DEL D: DATAANALYSER OG RESULTATER

10. Involvering som mental tilstand

Mandens mentale involvering kan opdeles i 4 komponenter: perciperet vigtighed, perciperet risiko, symbolsk værdi og nydelsesværdi. Perciperet vigtighed kan måles ved hjælp af 4 forskellige udsagn. Som det fremgår af tabel 10.1.1, er to-tredjedele enten enige eller meget enige i, at det betyder meget at se velklædt ud. Manden går altså meget op i sit tøj, hvilket umiddelbart afkræfter fordommen om, at mænd generelt set er ligeglad med deres påklædning. Tabel 10.1.2 indeholder også andre mål for perciperet vigtighed (se bilag 10.1.1-10.1.4 for statistisk output fra SPSS). Det ses her, at gennemsnitligt set hælder mænd mere over mod at opfatte tøjkøb som vigtigt; Alle gennemsnitsværdierne er større end værdien 3, der er udtryk for, at de mænd, der har besvaret spørgeskemaerne, hverken er enige eller uenige i, at tøjkøb er vigtigt. Der er dog ret stor varians blandt svarene med standardafvigelser lidt over 1 ved 3 af de 4 udsagn, og samtidig udnyttes alle svarmuligheder ved alle 4 udsagn. Figur 10.1.1 viser bedre, hvordan respondenterne fordeler sig ud over svarmulighederne. Ved alle udsagn er svarkategorien "enig" dominerende - dog viser det sig, at der er næsten lige så mange, der svarer "hverken/eller" eller "uenig" til, at tøjvalg ikke er noget, der bare skal overstås. Samlet kan vi således konkludere, at perciperet vigtighed bestemt har en betydning ved mænds tøjkøb.

Perciperet risiko (bilag 10.1.5-10.1.7) kan for eksempel beskrives ved, om mænd synes, at andet end størrelsen har betydning. Det viser sig at være tilfældet. Hele 73% er enten uenige eller meget uenige i, at kun størrelsen har betydning ved tøjkøb. Udsagnene om symbolsk værdi viser, at de fleste mænd enten er ligeglade med, om de skiller sig ud i deres beklædning, eller også ikke ønsker at skille sig ud. Derimod kan flertallet godt lide at blive rost for deres påklædning. Umiddelbart fristes man til at konkludere, at mænd ikke tager mange chancer i påklædningen, men samtidig håber på, at den "konservative" påklædning giver positive bemærkninger. Bilagene 10.1.8 og 10.1.9 viser de statistiske outputs for disse udsagn.

Også på nydelsesværdi viser svarene, at mænd bestemt er involverede i deres tøj. Bilag 10.1.10-10.1.12 gengiver frekvensfordelingerne for tre udsagn omkring nydelsesværdien, og ved alle er middelværdien et godt stykke over 3 (hhv. 3,15, 3,63 og 3,37). Ud fra gennemgangen af de fire komponenter herover kan vi konkludere, at nogle mænd har en høj intensitet af mental involvering, men da svarene udnytter hele spektret af svarmuligheder, må vi også sige, at der også findes nogle mænd, der har en lav intensitet af mental involvering.

For at få samlede mål for de fire komponenter, der udgør mental involvering, har vi valgt at opstille multiple-item skalaer - eller på dansk: vi har valgt at slå udsagnene indenfor hvert komponent sammen. De udsagn, der indgår i sammensatte skalaer, skal helst måle det samme begreb. Vi vil derfor teste de fire sammensatte skalaers reliabilitet, når det gælder intern konsistens. Dette sker ved brug af Cronbach's Alpha (se afsnit 8.8), der er gennemsnittet af alle mulige split-halves (Malhotra 1996, 305). Indledningsvis viser korrelationskoefficienterne mellem de forskellige dele af de sammensatte skalaer også, hvor meget delene (udsagnene) varierer sammen. Korrelationsmatricen for perciperet vigtighed, der er gengivet i tabel 10.1.3, viser, at der er problemer med sammenhængen mellem udsagnet om, at der er mange overvejelser ved tøjkøb (vm7_1), og de øvrige udsagn. Det ses ved, at korrelationskoefficienten ligger mellem 0,23 og kun 0,09. Det kan derfor heller ikke kommer bag på os, at vi får en højere alpha-værdi ved at fjerne det problematiske udsagn fra skalaen. Af bilag 10.1.13 ses, at vi allerede har en tilfredsstillende alpha-værdi på 0,65, hvis vi bruger alle fire udsagn, men vi kan samtidig også se, at alpha stiger til 0,7261, hvis item vm7_1 (der er det problematiske udsagn) fjernes. Vi fjerner udsagnet fra skalaen og får en alpha-værdi på 0,73 (se bilag 10.1.13 og 10.1.14). Vi kan altså konkludere, at vores sammensatte skala for perciperet vigtighed er i orden, når reliabiliteten omkring intern konsistens undersøges, da alpha-værdien er klart over 0,6.

Skalaen for perciperet risiko giver problemer (se bilag 10.1.15 og 10.1.16). Korrelationskoefficienterne er meget lave, og alpha-værdien er kun 0,29. Ved at fjerne det ene udsagn fra skalaen opnås en alpha-værdi på 0,42, hvilket fortsat ikke er tilfredsstillende. Vi har dog valgt denne løsning alligevel for at kunne fortsætte analyserne, men er naturligvis opmærksomme på, at vi har en skala her, der absolut er problematisk set i forhold til reliabiliteten. Set i bakspejlet må vi sætte spørgsmålstegn ved, om de udsagn, der efter vores mening har haft noget at gøre med perciperet risiko, egentlig også måler denne komponent. Man kan argumentere for, at udsagnet om, at andet end størrelsen har betydning, måske er det eneste udsagn, der i virkeligheden måler denne del af mental involvering.

Skalaen for symbolsk værdi giver en ikke helt tilfredsstillende alpha-værdi på 0,48 (se bilag 10.1.17), mens der ingen problemer er med reliabiliteten vedrørende intern konsistens for den sammensatte skala, der måler nydelsesværdi (se bilag 10.1.18). Sidstnævnte skala giver en alpha-værdi på 0,71, hvilket er et godt stykke over 0,6.

Alt i alt har vi fået opstillet sammensatte mål for de fire komponenter. Ikke alle mål er lige gode, men vi vil i det følgende antage, at de er tilfredsstillende. Vi er således udmærket klar over, at brugen af de sammensatte skalaer ikke er uproblematisk - og at vores efterfølgende konklusioner derfor må tages med forbehold.

Bilag 10.1.19 viser frekvensfordelingerne for de fire sammensatte skalaer og forskellige statistiske størrelser i den forbindelse. Blandt andet ses det, at middelværdierne for 3 af komponenterne er større end 3 - eller med andre ord kan vi se, at respondenterne i undersøgelsen i gennemsnit har en høj score på disse komponenter af involvering. Den sidste komponent er perciperet risiko, der scorer under 3. Dette skyldes naturligvis de allerede nævnte problemer med opstilling af skalaen for denne komponent. I bilag 10.1.19 ses også grafiske fremstillinger af frekvensfordelingerne for de fire sammensatte skalaer. Af disse ses, at frekvensfordelingen for perciperet vigtighed er positivt skæv, mens fordelingen for perciperet risiko er negativt skæv. Frekvensfordelingen for symbolsk værdi er derimod tæt på at være pænt ligeligt fordelt på begge sider af typeværdien. Frekvensfordelingen for nydelsesværdi afslører, at skalaens to hyppigste værdier er 4,00 og 3,00. Det skyldes naturligvis den måde, skalaen er sammensat på - og at der er høj korrelation mellem de dele, skalaen består af.

De fire komponenter i mandens mentale involvering er nu beskrevet, men mangler at blive sat over for hinanden. Dette gør vi ved hjælp af parvise t-tests (se bilag 10.1.20). Nulhypotesen er, at middelværdierne i populationen for hvert par af komponenter er ens; altså H₀: µ_a=µ_b, hvor a er det ene komponent og b er det andet. Alternativhypotesen er H_a: µ_aµ_b. Vi kunne også have lavet et-sidede t-tests i stedet, men den eneste forskel er, at vi ville forkaste en smule flere nulhypoteser, da sandsynlighedsværdien (p) halveres ved et-sidede tests. Den har således større sandsynlighed for at være under de 0,05, der er vores alpha. Vi så allerede ved frekvensanalyserne af de fire komponenter, at der var forskelle på deres middelværdier, men spørgsmålet er, om disse forskelle er signifikante. Bilag 10.1.20 viser, at ved 5 af de 6 par er p-værdien mindre end 0,05, hvorfor H₀ forkastes. Dette betyder samtidig, at alternativhypotesen accepteres for de 5 par. Ud fra t-testene af de 6 par kan vi konkludere, at nydelsesværdi er den vigtigste komponent i mandens mentale involvering. Mindst betydning har derimod perciperet risiko. Perciperet vigtighed og symbolsk værdi ligger mellem nydelsesværdi og perciperet risiko i betydning, uden at vi dog kan sige noget om, om perciperet vigtighed eller symbolsk værdi er vigtigst. Det skyldes, at vi ikke kan forkaste hypotesen, der lyder, middelværdierne for de to komponenter er lige stor. Som bekendt kan man aldrig acceptere en nulhypotese, så på den anden side kan vi heller ikke sige, at deres middelværdier er lige stor i populationen. Vi har hermed besvaret vores første researchspørgsmål, der gik på, hvilke dele af mandens mentale involvering, der havde størst betydning.

10.2 Kvindens mentale involvering

Kvindens mentale involvering analyseres på samme måde som mandens. Frekvensanalyserne af de variable, der indgår i målingen af komponenterne i kvindens mentale involvering afslører en række interessante ting (se bilag 10.2.1). Perciperet vigtighed ser umiddelbart ud til at være en vigtig komponent. Som det ses af bilag 10.2.1, angiver hele 85%, at de er enten enige eller meget enige i, at det "betyder meget, at ægtefælle/kæreste ser velklædt ud". Af bilag 10.2.1 fremgår det tydeligt, at dette mønster ikke adskiller sig meget fra de øvrige udsagn, der måler perciperet vigtighed. Typeværdien er 4 (enig) ved alle udsagn, og medianen 4 ved 3 af udsagnene. Ligeså ligger middelværdien over 3 - i flere tilfælde et godt stykke over. Endelig ses det, at standardafvigelsen er relativt lille ved flere af udsagnene.

