Ik ga een experiment uitvoeren waarin ik het effect tussen de verklarende en te verklaren variabelen wil toetsen tussen twee groepen bij een niet normaal verdeeld data set (non parametic). Welke toets kan ik dan het beste gebruiken?
Ook wil ik een causaal verband aantonen tussen de verklaarde en verklarende variabelen van voor en na het toevoegen van de moderator (bij zowel 2 & 3 groepen) en dat ook bij een niet normaal verdeelde data set.
Welke toetsen kan ik het beste toepassen?
Ik kom zelf uit op de volgende testen;
Effect tussen de twee groepen: independent T test of Mann Witney test
Causaal verband twee groepen (niet normaal verdeelde data set): pearson productmomentcorrelatie/ regressieanalyse
Causaal verband drie groepen (niet normaal verdeelde data set): pearson productmomentcorrelatie/ multiple regressieanalyse.
Ik ben benieuwd of mijn conclusie van welke testen ik waar voor moet gebruiken klopt.
Mvg,
Max.
ps. hieronder heb ik voor de zekerheid de hypothesen toegevoegd.
- H1: Tevredenheid binnen een klantrelatie heeft een positief effect op klantloyaliteit.
- H2: Binding binnen een klantrelatie heeft een positief effect op de klantloyaliteit.
- H3: Vertrouwen binnen een klantrelatie heeft een positief effect op de klantloyaliteit.
- H4: Het verband tussen tevredenheid en klantloyaliteit is sterker bij een verhoogd aantal contactmomenten.
- H5: Het verband tussen binding en klantloyaliteit is sterker bij een verhoogd aantal contactmomenten.
- H6: Het verband tussen vertrouwen en klantloyaliteit is sterker bij een verhoogd aantal contactmomenten.
- H7: Het verband tussen tevredenheid en klantloyaliteit is sterker bij persoonlijke contactmomenten dan bij niet persoonlijke contactmomenten.
- H8: Het verband tussen binding en klantloyaliteit is sterker bij persoonlijke contactmomenten dan bij niet persoonlijke contactmomenten.
- H9: Het verband tussen vertrouwen en klantloyaliteit is sterker bij persoonlijke contactmomenten dan bij niet persoonlijke contactmomenten.
