Ervaring en ongevalbetrokkenheid
|
|
- Rosa Pieters
- 7 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Ervaring en ongevalbetrokkenheid Casestudy bij Limburgse schoolgaande jongeren RA Bert Willems, Erik Nuyts Onderzoekslijn Gedrag DIEPENBEEK, STEUNPUNT VERKEERSVEILIGHEID.
2 Documentbeschrijving Rapportnummer: Titel: RA Ervaring en ongevalbetrokkenheid Ondertitel: Casestudy bij Limburgse schoolgaande jongeren Auteur(s): Bert Willems, Erik Nuyts Promotor: Rob Cuyvers Onderzoekslijn: Gedrag Partner: Provinciale Hogeschool Limburg Aantal pagina s: 46 Trefwoorden: Ervaring, leeftijd, ongevalbetrokkenheid Projectnummer Steunpunt: Projectinhoud: Het verband tussen ervaring en ongevalbetrokkenheid in functie van een aantal verklarende variabelen. Uitgave: Steunpunt Verkeersveiligheid, september Steunpunt Verkeersveiligheid Universitaire Campus Gebouw D B 3590 Diepenbeek T F E info@steunpuntverkeersveiligheid.be I
3 Samenvatting De ongevalbetrokkenheid van jongeren wordt door twee groepen van factoren bepaald: leeftijdsgerelateerde factoren en ervaringsgerelateerde factoren. Deze studie werd uitgevoerd om bij de groep van eerste- en tweedejaars van twee hogescholen en de universiteit in Limburg na te gaan of de rijervaring (ervaringsgerelateerde factoren) effectief invloed uitoefent op de ongevalbetrokkenheid van jongeren. Van 1864 jongeren die hun rijbewijs reeds behaalden, werden aan de hand van een korte vragenlijst persoonlijke gegevens verzameld (geslacht, leeftijd en type rijopleiding, datum rijbewijs), ongevalgegevens (datum ongeval, moment van de dag, moment van de week, aanwezigheid van passagiers, ) alsook blootstellinggegevens (per moment van de dag, per moment van de week, met en zonder passagiers). Op basis van deze gegevens werd een model geconstrueerd dat de ongevalbetrokkenheid van jongeren kan voorspellen. De resultaten van het model gaven aan dat het aantal ongevallen stijgt met een stijgende blootstelling, en dit aantal is het hoogst in de laagste ervaringsperiode (minder rijervaring). Ook werden jongeren relatief meer betrokken bij verkeersongevallen gedurende de dag en door de week. Van de persoonlijke variabelen had enkel het type rijopleiding enige voorspellende waarde (maar niet het geslacht). De resultaten worden ten slotte besproken in het licht van de huidige rijopleidingen. Steunpunt Verkeersveiligheid 3 RA
4
5 Summary Accident involvement of young drivers is determined by two groups of factors: agerelated factors and experience-related factors. This study was conducted in order to investigate for a specific group of young drivers (first-year and second-year students of colleges and universities) the role of driving experience in accident involvement: does driving experience influence the traffic accident involvement of these young drivers? Of 1864 people who already had a drivers license, by means of a short survey, personal data were collected (sex, age, type of driver education, date of the driver s licence, ), accident data (date of the accident, moment of the day, moment of the week, the presence of passengers, ) but also exposure data (for each moment of the day, each moment of the week, with and without the presence of passengers). Based on these data a model was constructed that could predict accident involvement of young drivers. The results of the model showed that the number of accidents increases with increasing exposure and this number is highest for the lowest category of driving experience (less driving experience). Young drivers were also more involved in traffic accidents during the day and on weekdays. Of the personal variables, only the type of driver education had a prognostic value for the model (but not sex). The results are discussed in light of the current driver education models. Steunpunt Verkeersveiligheid 5 RA
6 Inhoudsopgave 1. RIJERVARING EN ONGEVALBETROKKENHEID VAN JONGEREN Verkeersonveiligheid en ongevalbetrokkenheid Ongevalbetrokkenheid van jongeren Leeftijdsgerelateerde factoren Ervaringsgerelateerde factoren Operationalisatie van blootstelling Operationalisatie van rijervaring Onderzoeksvragen Invloed van rijervaring op ongevalbetrokkenheid Beïnvloedende factoren op het effect van rijervaring EMPIRISCH ONDERZOEK Methode Respondenten Design Instrumentarium Procedure Analyse Resultaten globale verband rijervaring en ongevalbetrokkenheid Beschrijving van de steekproef Eerste operationalisatie van Rijervaring: aantal dagen sinds rijbewijs Tweede operationalisatie van Rijervaring: aantal uren gereden sinds rijbewijs Effect van leeftijd Aandeel van de bestuurder in het veroorzaken van het ongeval Resultaten verband rijervaring, persoonlijke en ongevalsvariabelen en ongevalbetrokkenheid Persoonlijke variabelen Het moment van de dag (dag/nacht) Het moment van de week (weekdag/weekend) De aanwezigheid van passagiers Discussie Effect van rijervaring Effect van leeftijd Geslachtsverschillen Type rijopleiding Moment van de dag...34 Steunpunt Verkeersveiligheid 6 RA
7 2.4.6 Moment van de week Aanwezigheid van passagiers CONCLUSIES EN BELEIDSAANBEVELINGEN Samenvatting van de resultaten Beleidsaanbevelingen Verder onderzoek LITERATUURLIJST BIJLAGE A: GEBRUIKTE VRAGENLIJST Steunpunt Verkeersveiligheid 7 RA
8 1. R I J E R V A R I N G E N O N G E V A L B E T R O K K E N H E I D V A N J O N G E R E N Dit rapport handelt over het verband tussen de opgedane rijervaring van jongeren en hun ongevalbetrokkenheid. Het empirisch onderzoek besproken in dit rapport wordt grotendeels gekaderd binnen de resultaten van een literatuurstudie die eerder door het Steunpunt Verkeersveiligheid uitgevoerd werd (zie Willems & Cuyvers, 2004). In dit hoofdstuk worden eerst enkele begrippen uitgelegd die veelvuldig aan bod zullen komen in de bespreking van het empirisch onderzoek. Er wordt uitgelegd wat er verstaan wordt onder de term ongevalbetrokkenheid (zie 1.1 ) waarna er verder uitgeweid wordt over de ongevalbetrokkenheid van een specifieke populatie: de jongeren die als bestuurder van een wagen aan het verkeer deelnemen (zie 1.2 ). Omdat ongevalbetrokkenheid uitgedrukt wordt als een risico, het aantal verkeersongevallen per eenheid van blootstelling, wordt in een volgende punt in het kort aangegeven op welke manieren deze blootstelling geoperationaliseerd kan worden (zie 1.3 ). Omdat de ongevalbetrokkenheid uitgezet zal worden in functie van de opgelopen rijervaring zal in het kort aangegeven worden op welke manieren deze rijervaring geoperationaliseerd kan worden (zie 1.4 ). In een volgend hoofdstuk wordt dan het empirisch onderzoek besproken dat eind 2004 uitgevoerd werd bij de jongeren van enkele hogescholen van Limburg (PHL en KHLim) en Universiteit Hasselt (UH). Ook hier zal de nadruk liggen op het verband tussen de opgelopen rijervaring en de ongevalbetrokkenheid. Dit verband tussen rijervaring en ongevalbetrokkenheid wordt bovendien uitgesplitst voor specifieke variabelen die uit de literatuurstudie relevant zijn gebleken met betrekking tot deze problematiek (mannelijk/vrouwelijk, dag/nacht, passagiers/geen passagiers, weekdag/weekend, type rijopleiding). In het laatste hoofdstuk zullen enkele beleidsaanbevelingen geformuleerd worden, gebaseerd op de resultaten van het empirisch onderzoek. 1.1 Verkeersonveiligheid en ongevalbetrokkenheid Verkeersonveiligheid kan gemeten worden aan de hand van het aantal slachtoffers ten gevolge van verkeersongevallen. Een goede indicator voor verkeersonveiligheid is bijgevolg het risico om slachtoffer te worden bij een verkeersongeval (R): aantalslachtoffers R blootstell ing waarbij de noemer aangeeft in welke mate de onderzochte populatie blootgesteld werd aan het verkeer. Zo gedefinieerd kan het risico herschreven worden als volgt: aantalslachtoffers blootstell ing aantalverkeersongevallen blootstell ing * aantalslachtoffers aantalverkeersongevallen Steunpunt Verkeersveiligheid 8 RA
9 waarbij de eerste term de ongevalbetrokkenheid weergeeft (het aantal verkeersongevallen per eenheid van blootstelling) en de tweede term de ernst (het aantal slachtoffers per verkeersongeval). Bovenstaande vergelijking geeft duidelijk aan dat het risico om slachtoffer te worden bij een verkeersongeval een combinatie is van ongevalbetrokkenheid en ernst: R ongevalbetrokkenheid * ernst In deze studie zal de aandacht uitsluitend gaan naar de ongevalbetrokkenheid en niet naar de ernst. In de analyses die volgen zal echter enkel het aantal ongevallen als uitkomstvariabele gehanteerd worden en niet het aantal ongevallen per eenheid van blootstelling. Bovengaande formule gaat er namelijk van uit dat er een lineair verband is tussen blootstelling en het aantal ongevallen. Dit hoeft echter niet het geval te zijn. Door de blootstelling mee als verklarende variabele in de analyses op te nemen (en niet als onderdeel van de uitkomstvariabele) wordt er ruimte gelaten voor eventuele niet-lineaire verbanden tussen deze twee variabelen. De extra parameter die op deze manier geschat wordt voor de blootstelling geeft een idee van de niet-lineariteit van dit verband (zie later). 1.2 Ongevalbetrokkenheid van jongeren De populatie die in deze studie onderzocht zal worden bestaat uit jongeren (van 18 tot 24 jaar). Uit een vorig rapport kwam naar voren dat de ongevalbetrokkenheid van jongeren, wanneer ze als bestuurder van een wagen deelnemen aan het verkeer, verhoogd is t.o.v. die van de ouderen. Figuur 1-1 presenteert het risico om in Vlaanderen als bestuurder van een wagen slachtoffer te worden van een verkeersongeval (uit Willems & Cuyvers, 2004). Ondanks het feit dat hier niet rechtstreeks ongevalbetrokkenheid uitgezet werd, zoals gedefinieerd in vorige paragraaf, maar een risico om slachtoffer te worden van een verkeersongeval, kunnen we er wel uit afleiden dat de ongevalbetrokkenheid voor jongeren in Vlaanderen verhoogd is (aangezien het voor deze grafiek enkel bestuurders zijn die meegeteld werden). Steunpunt Verkeersveiligheid 9 RA
