Socio-economische verschillen in snelheidsgedrag en in attitudes - INTRAS enquête. Uta Meesmann & Peter Silverans VCV-16, Antwerpen, 22/03/2016

Transcriptie

1 Socio-economische verschillen in snelheidsgedrag en in attitudes - INTRAS enquête Uta Meesmann & Peter Silverans VCV-16, Antwerpen, 22/03/2016

2 INTRAS-enquête 2015 Achtergrond & Methode

3 Achtergrond INTRAS = INequalities in TRAffic Safety Studie over de socio-economische en culturele verschillen in betrokkenheid bij ongevallen TPB vragenlijst over snelheid in 7 etnische groepen regelmatige autobestuurders, 18+, woonachtig in BE, F2F N=1750 BE CN Europe S Europe E Europe Magreb Black Afrika 2

4 Methodologie socio cultur al SES Random walk principe rekening houdend met 3

5 Vragenlijst - 20 min. Deel 1 screeningvragen Socio-demo s (1) Etnische afkomst Basis mobiliteitsinfo Deel 2 hoofdvragen Mobiliteitsinfo Attitudes t.o.v. snelheidsgedrag (TPB) Algemene vragen m.b.t. VV, SWcheck Socio-demo s (2) 4

6 Timeline - Output 2015 Voorja ar Draft Q Juli Aug. Reductie # vragen (psychometrie) 2016 Analy se Piloot - studie Juni Veldwe rk Sept. - Jan. Eindreport

7 Eerste verkenning analyses van de impact van socioeconomische factoren

8 Zelfgerapporteerde snelheidsovertredingen (AV) Stelling: Ik respecteer meestal de snelheidslimieten". 7 punten schaal: (1) helemaal niet akkoord (7) helemaal akkoord => score 4 = gemiddelde van de schaal Steekproefverdeling snelheidsovertredingen (N 1754) 80% respecteert meestal snelheidslimieten (akkoord) 11% neutrale positie 9% niet akkoord Gemiddelde score: 5,68 op 7 (95% BI van 5,61 tot 5,75, dus significant groter dan 4).

9 1. Verkennende analyse: opleidingsniveau (OV) Steekproefverdeling opleidingsniveau (N 1728) Min. 20 zonder basisniveau, min. 6 geen antwoord 10% 50% 28% 12% alleen basisniveau alleen secundair onderwijs bachelor-diploma universitaire master

10 Stap I. Variantieanalyse: snelheidsovertredingen x opleidingsniveau Figuur: Gemiddelde mate waarin men akkoord zegt te gaan met de stelling dat men meestal de snelheidslimieten respecteert naar opleidingsniveau Snelheidsovertredingen significant afhankelijk van opleidingsniveau (F(3,1724)=6.1;p<.001). Hoe hoger opleidingsniveau hoe hoger het respect voor de snelheidslimieten (positieve correlatie). Post-hoc resultaten: significant verschil enkel tussen Master en twee laagste opleidingsniveaus. Geen significant verschil aantoonbaar voor Bachelor. Bron: BIVV, verkennende analyses INTRAS- enquête 2015

11 Stap II. Variantieanalyse: snelheidsovertredingen x opleidingsniveau x etnische groep met geslacht en leeftijd als covariaten Significant verband Opleidingsniveau -> Hoe hoger opleidingsniveau hoe hoger het respect voor de snelheidslimieten Geslacht -> vrouwen tonen gemiddeld hoger respect voor de snelheidslimieten dan mannen Leeftijd -> Hoe ouder de respondenten, hoe hoger het respect voor de snelheidslimiten Geen significant verband aantoonbaar Etnische groep Interactie-effect tussen opleidingsniveau en etnische groep -> relatie tussen opleidingsniveau en snelheidsgedrag is invariant (gelijk) in verschillende etnische groepen

12 2. Verkennende analyse: gezinsinkomen (OV) Steekproefverdeling gezinsinkomen (N 1396) Min. 358 geen antwoord = netto-beroepsinkomsten van alle gezinsleden samen (d.w.z. wat elk gezinslid elke maand ontvangt), plus ook andere inkomsten zoals kinderbijslag, sociale uitkeringen, pensioenen, premies, inkomsten uit (on)roerend goed of handel, werkloosheidsuitkeringen, enz. 6% minder dan 1000 /maand 38% tussen 1000 en 2000 /maand 32% tussen 2000 en 3000 /maand 14% tussen 3000 en 4000 /maand 7% tussen 4000 en 5000 /maand 3% meer dan 5000 /maand

