Wstęp

Poniższe analizy wykonano w programie R (R Core Team, 2023). Wizualizacje wyników przeprowadzono z wykorzystaniem pakietu graficznego “ggplot2” (Wickham, 2016).

Analiza normalności analizowanych zmiennych

Analiza normalności rozkładu zmiennych: Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność.

W celu weryfikacji założeń dotyczacych normalności rozkładów wyników analizowanych zmiennych przeprowadzono dwa testy statystyczne, był to test Shapiro - Wilka (stosowany dla małoliczebnych próbek badawczych N < 50 lub N < 100) (Royston, 1982) oraz test Kolmogorova Smirnova z poprawką Lilieforce’a (stosowany dla dużych prób N > 50 lub N > 100) (Dallal i Wilkinson, 1986). Zdecydowano się na taką analizę ze względu na brak jednoznacznych wytycznych dotyczących stosowania obu testów przy danej liczebności badnych obserwacji.

W celu weryfikacji normalności rozkładów zmiennych: Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność, przeprowadzono serię analiz weryfikujących podobieństwo rozkładu z próby do teoretycznego rozkładu normalnego testem Shapiro-Wilka (Royston, 1982). Analiza wykazała, że:

• Rozkład wyników zmiennej Intencja zakupu auta był istotnie różny od rozkładu normalnego SW = 0.97; p < 0.001

• Rozkład wyników zmiennej Obawy przed autem był istotnie różny od rozkładu normalnego SW = 0.97; p < 0.001

• Rozkład wyników zmiennej Postrzegane cele był istotnie różny od rozkładu normalnego SW = 0.96; p < 0.001

• Rozkład wyników zmiennej Postrzegana łatwość korzystania był istotnie różny od rozkładu normalnego SW = 0.95; p < 0.001

• Rozkład wyników zmiennej Postrzegana użyteczność był istotnie różny od rozkładu normalnego SW = 0.98; p < 0.001

W celu dodatkowej weryfikacji normalności rozkładów zmiennych: Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność, przeprowadzono serię analiz weryfikujących podobieństwo rozkładu z próby do teoretycznego rozkładu normalnego testem Kolmogorova-Smirnova z poprawką Lilieforce’a (Dallal i Wilkinson, 1986). Analiza wykazała, że:

• Rozkład wyników zmiennej Intencja_zakupu_auta był istotnie różny od rozkładu normalnego KS = 0.08; p < 0.001

• Rozkład wyników zmiennej Obawy_przed_autem był istotnie różny od rozkładu normalnego KS = 0.12; p < 0.001

• Rozkład wyników zmiennej Postrzegane_cele był istotnie różny od rozkładu normalnego KS = 0.13; p < 0.001

• Rozkład wyników zmiennej Postrzegana_łatwość_korzystania był istotnie różny od rozkładu normalnego KS = 0.17; p < 0.001

• Rozkład wyników zmiennej Postrzegana_użyteczność był istotnie różny od rozkładu normalnego KS = 0.10; p < 0.001

Wyniki analiz przedstawia tabela nr 1

Tabela nr 1

Wyniki analizy rozkładu normalności i statystyk opisowych dla zmiennych: Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność

Zmienne KS p dla KS SW p dla SW M SD s.e. MIN MAX
Intencja zakupu auta 0.08 < 0.001 0.97 < 0.001 2.76 1.03 0.06 1.00 5.00
Obawy przed autem 0.12 < 0.001 0.97 < 0.001 2.79 0.71 0.04 1.00 4.00
Postrzegane cele 0.13 < 0.001 0.96 < 0.001 2.15 0.74 0.04 1.00 4.00
Postrzegana łatwość korzystania 0.17 < 0.001 0.95 < 0.001 3.61 0.79 0.05 1.00 5.00
Postrzegana użyteczność 0.10 < 0.001 0.98 < 0.001 3.24 0.89 0.05 1.00 5.00

Nota: Wyniki testu KS (Kołmogorov - Smirnov) i SW (Shapiro - Wilk), których p < 0.05 dla danej zmiennej, wskazują na istotną różnicę między rozkładem wyników w próbie a teoretycznym rozkładem normalnym; M = Średnia arytmetyczna; SD = Odchylenie standardowe; s.e. = Błąd standardowy średniej; MIN = Minimalna wartość w zbiorze danych; MAX = Maksymalna wartość w zbiorze danych.