10 Slachtoffers per bestuurders Ongevallen risico's gebaseerd op rijbew ijsgegevens, Vlaanderen Leeftijd Figuur 1-1: Risico in functie van de leeftijd (Bron: Willems & Cuyvers, 2004). De redenen voor de verhoogde ongevalbetrokkenheid van jongeren kunnen toegekend worden aan twee groepen van factoren: leeftijdsgerelateerde factoren en ervaringsgerelateerde factoren. Het positieve verband tussen deze twee groepen van factoren (een jongere heeft doorgaans minder rijervaring kunnen opdoen in vergelijking met een oudere) maakt dat het relatieve aandeel van deze twee groepen van factoren moeilijk af te leiden is. De meeste auteurs zijn het er echter over eens dat ervaringsgerelateerde factoren een grote, zoniet de grootste rol spelen in het verklaren van de verhoogde ongevalbetrokkenheid van jongeren (zie bijvoorbeeld Maycock, Lockwood, & Lester, 1991, geciteerd in Gregersen & Bjurulf, 1996; Cooper, Pinili, & Chen, 1995; Forsyth, Maycock, & Sexton, 1995, geciteerd in Maycock, 2001; Waller, Elliott, Shope, Raghunathan, & little, 2001). Over het algemeen wordt aangenomen dat de snelheid waarmee leeftijdsgerelateerde factoren veranderen over de tijd eerder laag is, terwijl de snelheid waarmee ervaringsgerelateerde factoren veranderen over de tijd eerder hoog is. Veranderingen in ongevalbetrokkenheid die zich op korte termijn afspelen worden daarom doorgaans toegekend aan veranderingen met betrekking tot ervaringsgerelateerde factoren en niet zozeer aan veranderingen met betrekking tot leeftijdsgerelateerde factoren (Mayhew, Simpson & Pak, 2003; Sagberg, 1998; McCartt, Shabanova, & Leaf, 2003) Leeftijdsgerelateerde factoren Leeftijdsgerelateerde factoren kunnen omschreven worden als die factoren die een systematisch verband vertonen met de leeftijd 1. Voorbeelden zijn een andere levensstijl voor jongeren, een andere persoonlijkheid, verschillen in psycho-biologische rijpheid, 1 Merk op dat in deze definities van leeftijdsgerelateerde en ervaringsgerelateerde factoren geen uitspraak wordt gedaan over de aard van de verbanden tussen de betreffende factoren en de leeftijd, respectievelijk de opgelopen rijervaring. Steunpunt Verkeersveiligheid 10 RA
11 Deze leeftijdsgerelateerde factoren verklaren voor een deel het geobserveerde verband tussen ongevalbetrokkenheid en leeftijd (zie Willems & Cuyvers, 2004, voor een overzicht) Ervaringsgerelateerde factoren Ervaringsgerelateerde factoren kunnen omschreven worden als die factoren die een systematisch verband vertonen met de opgelopen rijervaring. Voorbeelden zijn de mate waarin handelingen geautomatiseerd verlopen, de mate waarin de aandacht verdeeld wordt over de verschillende taken, de mate waarin het gedrag afgestemd wordt op gevaarlijke situaties, rekening houdend met de eigen vaardigheden (calibratie), Deze ervaringsgerelateerde factoren verklaren voor een deel het geobserveerde verband tussen ongevalbetrokkenheid en rijervaring (zie Willems & Cuyvers, 2004, voor een overzicht). In dit rapport zal de nadruk liggen op het verband tussen rijervaring en ongevalbetrokkenheid. 1.3 Operationalisatie van blootstelling De blootstelling is een factor die weergeeft in welke mate een persoon of een groep personen in aanraking kwam met een gevaarlijke situatie (zoals bijvoorbeeld het verkeer). Hoe meer iemand blootgesteld wordt aan het verkeer hoe groter de kans dat deze persoon betrokken raakt in een verkeersongeval. Wanneer we de ongevalbetrokkenheid van twee personen (of twee groepen van personen) correct willen vergelijken moet er bijgevolg rekening gehouden worden met eventuele verschillen in blootstelling. Dit kan gebeuren door de meting (bijvoorbeeld het aantal ongevallen of het aantal slachtoffers) te delen door de blootstelling (zie definitie van ongevalbetrokkenheid; 1.1 ). Blootstelling kan geoperationaliseerd worden door het aantal bestuurders (in dit geval van een wagen). Het idee hierachter is dat naarmate er meer bestuurders van een bepaalde groep in het verkeer aanwezig zijn de kans op een ongeval binnen deze groep ook groter wordt. Wanneer we het aantal ongevallen van twee groepen willen vergelijken moet met andere woorden rekening gehouden worden met het aantal bestuurders dat in iedere groep aanwezig is. Merk op dat deze operationalisatie van blootstelling enkel op groepsniveau kan gehanteerd worden en niet op individueel niveau (de blootstelling van een individu is niet gedefinieerd). Dikwijls wordt de blootstelling geoperationaliseerd door het aantal kilometer dat met een bepaald voertuig gereden werd (de auto in dit geval). Het idee hierachter is dat iemand die meer kilometers gereden heeft meer blootgesteld werd aan het gevaar en daardoor een hogere kans heeft op een ongeval. Om het aantal ongevallen van personen te vergelijken moet er rekening gehouden worden met het aantal kilometer dat deze personen aflegden in het verkeer. Zo beschreven bevindt deze operationalisatie van blootstelling zich op het individueel niveau. Op groepsniveau kan het totaal aantal kilometer gereden door deze groep als operationalisatie van blootstelling dienen. In deze studie wordt blootstelling geoperationaliseerd door het aantal uren dat gereden werd met een bepaald voertuig (de auto in dit geval). Het idee hierachter is dat iemand die meer uren als bestuurder in het verkeer doorbrengt, meer blootgesteld werd aan het gevaar en daardoor een hogere kans heeft op een ongeval. Ook deze operationalisatie kan op groepsniveau gedefinieerd worden. Steunpunt Verkeersveiligheid 11 RA
12 1.4 Operationalisatie van rijervaring In deze studie worden risico s berekend in functie van de opgelopen rijervaring. Rijervaring kan hierbij op verschillende manieren geoperationaliseerd worden. Een eerste veelgebruikte manier om de rijervaring te operationaliseren is de tijd die verstreken is sinds het behalen van het rijbewijs. Het idee hierachter is dat naarmate meer tijd verstreken is er doorgaans meer rijervaring opgedaan werd. Een probleem met deze operationalisatie van rijervaring is dat niet geweten is of er effectief rijervaring opgedaan werd gedurende de verstreken tijd. Een tweede manier om rijervaring te operationaliseren is het aantal kilometer dat er gereden werd sinds het behalen van het rijbewijs. Het idee hierachter is dat naarmate er meer kilometer gereden werd er doorgaans meer rijervaring opgedaan werd. Een probleem met deze operationalisatie van rijervaring is dat er veel rijervaring opgedaan kan worden terwijl er niet zo veel kilometers afgelegd worden (vergelijk het aantal kilometers binnen de bebouwde kom met deze over een autosnelweg). Een derde manier om rijervaring te operationaliseren, een manier die rekening houdt met de problemen van de twee vorige operationalisaties, is het aantal uren dat er gereden werd sinds het behalen van het rijbewijs. Het idee hierachter is dat naarmate er meer tijd als bestuurder doorgebracht werd in het verkeer er doorgaans meer rijervaring opgedaan werd (ongeacht hoe snel men rijdt). Ook deze operationalisatie kan verbeterd worden. Men kan immers de vraag stellen of men evenveel rijervaring opdoet wanneer men drie uur over de autosnelweg heeft gereden in vergelijking met drie uur door de bebouwde kom. Er zouden vervolgens ook kwalitatieve aspecten mee opgenomen kunnen worden. Omwille van praktische overwegingen (de meetbaarheid van deze rijervaring) wordt in deze studie toch voor deze laatste operationalisatie gekozen. Omdat meestal ook de eerste operationalisatie van rijervaring gebruikt wordt zal ook deze mee opgenomen worden in de analyses. 1.5 Onderzoeksvragen De vragen die met deze studie beantwoord kunnen worden, kunnen ingedeeld worden in twee categorieën: 1. Invloed van rijervaring op de ongevalbetrokkenheid: Is er voor de bestudeerde groep jongeren (overwegend Limburgse jongeren die in Limburg hoger onderwijs volgen) een invloed van de rijervaring op ongevalbetrokkenheid en zo ja, hoe groot is deze invloed? 2. Beïnvloedende factoren op het effect van rijervaring: zijn er factoren die variatie kunnen aanbrengen in dit effect van rijervaring op ongevalbetrokkenheid en zo ja, welke factoren zijn dit? Op welke manier beïnvloeden deze factoren het effect van rijervaring? Invloed van rijervaring op ongevalbetrokkenheid De eerste vraag die met deze studie beantwoord kan worden is of de rijervaring enige voorspellende waarde heeft met betrekking tot het aantal ongevallen waarin jongeren betrokken raken, rekening houdend met eventuele verschillen in blootstelling tussen de verschillende groepen die vergeleken worden. Uit praktische overwegingen (bereikbaarheid van de respondenten) werd besloten deze vraag te beantwoorden voor Steunpunt Verkeersveiligheid 12 RA
13 een specifieke groep jongeren, namelijk de eerste- en tweedejaars uit twee Limburgse Hogescholen (PHL en KHLim) en Universiteit Hasselt. Aangezien hiermee overwegend Limburgse jongeren gerekruteerd werden en aangezien hierdoor de werkende jongeren niet bereikt werden kunnen conclusies niet zomaar veralgemeend worden naar de Vlaamse situatie. Toch is het mogelijk om op basis van de resultaten van deze specifieke groep jongeren een eerste idee te vormen van de invloed van rijervaring op de ongevalbetrokkenheid. Alleszins geeft deze studie aan of het mogelijk is om met deze methode van gegevensverzameling zinvolle uitspraken te doen over het verband tussen rijervaring en ongevalbetrokkenheid Beïnvloedende factoren op het effect van rijervaring Uit de literatuurstudie die door het Steunpunt Verkeersveiligheid uitgevoerd werd kwamen verschillende factoren naar voren die op één of andere manier de ongevalbetrokkenheid van jonge bestuurders beïnvloeden (Willems & Cuyvers, 2004): het moment van de dag (dag/nacht) het moment van de week (weekdag/weekend) de aanwezigheid van passagiers het geslacht Omdat in België de mogelijkheid bestaat om verschillende types van rijopleiding te volgen kan ook deze variabele aan het lijstje toegevoegd worden: het type rijopleiding Een eerste vraag met betrekking tot deze factoren is of ze enige voorspellende waarde hebben met betrekking tot de ongevalbetrokkenheid van jongeren. Een tweede meer specifieke vraag daarbij is of deze factoren inspelen op het effect van rijervaring. Het zou kunnen dat het effect van rijervaring sterker aanwezig is voor de jongeren van een bepaald geslacht of type rijopleiding. Ook zou het effect van rijervaring verschillend kunnen zijn onder invloed van het moment van de dag, het moment van de week of de aanwezigheid van passagiers. Deze interacties tussen rijervaring en beïnvloedende factoren kunnen aan de hand van dit onderzoek getest worden op hun aanwezigheid. Steunpunt Verkeersveiligheid 13 RA
14 2. E M P I R I S C H O N D E R Z O E K Om een antwoord te formuleren op de hierboven vermelde onderzoeksvragen werd er een onderzoek uitgevoerd bij een groep schoolgaande jongeren. Via een korte vragenlijst werd er informatie ingewonnen over enkele persoonskenmerken (geslacht, leeftijd, type rijopleiding, ), hun blootstelling als bestuurder aan het verkeer, de opgelopen rijervaring en eventueel het aantal ongevallen. Per ongeval waarin ze als bestuurder betrokken raakten werd ook nog bijkomende informatie opgevraagd. In dit hoofdstuk wordt een bespreking van de details van het onderzoek gegeven (zie 2.1 ) alsook een bespreking van de resultaten (zie 2.2 ). Op het einde worden de resultaten bediscussieerd in het licht van de bestaande literatuur (zie 2.4 ). 2.1 Methode Respondenten De doelgroep van deze studie bestond uit de eerste- en tweedejaars van twee Limburgse Hogescholen (Provinciale Hogeschool Limburg en Katholieke Hogeschool Limburg) en Universiteit Hasselt. In totaal werd van 3744 van deze jongeren de vragenlijst afgenomen. Van deze respondenten werden er 1864 weerhouden die reeds het rijbewijs gehaald hadden Design Uit de antwoorden van de respondenten op de vragenlijsten kon heel wat informatie afgeleid worden. Hieronder wordt al deze informatie ingedeeld in persoonlijke, ongevals-, blootstellings- en uitkomstvariabelen. a. Persoonlijke variabelen Per persoon werd het geslacht geregistreerd (mannelijk of vrouwelijk) de leeftijd (op het moment dat het rijbewijs behaald werd) alsook het type van rijopleiding (type I, II, II, IV; zie ). b. Ongevalsvariabelen Per persoon werd het aantal ongevallen geregistreerd onder bepaalde omstandigheden of situaties: een ongeval kon s nachts gebeuren of overdag, op een weekdag of in het weekend, en ten slotte met of zonder passagiers. Door deze 3 ongevalsvariabelen met elk twee niveaus te kruisen konden er bijgevolg 8 ongevalscategorieën onderscheiden worden (2 3 ). Binnen de analyses werden de ongevallen echter steeds gegroepeerd per ongevalsvariabele en niet volgens ongevalscategorie. c. Blootstellingsvariabelen Per persoon werd geregistreerd hoeveel uren per week er achter het stuur gespendeerd werd onder bepaalde omstandigheden: er kan s nachts met de wagen gereden worden of overdag, op een weekdag of in het weekend, en ten slotte met of zonder passagiers. Door deze 3 blootstellingsvariabelen met elk twee niveaus konden er bijgevolg 8 blootstellingscategorieën onderscheiden worden (2 3 ). Binnen de analyses werden deze Steunpunt Verkeersveiligheid 14 RA
15 blootstelling echter steeds gegroepeerd per blootstellingsvariabele en niet per blootstellingscategorie. d. Rijervaringsvariabele Voor iedere persoon werd zowel de blootstelling als het aantal ongevallen gemeten per rijervaringsperiode. De hoeveelheid rijervaring wordt hierbij op twee manieren geoperationaliseerd: de tijd verstreken sinds het behalen van het rijbewijs (zie Tabel 1) en het aantal uren gereden sinds het behalen van het rijbewijs (zie Tabel 2). Aangezien niet alle jongeren evenveel rijden met de wagen kan het zijn dat ongevallen die volgens de ene operationalisatie in een bepaalde ervaringscategorie vallen terecht komen in een hogere of lagere ervaringscategorie. Tijd verstreken sinds het behalen van het rijbewijs RE01_dagen RE02_dagen RE03_dagen 1 tot 250 dagen 251 tot 500 dagen 501 tot 750 dagen Tabel 1: Eerste operationalisatie van de hoeveelheid rijervaring. Aantal uren gereden sinds het behalen van het rijbewijs RE01 RE02 RE03 1 tot 417 uren 418 uren tot 833 uren 834 uren tot 1250 uren Tabel 2: Tweede operationalisatie van de hoeveelheid rijervaring. e. Uitkomstvariabelen Als uitkomstvariabele wordt het aantal ongevallen gemeten. Hierbij wordt soms een onderscheid gemaakt tussen alle mogelijke ongevallen en een subgroep hiervan, de ongevallen waarbij de bestuurder zelf aandeel had in het veroorzaken ervan. Er werd gekozen om de blootstelling als verklarende variabele mee in de statistische modellen op te nemen en niet als onderdeel van de uitkomstvariabele. Dit werd gedaan om een eventueel niet- lineair verband tussen het aantal ongevallen en de blootstelling te kunnen aantonen (wat niet mogelijk zou zijn wanneer het aantal ongevallen gedeeld door de blootstelling als uitkomstvariabele zou gedefinieerd worden) Instrumentarium Om informatie in te winnen over bovenstaande variabelen werd een vragenlijst afgenomen. De volledige vragenlijst wordt gepresenteerd in bijlage A. Het eerste deel van de vragenlijst bestaat uit vragen m.b.t. persoonskenmerken (vraag 1 t/m 5). Indien enkel maand en jaar van een geboortedatum of rijbewijsdatum ingevuld werd, werd Steunpunt Verkeersveiligheid 15 RA
16 aangenomen dat het ging om de 15 de van de maand. In dit deel van de vragenlijst (persoonskenmerken) werd ook navraag gedaan naar het type rijopleiding. Voor een beschrijving van deze types van rijopleiding verwijzen we naar een eerder verschenen rapport (zie Willems, 2005) of naar de website van GOCA ( Het tweede deel van de vragenlijst bestaat uit een vraag die de blootstelling nagaat (vraag 6). Het laatste deel van de vragenlijst verzamelt informatie over ieder ongeval (vraag 7). Ook hier werd er vanuit gegaan dat het om de 15 de ging wanneer voor de ongevalsdatum enkel maand en jaar opgegeven werden Procedure Om zoveel mogelijk ingevulde vragenlijsten van eerste- en tweedejaars van de bovenvermelde onderwijsinstellingen te verzamelen werd besloten de afnamen klassikaal te laten verlopen. Om 10 tot 15 minuten van de les te reserveren voor het invullen van een vragenlijst werd steeds contact opgenomen met de betreffende diensthoofden (departementshoofden, rector, ) en leraren. Tijdens het invullen van de vragenlijst was steeds een onderzoeker aanwezig om eventuele vragen op te vangen. Door op deze manier tewerk te gaan, werd vermeden dat vragenlijsten niet ingevuld terugbezorgd werden (wat een selectiebias in de hand zou kunnen werken) Analyse Om na te gaan wat het effect is van rijervaring op de ongevalbetrokkenheid en dit in de specifieke situaties die onderzocht werden (dag/nacht, week/weekend, passagiers, man/vrouw, rijopleiding) wordt gebruik gemaakt van multivariate analyses (generalized linear models) waarbij aangenomen wordt dat het aantal ongevallen zich verdelen volgens een Poisson verdeling. De gegevens voor iedere analyse kunnen op onderstaande manier gerepresenteerd worden (zie Tabel 3). Hierbij staan RE01, RE02 en RE03 voor de drie ervaringsperiodes (zie Tabel 1). SIT(1) en SIT(2) staan voor twee niveaus van een bepaalde situationele variabele (dag/nacht, week/weekend, of met/zonder passagiers). PV staat voor de verzameling van persoonlijke variabelen (geslacht en type rijopleiding). De verschillende pp s staan voor verschillende respondenten. Het aantal ongevallen en de blootstelling worden weergegeven via #ong en exp respectievelijk. 2 Of een ongeval door de week of in het weekend gebeurde, werd expliciet bevraagd en was bijgevolg niet afhankelijk van deze ongevalsdatum. Steunpunt Verkeersveiligheid 16 RA
17 RE01 RE02 RE03 SIT(1) SIT(2) SIT(1) SIT(2) SIT(1) SIT(2) #ong exp #ong exp #ong Exp #ong exp #ong exp #ong Exp Pp01 PV Pp02 PV Pp03 PV Tabel 3: Representatie van de gegevens voor iedere analyse (zie tekst voor de gebruikte afkortingen). Zoals blijkt uit bovenstaande tabel wordt er gewerkt met herhaalde metingen binnen iedere respondent. Voor iedere respondent kan het aantal ongevallen binnen een bepaalde situatie (vb. SIT1) echter gerelateerd zijn aan het aantal ongevallen binnen de andere situatie (vb. SIT2). Op dezelfde manier kan voor iedere respondent het aantal ongevallen binnen een bepaalde ervaringsperiode (vb. RE01) gerelateerd zijn aan het aantal ongevallen binnen de andere ervaringsperiodes (vb. RE02 en RE03). Bij het modelleren van de gegevens werd rekening gehouden met mogelijke correlaties tussen de 6 (3 ervaringsperiodes x 2 situaties) kolommen onderling (Generalized Estimating Equations). Hierbij worden er geen restricties opgelegd aan de correlaties tussen de kolommen onderling ( unstructured correlation matrix, d.w.z. de correlaties tussen de herhaalde metingen onderling kunnen verschillen). Voor de details van deze analysetechnieken zie Diggle, Liang, & Zeger (1994). Per analyse worden telkens 2 aspecten duidelijk aangegeven: Modelformulering: welke effecten maken deel uit van het onderliggende statistische model Schatting van de parameters (GEE model): overzicht van de geschatte parameters met de daarbijhorende p-waarden Resultaten globale verband rijervaring en ongevalbetrokkenheid Eerst wordt er een globale beschrijving gegeven van de groep respondenten met betrekking tot de bevraagde persoonlijke variabelen (geslacht, leeftijd, type rijopleiding). Vervolgens worden er enkele modellen besproken die het globale verband weergeven tussen de rijervaring en de ongevalbetrokkenheid. De eerste groep modellen die aan bod 3 Een type III analyse waarbij iedere term uit de modelformulering er één voor één uitgelaten wordt om na te gaan of deze een significante bijdrage levert aan de voorspellende waarde van het globale model, wordt niet getoond aangezien deze resultaten overeenkwamen met de parameterschattingen. Steunpunt Verkeersveiligheid 17 RA
18 Ongevalbetrokkenheid komen gaan in op enkele theoretische vragen met betrekking tot deze problematiek (definitie van rijervaring, effect van leeftijd, bestuurders die wel of niet schuld hebben aan het ongeval, ). De tweede groep modellen zal verder ingaan op de voorspellende waarde van de verklarende variabelen: persoonlijke variabelen (geslacht en type rijopleiding) en ongevalsvariabelen (moment van de dag, moment van de week, aanwezigheid van passagiers) Beschrijving van de steekproef Van de 3744 ondervraagden hadden 1864 hun rijbewijs gehaald. Van deze 1864 respondenten met rijbewijs waren er 986 van het mannelijke geslacht (53%) en 869 van het vrouwelijke geslacht (47%; 9 jongeren vulden het geslacht niet in). De gemiddelde leeftijd op het moment dat de 1864 respondenten hun rijbewijs haalden bedroeg 18,83 (18 jaar en 10 maanden) met een standaard deviatie van 2,83. Van deze respondenten die hun rijbewijs behaalden deden 440 dit met een rijopleiding van het type 1 (via erkende rijschool, type 1, 24%), 519 met een rijopleiding van het type 2 (via erkende rijschool type 2, 28%), 661 met een rijopleiding van het type 3 (opleiding door familie of kennissen, 36%) en 213 met een rijopleiding van het type 4 (vervroegde rijopleiding, leervergunning, 12%; 31 jongeren vulden het type rijopleiding niet in) Eerste operationalisatie van Rijervaring: aantal dagen sinds rijbewijs De gemiddelde ongevalbetrokkenheid zoals gedefinieerd in 1.1 wordt in functie van de rijervaring gepresenteerd in Figuur 2. Hieruit blijkt dat het gemiddelde risico om betrokken te raken in een ongeval (risico gedefinieerd als het aantal ongevallen gedeeld door de blootstelling) daalt naarmate meer rijervaring opgedaan werd. 2 1,5 1 0,5 0 0 tot 250 dagen 250 tot 500 dagen 500 tot 750 dagen Rijervaring Figuur 2: Verband ervaring met ongevalbetrokkenheid: visuele voorstelling van risico s (risico s gemiddeld over alle respondenten). Steunpunt Verkeersveiligheid 18 RA
19 Alhoewel uit deze grafiek blijkt dat ongevalbetrokkenheid daalt naarmate er meer rijervaring opgedaan werd, bestaat de kans dat dit patroon op basis van het toeval is onstaan. Om na te gaan of dit inderdaad het geval is worden de gegevens gemodelleerd aan de hand van een multivariate analyse. Bovendien werd er bij het berekenen van de risico s vanuit gegaan dat het verband tussen het aantal ongevallen en de blootstelling lineair is. Het risico is namelijk een lineaire breuk van aantal ongevallen op blootstelling. Uit de literatuur blijkt echter dat het aantal ongevallen meestal niet lineair afhangt van de blootstelling. Het zou namelijk kunnen dat een zelfde toename in blootstelling een verschillend effect heeft op het aantal ongevallen afhankelijk van hoe groot deze blootstelling is (zie bv. Zeeger et al., 1987; Hauer, 1997; Greibe, 2003). In dit geval geeft deze visuele presentatie van ongevalbetrokkenheid een enigszins vertekend beeld. Ook daarom is het nodig alle variabelen (rijervaring en blootstelling) op een meervoudige manier te modelleren waarmee de mogelijkheid opengelaten wordt voor deze nietlineaire verbanden tussen de blootstelling en het aantal ongevallen waarin de onderzochte jongeren betrokken raakten. Het eerste model dat opgesteld werd, geeft globaal het effect weer van de opgedane rijervaring op de ongevalbetrokkenheid. De modelformulering wordt gepresenteerd in Tabel 4. Binnen dit model wordt rijervaring gedefinieerd als de tijd verstreken sinds het behalen van het rijbewijs. De blootstelling komt overeen met het aantal uren dat er effectief gereden werd binnen iedere rijervaringsperiode. Er wordt gewerkt met het logaritme van de blootstelling als verklarende variabele om na te gaan of het verband tussen de blootstelling en het aantal ongevallen inderdaad niet-lineair is (de schatting voor parameter 1 zal hierover uitsluitsel geven, zie later). Modelformulering: O 1 = *EXP erv + 2 *RE *RE *RE03 + Waarbij: O 1 = log(ongevallen): aantal ongevallen als bestuurder van een wagen EXP erv = log(blootstelling): aantal uren gereden tijdens de betreffende ervaringsperiode RE01_dagen = 1 indien 0 tot 250 dagen sinds het behalen van het rijbewijs, anders 0 RE02_dagen = 1 indien 251 tot 500 dagen sinds het behalen van het rijbewijs, anders 0 RE03_dagen = 1 indien 501 tot 750 dagen sinds het behalen van het rijbewijs, anders 0 Tabel 4: Verband tussen ervaring en ongevalbetrokkenheid: modelformulering. De statistische resultaten (geschatte parameters en bijhorende p-waarden) worden gepresenteerd in Tabel 5) 4. Ondanks het feit dat de ongevalbetrokkenheid daalt naarmate de rijervaring stijgt (positieve parameterschattingen of estimates voor RE01_dagen en RE02_dagen t.o.v. RE03_dagen), blijkt dit effect niet significant te zijn. Enkel de blootstelling heeft een significante invloed op het aantal ongevallen (p-waarde <.05). Uit het feit dat de parameterschatting van deze blootstelling niet rond 1 ligt, kan afgeleid worden dat het verband tussen blootsteling en het aantal ongevallen niet-lineair is. Het aantal ongevallen blijft niet evensnel stijgen bij een constant stijgende blootstelling. Dit is het eenvoudigste in te zien als het model uit Tabel 4 herschreven wordt door de logaritmes weg te werken. Dan ziet het model er uit als: 4 Bij het modelleren van de gegevens werd gekozen volledig open te laten op welke manier de verschillende metingen binnen iedere respondent met elkaar gecorreleerd kunnen zijn (ongestructureerde correlatiestructuur). Steunpunt Verkeersveiligheid 19 RA
20 Ongevallen= (e )*(Blootstelling 0.37 )*(als dagen: e 0.24 )*(als 251 tot 500 dagen: e 0.11 ). Bij een lineaire stijging van het aantal ongevallen met de blootstelling had de macht van de blootstelling ongeveer 1 moeten zijn. In werkelijkheid ligt de macht dichter bij 1/3. Het aantal ongevallen stijgt dus wel met stijgende blootstelling, maar deze stijging verloopt steeds trager. Analysis of GEE Parameter Estimates Parameter 5 Estimate Standard Error 95% confidence interval Z p-value Intercept <.0001 EXP erv <.0001 RE01_dagen RE02_dagen RE03_dagen Tabel 5: Verband ervaring met ongevalbetrokkenheid: parameter-schattingen Tweede operationalisatie van Rijervaring: aantal uren gereden sinds rijbewijs Het eerste model gaf aan dat rijervaring, gemeten als de tijd verstreken sinds het behalen van het rijbewijs, geen effect heeft op de ongevalbetrokkenheid. De ongevalbetrokkenheid in functie van de rijervaring volgens de tweede operationalisatie, het aantal uren gereden sinds het behalen van het rijbewijs, wordt gepresenteerd in Figuur 3. Ook hier blijkt dat de gemiddelde ongevalbetrokkenheid daalt naarmate meer rijervaring opgedaan werd. Opnieuw worden deze gegevens op een multivariate manier gemodelleerd om na te gaan of dit ogenschijnlijk verband statistisch betrouwbaar is. 5 In deze kolom staat niet de parameter zelf maar de variabele uit het model waar de parameter bij hoort. Steunpunt Verkeersveiligheid 20 RA
21 Ongevalbetrokkenheid 2 1,5 1 0,5 0 0 tot 417 uren 418 tot 833 uren 834 tot 1250 uren Rijervaring Figuur 3: Verband ervaring met ongevalbetrokkenheid: visuele voorstelling van risico s (risico s gemiddeld over alle respondenten). De modelformulering van het model waarbij rijervaring gedefinieerd wordt als het aantal uren gereden sinds het behalen van het rijbewijs, wordt gepresenteerd in Tabel 6. Modelformulering: O 1 = *EXP erv + 2 *RE *RE *RE03 + Waarbij: O 1 = log(ongevallen): aantal ongevallen als bestuurder van een wagen EXP erv = log(blootstelling): aantal uren gereden tijdens de betreffende ervaringsperiode RE01 = 1 indien 0 tot 417 uren gereden sinds het behalen van het rijbewijs, anders 0 RE02 = 1 indien 418 tot 833 uren gereden sinds het behalen van het rijbewijs, anders 0 RE03 = 1 indien 834 tot 1250 uren gereden sinds het behalen van het rijbewijs, anders 0 Tabel 6: Verband ervaring met ongevalbetrokkenheid: modelformulering. De statistische resultaten (geschatte parameters en bijhorende p-waarden) worden gepresenteerd in Tabel 7. Hieruit blijkt dat rijervaring, gedefinieerd als het aantal uren gereden sinds het behalen van het rijbewijs, een betere variabele is om ongevalbetrokkenheid te voorspellen: hoe meer rijervaring hoe minder ongevallen. Ten opzichte van de referentiesituatie (RE03) heeft zowel de tweede ervaringsperiode (RE02) als de eerste ervaringsperiode (RE01) een significant hoger aantal ongevallen ( estimates gelijk aan 0.47 en 0.63 respectievelijk). Steunpunt Verkeersveiligheid 21 RA
22 Analysis of GEE Parameter Estimates Parameter Estimate Standard Error 95% confidence interval Z p-value Intercept <.0001 EXP erv <.0001 RE RE RE Tabel 7: Verband ervaring met ongevalbetrokkenheid: parameter-schattingen Effect van leeftijd Uit de literatuurstudie (Willems & Cuyvers, 2004) kwam naar voren dat de verhoogde ongevalbetrokkenheid zowel door ervaringsgerelateerde als door leeftijdsgerelateerde factoren verklaard kan worden. Daarom werd in het volgende model de leeftijd mee opgenomen als verklarende variabele. De modelformulering wordt gepresenteerd in Tabel 8. Leeftijd wordt beschouwd als een variabele die binnen het subject gemeten wordt (aangezien de leeftijd stijgt naarmate de rijervaring stijgt). Modelformulering: O 1 = *EXP erv + 2 *RE *RE *RE *LFT erv + Waarbij: O 1 = log(ongevallen): aantal ongevallen als bestuurder van een wagen EXP erv = log(blootstelling): aantal uren gereden tijdens de betreffende ervaringsperiode RE01 = 1 indien 0 tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE02 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE03 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 LFT erv = log(leeftijd): leeftijd op het einde van iedere ervaringsperiode Tabel 8: Verband rijervaring en leeftijd met ongevalbetrokkenheid: modelformulering. De geschatte parameters en bijhorende p-waarden voor dit model worden gepresenteerd in Tabel 9. De positieve parameterschatting voor de leeftijd ( estimate gelijk aan 1.41) geeft aan dat de oudere jongeren uit de steekproef grotere risico s vertonen om betrokken te raken bij een ongeval. Een stijging in leeftijd van 1% resulteers in een stijging van ongevallen van 1.41%. Merk op dat over dit effect van leeftijd enkel binnen de groep van jongeren met een beperkt leeftijdsbereik gesproken kan worden. Steunpunt Verkeersveiligheid 22 RA
23 Analysis of GEE Parameter Estimates Parameter Estimate Standard Error 95% confidence interval Z p-value Intercept <.0001 EXP erv <.0001 LFT erv RE RE RE Tabel 9: Verband ervaring en leeftijd met ongevalbetrokkenheid: parameterschattingen Aandeel van de bestuurder in het veroorzaken van het ongeval In voorgaande delen werden alle ongevallen meegeteld in de analyses. We kunnen echter dezelfde analyse herhalen enkel voor de ongevallen waarbij de ondervraagde jongeren zelf aandeel hadden in het veroorzaken van het ongeval 6 en dit vergelijken met de analyse enkel voor de ongevallen waarbij ze geen aandeel hadden in het veroorzaken ervan. De eerste modelformulering wordt getoond in Tabel 10. Modelformulering: O 2 = *EXP erv + 2 *RE *RE *RE *LFT erv + Waarbij: O 2 = log(ongevallen): aantal ongevallen (waarbij als bestuurder in de fout) EXP erv = log(blootstelling): aantal uren gereden tijdens de betreffende ervaringsperiode RE01 = 1 indien 0 tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE02 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE03 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 LFT erv = log(leeftijd): leeftijd op het einde van iedere ervaringsperiode Tabel 10: Verband rijervaring en leeftijd met ongevalbetrokkenheid: modelformulering. 6 Vanaf het moment dat de respondent zijn eigen aandeel in het veroorzaken van het ongeval hoger dan 0 inschatte, werd zijn betrokkenheid bij het ongeval als niet toevallig beschouwd. Het zijn deze niet toevallige ongevallen die in de volgende analyses betrokken worden. Steunpunt Verkeersveiligheid 23 RA
24 De geschatte parameters en bijhorende p-waarden voor dit model worden gepresenteerd in Tabel 11. Het beperken van de ongevallen tot de ongevallen waarbij de bestuurder zelf aandeel had in het veroorzaken ervan heeft slechts een matige invloed op de globale resultaten. Dezelfde effecten treden op die gevonden worden wanneer alle ongevallen meegerekend worden. Analysis of GEE Parameter Estimates Parameter Estimate Standard Error 95% confidence interval Z p-value Intercept <.0001 EXP erv LFT erv RE RE RE Tabel 11: Verband ervaring en leeftijd met ongevalbetrokkenheid: parameterschattingen. De resultaten van de analyse waarbij enkel die ongevallen meegeteld worden waarbij de bestuurder geen aandeel had in het veroorzaken ervan (modelformulering volkomen vergelijkbaar met Tabel 10, enkel O 2 = log(ongevallen): aantal ongevallen waarbij als bestuurder niet in fout) worden getoond in Tabel 12. Analysis of GEE Parameter Estimates Parameter Estimate Standard Error 95% confidence interval Z p- value Intercept <.0001 EXP erv <.0001 LFT erv RE RE RE Tabel 12: Verband ervaring en leeftijd met ongevalbetrokkenheid: parameterschattingen. In deze bijkomende analyse met enkel de ongevallen waarbij de bestuurders niet in de fout gingen verdween het effect van rijervaring (p = 0.15, resp p=0.46). In deze analyse zou immers enkel een effect van blootstelling verwacht kunnen worden (aangezien het om de toevallige ongevallen gaat). Vreemd genoeg bleef naast de blootstelling (p < ) ook de leeftijd significant (p = 0.007). De reden voor dit vreemde effect kan de Steunpunt Verkeersveiligheid 24 RA
25 hoeveelheid verkeer zijn waarin de subjecten zich bewegen (is niet gelijk aan de blootstelling zoals in deze studie gemeten). Volgens deze interpretatie zouden de oudere jongeren meer in omstandigheden rijden met verhoogd verkeer waardoor ze een verhoogde kans hebben om bij ongevallen betrokken te raken. In de hierna volgende analyses wordt verder gewerkt met alle ongevallen (dus ook ongevallen waarbij de ondervraagde bestuurders zelf niet in de fout gingen). 2.3 Resultaten verband rijervaring, persoonlijke en ongevalsvariabelen en ongevalbetrokkenheid Persoonlijke variabelen Om te zien of er verschillen zijn in ongevalbetrokkenheid tussen de twee geslachten werd een model gedefinieerd waar als persoonlijke variabele het geslacht geselecteerd werd (niet gepresenteerd). Hierbij werd gevonden dat het geslacht geen voorspellende waarde had naar het aantal ongevallen toe. Zelfs binnen een enkelvoudige analyse (absolute aantallen ongevallen zonder rekening te houden met blootstelling, rijervaring en leeftijd) traden geen geslachtsverschillen op de voorgrond. Het aantal ongevallen bleek wel systematisch te variëren met de rijopleiding die gevolgd werd. Respondenten met een rijopleiding van het eerste type (rijopleiding in erkende rijschool, model 1) en een rijopleiding van het derde type (rijopleiding door familie of kennissen) waren minder bij ongevallen betrokken dan deze met een rijopleiding van het vierde type (vervroegde rijopleiding, leervergunning). De respondenten met een rijopleiding van het tweede type (rijopleiding in erkende rijschool, model 2) hadden evenveel ongevallen als deze met een rijopleiding van het vierde type. Daarom werd deze persoonlijke variabele in de hiernavolgende het modellen behouden (zie tot voor de geschatte parameters voor deze variabele). Het toevoegen van interactietermen tussen rijervaring en deze twee persoonlijke variabelen voegde niets toe aan de voorspellende waarde van het model Het moment van de dag (dag/nacht) Naast persoonlijke variabelen (geslacht en type rijopleiding) kan ook gekeken worden of bepaalde situaties voorspellende waarde hebben met betrekking tot de ongevalbetrokkenheid van de ondervraagde jongeren. De situationele variabelen worden één voor één gemodelleerd samen met voorgaande variabelen (blootstelling, rijervaring, leeftijd en type rijopleiding als verklarende variabelen) aangezien het hier om deels overlappende variabelen gaat (vb. sommige weekendongevallen gebeurden s nachts). Indien alle situationele variabelen tegelijkertijd gemodelleerd zouden worden, dan zou het beperkt aantal ongevallen te zeer versnipperd raken over de verschillende condities waardoor statistische analyse onmogelijk wordt 7. Dit geldt voor alle volgende modellen waarin de situationele variabelen gemodelleerd worden. De eerste situatie is het moment van de dag. Ongevallen kunnen overdag gebeuren (tussen 6u00 en 21u00) of s nachts (tussen 21u00 en 6u00). De modelformulering wordt gepresenteerd in Tabel 13. Omdat de tweede persoonlijke variabele (type 7 Wanneer er per keer 1 situationele variabele gemodelleerd wordt zijn er 6 (3 rijervaringsperiodes x 2 niveaus binnen iedere situationele variabele) herhaalde metingen binnen ieder subject (waarover de ongevallen verdeeld worden). Het bijvoegen van een tweede situationele variabele met twee niveaus zorgt voor 12 herhaalde metingen (waardoor de ongevallen al te zeer versnipperd raken over de verschillende condities). Steunpunt Verkeersveiligheid 25 RA
26 rijopleiding) voorspellende waarde had met betrekking tot ongevalbetrokkenheid, werd deze behouden in het model. Modelformulering: O 1 = *EXP erv*sit + 2 *RE *RE *RE *LFT erv + 6 *T1 + 7 *T2 + 8 *T3 + 9 *T *D + 11 *N + Waarbij: O 2 = log(ongevallen): aantal ongevallen als bestuurder van een wagen EXP erv*sit = log(blootstelling): aantal uren gereden tijdens de betreffende ervaringsperiode en in die specifieke situatie RE01 = 1 indien 0 tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE02 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 RE03 = 1 indien tot uren gereden sinds het behalen van het rijbewijs, anders 0 LFT erv = log(leeftijd): leeftijd op het einde van iedere ervaringsperiode T1 = 1 indien rijopleiding type 1 (erkende rijschool, model 1), anders 0 T2 = 1 indien rijopleiding type 2 (erkende rijschool, model 2), anders 0 T3 = 1 indien rijopleiding type 3 (rijopleiding familie of kennissen), anders 0 T4 = 1 indien rijopleiding type 4 (vervroegde rijopleiding, leervergunning), anders 0 D = 1 indien door de dag, anders 0 N = 1 indien tijdens de nacht, anders 0 Tabel 13: Verband rijervaring en leeftijd met ongevalbetrokkenheid, met als persoonlijke variabele het type rijopleiding en met als situationele variabele het moment van de dag: modelformulering. De resultaten van deze analyse (de geschatte parameters van dit model en de daarbij horende p-waarden) worden gepresenteerd in Tabel Hieruit blijkt dat er een effect is van het moment van de dag: de kans om betrokken te raken bij een verkeersongeval is voor de ondervraagde jongeren groter overdag ( estimate gelijk aan 0.60), in vergelijking met tijdens de nachtelijke uren. Deze effecten treden op samen met een effect van rijopleiding type 3, een marginaal effect van de rijopleiding type 1, en een effect van blootstelling, rijervaring en leeftijd. Het bijvoegen van de interactieterm tussen rijervaring en het moment van de dag voegde aan voorspellende waarde niets toe aan dit model. 8 Uit praktische overwegingen werd voor de hierop volgende modellen verondersteld dat de verbanden tussen de herhaalde metingen binnen iedere respondent even sterk waren (uitwisselbare correlatiestructuur). Steunpunt Verkeersveiligheid 26 RA
HOOFDSTUK VII REGRESSIE ANALYSE
HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens
Nadere informatieResultaten voor België Ongevallen Gezondheidsenquête, België, 1997
6.10.1. Inleiding De term ongeval kan gedefinieerd worden als 'elk onverwacht en plots voorval dat schade berokkent of gevaar oplevert (dood, blessures,...) of als ' een voorval dat onafhankelijk van de
Nadere informatieResultaten voor Brussels Gewest Ongevallen Gezondheidsenquête, België, 1997
6.10.1. Inleiding De term ongeval kan gedefinieerd worden als 'elk onverwacht en plots voorval dat schade berokkent of gevaar oplevert (dood, blessures,...) of als ' een voorval dat onafhankelijk van de
Nadere informatieTijdreeksanalyse in verkeersveiligheidsonderzoek met behulp van state space methodologie
Samenvatting Tijdreeksanalyse in verkeersveiligheidsonderzoek met behulp van state space methodologie In dit proefschrift wordt een aantal studies gepresenteerd waarin tijdreeksanalyse wordt toegepast
Nadere informatieEvolutie van de schadefrequentie in de BA motorrijtuigenverzekering
Evolutie van de schadefrequentie 2007-2016 in de BA motorrijtuigenverzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van de
Nadere informatiegegevens analyseren Welk onderzoekmodel gebruik je? Quasiexperiment ( 5.5) zonder controle achtergronden
een handreiking 71 hoofdstuk 8 gegevens analyseren Door middel van analyse vat je de verzamelde gegevens samen, zodat een overzichtelijk beeld van het geheel ontstaat. Richt de analyse in de eerste plaats
Nadere informatieEvolutie van de schadefrequentie in de BA motorrijtuigenverzekering
Evolutie van de schadefrequentie 2008-2017 in de BA motorrijtuigenverzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van de
Nadere informatieHet ene ongeval is het andere niet
Het ene ongeval is het andere niet Analyse van de rapportering van verkeersongevallen in de media Tim De Ceunynck, Stijn Daniels, Michèle Baets Steunpunt Verkeersveiligheid; Universiteit Hasselt IMOB Julie
Nadere informatieToegepaste data-analyse: oefensessie 2
Toegepaste data-analyse: oefensessie 2 Depressie 1. Beschrijf de clustering van de dataset en geef aan op welk niveau de verschillende variabelen behoren Je moet weten hoe de data geclusterd zijn om uit
Nadere informatieGedragsanalyse Experiment Verzekeren per Kilometer
Gedragsanalyse Experiment Verzekeren per Kilometer Jasper Knockaert mailto:jknockaert@feweb.vu.nl 11 oktober 29 1 Inleiding Het Transumo project Verzekeren per Kilometer onderzoekt de mogelijkheden van
Nadere informatieRapport voor deelnemers M²P burgerpanel
Rapport voor deelnemers M²P burgerpanel Weergaven van publieke opinie in het nieuws en hun invloed op het publiek Dit rapport beschrijft de resultaten van een onderzoek over weergaven van publieke opinie
Nadere informatieOnderzoek Verplaatsingsgedrag Vlaanderen 4.3 (2010-2011)
Onderzoek Verplaatsingsgedrag Vlaanderen 4.3 (2010-2011) Verkeerskundige interpretatie van de belangrijkste tabellen (Analyserapport) D. Janssens, S. Reumers, K. Declercq, G. Wets Contact: Prof. dr. Davy
Nadere informatieMeervoudige ANOVA Onderzoeksvraag Voorwaarden
Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd
Nadere informatieEvolutie van de schadefrequentie in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2006-2015 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatieDe evolutie in verkeersveiligheid op autosnelwegen beschreven aan de hand van blootstelling en risico
De evolutie in verkeersveiligheid op autosnelwegen beschreven aan de hand van blootstelling en risico Elke Hermans Geert Wets Filip Van den Bossche Instituut voor Mobiliteit Universiteit Hasselt Het algemene
Nadere informatieClassification - Prediction
Classification - Prediction Tot hiertoe: vooral classification Naive Bayes k-nearest Neighbours... Op basis van predictor variabelen X 1, X 2,..., X p klasse Y (= discreet) proberen te bepalen. Training
Nadere informatieEvolutie van de schadefrequentie 2003-2012 in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2003-2012 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatieEvolutie van de schadefrequentie in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2005-2014 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatieTabel 69: Verdeling van het gavpppd volgens geslacht en hoofdvervoerswijze. meerdere verplaatsingen heeft gemaakt.
2.2 Gavpppd en socio-economische kenmerken Iedereen die mobiliteit en verplaatsingsgedrag bestudeert, heeft wellicht al wel eens van een studie gehoord waarin socio-economische kenmerken gebruikt worden
Nadere informatie@Risk. Samenvatting. Analyse van het risico op ernstige en dodelijke verwondingen in het verkeer in functie van leeftijd en verplaatsingswijze
@Risk Samenvatting Analyse van het risico op ernstige en dodelijke verwondingen in het verkeer in functie van leeftijd en verplaatsingswijze Samenvatting @RISK Analyse van het risico op ernstige en dodelijke
Nadere informatieVerkeersveiligheidsmonitor. Gemeente Slochteren
Verkeersveiligheidsmonitor Gemeente Slochteren INHOUDSOPGAVE Trend 3 Algemene ontwikkeling van het totale aantal slachtoffers... 3 Ontwikkeling aantal verkeersdoden (geïndexeerd) ten opzichte van het referentiegebied
Nadere informatieTechnische fiche: indicatoren Relatieve vijfjaarsoverleving
Technische fiche: indicatoren Relatieve vijfjaarsoverleving Overzicht van de indicatoren Relatieve vijfjaarsoverleving voor alle patiënten Relatieve vijfjaarsoverleving voor patiënten die radicale resectie
Nadere informatieKlantonderzoek: statistiek!
Klantonderzoek: statistiek! Statistiek bij klantonderzoek Om de resultaten van klantonderzoek juist te interpreteren is het belangrijk de juiste analyses uit te voeren. Vaak worden de mogelijkheden van
Nadere informatieGeslacht sexe Frequency mannelijk vrouwelijk
3.2 Gaakpppd en socio-economische kenmerken Tabel 13: Gaakpppd volgens geslacht Geslacht sexe mannelijk 49.29611 vrouwelijk 34.28252 Opvallend is het grote verschil in de gemiddelde afgelegde afstand dag
Nadere informatieHet Verband Tussen Persoonlijkheid, Stress en Coping. The Relation Between Personality, Stress and Coping
Het Verband Tussen Persoonlijkheid, Stress en Coping The Relation Between Personality, Stress and Coping J.R.M. de Vos Oktober 2009 1e begeleider: Mw. Dr. T. Houtmans 2e begeleider: Mw. Dr. K. Proost Faculteit
Nadere informatieCover Page. The handle http://hdl.handle.net/1887/35287 holds various files of this Leiden University dissertation
Cover Page The handle http://hdl.handle.net/1887/35287 holds various files of this Leiden University dissertation Author: Poortvliet, Rosalinde Title: New perspectives on cardiovascular risk prediction
Nadere informatieExamen Statistische Modellen en Data-analyse. Derde Bachelor Wiskunde. 14 januari 2008
Examen Statistische Modellen en Data-analyse Derde Bachelor Wiskunde 14 januari 2008 Vraag 1 1. Stel dat ɛ N 3 (0, σ 2 I 3 ) en dat Y 0 N(0, σ 2 0) onafhankelijk is van ɛ = (ɛ 1, ɛ 2, ɛ 3 ). Definieer
Nadere informatieSPSS Introductiecursus. Sanne Hoeks Mattie Lenzen
SPSS Introductiecursus Sanne Hoeks Mattie Lenzen Statistiek, waarom? Doel van het onderzoek om nieuwe feiten van de werkelijkheid vast te stellen door middel van systematisch onderzoek en empirische verzamelen
Nadere informatieDe Relatie tussen Lichamelijke Gezondheid, Veerkracht en Subjectief. Welbevinden bij Inwoners van Serviceflats
De Relatie tussen Lichamelijke Gezondheid, Veerkracht en Subjectief Welbevinden bij Inwoners van Serviceflats The Relationship between Physical Health, Resilience and Subjective Wellbeing of Inhabitants
Nadere informatieDe Invloed van Dagelijkse Stress op Burn-Out Klachten, Gemodereerd door Mentale. Veerkracht en Demografische Variabelen
Running head: INVLOED VAN DAGELIJKSE STRESS OP BURN-OUT KLACHTEN De Invloed van Dagelijkse Stress op Burn-Out Klachten, Gemodereerd door Mentale Veerkracht en Demografische Variabelen The Influence of
Nadere informatieRobuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid
Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De
