5. Resultater og analyse
5.4. Regresjonsanalyser
I dette delkapittelet utfører vi regresjonsanalyser for å teste hypotesene som er utledet gjennom teori. For å kunne teste hypotesene utfører vi multippel regresjonsanalyse. I tillegg har vi ifølge vår forskningsmodell flere medierende variabler og en moderator som krever egne analyser. Før regresjonsanalysene måtte vi diktomisere noen kontrollvariabler. Alder korrigerte vi fra åpent spørsmål til 1= født 1983 og før, og 2= født
1984 og senere i blogg, ved magasin var gjennomsnittet 1984 og vi tok utgangspunkt i det ved diktomisering av alder ved magasin. Kjønn består fra før av to kategorier, derfor lar vi den stå som den er.
Vi benytter oss av regresjonsanalyse for å studere sammenhengen mellom de uavhengige variablene og den avhengige variabelen i vår modell, og for å teste om sammenhengene er signifikant forskjellige fra null (Gripsrud et al., 2008). Videre hevder Gripsrud et al.
(2008) at man bør studere hvordan endringer i de uavhengige variablene forklarer endringer i den avhengige variabelen. For en mer sofistikert måte å utforske sammenhengen mellom variablene på, benytter vi oss av multippel regresjon som er basert på korrelasjon (Pallant, 2011). En multippel regresjonsanalyse kan hovedsakelig benyttes til å bekrefte eller avkrefte hvor godt et sett av variabler kan forårsake en annen spesifikk årsak. Altså hvilke variabler som har størst effekt på Y (avhengig variabel), og om en bestemt variabel fortsatt vil være grunn til årsak til et utfall dersom effekten av andre variabler er kontrollert for (Pallant, 2011).
Ifølge Pallant (2011) finnes det tre hovedtyper av multippel regresjon; standard-, hierarkisk-, og stegvis multippel regresjon. Ved standard multippel regresjonsanalyse, legges alle de uavhengige variablene inn i ligningen samtidig, og hver enkelt variabel blir vurdert ut ifra dens predikerende kraft (Pallant, 2011). Dette er den mest brukte typen, og den gir også informasjon om hvor mye unik varians hver av de uavhengige variablene forklarer i den avhengige variabelen (Pallant, 2011). Neste type er hierarkisk multippel regresjonsanalyse hvor man setter inn de uavhengige variablene stegvis i ligningen, og hver variabel blir vurdert ut ifra hva den bidrar med av prediksjonen på den avhengige variabelen. Derfor er denne typen også kalt sekvensiell. Tilslutt har vi den stegvise multipple regresjonsanalysen, hvor forskeren gir SPSS listen over uavhengige variabler og programmet velger hvilke variabler som inngår i ligningen. Rekkefølgen baseres på et sett av statistiske kriterier (Pallant, 2011).
For denne oppgaven har vi valgt å benytte standard multippel regresjonsanalyse, og legger derfor inn alle variablene samtidig. Vi vil hovedsakelig kommentere resultater som standardisert beta (under coeffecients) og R2 (under model summary) da dette er vanlig (Pallant, 2011). Øvrige resultater fra SPSS utskrifteene kan leses i vedlegg nr 37-38. R2 gir
uttrykk for modellens forklaringskraft, og vi kan lese av hvor mye av variasjonen i den avhengige variabelen som kan forklares ved hjelp av de uavhengige- og kontrollvariablene (Sannes, 2004). Ifølge Sannes (2004) vil forklaringskraften på ,30 eller høyere, regnes som godt ved samfunnsvitenskapelig forskning. Vi vil i vår studie ikke forvente så høy forklaringskraft. Fokuset vil være på standardisert betaverdi fordi den forteller hvor mye hver enkelt av de uavhengige variablene tilfører med å predikere den avhengige variabelen (Pallant, 2011). Ifølge Gripsrud et al. (2008) viser betaverdi sammenheng mellom uavhengige og avhengige variabler. En standardisert betakoeffisient går fra -1- 1.
Altså vil negativt fortegn bety negativ sammenheng, mens positivt fortegn vil gi positiv sammenheng. Dette gjør at vi kan sammenligne forklaringskraften for flere variabler. Til slutt vil en høyere betakoeffisienten følgelig gi sterkere forklaring (Gripsrud et al., 2008).
Videre ved Coefficients vil vi sjekke om koeffesientene er signifikante (Pallant, 2011). I tillegg til dette vil vi se på resultatene i ANOVA tabellen som viser hvorvidt modellen totalt sett er signifikant, altså om de uavhengige variablene kan forklare variasjon i avhengig variabel.
Ettersom vi har gjort noen antakelser og inkludert retning +/- på hypotesene, vil vi benytte en enhalet test slik at den rapporterte signifikansverdien vil måtte deles på 2.
Gjennom rapporteringen vil vi sette magasin og blogg opp mot hverandre for å kunne oppdage eventuelle forskjeller og likheter. Det finnes flere regresjonsforutsetninger (Field, 2009), og vi vil inkludere følgende;
Ved deskriptive statistikk sjekket vi dataenes normalfordeling (standardavvik, skewness og kurtosis) som er en forutsetning for regresjon (Field, 2009). Videre sjekket vi multikollineæritet ved korrelasjonsanalyse, og fant ingen over 0,8 som er kravet ved fravær av multikollineærietet mellom variabler. Vi diktomiserte aktuelle uavhengige variabler som ikke var på intervall nivå eller kategoriske. Regresjonsanalyser antar lineæritet, og mulige brudd på forutsetningen begrenser generaliserbarheten til studien.
Regresjonsanalyse for magasin med kjøpsintensjon som avhengig
Variabler Beta
verdier
Signifikant (støttet/ikke støttet)
Produktomtalen_overtalelsesevne ,188 ,062**
Holdning_produkt -,036 ,678
Holdning_produktomtalen ,130 ,182
Produktinvolvering ,184 ,028**
Modellens forklaringskraft i kjøpsintensjon 8,9 %
ANOVA modell ,002***
Tabell 19: Regresjonsanalyse magasin med kjøpsintensjon som avhengig
5%- signifikansnivå ** 1%- signifikansnivå***
De uavhengige variablene har en forklart varians i den avhengige variabelen kjøpsintensjon på 8,9%, og er signifikant innefor 5%-nivå da 0,002 delt på 2 er 0,001.
H1: Produktomtalens overtalelsesevne har positiv effekt på kjøpsintensjon, har en positiv betaverdi på 0,188 og signifikant på 0,062 som delt på 2 er 0,031 som er signifikant på 5%-nivå. Dette indikerer at antakelsen vår om positiv sammenheng mellom produktomtalens overtalelsesevne og kjøpsintensjon stemmer, og vi kan derfor beholde hypotese 1. Hypotesene H2 og H3 har lavere betaverdier og har ikke signifikant effekt på den avhengige variabel kjøpsintensjon. H4: Produktinvolvering har positiv effekt på den avhengige variabelen kjøpsintensjon, med en betaverdi på 0,184, og signifikansnivå 0,028 som er innenfor 5%-nivå. Vi kan derfor beholde hypotese 4.
Siden holdning_produkt fikk lav score på kjøpsintensjon kan dette utfra tidligere teori indikere at respondentene i denne settingen har valgt en perifer rute, som gjør at holdning_produktomtalen i større grad er benyttet. Mens holdning produkt alene ikke har signifikant effekt på kjøpsintensjon og lav betaverdi, kan resultatene med moderators interaksjonsledd indikere at forholdet modereres av produktinvolvering.
Regresjonsanalyse for blogg med kjøpsintensjon som avhengig
Variabler Beta
verdier
Signifikant (støttet/ikke støttet)
Produktomtalen_overtalelsesevne ,270 ,009***
Holdning_produkt ,008 ,918
Holdning_produktomtalen ,089 ,366
Produktinvolvering ,271 ,001***
Modellens forklaringskraft i kjøpsintensjon 20,9 %
ANOVA modell ,000***
Tabell 35: Regresjonsanalyse for blogg med kjøpsintensjon som avhengig
5%- signifikansnivå ** 1%- signifikansnivå***
Forklaringskraften av de uavhengige variablene i den avhengige variabelen er 20,9%, og modellen er signifikant på 1%-nivå. Videre ser vi av tabellen at H1 også hos blogg blir støttet innenfor et 1%-nivå, med positiv betaverdi på 0,270. Derfor kan vi beholde H1, og anta at produktomtalens overtalelsesevne har positiv effekt på kjøpsintensjon. H4 blir også støttet innenfor et 1%-nivå, med positiv betaverdi på 0,271. Derfor kan vi også beholde denne hypotesen, og anta at produktinvolvering har en positiv effekt på kjøpsintensjonen. De to andre hypotesene finner vi ikke støtte for, og det er lave betaverdier.
Som korrelasjonsanalysen avdekket tidligere i oppgaven, forventet vi å finne at produktinvolvering (magasin; 0,202, blogg; 0,357) og produktomtalens overtalelsesevne (magasin; 0,268, blogg; 0,402) har effekt på kjøpintensjon. Dette fikk vi bekreftet ved regresjonsanalysene, der blogg gjennomgående har sterkere verdier og høyere beta, også bevist ved korrelasjonsanalysen.
Oppsummert magasin vs blogg
5.4.1. Regresjon med kontrollvariabler
For å ivareta kravet om isolasjon, som er et av kausalitetskravene og må innfris for å kunne anta kausale sammenhenger mellom uavhengige og avhengige variabler, vil vi her inkludere kontrollvariabler i regresjonsanalysene (Bollen, 1989). Ved benyttelse av kontrollvariabler vil man søke å kontrollere for at variansen ikke skyldes andre variabler enn de vi har inkludert i modellen. Vi vil derfor se om noen av våre kontrollvariabler kan være forklaringsvariabler til den avhengige variabelen. Se vedlegg 39 og 40 for SPSS utskrift.
Magasin
Fra korrelasjonsanalysen tidligere i oppgaven fant vi at det kan være hensiktsmessig å sjekke for kontrollvariablene; kjønn, budskapets evaluering, generell holdning og kanalens attributter.
Variabler Beta
verdier Ny betaverdi
Sig. Ny sig.
Produktomtalen_overtalelsesevne ,188 ,130 ,062** ,271
Holdning_produkt -,036 -,055 ,678 ,584
Holdning_produktomtalen ,130 ,070 ,182 ,553
Produktinvolvering ,184 ,178 ,028** ,035**
Kjønn - -,031 - ,723
Kanalens attributter - -,033 - ,738
Generell holdning - ,068 - ,442
Evaluering av budskapet - ,129 - ,337
Modellens forklaringskraft i kjøpsintensjon (tidligere 8,9%) 7,2 %
ANOVA modell (tidligere 0,009) 0,021**
Tabell 36: Regresjonsanalyse for magasin med kontrollvariabler
5%- signifikansnivå ** 1%- signifikansnivå***
Kontrollvariablene har bidratt til at ingen av hypotesene har støtte. Modellen har en samlet forklaringskraft på 7,2%, noe som er ca 1% lavere enn ved tidligere
regresjonsanalyse uten kontrollvariabel. Modellen med kontrollvariabler har likevel et signifikansnivå innenfor et 5%-nivå.
Blogg
For blogg ble alder, kanalens attributter, budskapsevaluering og generell holdning identifisert som mulige gode kontrollvariabler og vi valgte å inkludere alle ovennevnte i en ny regresjonsanalyse.
Variabler Beta verdier Ny betaverdi Sig. Ny sig.
Produktomtalen_overtalelsesevne ,270 ,358 ,009*** ,001***
Holdning_produkt ,008 -,008 ,918 ,924
Holdning_produktomtalen ,089 ,127 ,366 ,292
Produktinvolvering ,271 ,229 ,001*** ,004***
Alder - -,066 - ,396
Kanalens attributter - ,222 - ,008***
Generell holdning - -,155 - ,061**
Evaluering av budskapet - -,133 - ,272
Modellens forklaringskraft i kjøpsintensjon (tidligere 20,9%)
24,7 %
ANOVA modell (tidligere 0,009) 0,000***
Tabell 37: Regresjonsanalyse for blogg med kontrollvariabler
5%- signifikansnivå ** 1%- signifikansnivå***
For blogg kan det tolkes dithen at kontrollvariablene har hatt større påvirkning, fordi betaverdien ved produktomtalens overtalelsesevne har blitt enda mer positiv, og sig.nivået har blitt sterkere. Totalt sett har modellens forklaringskraft gått fra 20,9% til 24,7%, og er signifikant på 1%-nivå. I tillegg har kanalens attributter på et 5%-nivå vist positiv signifikant effekt på kjøpsintensjon og Generell holdning vist seg å ha signifikant negativ effekt (beta verdi -,155) på kjøpsintensjon.