Analiza korelacji Spearmana

Analiza korelacji Spearmana dla zmiennych Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność

W celu weryfikacji zależności między zmiennymi Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność, wykonano serię analiz korelacji metodą Spearmana (Spearman, 1904). Na analizę nieparametryczną zdecydowano się z powodu względnego braku spełnenia założenia o normalności rozkładów wyników w analizowanych zmiennych. Analiza testem Spearmana wykazała, że:

• Wzrost wyników zmiennej Intencja zakupu auta wiązał się ze spadkiem wyników zmiennej Obawy przed autem, r(301) = -0.42; p < 0.001 (siła tego związku była statystycznie umiarkowana)

• Wzrost wyników zmiennej Intencja zakupu auta wiązał się ze wzrostem wyników zmiennej Postrzegane cele, r(301) = 0.62; p < 0.001 (siła tego związku była statystycznie umiarkowana)

• Wzrost wyników zmiennej Intencja zakupu auta wiązał się ze wzrostem wyników zmiennej Postrzegana łatwość korzystania, r(301) = 0.30; p < 0.001 (siła tego związku była statystycznie umiarkowana)

• Wzrost wyników zmiennej Intencja zakupu auta wiązał się ze wzrostem wyników zmiennej Postrzegana użyteczność, r(301) = 0.70; p < 0.001 (siła tego związku była statystycznie mocna)

Rezultaty analizy przedstawia tabela nr 2 oraz rysunek nr 1.

Tabela 2
Wyniki analizy korelacji Spearmana między zmiennymi: Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność
Zmienna Id. 1 2 3 4
Intencja zakupu auta 1
Obawy przed autem 2 -0.42***
Postrzegane cele 3 0.62*** -0.38***
Postrzegana łatwość korzystania 4 0.30*** -0.30*** 0.21***
Postrzegana użyteczność 5 0.70*** -0.46*** 0.59*** 0.43***

Nota: * p < 0.05, ** p < 0.01, *** p < 0.001

Rysunek nr 1
Wizualizacja relacji między zmiennymi Intencja zakupu auta, Obawy przed autem, Postrzegane cele, Postrzegana łatwość korzystania, Postrzegana użyteczność

Nota: Im ciemniejszy kolor zielony = Bardziej dodatnia korelacja; Im ciemniejszy kolor czerwony = Bardziej ujemna korelacja. Rysunek bazuje na uzyskanych oszacowaniach współczynników korelacji Spearmana.

Bibliografia

R Core Team. (2023). R: A Language and Environment for Statistical Computing. Vienna, Austria. Retrieved from https://www.R-project.org/

Royston, J. P. (1982). An Extension of Shapiro and Wilk’s W Test for Normality to Large Samples. Journal of the Royal Statistical Society. Series C (Applied Statistics), 31(2), 115–124. https://doi.org/10.2307/2347973

Dallal, G.E. and Wilkinson, L. (1986) An analytic approximation to the distribution of Lilliefors’ test for normality. The American Statistician, 40, 294–296.

Spearman, C. (1904). The Proof and Measurement of Association between Two Things. The American Journal of Psychology, 15(1), 72–101. https://doi.org/10.2307/1412159

Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4

Załącznik A

Poniżej wykonano dodatkową wizualizację wyników.

Szczegółowe wizualizacje relacji między zmiennymi

Poniższa seria rysunków przedstawia szczegółowe relacje między analizowanymi zmiennymi. Ze względu na nieparametryczny charakter analizy zmienne poddano procedurze rangowania.

Liniowe relacje ze zmienną Intencja zakupu auta

Rysunek nr 1

Relacja zmiennej Obawy przed autem ze zmienną Intencja zakupu auta

Rysunek nr 2

Relacja zmiennej Postrzegane cele ze zmienną Intencja zakupu auta

Rysunek nr 3

Relacja zmiennej Postrzegana łatwość korzystania ze zmienną Intencja zakupu auta

Rysunek nr 4

Relacja zmiennej Postrzegana użyteczność ze zmienną Intencja zakupu auta