Nadere informatieEvolutie van de schadefrequentie 2002-2011 in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2002-2011 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatieHoofdstuk 3 hoofdstuk 4
126 Uit talrijke studies blijkt dat blootstelling aan luchtverontreiniging veroorzaakt door verkeer leidt tot schade aan de gezondheid van hart, bloedvaten en luchtwegen. In de meeste van deze studies
Nadere informatie4. Resultaten. 4.1 Levensverwachting naar geslacht en opleidingsniveau
4. Het doel van deze studie is de verschillen in gezondheidsverwachting naar een socio-economisch gradiënt, met name naar het hoogst bereikte diploma, te beschrijven. Specifieke gegevens in enkel mortaliteit
Nadere informatieEvolutie van de schadefrequentie 2001-2010 in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2001-2010 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatieTrendbarometer hotels 2012 Finaal rapport
Trendbarometer hotels 2012 Finaal rapport Trendbarometer hotels 2012 Inlichtingen Dagmar.Germonprez@toerismevlaanderen.be Tel +32 (0)2 504 25 15 Verantwoordelijke uitgever: Peter De Wilde - Toerisme Vlaanderen
Nadere informatieBij herhaalde metingen ANOVA komt het effect van het experiment naar voren bij de variantie binnen participanten. Bij de gewone ANOVA is dit de SS R
14. Herhaalde metingen Introductie Bij herhaalde metingen worden er bij verschillende condities in een experiment dezelfde proefpersonen gebruikt of waarbij dezelfde proefpersonen op verschillende momenten
Nadere informatieHet inschatten van de eigen vaardigheid van jongeren in het kader van een bijkomende rijopleiding
Het inschatten van de eigen vaardigheid van jongeren in het kader van een bijkomende rijopleiding Theoretische omkadering en empirische studie RA-2005-56 B. Willems en R. Cuyvers Onderzoekslijn Gedrag
Nadere informatieWerkloosheidscijfers Tijdelijke werkloosheid Faillissementen
De impact van de economische crisis in West Limburg Werkloosheidscijfers Tijdelijke werkloosheid Faillissementen MEI 2009 1. Werkloosheid 1.1 Niet werkende werkzoekenden Een eerste indicator die de economische
Nadere informatieMonitor werkdruk in de kraamzorg 2018
Monitor werkdruk in de kraamzorg 2018 Daniël de Rijke BSc In opdracht van de NBvK Juni 2018 Monitor werkdruk in de kraamzorg 2018 Daniël de Rijke/NBvK, juni 2018 Pagina!1 Inhoudsopgave Inhoudsopgave 1
Nadere informatieKengetallen. E-5 MPR-Kwaliteit. Inleiding. MPR 24 uur. 4 Betekenis van MPR 24 uur
Kengetallen E-5 MPR-Kwaliteit Inleiding Via Melkproductieregistratie (MPR) worden gegevens over de melk-, vet en eiwitproductie van de veestapel verzameld. Deze gegevens zijn de basis van managementinformatie
Nadere informatieEvolutie van de schadefrequentie 2001-2009 in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie 2001-2009 in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van
Nadere informatiemlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2
mlw stroom 2.2 Biostatistiek en Epidemiologie College 9: Herhaalde metingen (2) Syllabus Afhankelijke Data Hoofdstuk 4, 5.1, 5.2 Bjorn Winkens Methodologie en Statistiek Universiteit Maastricht 21 maart
Nadere informatieDossier : jongeren en het verkeer
Dossier : jongeren en het verkeer 1 Nooit had ik gedacht dat mij zoiets kon overkomen, is een bedenking die wel meer jongeren die betrokken raakten in een ongeval zich maken. Nochtans, als de media op
Nadere informatie3.2 Effecten van onbemande snelheidshandhaving op autosnelwegen in Vlaanderen
3.2 Effecten van onbemande snelheidshandhaving op autosnelwegen in Vlaanderen Ellen De Pauw, Stijn Daniels, Tom Brijs, Elke Hermans, Geert Wets Universiteit Hasselt Instituut voor Mobiliteit (IMOB) Dat
Nadere informatieInvloed van het aantal kinderen op de seksdrive en relatievoorkeur
Invloed van het aantal kinderen op de seksdrive en relatievoorkeur M. Zander MSc. Eerste begeleider: Tweede begeleider: dr. W. Waterink drs. J. Eshuis Oktober 2014 Faculteit Psychologie en Onderwijswetenschappen
Nadere informatieDe vrouwen hebben dan ook een grotere kans op werkloosheid (0,39) dan de mannen uit de onderzoekspopulatie (0,29).
In het kader van het onderzoek kreeg de RVA de vraag om op basis van de door het VFSIPH opgestelde lijst van Rijksregisternummers na te gaan welke personen op 30 juni 1997 als werkloze ingeschreven waren.
Nadere informatie5. Discussie. 5.1 Informatieve waarde van de basisgegevens
5. 5.1 Informatieve waarde van de basisgegevens Relevante conclusies voor het beleid zijn pas mogelijk als de basisgegevens waaruit de samengestelde indicator berekend werd voldoende recent zijn. In deze
Nadere informatieDenken en Doen Doen of Denken Het verband tussen seksueel risicovol gedrag en de impulsieve en reflectieve cognitie.
0 Denken en Doen Doen of Denken Het verband tussen seksueel risicovol gedrag en de impulsieve en reflectieve cognitie. Denken en Doen Doen of Denken Het verband tussen seksueel risicovol gedrag en de impulsieve
Nadere informatienederlandse samenvatting Dutch summary
Dutch summary 211 dutch summary De onderzoeken beschreven in dit proefschrift zijn onderdeel van een grootschalig onderzoek naar individuele verschillen in algemene cognitieve vaardigheden. Algemene cognitieve
Nadere informatieHet verband tussen alledaagse stress en negatief affect bij mensen met een depressie en de rol van zelfwaardering daarbij
Het verband tussen alledaagse stress en negatief affect bij mensen met een depressie en de rol van zelfwaardering daarbij Een vergelijking van een depressieve en een niet-depressieve groep met Experience-Sampling-Method
Nadere informatieErvaring en ongevalbetrokkenheid
Ervaring en ongevalbetrokkenheid Een literatuurstudie RA-2004-30 Bert Willems, Rob Cuyvers Onderzoekslijn Gedrag DIEPENBEEK, 2004. STEUNPUNT VERKEERSVEILIGHEID BIJ STIJGENDE MOBILITEIT. Documentbeschrijving
Nadere informatieRelatie tussen Cyberpesten en Opvoeding. Relation between Cyberbullying and Parenting. D.J.A. Steggink. Eerste begeleider: Dr. F.
Relatie tussen Cyberpesten en Opvoeding Relation between Cyberbullying and Parenting D.J.A. Steggink Eerste begeleider: Dr. F. Dehue Tweede begeleider: Drs. I. Stevelmans April, 2011 Faculteit Psychologie
Nadere informatie4.2. Evaluatie van de respons op de postenquêtes. In dit deel gaan we in op de respons op instellingsniveau en op respondentenniveau.
4.2. Evaluatie van de respons op de postenquêtes 4.2.1. Algemeen In dit deel gaan we in op de respons op instellingsniveau en op respondentenniveau. Instellingsniveau (vragenlijst coördinator) provincie,
Nadere informatieCheck Je Kamer Rapportage 2014
Check Je Kamer Rapportage 2014 Kwantitatieve analyse van de studentenwoningmarkt April 2015 Dit is een uitgave van de Landelijke Studenten Vakbond (LSVb). Voor vragen of extra informatie kan gemaild worden
Nadere informatieAantal huisartsen en aantal FTE van huisartsen vanaf 2007 tot en met 2016
Aantal huisartsen en aantal FTE van huisartsen vanaf 2007 tot en met 2016 Werken er nu meer of minder huisartsen dan 10 jaar geleden en werken zij nu meer of minder FTE? LF.J. van der Velden & R.S. Batenburg,
Nadere informatieEvolutie van de schadefrequentie in de BA motorrijtuigen verzekering
Evolutie van de schadefrequentie in de BA motorrijtuigen verzekering Inhoud 1. Aantal schadegevallen BA toerisme en zaken... 2 Schadefrequentie BA toerisme en zaken... 2 Schadefrequentie van de schadegevallen
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, uur De u
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor T (2S070) op vrijdag 8 oktober 1999, 14.00-17.00 uur De uitwerkingen van de opgaven dienen duidelijk geformuleerd
Nadere informatieGeloof in een Rechtvaardige Wereld en Afkeuring van Geweldsslachtoffers: De Invloed
Geloof in een Rechtvaardige Wereld en Afkeuring van Geweldsslachtoffers: De Invloed van Sociale Categorisering, Persoons-identificatie, Positie-identificatie en Retributie Belief in a Just World and Rejection
Nadere informatieOnderzoeksvraag zoals geformuleerd door SZW
aan SZW van Peter-Paul de Wolf en Sander Scholtus (Senior) methodoloog onderwerp Aandeel 0-jarigen onder aanvragen toeslag kinderdagopvang datum 5 september 2018 Inleiding Naar aanleiding van een voorgestelde
Nadere informatieWelke Factoren hangen samen met Kwaliteit van Leven na de Kanker Behandeling?
Welke Factoren hangen samen met Kwaliteit van Leven na de Kanker Behandeling? Which Factors are associated with Quality of Life after Cancer Treatment? Mieke de Klein Naam student: A.M.C.H. de Klein Studentnummer:
Nadere informatie3de bach TEW KBM. Theorie. uickprinter Koningstraat Antwerpen ,00
3de bach TEW KBM Theorie Q www.quickprinter.be uickprinter Koningstraat 13 2000 Antwerpen 168 6,00 Online samenvattingen kopen via www.quickprintershop.be BOEK 1: ENKELVOUDIGE EN MEERVOUDIGE REGRESSIE
Nadere informatieDecreasing rates of major lower-extremity amputation in people with diabetes but not in those without : a nationwide study in Belgium
Decreasing rates of major lower-extremity amputation in people with but not in those without : a nationwide study in Belgium Samenvatting van de resultaten gepubliceerd in Diabetologia (het artikel is
Nadere informatieEvaluatie van de activeringsplicht van oudere werklozen
Evaluatie van de activeringsplicht van oudere werklozen Auteur: Joost Bollens 1 Abstract In de loop van mei 2009 werd in Vlaanderen de zogenaamde systematische aanpak van de VDAB (de Vlaamse Dienst voor
Nadere informatiePesten op het werk en de invloed van Sociale Steun op Gezondheid en Verzuim.
