Methode

Het onderzoek bestaat uit twee sets van kwantitatieve analyses. In de eerste set wordt het effect van teamlidmaatschappen op leengedrag geschat. Vervolgens gebeurt dat ook voor het effect van het leengedrag van teamleiders op het leengedrag van teamleden. Elke set bestaat uit twee analyses; één voor leenfrequentie en één voor leenbedrag. In alle analyses wordt gecontroleerd voor het effect van tijd op leengedrag. Daarmee wordt rekening gehouden met de mogelijkheid dat het leengedrag van leden van Kiva.org in de loop van hun lidmaatschap van Kiva.org, als gevolg van deze oplopende duur, verandert. Hierbij wordt zowel rekening gehouden met een lineair effect van tijd als een kwadratisch effect van tijd.

Er zijn twee datasets geconstrueerd op basis van de verzamelde data. Deze sets zijn in “verticaal formaat” ingericht, waarbij er meerdere cases (of rijen) corresponderen met observaties van individuele onderzoekseenheden (leningverstrekkers) (West, 2009; Peugh & Enders, 2005). De data zijn geanalyseerd met behulp van LMMs (‘linear mixed models’). Omdat deze data uit de alledaagse praktijk komen, is de ecologische validiteit van dit onderzoek groter dan bij een experimentele analysemethode. In de dataset zijn alle leenacties van niet-anonieme leningverstrekkers opgenomen. Diversiteit onder deze leningverstrekkers kan worden verondersteld, omdat Kiva.org een wereldwijd platform betreft. Daarom wordt ook externe validiteit verondersteld.

De datasets hebben drie belangrijke eigenschappen die implicaties hebben voor de analyse. Ten eerste zijn twee observaties van leengedrag voor dezelfde onderzoekseenheid (leningverstrekker) waarschijnlijk niet onafhankelijk van elkaar. Ze kunnen verwacht worden te covariëren, omdat ze het gedrag van dezelfde persoon beschrijven. Daarom worden in de LMM autoregressieve modellen geschat. Hiermee wordt voorzien in de aanvulling op het onderzoek van Liu et al. (2012); door rekening te houden met deze covariantie wordt systematisch gecontroleerd voor de mogelijkheid dat leningverstrekkers die lid worden van teams al in de eerste plaats geneigd zijn meer of vaker te lenen. Voor de modellen van de eerste dataset worden twee covariantiestructuren overwogen. Dat zijn een autoregressieve en een heterogeen autoregressieve convariantiestructuur. Bij beide structuren wordt rekening gehouden met correlaties tussen observaties van dezelfde onderzoekseenheid. Er wordt daarbij aangenomen dat aangrenzende observaties voor dezelfde respondent sterker correleren dan observaties die verder uit elkaar liggen (West, 2009). In tegenstelling tot een ‘gewoon’ autoregressief model, kunnen bij een heterogeen autoregressief model de correlaties tussen observaties verschillen.
Door technische beperkingen van het statistische programma (SPSS) kunnen alleen ‘gewone’ autoregressieve modellen worden geschat voor de tweede dataset.

Ten tweede varieert het aantal observaties en het moment van observatie per onderzoekseenheid; er is sprake van een ongebalanceerde dataset. Het statistische model dat gebruikt wordt in de analyse moet rekening houden met deze eigenschappen. OLS regressie, zoals Liu et al. (2012) gebruiken, houdt geen rekening met deze eigenschappen. ‘Linear mixed model’ analyse doet dat wel (West, 2009, Peugh & Enders, 2005).
Ten derde zijn de afhankelijke variabelen lognormaal verdeeld. Om deze variabelen te normaliseren wordt, naar voorbeeld van Liu et al. (2012), een log transformatie uitgevoerd op deze variabelen. Dit heeft gevolgen voor de interpretatie van de resultaten. De geschatte bèta waarden moeten worden geïnterpreteerd als procentuele verandering in de afhankelijke variabele als gevolg van een verandering van één eenheid in de onafhankelijke variabele (Kephart, 2013, Yang, 2012).