13 Stap I. Variantieanalyse: snelheidsovertredingen x gezinsinkomen Figuur: Gemiddelde mate waarin men akkoord zegt te gaan met de stelling dat men meestal de snelheidslimieten respecteert naar gezinsinkomen Randsignificante tendens tot meer respect voor de snelheidsbeperkingen in de laagste inkomenscategorie (F(3,1387)=10.86, p <.01). Indien we ook geslacht en leeftijd als covariaten in het model opnemen blijkt het effect wel duidelijk significant (F(6,1388)=11.07, p<.001). Hoe lager het gezinsinkomen hoe hoger het respect voor de snelheidslimieten (negatieve correlatie). Bron: BIVV, verkennende analyses INTRAS- enquête 2015

14 Stap II. Variantieanalyse: snelheidsovertredingen x gezinsinkomen met geslacht en leeftijd als covariaten Significant verband Gezinsinkomen -> Hoe lager het gezinsinkomen hoe hoger het respect voor de snelheidslimieten Geslacht -> vrouwen tonen gemiddeld hoger respect voor de snelheidslimieten dan mannen Leeftijd -> Hoe ouder de respondenten, hoe hoger het respect voor de snelheidsbeperkingen Verdere stappen (still to do) Rekening houden met aantal personen per gezin Etnische groep mee opnemen in model Etc.

15 Eerste verkenning analyses van de impact van socio-economische factoren Conclusie

16 Conclusies Verband tussen socio-economische variabelen en zelfgerapporteerde snelheidsovertredingen. Zowel opleidingsniveau als gezinsinkomen blijken samen te hangen met het zelfgerapporteerde snelheidsgedrag. Hoe hoger het opleidingsniveau, hoe hoger het respect voor de snelheidslimieten. Hoe lager het gezinsinkomen, hoe hoger het respect voor de snelheidslimieten. Socio-economische status is een moeilijk te definiëren paraplubegrip dat velerlei factoren omvat, die elk op hun beurt correleren met andere sociodemografische en socio-culturele factoren.

17 Conclusies Daarom belang om Eerst te onderzoeken welke socio-economische variabelen in de statistische modellen dienen opgenomen te worden Vervolgens zal in detail onderzocht worden welke impact (of juister: samenhang) de etnische achtergrond van de respondenten heeft op snelheidsgedrag. Resultaten INTRAS-enquête => eind 2016 (INTRAS eindrapport 2017).

18 Dank u voor uw aandacht! Meer informatie: Uta Meesmann Senior Researcher Kenniscentrum BIVV Tel: uta.meesmann@bivv.be Peter Silverans Study and Research manager Kenniscentrum BIVV Tel: peter.silverans@bivv.be

19 Referenties Pelsmacker, P. & Janssens, W. (2007). The effect of norms, attitudes and habits on speeding behavior: Scale development and model building and estimation. Accident Analysis and Prevention, 39 (1) Helmut Paris, H., Stephan Van den Broucke, S. (2008). Measuring cognitive determinants of speeding: An application of the theory of planned behaviour. Transportation Research Part F-traffic Psychology and Behaviour, 11(3), Ajzen, I. (1991). The theory of planned behaviour. Organizational Behavior and Human Decision Pro-cesses, 50 (2), Factor, R., Mahalel, D. and Yair, G. (2008). Inter-group differences in road-traffic crash involvement. Accident Analysis and Prevention, 40, Laflamme, L., Burrows, S. and Hasselberg, M. (2009). Socioeconomic differences in injury risks. A review of findings and a discussion of potential countermeasures. Copenhagen: World Health Organi-zation Regional Office for Europe; Noppe, J. & Lodewijckx, E. (2012). De gekleurde samenleving. Personen van vreemde herkomst in Vlaanderen. SVRWebartikel, 2012/3. Te raadplegen op: webartikel vreemde-herkomst.pdf [ ]. Eerdere edities van de BIVV-attitudemeting zijn te vinden op: