Korrelasjonsanalyse

5

Kanalens_Attributter (Ka_underholdende + Ka_passende + Ka_hyggelig + Ka_akseptabelt + Ka_beleilig + Ka_informativt) /6

6

5.3. Korrelasjonsanalyse

Korrelasjon brukes for å beskrive styrken og retningen ved lineære relasjoner mellom variabler. Det finnes flere ulike typer korrelasjoner. Pearson product-moment korrelasjonskoeffisient (r) brukes ved intervall (continuous) variabler, men den kan også brukes om man har en continuous variabel og en dichotomous variabel. En annen type er Spearman Rank Order korrelasjon (rho), som brukes ved ordinal level eller ranked data, og er hjelpsom dersom datasettet ikke er innenfor kriteriene for å bruke Pearson korrelasjon (Pallant, 2010, s. 128).

I SPSS finnes det to typer korrelasjoner. Ved bivariat korrelasjon sees det på korrelasjonen mellom to variabler, mens partial korrelasjon gjør det mulig å utforske denne relasjonen samtidig som det kontrolleres for en annen variabel (Pallant, 2010, s. 128). I vår studie har vi benyttet en bivariat korrelasjonstest med Pearson. Pearson korrelasjon koeffisient (r) ser på verdier mellom -1 til +1. -/+ indikerer om det var en positiv korrelasjon, om en variabel øker vil også den andre variabelen øke, eller om det var en negativ korrelasjon, om en variabel synker vil også den andre variabelen synke. Jo høyere verdier jo sterkere er forholdet mellom variablene. Er verdien 1 eller -1 indikerer det perfekt korrelasjon, altså at det ene begrepet kan bli korrekt bestemt ut i fra den andre variabelen. Er korrelasjonen på 0 indikerer det at det ikke eksisterer noen relasjon mellom variablene (Pallant, 2010, s. 128).

Det første man ser etter i korrelasjonsmatrisen, er N som betyr antall case. Her ser man om det mangler noe data. I korrelasjonen utført med datasettet på magasin, er N

gjennomgående 141. I datasettet til blogg, ser vi at N gjennomgående er på 137 for alle variablene. Altså mangler det ingen data i noen av datasettene. Som tidligere nevnt tok vi forbehold i forhold til en missing value, som vi da fjernet fra datasettet til magasin.

Deretter undersøker man retningen til relasjonene mellom variablene. Om det står et minustegn foran korrelasjonskoeffisient verdien, er det en negativ korrelasjon mellom variablene. Her kan det også ha noe å si hvilken vei man har verdsatt de ulike variablene.

I vår spørreundersøkelse hadde vi noen begrep verdsatt forskjellige veier for å få respondent til å tenke mer grundig over svarene sine, og ikke svare på ”autopilot”. Når vi transporterte datasettet til SPSS snudde vi de ulike variablene, slik at alle var verdsatt samme vei før vi startet med analysene. Vi recodet svaralternativene i transform – recode into same variable. Dette for at analysene skulle bli lettere å utføre og lese av (Pallant, 2010, s. 133-134)

Det tredje man ser på er størrelsen på korrelasjonskoeffisientens verdi. Denne verdien indikerer styrken på relasjonen mellom variablene. Verdien går da som sagt fra 1 til -1, hvor 1 indikerer direkte korrelasjon, mens 0 indikerer ingen relasjon. I følge Cohen (1988, ref. i Pallant, 2010:134) er lav korrelasjon ,10, medium korrelasjon er ,30 og høy korrelasjon er ,50.

I korrelasjonsmatrisen benytter vi oss av de indekserte variablene. Vår korrelasjonstest av datasettet magasin, viser at kontrollvariablene Utdannelse og Fødselsår har for lave korrelasjoner med de aktuelle variablene, og vil derfor ikke være vesentlige å bruke som kontrollvariabler. Kontrollvariabelen Kjønn derimot, har en lav negativ korrelasjon på Holdning_Produkt på 1% nivå, og vil derfor bli brukt som kontrollvariabel ved magasin.

Kontrollvariabelen Generell_Holdning korrelerer middels og lavt, men over ,20 på 1% nivå med flere av begrepene i modellen, og er derfor en interessant kontrollvariabel.

Kontrollvariabelen Budskapet_Evaluering har høye og middels positive korrelasjoner med modellbegrepene, og også denne blir meget interessant som kontrollvariabel. Også Kanalens_Attributter har middels positive korrelasjoner med modellbegrepene, og brukes videre som kontrollvariabel. I tillegg korrelerer de uavhengige og avhengige variablene i modellen fra lavt, men over ,20 på 1% nivå, til middels og høye korrelasjoner med hverandre, noe som indikerer gode relasjoner mellom de ulike hovedbegrepene i vår studie.