Om de inhoudsvaliditeit te vergroten worden de geschatte modellen op twee niveaus getest. Ten eerste wordt, bij de analyses voor het algemene effect van teamlidmaatschappen op leengedrag, getest welke covariantiestructuur de ‘best fit’ met de data oplevert. Een ‘best fit’ wordt gekenmerkt door de kleinste -2 log likelihood waarde in vergelijking met andere modellen. Dit is een ‘likelihood ratio test’ (Peugh & Enders, 2005). De inhoudsvaliditeit van de tweede set analyses is beperkter, omdat deze tests voor de covariantiestructuur door technische beperkingen van het statistische programma (SPSS) niet kunnen worden uitgevoerd. Ten tweede worden verdere ‘likelihood ratio tests’ uitgevoerd om de relevantie van de parameters in de statistische modellen te beschrijven. Het meest complexe model per analyse wordt in stappen beperkt. In elke stap wordt een parameter gelijkgesteld aan nul. Door de -2 log likelihood waarde van het volledige, of vorige model, van die van het geneste model af te trekken wordt het chi-kwadraat verkregen, met vrijheidsgraden gelijk aan het verschil in parameters. Hiermee wordt voor elke parameter de hypothese getoetst dat de variantie die verklaard wordt door de parameter groter is dan 0. Een significant positief verschil betekent dat het geneste model significant minder verklarende kracht heeft en dat de parameter in kwestie geen verklarende kracht heeft.

Alle statistische analyses zijn verricht met SPSS en als betrouwbaarheidsgraad is het 5% niveau gehanteerd. Alle resultaten met een p-waarde kleiner dan .05 worden betrouwbaar geacht.
Om de controleerbaarheid van dit onderzoek te waarborgen, zijn van alle gegevens en analyses kopieën opgeslagen die op aanvraag kunnen worden verkregen.

Analyse van het effect van teamlidmaatschappen op leengedrag

Voor de dataset, die de analyse van het effect van teamlidmaatschappen op leengedrag moet faciliteren, geldt dat een nieuwe observatie (rij) start bij de eerste leenactie of een extra leenteamlidmaatschap en doorloopt tot het volgende extra leenteamlidmaatschap. Bij elke observatie zijn het aantal teamlidmaatschappen, de leenfrequentie en het leenbedrag in die periode vastgelegd. In de eerste set van analyses wordt een analyse gedaan van variabiliteit in leengedrag binnen personen (binnen de sets van observaties van leengedrag van personen) en tussen personen (tussen sets van observaties van leengedrag van personen). Beiden worden ook geanalyseerd in de tijd. Het aantal leenteamlidmaatschappen, dat per persoon per observatie varieert (oploopt met het aantal observaties), is daarbij de voorspellende variabele. Leenfrequentie en leenbedrag zijn de afhankelijke variabelen. Er worden twee modellen geschat om het effect van het aantal teamlidmaatschappen op leenfrequentie en leenbedrag vast te stellen.

Analyse van het leiderschapseffect

Om de analysemethode te vereenvoudigen is gekozen om een cumulatief leiderschapseffect uit te sluiten. Dit gebeurt op drie manieren. Ten eerste wordt, door de voorselectie van leenacties van teamleiders, verzekerd dat gedurende een periode van 48 rond een leenactie de leider geen andere leenacties heeft verricht. Hiermee wordt een cumulatief leiderschapseffect vanuit de teamleider uitgesloten. Ten tweede wordt, door uit te gaan van teams met precies één leider, een cumulatief leiderschapseffect binnen teams uitgesloten. Ten derde wordt een cumulatief leiderschapseffect vanuit verschillende teams uitgesloten, door teamleden die lid zijn van meer teams uit te sluiten. Als gevolg van deze selecties is de constructvaliditeit discutabel en wordt de mogelijkheid om de resultaten te generaliseren beperkt tot situaties waar een cumulatief leiderschapseffect uitgesloten is. Er liggen nog kansen om nog hogere constructvaliditeit te realiseren, met name door wel rekening te houden met cumulatie van leiderschapseffecten.

Per leider is, na de voorselectie, een willekeurige leenactie geselecteerd met behulp van de MySQL RAND() functie. Voor alle teamleden, die in de 48 uur rond het moment van deze leenactie uitsluitend van het team van de teamleider lid waren, zijn twee observaties (rijen) vastgelegd. Bij elke observatie zijn de leenfrequentie en het leenbedrag in die periode vastgelegd. Deze observaties vormen sets, opgesplitst op de leenactiviteit van de leider. Met een dummy variabele wordt het leengedrag vóór de activiteit van de leider aangemerkt als ‘ongeconditioneerd’, dat erna als ‘geconditioneerd’. Alle leenacties van de betreffende teamleden, in deze periodes, worden meegenomen.

De analyse van het leiderschapseffect wordt gedaan door modellen te schatten voor de variabiliteit in leengedrag van teamleden binnen personen (binnen de sets van observaties van leengedrag van personen), in de tijd en in combinatie met de conditioneringsstatus. Leenfrequentie en leenbedrag zijn de afhankelijke variabelen. Er worden twee modellen geschat om het effect van conditionering op leenfrequentie en leenbedrag (leiderschapseffecten) vast te stellen.

Leave a Reply

Your email address will not be published. Required fields are marked *