Ligesom mænd syntes, at andet end størrelsen har betydning, så viser frekvensanalysen, at kvinder også er enige i denne betragtning. Bilag 10.2.1 viser også, at 85% af de kvinder, der har deltaget i undersøgelsen, mener, at andet end størrelsen har stor betydning. Så også perciperet risiko ser ud til at være en vigtig komponent i kvinders mentale involvering i herretøj. Den symbolske værdi er målt ved hjælp af to udsagn (se fortsat bilag 10.2.1). Kvinderne i undersøgelsen mener typisk, at det ikke har nogen betydning, om manden skiller sig ud. Gennemsnitligt set hælder de dog mest til, at de ikke kan lide, at manden skiller sig ud. Omvendt kan de godt lide, hvis mandens tøj bliver rost, så ligesom ved beskrivelsen af mandens involvering kan det godt give den tanke, at tøjet skal være pænt og rosværdigt, men ikke for ekstremt. Den sidste komponent i kvindens mentale involvering, nydelsesværdien, kommer ud med nogle overraskende resultater. I tabel er opstillet det statistiske output knyttet til frekvensanalysen af udsagnet "ægtefælles/kærestes påklædning påvirker mit humør". Af middelværdien på 2,74 kan det konkluderes, at gennemsnitligt set er undersøgelsens kvinder mere uenige end enige i udsagnet! Vi vil senere komme tilbage til extended self, men må allerede nu stille spørgsmålstegn ved, om kvinden overhovedet er særlig meget involveret i mandens tøj mentalt set. Inden vi drager konklusioner ud fra dette ene udsagn, er det imidlertid også på sin plads at kigge lidt nærmere på svarene på, om kvinder bliver glade, når manden får nyt tøj på. Her svarer små 48% faktisk, at det gør de, mens 11% er meget enige i udsagnet om, at de bliver glade. Vi vil umiddelbart forvente, at der burde være nogenlunde overensstemmelse mellem svarene på de to forskellige udsagn, men det er der altså ikke. Forskellen mellem middelværdierne er faktisk næsten 1 (middelværdierne er henholdsvis 2,74 og 3,62 - se fortsat bilag 10.2.1). Den mest nærliggende grund til, at svarene er så forskellige, er, at udsagnet med "humør" er mere ukonkret end udsagnet med "glad". Det gør svarene anderledes, og derfor er der et validitetsproblem i målingerne her.

Opstillingen af sammensatte skalaer giver mulighed for at få summariske mål for hvert komponent i kvindens mentale involvering. Mange af overvejelserne her med fx fjernelse af items i skalaer er de samme, som dem der blev gennemgået i det foregående afsnit om mandens involvering, da udsagnene i de fleste tilfælde er de samme. Vi vil derfor ikke gå helt så meget i detaljer i dette afsnit.

I bilag 10.2.2 er SPSS-udskriften for reliabilitetstesten med Cronbach's Alpha gengivet for komponenten perciperet vigtighed. I første omgang fås en alpha-værdi på 0,46, hvilket ikke er helt tilfredsstillende, men fjernelse af et af udsagnene, der korrelerer dårligt med de øvrige, bringer alpha-værdien op på 0,62, og skalaens reliabilitet vedrørende intern konsistens er således i orden. Også ved kvinden giver skalaen for perciperet risiko problemer med reliabiliteten (se bilag 10.2.3). En alpha-værdi på kun 0,23, når alle udsagnene bruges, og 0,53, når det "dårligste" fjernes. 0,53 kan lige gå an (se afsnit 8.8), og skalaen er altså (nogenlunde) i orden. Problemstillingen er den samme som ved skalaen for perciperet risiko ved mandens mentale involvering. Skalaen for symbolsk værdi (bilag 10.2.4) giver en lav alpha-værdi (0,31), men vi vælger at arbejde videre med skalaen alligevel - bl.a. fordi den kun indeholder to udsagn, hvilket alt andet lige vil gøre det svært at opnå en høj alpha-værdi. Vi har samme problem med skalaen for nydelsesværdi, der sniger sig op på 0,46 i alpha-værdi (se bilag 10.2.5). Det er ikke helt godt, men måske bedre end vi kunne have forventet efter tidligere at have set (under frekvensanalyserne), hvilke målingsproblemer der er med udsagnene.

Samlet set har vi fået opstillet fire sammensatte skalaer svarende til en for hver komponent. Cronbach's Alpha har ikke været helt tilfredstillende for flere af dem, men for at kunne fortsætte vores videre analyser, vælger vi at bruge skalaerne. Således er konklusionerne omkring kvindens mentale involvering også med forbehold - akkurat som de var ved mandens mentale involvering. Frekvensanalyser af de fire sammensatte skalaer for komponenterne viser høje middelværdier for komponenterne perciperet vigtighed og symbolsk værdi, mens nydelsesværdi nogenlunde scorer en middelværdi, og perciperet risiko ender lige under midten, der er 3. Dette er ikke overraskende efter frekvensanalyserne af de enkelte udsagn. Sammenlignet med middelværdierne for de mandlige respondenter ser vi, at nydelsesværdi er mindre vigtig ved kvinden end ved manden. Kvinderne i undersøgelsen bliver altså mindre følelsesmæssigt påvirket af, at mænd får nyt tøj, end mændene selv. Vi vil i afsnit 10.3 undersøge, om denne observation kan generaliseres til populationen.

Den relative betydning af de fire komponenter undersøges ved hjælp af parvise t-tests (se bilag 10.2.7). Det er her meningsfyldt at sætte de to observerede variable sammen to og to, hvorfor vi bruger type 3 t-testen (se afsnit 8.3). Nulhypotesen er den samme som ved den tilsvarende test for manden: at middelværdierne i populationen for hvert par af komponenter er ens. 5 af de 6 testede par har en sandsynlighedsværdi, der er lavere end vores alpha (signifikansniveau) på 0,05 - og den er endda 0,000 i alle fem tilfælde. Det betyder altså, at vi må forkaste nulhypotesen i disse 5 tilfælde og acceptere alternativhypotesen: at middelværdierne i populationen er forskellige for disse 5 tilfælde. Alternativt kunne vi have fundet den kritiske t-værdi og sammenlignet den med de beregnede t-værdier for hvert testet par. Konklusionen var naturligvis blevet den samme. Set i forhold til vores researchspørgsmål nr. 2 kan vi konkludere, at perciperet vigtighed og symbolsk værdi er de vigtige komponenter i kvindens mentale involvering. Vi kan ikke forkaste nulhypotesen lydende på, at disse to komponenters middelværdier i populationen er forskellige, så vi kan derfor ikke udtale os om, hvilken af komponenterne der spiller den største rolle i kvindens mentale involvering. Vi kan derimod klart sige, at perciperet risiko er den signifikant mindst vigtige komponent hos kvinden, mens nydelsesværdi tager sig af tredjepladsen. En sammenligning med rækkefølgen af komponenter hos mændene viser, at nydelsesværdien, der er vigtigste komponent hos manden, må helt ned på tredjepladsen hos kvinderne.

10.3 Sammenligning af kvindens og mandens mentale involvering

Hvordan er kvindens og mandens mentale involvering, hvis vi sammenligner parterne komponent for komponent? Det er emnet for dette afsnit. Middelværdianalyse i form af parvise t-tests kan give indsigt i spørgsmålet. Vi vil igen her bruge type 3 t-tests (paired samples), da det er meningsfyldt at parre svarene for hvert par (mand/kvinde). Vi kan formulere nulhypotesen som H₀: µ_k=µ_m og alternativhypotesen som H_a: µ_kµ_m. Denne nulhypotese - altså om middelværdierne i populationen er ens for parrene - testes for hvert af de fire par af komponenter. Vi kunne også formulere nulhypotesen som H₀: µ_D=0 (med H_a: µ_D0), som Malhotra (1996, 532) gør, men det ændrer naturligvis ikke indholdet i nulhypotesen.

I tabel 10.3.1 er opstillet middelværdierne og sandsynlighedsværdierne for de fire testede komponentpar. Indledningsvis kan det ses, at der er signifikant forskel på 3 af de 4 komponenter, når man sammenligner kvinder og mænds involveringsniveau. Der er ikke signifikant forskel mellem deres involvering målt ved perciperet risiko. Til gengæld ses det, at kvinders niveau af perciperet vigtighed hhv. symbolsk værdi er signifikant højere end mandens ditto, mens mandens niveau er signifikant højere, når det gælder nydelsesværdi.

Vi kan også kigge på, om kvinder eller mænd overordnet set er mest involverede i herretøj. Dette kræver dog først, at vi opstiller samlede skalaer for både mænd og kvinder ud fra de udregnede komponenter. Disse to nye sammensatte skalaer er gode, når det gælder reliabilitet (se bilag 10.3.2 og 10.3.3). Den samlede skala for mænds mentale involvering har en alpha-værdi på 0,73, mens den samlede skala for kvinders mentale involvering er tæt på med 0,71, men begge er naturligvis fuldt tilfredsstillende, og vi kan derfor uden problemer arbejde videre med disse to overordnede mål (dog skal det stadig erindres, at nogle af de sammensatte skalaer for de fire komponenter ikke var for gode, jvfr. afsnit 10.1 og 10.2). En deskriptiv analyse for hhv. kvindens og mandens involvering er opstillet i bilag 10.3.4). Kvinderne i undersøgelsen har både en højere minimums- og maksimumsværdi end mændene på det samlede mentale involveringsmål. Ligeledes er middelværdien 3,38 for kvinder, mens den er 3,09 for de undersøgte mænd. Standardafvigelsen er dog en del mindre for mænd.