Erfaring_Frekvens har en lav positiv korrelasjon med Innkjøp_Påskegodteri, noe som tilsier at erfaring med sesongen har en positiv relasjon med innkjøp av påskegodt. Den har i tillegg middels positiv korrelasjon med produktinvolvering.

Korrelasjonsmatrisen til Blogg viser at kontrollvariabelen Utdannelse har lav (over ,20) negativ korrelasjon med Holdning_produkt og vil derfor benyttes som kontrollvariabel ved blogg. Kjønn og Fødselsår korrelerer noe med andre kontrollvariabler, men ikke med variablene i modellen, og vil dermed ikke benyttes som kontrollvariabler.

Kontrollvariabelen Generell_Holdning har lav positiv korrelasjon (over ,20) med flere av modellvariablene, altså vil vi bruke den som kontrollvariabel videre.

Budskapet_Evaluering har sterke, og noen lave (men over ,20) korrelasjoner med modellvariablene, og er derfor godt egnet som kontrollvariabel. Dette gjelder også Kanalens_Attributter, som har fra lave til middels korrelasjoner med modellbegrepene.

Også ved blogg korrelerer modellvariablene godt med hverandre, fra lav, til middels og høye korrelasjoner.

Erfaring_Frekve korrelerer også her med Innkjøp_Påskegodteri.

Til slutt ser man på signifikansnivået (Sig. 2 tailed). Den indikerer hvor mye tillit man kan ha til de resultatene man har oppnådd. Signifikansen ved r er sterkt påvirket av størrelsen på datasettet. Om man har et lite datasett, kan det føre til at man har moderate korrelasjoner som ikke vil nå statistisk signifikans ved 5% nivået. Kan da heller lønne seg å fokusere på styrken til relasjonene og andel delt varians (Pallant, 2010, s. 135). Ved begge våre datasett ser det ut til at de variablene vi har som korrelerer høyt, også er signifikante på 5% nivå.

Som vi kan se av vedlegg nr 35 og 36 (korrelasjonsanalysene), forventer vi ved videre analyser å finne sammenheng mellom produktomtalens overtalelsesevne og evaluering av budskapet. Pearson r mellom variablene er ,633 i blogg og ,701 i magasin, og begge er signifikante. Dette skyldes antakelig at variablene er ganske like, men evaluering av budskapet (effektivt, liker, overtalende, godt skrevet (innhold) og kvalitet) har items/påstander som i større grad konkret inkluderer utforming og skrivingen, mens produktomtalens overtalelsesevne handler hovedsakelig om teksten, og i hvilken grad den oppfattes som overtalende, overbevisende, viktig og hjelpsom. Videre burde vi ved regresjonsanalyser avdekke sammenheng mellom holdning produktomtalen og

produktomtalens overtalelsesevne fordi vi har pearson r på ,615 i blogg og ,533 i magasin, begge signifikante. Holdning produktomtalen viser også korrelasjon/sammenheng med evaluering av budskapet, med pearson r ,748 i blogg og ,693 i magasin og begge er signifikante. Som forklart tidligere kan det ha en logisk forklaring ved relativt like items i både produktomtalens overtalelsesevne og evaluering av budskapet. Holdning produkt ser ut til å ha sammenheng med generell holdning, produktomtalens overtalelsesevne, evaluering av budskapet, holdning produktomtalen og kanalens attributter. Og grovt sett viser magasin-datasettet høyere korrelasjoner (pearson r fra ,256- ,476), mens blogg-datasettet har lavere korrelasjoner (pearson r fra ,274-,279).

I tillegg viser vedlegget korrelasjon mellom produktomtalens overtalelsesevne og kjøpintensjon med pearson r på ,402 i blogg og ,268 i magasin, begge signifikante.

Kjøpintensjon viser sammenheng med produktinvolvering med pearson r ,357 i blogg og ,202 i magasin, begge signifikante.

Hvis relasjon holdning produkt er gjennomgående sterkest i magasin, altså sentral rute, har respondentene antakelig gransket teksten mer enn de som leste bloggen. Pearson r er ,330 i magasin, og ,216 i blogg, på generell holdning, overtalelsesevne er ,346 i magasin og ,277 i blogg), evaluering av budskapet er på ,306 i magasin og ,274 ved blogg. Pearson r ved holdning produktomtalen er ,553 ved overtalelsesevne og ,693 ved evaluering av budskap. Samme korrelasjonene er høyere i datasettet for blogg med pearson r på ,615 og ,748.

Det er svakere holdning produktomtalen i magasin enn blogg. Holdning produktomtalen er sterkere i blogg og indikerer perifer rute.

Altså kan det virke som at begge datasettene reagerer sterkest på holdning produktomtalen, men magasin virker sterkere enn blogg ved holdning produkt og blogg virker sterkere enn magasin ved holdning produktomtalen.