field 2009). I midlertid påpeker Hair et al. (1998) at man kun behøver å imøtekomme tre av forutsetningene for at resultatene skal være valide: (1) observasjonene må være uavhengige, (2) varians-kovarians-matrisene må være like for alle manipulasjonene, og (3) settet av p-avhengige variabler må følge en multivariat normalfordeling.
En forutsetning krever som et minimum flere subjekter i hver celle i forhold til antall avhengige variabler (Hair et al. 1998). I denne studien opererer vi med tre avhengige variabler der hovedeksperimentet har mellom 16 til 20 subjekter i hver gruppe. Denne forutsetningen er derfor ivaretatt i vår studie.
En annen forutsetning krever at observasjonene må være uavhengig av hverandre. Dette er en fundamental forutsetning for å få valide resultater, og det anses som et alvorlig brudd hvis observasjonene ikke er uavhengige av hverandre (Hair et al. 1998) Studien imøtekommer dette kravet ved å dele ut eksperimentenes ulike spørreskjemaer i randomisert rekkefølge til subjektene.
En tredje forutsetning krever at det er normalitet i datasettet (Hair et al. 1998). Alle variablene bør aller helst både ha univariat og multivariat normalitet. En antakelse på multivariat normalitet er at den samlede effekten av to variabler er normalfordelt. Det finnes imidlertid ingen konkret test for multivariat normalitet, og at man derfor heller tester for univariat normalitet på hver enkelt variabel. En univariat normalitetstesting vil ikke garantere for multivariat normalitet, men univariat normalitet i hver variabel gjør som regel avvik fra multivariat normalitet bagatellmessig. Hvis utvalget er stort er forutsetningsbrudd av mindre betydning (Hair et al. 1998). I denne studien ble den foretatt en deskriptiv analyse av hver enkelt variabel som fungerte som en test for univariat normalitet (se kapittel 7.1). Analysen avdekket tre variabler som ikke tilfredsstilte kravet om skjevhet og spisshet. Man kan derfor konkludere med at forutsetningen om normalitet er møtt.
En fjerde forutsetning sier at MANOVA-analyser er foretrukket i situasjoner hvor det er moderate korrelasjoner mellom de avhengige variablene. Tilfeller av multikollinearitet er
69 ikke ønsket. For veldig høye eller lave korrelasjoner mellom de avhengige variablene er ikke MANOVA egnet. Hvis de avhengige variablene er for høyt korrelerte er det ikke nok varians igjen etter at den første avhengige variabelen er tilpasset. Som nevnt tidligere kan multikollinearitet identifiseres ved en korrelasjon større enn 0,9. Jo nærmere multikollinearitetsverdien er 1, jo mer sannsynlig er det at begrepene måler det samme.
Hvis de avhengige variablene er ukorrelerte vil de mangle forklaringskraft (Hair et al. 1998).
Den samme korrelasjonsanalysen som ble utført for diskriminant validitet (vedlegg 14), avslører at det ikke er høye korrelasjoner mellom de avhengige variablene. Vi finner imidlertid noen lave korrelasjoner mellom variablene som indikerer at begrepene er forskjellige. Vi vurderer den fjerde forutsetningen som tilfredsstilt.
En femte forutsetning er homogenitet i varians-kovarians-matrisen på tvers av grupper.
Med dette menes det at det ikke skal være betraktelige forskjeller i variansen i de avhengige variablene blant gruppene. Dersom gruppene er av omtrentlig samme størrelse vil ikke et brudd med denne forutsetningen ha stor effekt. I vår studie er det 16-20 subjekter i hver gruppe og dette tilsier at forutsetningen er av mindre betydning. Dog vil vi utføre en Levenes test og Box' test for å undersøke hvordan resultater disse testene gir.
Levenes test tester hypotesen om at variansen i forskjellige grupper er lik. Det er ganske enkelt en enveis ANOVA-test av avvikene. Et signifikant resultat indikerer at variansene er signifikant forskjellige, og derfor vil forutsetningen om homogenitet i variansene bli brutt.
Dette er ikke ønskelig. Når utvalgsstørrelser er store, kan små forskjeller i gruppevarians produsere en signifikant Levenes test og derfor er varians ratioen en nyttig dobbeltsjekk (Field 2009).
Box' test er en test av antakelsen om homogenitet i kovarians-matrisene. Denne testen bør være ikke-signifikant hvis matrisene er omtrentlig like (Field 2009). Kravet for signifikansverdien er at den skal være større enn 0,001 (Hair et al. 1998). Box' test er veldig mottakelig for avvik fra multivariat normalitet og kan derfor være ikke-signifikant. Dette er ikke fordi varians-kovarians-matrisene er like på tvers av grupper, men fordi antakelsen om multivariat normalitet ikke er holdbar. Følgelig er det viktig å ha en idé om hvorvidt dataene møter den multivariate normalitetsantakelsen (som er svært vanskelig) før man tolker resultatene fra Box' testen (Field 2009).
70 Resultatene fra Levenes- og Box'-testen viser ikke-signifikante verdier (se vedlegg 15 og 16), og det konkluderes med at denne studien ikke har et brudd på den aktuelle forutsetningen.
Vi konkluderer med at alle forutsetninger for MANOVA-analyse er overholdt og vi kan derfor gå videre for å teste avhandlingens hypoteser.