Men er der signifikant forskel på graden af mental involvering mellem kvinder og mænd? Her kommer t-testen for parvise samples igen til sin ret. En t-test for paired samples med 118 frihedsgrader (der er 119 valide svar at teste på) gennemføres. Som det ses af bilag 10.3.5, viser den, at forskellen mellem kvinder og mænds grad af mental involvering er signifikant på et 5%'s signifikantsniveau - og også lavere end det, da sandsynlighedsværdien er mindre end 0,001. Nulhypotesen H₀: µ_D=0 forkastes altså, alternativhypotesen H_a: µ_D0 accepteres, og konklusionen bliver, at danske kvinder er mere involverede i herretøj end mændene selv.

10.4 Segmentanalyse for mandens mentale involvering

Opdelingen af mænd i forskellige segmenter efter deres involveringsprofiler sker ved hjælp klyngeanalyse. Vi bruger de sammensatte skalaer for de fire komponenter som de variable, der skal segmenteres ud fra. En hierarkisk klyngeanalyse bruges i første omgang til at identificere antallet af klynger. Opdelingen i klynger tager udgangspunkt i afstanden mellem variablenes værdier. Det mest brugte mål for dette er den såkaldte kvadrerede euklidiske afstand, som vi også bruger i vores hierarkiske analyse. Der findes forskellige metoder til opdelingen. Under hierarkisk klyngeanalyse kan man lave klynger agglomerativt (man starter med at have hvert objekt i sin egen klynge) eller divisivt (alle klynger er i en fælles klynge, som man så deler op). Det mest normale er agglomerativ klyngeanalyse, hvilket vores analyser også er bygget på. Når hvert objekt/"mini"-klynge skal samles til større klynger, sker det ved hjælp af en sammenkædningsmetode. Vi bruger i analyserne en metode, der tager udgangspunkt i gennemsnitssammenkædning (average linkage) (Malhotra 1996, 678). Det vigtige i første omgang er imidlertid ikke så meget, hvilke objekter der kædes sammen i klynger, men derimod hvor mange klynger, det er fornuftigt at vælge. Vi vil bagefter ved hjælp af ikke-hierarkisk klyngeanalyse finde ud af, hvilke objekter der hører til hvilke klynger. Ikke-hierarkisk klyngeanalyse (eller k-means clustering) tager udgangspunkt i et bestemt antal klynger og for hver af disse vælges et midtpunkt. Objekter inden for en vis afstand af dette centrum knyttes så til dette centrum og dets klynge.

Antallet af klynger bestemmes ved hjælp af et agglomerationsskemaet og et dendogram, der begge er resultater fra den hierarkiske klyngeanalyse (se bilag 10.4.1). Et udsnit af agglomerationsskemaet er gengivet i tabel 10.4.1 herover. Heraf ses, at koefficienten stiger ret kraftigt fra trin 116 til 117. Dette kunne indikere, at fire klynger kunne være en god idé.

Men af dendogrammet i figur 10.4.1 på næste side, der viser, hvordan objekterne og underklyngerne sammenkædes, ses, at i de klynger, der kombineres på lange distancer (altså sidst i processen), er nogle af de sammenkædede klynger meget små. På det sidste trin sammenkædes fx en klynge på 118 og en på kun 2, mens tallene er 114 og 4 ved dannelsen af klyngen på 118. Det giver ingen mening at opdele i klynger på denne måde, så nogle klynger bliver så små. Af dendogrammet ses det imidlertid også, at to store klynger parres med en relativt høj værdi på ca. 10. Da det samtidig giver god teoretisk mening at have to klynger (høj/lav involvering), vælger vi at bruge to klynger i den videre proces.

Det valgte antal klynger på to er input i den ikke-hierarkiske klyngeanalyses opdeling af undersøgelsens mænd i to klynger. Bilag 10.4.2 viser, at der placeres 44 mænd i klynge 1, mens der er 76 i klynge 2. Fortolkningen af disse to klynger tager udgangspunkt i de i tabel 10.4.2 gengivne klyngecentre. Det ses, at klynge 1 kan beskrives som mænd med lav involvering, mens klynge 2 er mænd med høj involvering. En analyse af variansen mellem de to klynger for hvert komponent viser da også, at der er signifikant forskel på samtlige komponenter set på tværs af klyngerne (se bilag 10.4.3).

De to klyngers profil kan beskrives ved hjælp af andre variable end dem, der er brugt i klyngeanalysen. Vi har valgt at kigge nærmere på udvalgte demografiske og medierelaterede variable (vi kunne have lavet en mere dybdegående beskrivelse ved at have inddraget flere variable, men vi har valgt at vise teknikkerne her fremfor at satse på kvantiteten) . I bilag 10.4.4 er der lavet en lang række krydstabuleringer med de to klynger og disse variable. Der er tilknyttet ²-tests til alle krydstabuleringerne, men som det fremgår, er der flere steder, hvor det forventede antal er under 5. Harnett (1991, 695) angiver dog, at det forventede antal i hver celle bare skal være mindst 1 for at ²-testen kan bruges. ²-testen bruges til at teste, om de to variable, der krydstabuleres er uafhængige - eller sagt med andre ord: nulhypotesen er H₀: uafhængighed, mens alternativhypotesen er, at der er afhængighed mellem de to variable - altså H_a: afhængighed.

Nulhypotesen om uafhængighed mellem klyngetilhøret og boligform kan ikke forkastes, og det samme gælder klyngetilhør og hovedbeskæftigelse. Til gengæld forkastes H₀, når det drejer sig om uddannelse, da p-værdien kun er 0,006 og dermed klart under signifikansniveauet på 0,05. Samtidig er det mindste forventede antal i en celle 2,57, hvilket er større end 1 og således (nogenlunde) i orden. Der er altså afhængighed mellem klyngetilhør og uddannelse. En nærmere granskning af krydstabellen viser, at der er 43 af de 76 i klynge 2 (høj involvering), der har en videregående uddannelse, mens andelen kun er 13 af 44 i klynge 1 (lav involvering).

Når vi kigger på de almindelige dagblade, kan nulhypotesen om uafhængighed ikke forkastes ved nogle af aviserne. Dog er vi ved "Fyens Stiftstidende" tæt på at få forkastet nulhypotesen, og nærmere undersøgelser viser, at de højtinvolverede er mest ivrige læsere (hvis afhængigheden altså havde været signifikant). Heller ikke på ugeblade er der signifikant afhængighed, men vi kommer tæt på igen, når det gælder månedsbladene "Bilen, Motor & Sport" samt "Euroman". Ved sidstnævnte er der (ikke overraskende) flest i gruppe af højtinvolverede mænd, der læser bladet. Lidt overraskende er det derimod nok, at der er signifikant afhængighed mellem klyngetilhør og læsningen af "Illustreret Videnskab". Her er klynge 2 igen den "informationshungrende" klynge med klart fleste læsere. Kun ganske få i undersøgelsen læser det dog en gang om måneden, selv om det er et månedsblad. Der skal tages en smule forbehold for konklusionen på testen af uafhængighed ved "Illustreret Videnskab", da det mindste forventede antal i en celle er så lavt som 1,82, mens to celler svarende til 33,3% har et forventet antal under 5. Der er efterhånden ved at tegne sig et mønster, så det kan derfor ikke komme som en overraskelse, at de højtinvolverede i klynge 2 læser "Børsen" langt oftere end de lavt involverede. Ved samtlige øvrige tidsskrifter er der ikke signifikant afhængighed mellem de to variable, der er undersøgt.

Klynge 2, de højtinvolverede, kan således profileres som veluddannede mænd, der læser Illustreret Videnskab og Børsen, mens klynge 1, de lavtinvolverede, er knap så veluddannede og i mindre grad læser disse specialvidenstunge tidsskrifter.

10.5 Segmentanalyse for kvindens mentale involvering

Fremgangsmåden ved segmentanalysen af kvinders mentale involvering foregår på samme måde som ved mændene i afsnit 10.4. Først laves altså en hierarkisk klyngeanalyse for at bestemme antallet af klynger. Dette antal bruges efterfølgende som input i en ikke-hierarkisk klyngeanalyse, og de identificerede klynger beskrives ud fra demografiske og medierelaterede variable.

Den hierarkiske klyngeanalyse gennemløber hos kvinderne kun 118 trin, da der kun er 119 valide objekter. Af agglomerationsskemaet i bilag 10.5.1 ses, at der sker mere end en fordobling af koefficienten mellem trin 115 og 116. Fire klynger kunne altså synes at være et fornuftigt antal, men igen viser dendogrammet noget, der får os på andre tanker - dendogrammet er gengivet i bilag 10.5.2 (se også bilag 10.5.3). Præcis som ved klyngeanalysen af mænds mentale involvering indeholder nogle af de klynger, der fremkommer ved valg at fx fire klynger, meget få objekter. Det ses samtidig også, at der ved en værdi omkring 11 sker en sammenkædning af to store klynger. Vi kommer derfor igen frem til, at vi vælger antal klynger til at være 2.

Efter at have gennemført den ikke-hierarkiske klyngeanalyse viser det sig, at 55 objekter (kvindelige respondenter) falder i klynge 1, mens 64 hører til klynge 2. I tabel 10.5.1 er gengivet de to klyngers centre for hvert af de fire komponenter, der er brugt til at lave klyngeanalyse med. Mens vi ved mændene havde tal, der lå henholdsvis over og under den neutrale værdi 3 for hver komponent, har vi ved kvinden to komponenter, hvor også det laveste centrum er højere end 3. Vi vælger dog stadig at kalde segmenterne for højtinvolverede (klynge 1) og lavtinvolverede (klynge 2), omend meningen med disse betegnelser er lidt mere uklar end ved segmentanalysen af mænds mentale involvering. Forskellen mellem de to kvindelige segmenter er stadig signifikant på alle de fire komponenter, som det ses af ANOVA-analysen i bilag 10.5.4 (som Malhotra (1996, 687) skriver, skal man dog være lidt varsom med denne konklusion).

Krydstabuleringerne i bilag 10.5.5 afslører forskellene i højt- og lavtinvolverede kvinder på demografiske og medierelaterede variable. Vi har undersøgt en lang række af tidsskrifter, men kun ved Børsen kan nulhypotesen om uafhængighed forkastes. Ved Børsen gælder ligesom ved manden, at de højtinvolverede læser den mest. Ved de demografiske variable er ²-værdien signifikant ved testen af uafhængighed mellem segmenttilhør og hovedbeskæftigelse. Imidlertid er det forventede antal i en celle helt nede på 0,91, hvilket er under 1,00 og dermed akkurat uacceptabelt, og hele 40% af cellerne har et forventet antal under 5. Uden at have slået celler sammen og kørt testen igen med en acceptabel værdi som mindste forventede celleværdi, ser det ud til, at der er flere hjemmegående blandt de højt involverede, men ellers er det svært at se de store forskelle på segmenterne på denne variabel. Det viser sig således, at det faktisk er svært at skabe klare profiler af de to segmenter på demografiske variable og variable, der har med medieforbrug at gøre. Det er et problem i en praktisk markedsføringsvinkel.

10.6 Mental involvering og mærker

De to segmenter af mænd, højt- hhv. lavtinvolverede, er klart forskellige, når det gælder de kendte mærkevarer inden for herretøj. Det afslører en række krydstabeller med tilhørende statistiske tests af uafhængighed (se bilag 10.6.1). For mærkerne Glenn, Hugo Boss, Jack & Jones, Joe's, Marlboro, Matinique, Bison Club, Part Two, Sand, Cottonfield, Diesel og Gant forkastes nulhypotesen om uafhængighed mellem segmenttilhør og kendskab til mærket. Groft sagt er der her tale om de mest kendte mærker i undersøgelsen, og typisk har de højtinvolverede større kendskab til mærkerne end de lavtinvolerede, ligesom de også har købt dem oftere. Det "falske" mærke JR, viser imidlertid en bemærkelsesværdig ting: af de højtinvolverede svarer 14 af 76 mulige, at de kender mærket, men aldrig har købt det, mens dette kun er tilfældet for 4 ud af 44 af de lavtinvolverede (nulhypotesen kan dog ikke forkastes). Der må altså stilles lidt spørgsmålstegn ved, om de højtinvolverede ikke overvurderer deres viden om tøj. Ikke overraskende kan vi altså konkludere, at højtinvolverede mænd ser ud til at have større kendskab til mærketøj end lavtinvolverede.

Samme analyser har vi kørt med de to kvindelige segmenter (se bilag 10.6.2) - og med et noget overraskende resultat! For kun i et enkelt tilfælde kan vi forkaste nulhypotesen om uafhængig mellem segmenttilhør og kendskab til et bestemt tøjmærke. Det er ved Hugo Boss, men aflæsningen af krydstabellen viser, at der er tale om minimale forskelle, der blot skyldes, at flere højt- end lavtinvolverede har købt Hugo Boss, mens flere lavtinvolverede kender det, men aldrig har købt det. En mulig forklaring på, at der ikke er de store forskelle på de to segmenter er, at vi som tidligere nævnt ikke arbejder med en kategori af "ægte lavtinvolverede", som vi gør ved mændene. De "lavtinvolverede" ved kvinderne er blot mere "middelinvolverede" end direkte "lavtinvolverede".

Sammenligner vi vores resultater for mænd og kvinder kan vi konstatere, at de højtinvolverede mænd har større kendskab til mærketøj end lavtinvolverede mænd, mens denne forskel ikke findes i et signifikant omfang mellem de to segmenter af kvinder.

11. Involvering som adfærd

Som beskrevet i afsnittet, hvor analyseplanen blev opstillet, er dataene ikke perfekte, når det gælder beskrivelse af intensiteten af adfærdsinvolvering. Frekvensanalyser af de forhåndenværende data giver dog indsigt i, hvordan problemerkendelse og informationssøgning finder sted.

I tabel 11.1.1 er opstillet de forskellige årsager til, at tøjkøbet indledes - altså problemerkendelsen. Tabellen viser både mandens og kvindens svar (se også bilag 11.1.1-11.1.3). Mandens svar viser, at flere årsager spiller en stor rolle i problemerkendelsen. Det gælder "skulle til fest", "jobmæssige krav og omstændigheder", "eksisterende garderobe nedslidt" og "forslag fra ægtefælle eller kæreste". Derimod er det bemærkelsesværdigt, at kun 7 af de 120 mænd, der har besvaret denne del af spørgeskemaet, angiver, at de fik ideen til at købe nyt tøj efter at have set tøjkataloger. Sammenlignes mændenes svar med kvindernes ses to interessante afvigelser. Hele 49 af de 117 besvarelser fra kvinder angiver, at kvinden tog inititativ til tøjkøbet for at forkæle manden. Manden forkæler kun sig selv i 25 af 120 tilfælde. Mens manden ofte tager initiativ til tøjkøbet efter forslag fra kvinden (39 af 120 tilfælde), er det mere sjældent, at kvinden tager initiativ til at købe mandens tøj efter at manden har foreslået det (sker kun i 11 af 117 tilfælde). Samlet set er det altså tydeligt, at kvinden spiller en væsentlig rolle ved problemerkendelsen, da hun ofte kommer med forslag og ofte tager initiativ til tøjkøb for at forkæle sin kæreste/ægtefælle. Tabel 11.1.1 viser også, at kvinderne i undersøgelsen i gennemsnit angiver 2,19 grunde til, at der bliver taget initiativ til tøjkøbet, mens mændenes gennemsnit er lidt under 2 grunde, nemlig 1,87. Medianen for begge er 2 grunde, hvorimod typeværdien er 1. Det viser, at tøjkøbene, undersøgelserne har kigget nærmere på, oftest er igangsat på grund af en eller to af de grunde, der er gengivet i tabel 11.1.1.

Informationssøgningsdelen af beslutningsprocessen kan beskrives ved hjælp af tre ting i spørgeskemaerne: "tid fra overvejelse til køb", "antal butikker der blev besøgt før køb" og "hvilke ting var fastlagt inden besøget i den forretning, der blev købt i". Den angivne tid fra overvejelse til køb er et tvivlsomt mål for intensiteten af involvering i informationssøgningen. For er lang tid mellem overvejelse og køb et udtryk for, at der søges mange informationer, eller et udtryk for, at det bare går langsomt med at få købt? Førstnævnte er udtryk for høj adfærdsmæssig involvering, mens sidstnævnte er udtryk for lav adfærdsmæssig involvering. Af bilag 11.1.4 og 11.1.5 ses, at 41% af de valide besvarelser fra mænd og 47% af besvarelserne fra kvinder viser, at tøjet blev købt samme dag som overvejelserne startede. Og indenfor en uge er 77% ifølge mændenes besvarelse hhv. 83% ifølge kvindernes besvarelse af tøjet købt.

Der blev typisk besøgt én butik ved hvert køb - dette angiver 6 ud af hver 10. mand og godt 5 ud af hver 10. kvinde (se bilag 11.1.4 og 11.1.5). Dette spørgsmål er det, der efter vores mening bedst måler graden af adfærdsmæssig involvering, selv om det stadig er svært at finde et helt godt mål for adfærdsmæssig involvering i spørgeskemaerne. Spørgsmålet om, hvor mange butikker der blev besøgt før købet viser også, hvor mange mænd og kvinder, der deltog i købet, da de ellers blev bedt om at springe spørgsmålet over. 100 mænd og 102 kvinder har besvaret spørgsmålet, så meget groft sagt må 40 af de 120 tøjkøb være foretaget af én person (kvinde eller mand), mens er sket i fællesskab.

I ca. af besvarelserne (statistisk output i bilag 11.1.4 og 11.1.5) angives det, at der ikke inden købet var planlagt noget omkring tøjdele, mærker, farver, prisklasse osv. Godt 6 af hver 10 besvarelser angiver på den anden side, at tøjdel (fx habit, bukser) var fastlagt på forhånd, hvilket ikke kan komme som en overraskelse. Mere overraskende er det måske, at mærket kun var fastlagt i under 10% af tilfældene! Det gælder både mandens og kvindens besvarelse. Prisklassen var fastlagt ved godt 30% af tøjkøbene, mens farverne var bestemt på forhånd i ca. 20% af tilfældene. Summarisk set går en tredjedel altså på tøjkøb uden at have fastlagt noget på forhånd, mens resten går på tøjkøb og har fastlagt, hvilken tøjdel der skal købes. Af disse har halvdelen besluttes sig for farvevalg, hvilket kan antyde en konservativ strategi i valget af herretøj.

Som nævnt kan vi ikke konkludere noget om niveauet af involvering, men ovenstående frekvensanalyser viser, at kvinden har stor betydning i problemerkendelsesfasen, mens der (ikke overraskende) er stor forskel på den adfærdsmæssige involvering i informationssøgningsfasen; nogle besøger kun en butik, mens andre besøger flere - og manden og kvinden har nogenlunde lige stor grad af deltagelse.

11.2 Relativ indflydelse i beslutningsprocessen

Mens den adfærdsmæssige involvering som sådan er svær at give et præcis mål for, står det bedre til med mandens og kvindens relative indflydelse i beslutningsprocessens faser. Vi vil først bruge frekvensanalyser til at kigge nærmere på de ti udsagn, der måler den relative indflydelse, og derunder indplacere vores undersøgte svar i Davis' trekanter med relativ indflydelse og grad af rollespecialisering for hver af beslutningsprocessens tre trin (Davis 1974, 56).

Frekvensanalyserne af, hvem der har mest indflydelse i forskellige dele af beslutningsprocessen viser i første omgang en meget interessant ting: kønnene vurderer deres egen indflydelse stærkest! Alle middelværdier på de 10 variable ved manden er under 3, som er det neutrale punkt, hvor mand og kvinde bestemmer lige meget. Værdier under 3 viser, at manden har mest indflydelse, mens kvinden har mindst indflydelse, når værdierne er over 3. Som det ses af frekvensanalyserne i bilag 11.2.1 og 11.2.2 har mændene som sagt udelukkende middelværdier under 3, mens kvinderne har middelværdier over 3 i 8 af 10 mulige tilfælde (i de resterende tilfælde er middelværdierne hhv. 2,84 og 2,98). Der er nogle pænt store standardafvigelser på over 1 hos både mænd og kvinder, så det er umiddelbart svært at sige, om der er signifikant forskel på deres opfattelser af, hvem der bestemmer mest, men frekvensanalyserne viser, at der kan være noget om snakken. Vi har i bilag 11.2.3 lavet 10 parvise t-tests, der viser, at ved 9 af de 10 spørgsmål faktisk er der signifikant forskel på middelværdierne i populationen. Test af dette spørgsmål er også emnet for afsnit 11.4.