Pesten op het werk en de invloed van Sociale Steun op Gezondheid en Verzuim. Bullying at work and the impact of Social Support on Health and Absenteeism. Rieneke Dingemans April 2008 Scriptiebegeleider:
Nadere informatieR-89-25 Ir. A. Dijkstra Leidschendam, 1989 Stichting Wetenschappelijk Onderzoek Verkeersveiligheid SWOV
SCHEIDING VAN VERKEERSSOORTEN IN FLEVOLAND Begeleidende notitie bij het rapport van Th. Michels & E. Meijer. Scheiding van verkeerssoorten in Flevoland; criteria en prioriteitsstelling voor scheiding van
Nadere informatieDe Relatie tussen Momentaan Affect en Seksueel Verlangen; de Modererende Rol van de Aanwezigheid van de Partner
De Relatie tussen Momentaan Affect en Seksueel Verlangen; de Modererende Rol van de Aanwezigheid van de Partner The association between momentary affect and sexual desire: The moderating role of partner
Nadere informatieAanvullende rapportage verkeersveiligheidseffecten experimenten 130km/h
Datum 12 december 2011 Bijlage(n) - Aanvullende rapportage verkeersveiligheidseffecten experimenten 130km/h Achtergrond Het kabinet is voornemens de maximumsnelheid op autosnelwegen te verhogen naar 130
Nadere informatieVerkeersveiligheidsmonitor
Verkeersveiligheidsmonitor Cijfers & Trends Gemeente Molenwaard 2009-2013 Datum: 23-9-2014 Realisatie door VIA met inzet van ViaStat. INHOUDSOPGAVE Trend 3 Algemene ontwikkeling van het totale aantal slachtoffers...
Nadere informatiePERSBERICHT Brussel, 5 augustus 2013
PERSBERICHT Brussel, 5 augustus 2013 Minder slachtoffers door verkeersongevallen in België in 2012 De Algemene Directie Statistiek en Economische Informatie publiceert vandaag de recentste cijfers over
Nadere informatiePersoonlijkheidskenmerken en cyberpesten onder jongeren van 11 tot 16 jaar:
Persoonlijkheidskenmerken en cyberpesten onder jongeren van 11 tot 16 jaar: is er een relatie met een verkorte versie van de NVP-J? Personality Characteristics and Cyberbullying among youngsters of 11
Nadere informatiekenniscentrum verkeersveiligheid
kenniscentrum verkeersveiligheid Risico s voor jonge bestuurders in het verkeer Analyse van risicofactoren voor 18 tot 24-jarige bestuurders op basis van een enquête over hun betrokkenheid bij ongevallen
Nadere informatieCarpoolen: exploratieve analyses op OVG Vlaanderen 2000
Carpoolen: exploratieve analyses op OVG Vlaanderen 2000 ONDERZOEK IN OPDRACHT VAN HET VLAAMS MINISTERIE VAN MOBILITEIT EN OPENBARE WERKEN DEPARTEMENT MOBILITEIT EN OPENBARE WERKEN AFDELING BELEID MOBILITEIT
Nadere informatieVerschillenanalyse effect nieuwe BKR. Samenvatting. Inleiding. datum Directie Kinderopvang, Ministerie SZW. aan
Verschillenanalyse effect nieuwe BKR datum 15-8-2018 aan van Directie Kinderopvang, Ministerie SZW Lucy Kok en Tom Smits, SEO Economisch Onderzoek Rapportnummer 2018-78 Copyright 2018 SEO Amsterdam. Alle
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN
TECHNISCHE UNIVERSITEIT EINDHOVEN Tentamen Biostatistiek voor BMT (2S390) op 17-11-2003 U mag alleen gebruik maken van een onbeschreven Statistisch Compendium (dikt. nr. 2218) en van een zakrekenmachine.
Nadere informatieVerbanden tussen Coping-Strategieën en. Psychologische en Somatische Klachten. binnen de Algemene Bevolking
2015 Verbanden tussen Coping-Strategieën en Psychologische en Somatische Klachten binnen de Algemene Bevolking Master Scriptie Klinische Psychologie Rachel Perez y Menendez Verbanden tussen Coping-Strategieën
Nadere informatieTestattitudes van Sollicitanten: Faalangst en Geloof in Tests als. Antecedenten van Rechtvaardigheidspercepties
Testattitudes van Sollicitanten: Faalangst en Geloof in Tests als Antecedenten van Rechtvaardigheidspercepties Test-taker Attitudes of Job Applicants: Test Anxiety and Belief in Tests as Antecedents of
Nadere informatieHoofdstuk 7 Het implementatieproces opnieuw bekeken: statistische exploratie
Het implementatieproces opnieuw bekeken: statistische exploratie 129 Hoofdstuk 7 Het implementatieproces opnieuw bekeken: statistische exploratie Inleiding De centrale vraag van het onderzoek is welke
Nadere informatieDe causale Relatie tussen Intimiteit en Seksueel verlangen en de. modererende invloed van Sekse en Relatietevredenheid op deze relatie
Causale Relatie tussen intimiteit en seksueel verlangen 1 De causale Relatie tussen Intimiteit en Seksueel verlangen en de modererende invloed van Sekse en Relatietevredenheid op deze relatie The causal
Nadere informatieExamen G0N34 Statistiek
Naam: Richting: Examen G0N34 Statistiek 7 juni 2010 Enkele richtlijnen : Wie de vragen aanneemt en bekijkt, moet minstens 1 uur blijven zitten. Je mag gebruik maken van een rekenmachine, het formularium
Nadere informatieDe Samenhang tussen Dagelijkse Stress, Emotionele Intimiteit en Affect bij Partners met een. Vaste Relatie
De Samenhang tussen Dagelijkse Stress, Emotionele Intimiteit en Affect bij Partners met een Vaste Relatie The Association between Daily Stress, Emotional Intimacy and Affect with Partners in a Commited
Nadere informatieGeslacht, Emotionele Ontrouw en Seksdrive. Gender, Emotional Infidelity and Sex Drive
1 Geslacht, Emotionele Ontrouw en Seksdrive Gender, Emotional Infidelity and Sex Drive Femke Boom Open Universiteit Naam student: Femke Boom Studentnummer: 850762029 Cursusnaam: Empirisch afstudeeronderzoek:
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Statistiek 2 voor TeMa (2S195) op dinsdag , uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Statistiek voor TeMa (S95) op dinsdag 3-03-00, 9- uur. Bij het tentamen mag gebruik worden gemaakt van een zakrekenmachine en
Nadere informatieG0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing
G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag
Nadere informatieEffecten van contactgericht spelen en leren op de ouder-kindrelatie bij autisme
Effecten van contactgericht spelen en leren op de ouder-kindrelatie bij autisme Effects of Contact-oriented Play and Learning in the Relationship between parent and child with autism Kristel Stes Studentnummer:
Nadere informatieWe berekenen nog de effectgrootte aan de hand van formule 4.2 en rapporteren:
INDUCTIEVE STATISTIEK VOOR DE GEDRAGSWETENSCHAPPEN OPLOSSINGEN BIJ HOOFDSTUK 4 1. Toets met behulp van SPSS de hypothese van Evelien in verband met de baardlengte van metalfans. Ga na of je dezelfde conclusies
Nadere informatieSummary & Samenvatting. Samenvatting
Samenvatting De meeste studies na rampen richten zich op de psychische problemen van getroffenen zoals post-traumatische stress stoornis (PTSS), depressie en angst. Naast deze gezondheidsgevolgen van psychische
Nadere informatiebeoordelingskader zorgvraagzwaarte
1 beoordelingskader zorgvraagzwaarte In dit document geven we een beoordelingskader voor de beoordeling van de zorgvraagzwaarte-indicator. Dit beoordelingskader is gebaseerd op de resultaten van de besprekingen
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
Nadere informatieBeïnvloedt Gentle Teaching Vaardigheden van Begeleiders en Companionship en Angst bij Verstandelijk Beperkte Cliënten?
Beïnvloedt Gentle Teaching Vaardigheden van Begeleiders en Companionship en Angst bij Verstandelijk Beperkte Cliënten? Does Gentle Teaching have Effect on Skills of Caregivers and Companionship and Anxiety
Nadere informatieTechnische nota. Brussel, december 2011
Technische nota Werkbaar werk en de inschatting van zelfstandige ondernemers om hun huidige job al dan niet tot hun pensioen verder te kunnen zetten. Resultaten uit de werkbaarheidsmetingen 2007 en 2010
Nadere informatiePartnerkeuze bij allochtone jongeren
Partnerkeuze bij allochtone jongeren Inleiding In april 2005 lanceerde de Koning Boudewijnstichting een projectoproep tot voorstellen om de thematiek huwelijk en migratie te onderzoeken. Het projectvoorstel
Nadere informatieGemeente Nederweert. Cliëntervaringsonderzoek Wmo over Onderzoeksrapportage. 30 juni 2017
Gemeente Nederweert Cliëntervaringsonderzoek Wmo over 2016 Onderzoeksrapportage 30 juni 2017 DATUM 30 juni 2017 Dimensus Beleidsonderzoek Wilhelminasingel 1a 4818 AA Breda info@dimensus.nl www.dimensus.nl
Nadere informatieRijsimulator onderzoek
Rijsimulator onderzoek In 2006 is de TU Delft gestart met onderzoek naar rijsimualtors in samenwerking met simulator producent Green Dino BV. De onderzoeksgroep DATA (Data Automated Training and Assessment)
Nadere informatieHet onderzoeksverslag
Het onderzoeksverslag Rian Aarts & Kitty Leuverink Onderzoeksverslag (zie ook handboek blz. 306) Titel en Titelpagina Voorwoord Inhoudsopgave Samenvatting Inleiding (ook wel: Aanleiding) Probleemstelling
Nadere informatieFunctioneren van een Kind met Autisme. M.I. Willems. Open Universiteit
Onderzoek naar het Effect van de Aanwezigheid van een Hond op het Alledaags Functioneren van een Kind met Autisme M.I. Willems Open Universiteit Naam student: Marijke Willems Postcode en Woonplaats: 6691
Nadere informatieVERKEERSONVEILIGHEID VOOR JONGEREN IN VLAANDEREN
VERKEERSONVEILIGHEID VOOR JONGEREN IN VLAANDEREN Stijn Daniels, Steunpunt Verkeersveiligheid - Universiteit Hasselt In verhouding tot hun verkeersdeelname zijn jongeren oververtegenwoordigd in de ongevallencijfers.
Nadere informatieAandeel van de gerechtigden op wachten overbruggingsuitkeringen. volledige werkloosheid - analyse volgens arrondissement
Aandeel van de gerechtigden op wachten overbruggingsuitkeringen in de volledige werkloosheid - analyse volgens arrondissement Inleiding In ons recent onderzoek betreffende de gerechtigden op wacht- en
Nadere informatie