Frekvensanalyserne giver data, der kan bruges til at indplacere danske par i Davis og Rigaux's trekanter. Vi har i den konkrete forbindelse valgt at bruge spørgsmålet "hvem fremførte forslaget?" til at måle relativ indflydelse og rollespecialisering i beslutningsprocessens første fase (problemerkendelse); spørgsmålet "hvem besøgte butikkerne?" til at måle i beslutningsprocessens anden fase (informationssøgning); og spørgsmålet "alt i alt hvem mener du så havde størst indflydelse på, hvad der blev købt?" til at måle relativ indflydelse og rollespecialisering i beslutningsprocessens sidste fase (produktvalg). Det er lidt problematisk, at det sidste spørgsmål kan forstås både som en måling af indflydelse i hele beslutningsprocessen og som en måling af indflydelse ved produktvalget alene, men vi vil her se bort fra dette målingsproblem og antage, at respondenterne har opfattet spørgsmålet, som om det handlede om produktvalget alene. Vi antager endvidere, at manden og kvinden tager lige meget fejl i deres angivelser, hvorfor vi bruger gennemsnitsmål i indplaceringen i trekanterne. Udregningerne findes i bilag 11.2.4, og de udregnede værdier bruges i figur 11.2.1, bilag 11.2.5 og 11.2.6, der hver dækker en fase i beslutningsprocessen. De stiplede linjer i de to sidste figurer viser, hvor herretøj var indplaceret i forrige fase, og hvor herretøj bevæger sig hen i den nuværende fase. I beregningen af de værdier, der skal bruges til indplacering viser sig nogle meget store forskelle i opfattelser. For eksempel mener kvinderne i undersøgelsen, at det i godt 19% af tilfældene kun var dem, der besøgte tøjbutikker, mens mændene mener, at det gjorde kvinderne alene kun i små 8% af tilfældene - en væsentlig forskel i besvarelserne.

I figur 11.2.1 (se nederst på side 36) er Davis og Rigaux's indplacering af herretøj og indplacering af herretøj ud fra vores data vist for problemerkendelsesfasen. Der er ikke den helt store forskel, omend manden i vores indplacering ser ud til at have en noget større indflydelse (bemærk at der ikke er tale om nødvendigvis statistisk signifikante forskelle i placeringerne!). Om manden har denne større indflydelse er mest af alt et spørgsmål om, hvor meget vi stoler på mandens svar omkring den relative indflydelse. Er hans (eller kvindens) svar et udtryk for den "ægte" indflydelse eller "føler" hver part forkert? Vi så i afsnit 11.1, at kvinden rent faktisk havde meget at sige i problemerkendelsesfasen, så måske er det mandens svar, der er mest på gale veje her. Det vil i så fald betyde, at vores placering af herretøj i trekanten i figur 11.2.1 skulle skubbes opad.

Heller ikke i informationssøgningsfasen ser der ud til at være de store uoverensstemmelser mellem vores og Davis og Rigaux's indplacering - se bilag 11.2.5. Der sker kun meget små ændringer i placeringen af herretøj og de kan næppe være generaliserbare til populationen (vi tester det i næste afsnit). I figuren i bilag 11.2.6 ses, at Davis og Rigaux's data giver en forskydning at den relative indflydelse helt over i den synkratiske del af trekanten. Også vores beregninger viser en forskydning mod det mere mandsdominerede, men ændringen i rollespecialisering er til at overskue. Årsagen til, at manden har større indflydelse ved produktvalget kunne være, at der er en risiko for at vælge forkert forbundet med produktvalget, og kvinden derfor viger lidt tilbage og lader manden stå med "ansvaret".

Vi vil i det følgende undersøge nærmere, hvem der egentlig bestemmer mest i hver fase af beslutningsprocessen. Som vi allerede har set, er der stor forskel mellem mænds og kvinders svar. Vi behandler derfor mænds og kvinders svar hver for sig. Til at starte med opstiller vi sammensatte skalaer for hver del af mandens opfattelse af den relative indflydelse, og de undersøges mht. reliabilitet (se bilag 11.2.7). Målet, altså den sammensatte skala, for relativ indflydelse i problemerkendelsesfasen har en alpha-værdi på 0,88, ved informationssøgning er Cronbach's Alpha 0,86, mens den er så fin som 0,94 for produktvalg. Alle alpha-værdier er altså klart tilfredsstillende, og vi kan konkludere, at de tre måls reliabilitet med hensyn til intern konsistens er helt i orden. Det samme gælder de tre mål for kvinders opfattelse af, hvem der har størst indflydelse i beslutningsprocessens tre faser: alpha-værdierne er 0,92, 0,88 og 0,94 (se bilag 11.2.8). Ligesom vi allerede har set ved de enkelte spørgsmål tilknyttet relativ indflydelse i beslutningsprocessen er der forskel på mænds og kvinders opfattelser. Det er derfor ikke overraskende, at de tre mål for kvinders opfattelser scorer lidt over 3 i middelværdi, mens målene ved manden er et godt stykke under 3 (se bilag 11.2.9). Eller sagt med andre ord: kvinderne i undersøgelsen vurderer i gennemsnit, at de har en smule mere indflydelse end mænd i samtlige beslutningsprocessens tre faser, mens mændene mener, at mændene klart har mere indflydelse i alle faserne.

Med relation til vores teoretiske referenceramme og de opstillede researchspørgsmål er det vigtigt at få afgjort, hvem der egentlig bestemmer mest i hver af beslutningsprocessens tre faser. Vi tester derfor den konservative hypotese, at parterne har lige stor indflydelse i hver af faserne - eller udtrykt mere formelt tester vi nulhypotesen H₀: µ=3 med alternativhypotesen H_a: µ3. Ved at kigge på p-værdien (sandsynlighedsværdien) i outputtet fra SPSS kan det afgøres, om nulhypotesen kan forkastes eller ej. I bilag 11.2.10 er vist SPSS-outputtet for de 6 t-tests, vi har kørt (2 køn med 3 mål for faserne). Det viser sig ikke overraskende (efter frekvensanalysen), at den mandlige population mener, at manden har større indflydelse, da samtlige nulhypoteser forkastes. Det omvendte er tilfældet ved kvindernes svar, hvor nulhypotesen ikke kan forkastes. Generaliseret til populationen kan vi således slå fast, at mænd mener, at de har mest at sige i beslutningsprocessen, mens det ikke er muligt at udtale sig om kvindernes opfattelse (da det som bekendt aldrig er muligt at acceptere en nulhypotese, men kun at sige at den ikke kan forkastes (Malhotra 1996, 511)). Det er imidlertid stadig vigtigt at være opmærksom på, at kvinder i alle tilfælde spiller en væsentlig rolle i alle beslutningsprocessens tre faser - omend den måske ikke er så stor, som man måske kunne forestille sig.

11.3 Forskelle i indflydelse mellem beslutningsprocessens faser

I den teoretiske referenceramme redegør vi for, at der kan være forskel i mænds og kvinders relative indflydelse, når man sammenligner beslutningsprocessens faser. Efter at have opstillet samlede mål for hver fase for både mænd og kvinder i det foregående afsnit kan vi bruge disse mål til at teste, om der i populationen er forskel på indflydelse set på tværs af beslutningsprocessens faser. Middelværdierne i stikprøven i de tre faser er i mandens tilfælde næsten helt ens (hhv. 2,75, 2,72 og 2,71), så det vil absolut ikke være overraskende, hvis parvise t-tests med nulhypotesen H₀: µ_a=µ_b, hvor a er den ene fase i beslutningsprocessen og b en anden, resulterer i, at nulhypotesen ikke kan forkastes. Testene for mandens tre mål er gengivet i bilag 11.3.1. Og de viser naturligvis også, at p-værdierne er meget langt fra at være under vores valgte signifikansniveau på 5%, så vi kommer ikke engang i nærheden af at acceptere vores alternativhypotese om, at der er forskel i mænds og kvinders relative indflydelse mellem beslutningsprocessens tre faser. Den konklusion bygger kun på 3 parvise t-tests udført på de af manden angivne opfattelser. Resultatet bliver imidlertid præcis det samme hos kvinderne: vi kan ikke forkaste vores nulhypotese (se bilag 11.3.2). Vi kan således ikke sige, at der er forskel i den relative indflydelse mellem beslutningsprocessens tre faser - hverken ud fra mændenes eller kvindernes besvarelser.

11.4 Forskelle i opfattelser af relativ indflydelse

Vi har allerede været inde på det: der ser helt klart ud til at være forskel på de undersøgte mænds og kvinders opfattelser af, hvem der har størst indflydelse i beslutningsprocessen. Vi mangler dog stadig at teste det for hver enkelt fase i beslutningsprocessen. Det sker naturligvis med parvise t-tests (se bilag 11.4.1). For samtlige tre faser er sandsynlighedsværdien 0,001 eller derunder, så nulhypotesen lydende på, at middelværdierne i populationen for mænd og kvinder er lige store, forkastes med et brag. Alternativt kan man finde den øvre kritiske værdi for t (da vi tester kvinders opfattelser ift. mænds opfattelse og derfor har den største værdi først, se bilag 11.4.1). Den øvre kritiske værdi for t findes i Malhotra (1996, 858) under et "upper tail area" på 0,025 (halvdelen af 0,05) og 120 frihedsgrader (dette er dog kun tilnærmelsesvist korrekt, men udsvingene er små ved så højt et antal frihedsgrader). Den øvre kritiske værdi er således 1,98, og da samtlige t-værdier er langt større end 1,98, ligger de i det kritiske område, så nulhypotesen må forkastes i alle tre faser. Summa summarum: der er signifikant forskel i opfattelserne af relativ indflydelse - i alle tre faser er mandens opfattelser mere i retning af større indflydelse til manden end kvindens opfattelser.

11.5 Uenighed mellem kvinden og manden om køb
Som vi har set, er mænd og kvinder ikke enige i deres opfattelse af, hvem der bestemmer mest. Men det siger intet om, om parrene er uenige om, hvad der skal købes. Dette emne berøres imidlertid af andre dele af spørgeskemaet, som vi her vil se nærmere på. Overordnet set viser figur 11.5.1, hvor uenige mændene i undersøgelsen syntes, parrene var om købet, mens figur 11.5.2 viser det samme blot set fra kvindernes synspunkt. Frekvensanalyserne, der fører frem til disse lagkagediagrammer, er gengivet i bilagene 11.5.1 og 11.5.2 (det skal bemærkes, at der i datafilen, som analyserne bygger på, optræder værdien "7" ved nogle af mændenes svar. SPSS var ikke "opmærksom" på dette, hvorfor vi selv har været inde og ændret i talmaterialet, så frekvensanalyserne viser, hvad de skal). Ved begge køn er "helt enige" typeværdien med omkring 50% af svarene. "Nærmest enige" er svaret ved 38% af mændene og 41% af kvinderne i undersøgelsen. Samlet set er parrene i undersøgelsen altså mere enige end uenige i mere end 90% af tilfældene, hvilket tyder på, at der ikke har været de store diskusioner. Mens vi i opfattelsen af relativ indflydelse så, at der var store forskelle mellem kvinders og mænds opfattelser, så viser en parvis t-test her, at vi ikke kan forkaste nulhypotesen H₀: µ_M=µ_K (med H_a: µ_Mµ_K), da sandsynlighedsværdien er 0,614 og dermed klart større end signifikansniveauet på 0,05 (se bilag 11.5.3). Det er altså ikke utænkeligt, at vi i populationen har lige store middelværdier hos både mænd og kvinder, når det drejer sig om, hvor uenige de var om herretøjskøbet.

Svarene på spørgeskemaet giver også indsigt i, hvad parrene var uenige om ved købet af herretøj - hvis de var uenige om noget overhovedet. Af frekvensanalyserne, der er gengivet i bilag 11.5.4, ses, at undersøgelsens mænd især mener, at der var uenighed om prisniveauet og farvevalget. Af de 45 mænd, der mener, at der var uenighed om købet, sætter 13 kryds ved prisniveau (svarende til 29%), mens 30% (14 mænd) krydser ved farvevalget. Også kvinderne (se bilag 11.5.5) svarer, at der især var uenighed om prisniveau (12 af 57 - eller 21%) og farvevalg (32%). Samtidig mener kvinderne ofte dog også, at der var uenighed om, hvilken model, der skulle vælges - det sætter 26% af de 60 kvinder, der mener, at der var uenighed om tøjkøbet, kryds ved. Det er bemærkelsesværdigt, at 45 mænd mener, der var uenighed, mens 60 kvinder mener det samme. Måske har nogle af mændene ikke opfattet, at deres ægtefælle/kæreste rent faktisk var uenighed med dem i tøjvalget - eller også kan man sige, at kvinderne måske går mere op i tøjkøbet og i højere grad bemærker, hvis de er uenige med deres ægtefælle/kæreste om noget. Selv om vi her har set, at der er forskel på antallet af mænd og kvinder, der mener, at der var uenighed ved tøjkøbet, så viser de resultater, vi gennemgik i starten af dette afsnit 11.5 alligevel, at parrene egentlig er ret enige om det tøj, der bliver købt.

11.6 Gruppering af husstandene

Vi har tidligere set, at der internt blandt både mænd og kvinder er forskelle på, hvor meget indflydelse de hver har haft i beslutningsprocessen. I bilagene 11.6.1 og 11.6.2 er gengivet frekvensfordelingerne for de ti spørgsmål, der beskriver den relative indflydelse i beslutningsprocessen. Standardafvigelsen er et godt stykke over 1 hos både mændene og kvindernes svar, så der er absolut afvigelser fra de gennemsnit, vi tidligere har koncentreret os om. Men kan man på en meningsfyldt måde opdele parrene i "traditionelle" og "moderne"? Det har vi valgt at undersøge ved hjælp af klyngeanalyser m.m.

Til at starte med vil vi i første omgang se, om et agglomerationsskema giver grobund for at opdele stikprøven i homogene segmenter. Til det formål har vi valgt at opstille samlede skalaer for den relative indflydelse i hele beslutningsprocessen ved at slå målene for hver af de tre faser sammen for hhv. mænd og kvinder. Reliabilitetstesten giver alpha-værdier på 0,89 hos mændene (bilag 11.6.3) og 0,90 hos kvinderne (bilag 11.6.4), så vi vælger at arbejde videre med skalaerne, da disse værdier er klart acceptable. En SPSS-frekvensanalyse (bilag 11.6.5) viser ikke overraskende et gennemsnit lidt over 3 på kvindernes værdi (ensbetydende med, at kvinderne i undersøgelsen mener, at de bestemmer lidt mere end deres mænd), mens middelværdien hos mændene er 2,72 og således viser, at mændene mener, at de har størst indflydelse i beslutningsprocessen overordnet set. Samtidig ser vi standardafvigelser omkring 1, så der er altså stadig udsving inden for hvert køn. De to samlede mål for relativ indflydelse bruges som input i en hierarkisk klyngeanalyse, og af agglomerationsskemaet i bilag 11.6.6 ses, at der først i allersidste trin sker et hop i koefficienten af bare en nogenlunde stor værdi. Vi kan altså (nogenlunde) meningsfyldt opdele i to segmenter.

Vi benytter de 6 mål for relativ indflydelse, vi tidligere har fundet, som input til en ikke-hierarkisk klyngeanalyse. Disse 6 mål er hhv. mål for mandens opfattelse af relativ indflydelse i beslutningsprocessens tre faser og mål for kvindens ditto. Man kan argumentere for, at vi blot kunne have opstillet et helt overordnet mål for relativ indflydelse i beslutningsprocessen ved at slå de to netop udregnede samlede mål for hhv. mænd og kvinder sammen, og så have valgt et skæringspunkt et sted omkring midten af dette nye mål. Vi vil imidlertid gerne have en opdeling, der tager hensyn til, at der kan være forskelle i svarene på de 6 mål, og samtidig en opdeling, der giver os to homogene segmenter. En tilfældig opsplitning kunne godt have ødelagt denne egenskab ved segmenterne. Den ikke-hierarkiske klyngeanalyse, gengivet i bilag 11.6.7, viser, at vi ender med to klynger med vidt forskellige klyngecentre. Klyngecentrene for klynge 1, der indeholder 45 respondenter, ligger et pænt stykke højere end 3, hvorfor denne klynge er karakteriseret ved, at kvinden har størst indflydelse i beslutningsprocessens tre faser, mens centrum i klynge 2 med 60 respondenter har værdier mellem 2,13 og 2,43, så her bestemmer manden altså mest i de tre faser. Sagt med andre ord, vil vi umiddelbart mene, at klynge 1 er de traditionelle familier (kvinden bruger pengene), mens klynge 2 er de moderne familier (manden køber sit eget tøj). Klyngerne kan beskrives nærmere ved hjælp af krydstabeller med demografiske variable. Det statistiske output er vist i bilag 11.6.8. Heraf ses det, at det er meget svært at finde signifikant demografiske forskelle mellem de to segmenter - ikke engang på svarene på, hvem der tjener pengene, kan nulhypotesen i ²-testen forkastes. Så det er spørgsmålet, hvor "traditionelle" og "moderne" parrene er, for ved traditionelle par skulle manden jo gerne tjene pengene. Vi må altså konkludere, at vi har fået opdelt parrene i to segmenter (traditionelle og moderne par), men må samtidig indse, at det er umuligt at beskrive forskellene mellem dem på en fornuftig måde.

11.7 Sammenhæng mellem budget og involvering

Vi nævnte i den teoretiske referenceramme, at der måske kan være en sammenhæng mellem budget og adfærdsmæssig involvering. Argumentet bag dette skulle være, at hvis man ikke har så mange penge, er der ikke den store grund til at søge efter tøj. Det er lidt problematisk, at undersøgelsen handler om et bestemt tøjkøb og ikke flere tøjkøb i en bestemt periode, hvor man fx kunne have målt, hvor mange butikker der var blevet besøgt inden for denne periode (selv om det rent praktisk ville have været meget sværere at måle på en fornuftig måde). Vi vælger dog alligevel at gennemføre korrelationsanalyser på de tilrådighedværende data og fortolke resultaterne.

Hypoteserne i korrelationsanalyserne her er H₀: r=0 og H_a:r0, hvor r er Pearsons r. Pearsons r måler styrken af den lineære sammenhæng mellem to variable. Hvis den er 0, er der ingen sammenhæng. Sagt med andre ord er vores nulhypotese altså, at der ikke er nogen lineær sammenhæng mellem de to variable, der undersøges. De to variable er i vores tilfælde et mål for graden af adfærdsmæssig involvering og et mål for budgettet. Det første mål er "antal butikker der blev besøgt før køb", der er det eneste mål, der kan bruges, mens den andet mål kan være "husstandens årlige bruttoindkomst" eller personens egen årsindkomst. Som vi i starten af analyserne gjorde rede for, så er det ikke alle vores analyser, der er lige gode set i et praktisk lys, og vi har her et eksempel på dette, da vi ikke har noget godt mål for intensiteten af adfærdsmæssig involvering. Vi vælger imidlertid at gennemføre analyserne alligevel for at vise, at vi behersker korrelationsanalyseteknikken. Men resultaternes brugbarhed er det altså så som så med.

I bilag 11.7.1 er gengivet korrelationsanalysen for mandens svar på, hvor mange butikker der blev besøgt før købet og husstandens årlige indkomst. Vi vil ud fra teorien forvente, at man har større adfærdsmæssig involvering, jo større indkomst man har. Men hvis der eksisterer en signifikant sammenhæng mellem de to variable, så er den negativ! Pearsons r er nemlig negativ, -0,176, hvilket betyder, at jo flere penge, mændene får mellem hænderne, jo færre butikker besøger de. Denne konklusion er imidlertid ikke generaliserbar til populationen, da nulhypotesen på et 5%'s signifikansniveau ikke kan forkastes (p-værdien er 0,084). Derimod er der signifikant sammenhæng mellem antal besøgte butikker og mandens egen årlige indkomst (se bilag 11.7.2). Det skyldes, at nulhypotesen om ingen sammenhæng må forkastes, da p-værdien er 0,03. Korrelationskoefficienten (Pearsons r) er -0,219, så jo flere penge, mænd tjener, jo færre butikker besøger de. Dette er altså det modsatte af, hvad kilden i vores teoretiske referenceramme foreslog. Måske får manden får mindre tid til at købe tøj, når han skal tjene mange penge, og tager så det første, han finder. I hvert fald er (-0,219)² = 4,8% af variationen i, hvor mange butikker mændene i undersøgelsen besøger, forklaret ved deres indkomsts størrelse.

Vi har også undersøgt, om husstandens indkomst har nogen sammenhæng med, hvor adfærdsmæssigt involveret kvinden er i mandens tøj (hvor mange butikker hun besøger ved køb af mandens tøj). Nulhypotesen kan ikke forkastes - og det gælder også, hvis husstandens indkomst skiftes ud med kvindens egen årlige indkomst i korrelationsanalysen (se bilag 11.7.3). Altså kan vi ikke sige noget om, at der skulle være en sammenhæng i populationen mellem budget og adfærdsmæssig involvering, for så vidt det gælder kvindens involvering (da nulhypoteser aldrig kan accepteres).

12. Andre analyser

Faktoranalyse bruges til at identificere variable til den multiple regression, der skal kunne bruges til at vise sammenhængen mellem mental involvering og adfærdsmæssig involvering. Som vi beskrev i den teoretiske referenceramme, kan man argumentere for, at mental involvering kan forklare adfærdsmæssig involvering. Vi vil her undersøge, om dette også holder på data fra virkelighedens verden (se i øvrigt forbeholdene omkring denne analyse i afsnit 9.3.1). Vi har igen her valgt at dele analysen op i mænd og kvinder og starter med mændene, da det er deres tøj, der undersøges i spørgeskemaerne.

Faktoranalysen tager udgangspunkt i korrelationsmatricen i bilag 12.1.1. Her ses, at der blandt de udvalgte variable er en pænt høj korrelation (0,3-0,7) mange steder. Da en faktoranalyse samler variablene i færre faktorer, kræver analysen naturligvis, at der er korrelation mellem disse variable. Mere formelt kan dette testes ved hjælp af Bartlett's test, der undersøger, om der er korrelation mellem variablene i populationen (den "konservative" nulhypotese er altså, at der ikke er korrelation i populationen). ²-værdien er meget stor, 387, i Bartlett's test (se bilag 12.1.1), og det kan derfor ikke overraske, at vi med en sandsynlighedsværdi under 0,001 må forkaste nulhypotesen, og derved kan konkludere, at der er korrelation i populationen. Samtidig er KMO-værdien i bilag 12.1.1 også stor (0,763) sammenlignet med mindstekravet på 0,5. Derfor er faktormodellen i orden, og vi kan fortsætte vores arbejde med den. Det er umiddelbart svært at få øje på noget mønster i korrelationsmatricen, hvorfor vi vil fortsætte med faktoranalysen uden som Malhotra (1996, 649) at komme med nogle indledende gæt på hvilke variable, de enkelte faktorer især indeholder.

I den videre analyse vil vi bruge principale komponenters analysemetode, da vi ønsker at identificere så få faktorer som muligt samtidig med, at så meget variation som muligt forklares ved hjælp af disse. Antallet af faktorer kan bestemmes på flere forskellige måder. Vi vælger at afgøre antallet ud fra deres egenværdier - kravet er at denne værdi skal være større end 1,0, ellers bruges faktoren ikke. Egenværdier måler, hvor stor varians, der er forbundet med hver faktor, og hvis den er under 1, er faktor jo ikke bedre end en variabel, da denne i sin standardiserede udgave har en varians på 1 (Malhotra 1996, 652). Som det ses af tabel 12.1.1, når vi akkurat at få tre faktorer med. Den sidste faktor har en egenværdi på 1,005 og scorer derved akkurat over 1. Efter at have identificeret antallet af faktorer kan vi begynde at beskrive dem. Denne beskrivelse kan tage udgangspunkt i faktormatricen (i bilag 12.1.1, som er outputtet fra SPSS, kaldet "Component Matrix"). Faktormatricen er imidlertid svær at fortolke ud fra, da den indeholder korrelationskoefficienterne mellem faktorerne og de forskellige variable, og disse er selvfølgelig ret høje mange steder. Derfor roteres faktormatricen. Vi har brugt den mest anvendte metode, varimax-rotering, hvis formål er at minimere antallet af variable med høje tal for hver faktor (Malhotra 1996, 653). Den roterede faktormatrix er gengivet i tabel 12.1.2. Selv efter roteringen er det faktisk svært at fortolke de tre faktorer. Det er naturligvis blevet lettere at se, hvilke variable der har en høj værdi, men deres sammensætning for hver faktor ser ikke umiddelbart helt logisk ud. Vi har dog valgt at give hver faktor en betegnelse alligevel, som vi mener dækker dens indhold. Faktor 1 scorer højt på variablene 2, 3, 9 og 11, der handler om, at humøret påvirkes, og at andres mening har betydning. Vi kalder den social-faktoren. Faktor 2 scorer højt på variablene 6, 7 og 8 og får derfor navnet tænke-faktoren, mens faktor 3 scorer højt på variablene 4, 5 og 10 og følgeligt kan kaldes rose-faktoren. Som den sidste del af SPSS-outputtet i bilag 12.1.1 ses en "Component Score Coefficient Matrix" (hvor Component igen betyder faktor). Den kan bruges til at udregnes værdier estimerede værdier for faktorscorer, uden at vi dog vil komme nærmere ind på det her, da vores primære mål er at få identificeret nogle ukorrelerede faktorer til den efterfølgende multiple korrelationsanalyse. Vi kan afslutningsvis konkludere, at faktoranalyse har givet et fornuftigt resultat. Det ses af den reproducerede korrelationsmatrix i bilag 12.1.1, hvor residualerne i de fleste tilfælde er pænt små.

Vi ønsker at undersøge, om de tre faktorer, der måler mental involvering, kan forklare adfærdsmæssig involvering - altså involvering i beslutningsprocessen. Det er oplagt at undersøge dette med multipel regression. Det første punkt i en regressionsanalyse er at tegne scatterdiagrammer med de(n) uafhængige variable og den afhængige variable. Scatterplottet for faktor 1 er gengivet i figur bilag 12.1.2 - og det er et bedrøvende syn, for det er uendeligt svært at få øje på nogen som helst lineær sammenhæng mellem de to variable. Det samme gælder for faktor 2 og 3 (se bilag 12.1.2). Problemet med den manglende sammenhæng behøver ikke at betyde, at teorien er forkert. Mental involvering kan udmærket forklare adfærdsmæssig involvering, men som vi tidligere har beskrevet, så er der ikke nogle variable, der på en rigtig god måde måler den adfærdsmæssige involvering. Vi vælger her at fortsætte vores multiple regressionsanalyse for at vise, hvordan teknikken fungerer, men vi ville under normale omstændigheder naturligvis have stoppet regressionsanalysen allerede nu.

I vores brug af multipel regressionsanalyse ser modellen således ud: Y = ₀ + ₁F₁ + ₂F₂ + ₃F₃ + e, hvor F'erne er de tre faktorer. Denne model estimeres ved hjælp af = a + b₁F₁ + b₂F₂ + b₃F₃, hvor a er skæringen med andenaksen, mens b'erne er de partielle regressionskoefficienter. Disse b'er estimeres, så den kvadrerede afstand mellem regressionslinjen (her i et tredimensionelt rum) og de faktiske værdier minimeres. Vi vil ikke her gå nærmere i detaljer med teknikken, men anlægge en praktisk vinkel på den. Det betyder, at vi tester, om de modellens koefficienter er forskellige fra nul. Hvis de er det, kan de uafhængige variable bruges til at forklare den afhængige. Da nulhypotesen altid formuleres konservativt, lyder den H₀: ₁ = ₂ = ₃ = 0. Dette er det samme som at teste, at den multiple determinationskoefficient, R², er nul i populationen. I bilag 12.1.3 ses det omfattende SPSS-output fra den multiple regressionsanalyse. Efter at have kigget på scatterdiagrammerne i bilag 12.1.2 kan det ikke komme bag på os, at vi ikke kan forkaste H_0, da p-værdierne er klart højere end signifikansniveauet på 0,05. Altså kan ingen af de tre faktorer bruges til at forklare variationen i den afhængige variable - og vi må konkludere, at der ikke er nogen sammenhæng mellem mandens mentale involvering og hans adfærdsmæssige involvering (naturligvis med klart forbehold pga. de dårlige data). Dette kan også ses ud fra adjusted R², der er helt nede på 0,004. Vi kunne efterfølgende have analyseret, om antagelserne bag regressionsmodellen var opfyldt - fx residualernes egenskaber - men da H₀ ikke forkastes, og vi også har et begrænset antal sider til rådighed her, har vi valgt at lade være.

Mens ovenstående faktoranalyse og multiple regressionsanalyse har drejet sig om mandens involvering, kan vi uden problemer gentage proceduren for kvinderne. Som bilag 12.1.4 viser, er der heller ikke her problemer med korrelationerne, da Bartlett's test fører til en klart forkastet nulhypotese. Mens vi ved manden havde tre faktorer med en egenværdi over 1, har vi ved kvinden fire. Disse fire faktorer kan fortolkes ud fra den roterede faktormatrix, der under navnet "Rotated Component Matrix" er vist i bilag 12.1.4. Vi har efter at have kigget nærmere på variablenes tal navngivet faktorerne således: faktor 1 = social-faktor, faktor 2 = interesse-faktor, faktor 3 = rose-faktor og faktor 4 = overveje-faktor. Opdelingen i faktorer (og deres beskrivelse) har nogle fællestræk med faktoranalyse på mændenes data, men en overveje-faktor fandtes fx ikke hos mændene. Det kunne tænkes, at det var den, der røg pga. egenværdi-kravet på 1. Residualerne i den reproducerede korrelationsmatrix er tilfredsstillende små, så faktoranalysen er alt i alt i orden, og vi kan bruge de fire identificerede faktorer som input til den multiple regressionsanalyse. Igen viser scatterdiagrammerne (se bilag 12.1.5) et bedrøveligt resultat. Dog ser det ved et kig på scatterdiagrammet med faktor 2 ud til, at der kan være en positiv sammenhæng mellem faktor 2, interesse-faktoren, og den adfærdsmæssige involvering. Ud fra navnet på faktoren ser det ikke helt tilfældigt ud, at det netop er den faktor, der giver forhåbninger om en signifikant sammenhæng. Den tilpassede multiple determinationskoefficient i den multiple regressionsanalyse (bilag 12.1.6) kommer ud med et så bedrøveligt resultat som 0,000 - bedrøveligt, hvis vores mål var at få forkastet nulhypotese lydende på, at beta-værdierne er 0. Denne hypotese forkastes klart for faktorerne 1, 3 og 4, mens faktor 2 med en sandsynlighedsværdi på 0,176 kommer en smule tæt på signifikansniveauet på 0,05 - men alligevel er langt fra. Igen står vi altså tilbage med konklusionen, at ingen af de fire faktorer kan bruges til at forklare udviklingen i den afhængige variable - eller sagt med andre ord: heller ikke kvindens adfærdsmæssige involvering kan forklares af hendes mentale involvering (igen med forbehold).

12.2 Kvindens og mandens informationskilder

Frekvensanalyser viser i første omgang, hvilke informationskilder mænd og kvinder bruger i problemerkendelsesfasen (og til dels også informationssøgningsfasen) i beslutningsprocessen og ved selve produktvalget. Hos manden spiller husstandsomdelte kataloger og tilbudsaviser en stor rolle, men udvalget i forretningen og dens udstillingsvinduer er det vigtigste (se bilag 12.2.1). Også ægtefællen/samleveren er vigtig, mens måneds- og ugeblade næsten ingen betydning har, når vi kigger på middelværdierne i stikprøven. Hos kvinden ses samme mønster: vigtigst er udvalget i forretningen, mens husstandsomdelte kataloger også spiller en rolle (se bilag 12.2.2). Når man i stedet undersøger, hvilke informationskilder der er vigtige for selve produktvalget er det stadig udvalget i forretningen, der er vigtigst for mændene, men ægtefællen/samleveren er næsten lige så vigtig (se bilag 12.2.3). Butikspersonalets vejledning vejer også tungt. Præcis samme vægtning findes hos de undersøgte kvinder (se bilag 12.2.4).

Hvorfor er det vigtigt at kigge på informationskilderne? Det er det, fordi vi i de tidligere analyser har fundet ud af, at kvinder har indflydelse på mænds køb af herretøj - i nogle tilfælde endda særdeles stor indflydelse. Derfor er det relevant at undersøge eventuelle forskelle mellem de to køn i deres brug af informationskilder nærmere - for måske bruger kvinder andre informationskilder end mænd, og det skal markedskommunikationen i så fald tilpasses. For at undersøge om der er signifikante forskelle på kønnenes brug af informationskilder har vi valgt at lave parvise t-tests for samtlige mulige informationskilder. Når det gælder informationskilder i problemerkendelsesfasen er der kun signifikant forskel på et punkt: modeshows. Værdierne er her ret lave, hvilket er ensbetydende med, at modeshows kun har betydning for ret få i undersøgelsen, men der er altså i populationen klart flere kvinder end mænd, der får informationer til problemerkendelsen (se bilag 12.2.5) (vi tester her to-sidet med nulhypotesen, at populationsmiddelværdierne for de to køn er ens - hvis vi havde testet ensidet kunne vi muligvis have forkastes flere nulhypoteser - og dermed have accepteret flere alternativhypoteser, der går på, at der er signifikant forskel i middelværdierne mellem kønnene i populationen). I selve produktvalgsfasen er der derimod mange punkter, hvor mænd og kvinder adskiller sig i deres informationskilder. Det viser sig nemlig, at kvinder i populationen går mest op i butikspersonalet påklædning, husstandsomdelte kataloger og tilbudsaviser samt modeshows (bilag 12.2.6). På de øvrige informationskilder er der ikke signifikante forskelle, så umiddelbart kan det se ud som om, at kvinder har et større forbrug af informationskilder.

Vi opdelte tidligere parrene i segmenter efter, hvem der havde relativ størst indflydelse i beslutningsprocessen. Efter at have fået en indledende indsigt i mænds og kvinders brug af informationskilder generelt, vil vi kigge nærmere på, om der er forskel på de "moderne" og "traditionelle" par med hensyn til kvindens brugen af informationskilder. Vi erindrer i den forbindelse om, at Solomon definerer traditionelle par, som par hvor kvinden køber varerne - altså har størst indflydelse på fx købet af herretøj. Eventuelle forskelle mellem segmenterne vil blive afdækket med variansanalyse (oneway ANOVA). Vi har tidligere brugt variansanalyse, men ikke gennemgået metoden grundigt, hvorfor dette vil ske her. Den uafhængige variable er opdelingen i to segmenter, mens den afhængige variabel er de forskellige informationskilder. Den totale variation i den afhængige variabel er sammensat af to dele: variation inden for segmenterne og variation mellem segmenterne. I tabel 12.2.1 er gengivet ANOVA-outputtet for informationskilden "husstandsomdelte kataloger/tilbudsaviser", der her optræder som informationskilde til kvindens problemerkendelse. Der er en meget lille variation mellem grupperne, mens variationen indenfor grupperne er stor (94,1). I ANOVA-analyse testes nulhypotesen H₀: µ₁=µ₂ - eller i almindelige ord: nulhypotesen er, at middelværdierne i populationen er ens for de to segmenter. Dette testes ved hjælp af en F-test, hvor småstørrelser af F fører til, at nulhypotesen ikke kan forkastes. Det ses i tabel 12.2.1, at F er så lille som 0,70, og det kan derfor ikke komme bag på os, at sandsynlighedsværdien er langt fra vores på forhånd fastsatte -værdi på 0,05. Vi kan altså ikke forkaste nulhypotesen. Heller ikke nulhypoteserne ved de øvrige informationskilder, der indgår i problemerkendelsesfasen hos kvinden, er der signifikant forskel på de to segmenter. Når det gælder informationskilder ved selve produktvalget ser vi, at på informationskilden "udvalget i forretningen" er der signifikant forskel på de to segmenter (bilag 12.2.8). Segment 2 - segmentet af par, hvor manden bestemmer mest - mener i højere grad end segment 1, at udvalget i forretningen er en vigtig informationskilde. Vi mener imidlertid, at det er på sin plads at komme med en advarsel mod at overfortolke denne signifikante sammenhæng. Når vi vælger et signifikansniveau på 5%, betyder det samtidig, at vi har en sandsynlighed for at forkaste en nulhypotese i 5% af tilfældene, selv om den faktisk er sand. Vi har i vores variansanalyser ledt efter nålen i høstakken - eller med andre ord efter der, hvor nulhypotesen blev forkastet. Spørgsmålet er, om vi ikke netop er stødt ind i det ene tilfælde ud af 20, hvor vi begår en statistisk type 1-fejl. Dette er et vigtigt kritikpunkt mod vores brug af statistiske metoder i dette afsnit 12.2.

12.3 Extended Self

Som det fremgår af både vores problemstilling og referenceramme vil vi gerne undersøge, om der hos nogle kvinder kan være en så høj grad af involvering i deres ægtefælle/samlevers tøj, at man kan argumentere for, at tøjet hørte med til kvindens extended self. Som vi skrev i afsnit 9.3.3 under analyseplanen er det begrænset, hvor mange variable der direkte kan bruges til at sige noget om extended self. Vi har dog valgt, at vi konsekvent ikke vil gå tilbage og ændre i vores problemstilling og referenceramme, blot fordi spørgeskemaet ikke giver nogle helt så brugbare resultater, som vi kunne ønske os - det ville i den virkelige verden jo nærmest være utænkeligt, at man definerer en ny problemstilling i en sådan situation. Altså vil vi beskrive extended self med de data, vi har til rådighed, selv om beskrivelsen helt klart kunne have været bedre.

Vi har tidligere set, at kvinder selv mener, at de har stor indflydelse i købsbeslutningsprocessen. Omkring 20% mener faktisk, at de alene står for købet (se også bilag 12.3.1). Adfærdsmæssigt er der altså en stor involvering hos kvinderne. I afsnit 10 så vi, at kvinderne faktisk var lige så involverede mentalt i mandens tøj som manden selv. Disse to fakta trækker i retning mod, at der godt kan være nogle af kvinderne i undersøgelsen, der er "ekstreme" og opfatter mandens tøj som en del af dem selv - som en del af deres extended self. Man kan få den tanke, at jo længere tid parrene har været sammen, jo større er sandsynligheden for eksistensen af et extended self hos kvinden. Korrelationsanalysen i bilag 12.3.2 fører imidlertid til forkastelse af en mulig sammenhæng mellem kvindens mentale involvering og den tid, parrene har boet sammen. Korrelationskoefficienten er så lav som 0,09. Dette resultat taler lidt imod eksistensen af extended self, men samlet må vi sige, at dataene i analysen bestemt ikke kan bruges til at slå fast, at mandens tøj ikke kan indgå i kvindens extended self. Ideen om extended self kan ikke afvises.

13. Opsummering

Tilbage til startsiden. Frem til Del E: Begrænsninger og konklusioner.