Vad har EVA-meddelandet för effekt på novisa och erfarna bilförares agerande?

En uppföljande variansanalys gjordes för att undersöka hur EVA-meddelandet påverkar hur lämpligt novisa och erfarna bilförare väljer att agera i trafikscenariona.

Den faktoriella variansanalysen för det första trafikscenariot fann en interaktionseffekt där novisa förare (med B-körkort i mindre än fyra år) agerar bättre med EVA-meddelandet medan deltagare som haft körkort i fler år än medianen för alla deltagare (>35 år) inte påverkas lika mycket av EVA-meddelandet (F (1, 4637) = 7.05, MSE = .99, p = .008, ηp2 = .002).

Resultatet visade även signifikanta huvudeffekter mellan den beroende variabeln z-värdet för lämplighetspoäng och de oberoende variablerna separat: EVAM-betingelser och antal år föraren haft körkort (novis/erfaren). Interaktionseffekten för Lämplighetspoäng x EVAM- betingelser var F (1, 4637) = 9.93, MSE = .99, p = .002, ηp2= .002) medan Lämplighetspoäng x

antal år med körkort var F (1, 4637) = 8.60, MSE = .99, p = .003, ηp2 = .002).

Figur 4 visar resultatet av post-hoc testet som fann en signifikant skillnad mellan EVAM-

Utan EVAM

n = 4825

Med EVAM

n = 4628

Handlingsalternativ Andel (%) Andel (%) z

Använda sidoblinkers 49.8 50.2 -2.29*

Använda varningsblinkers 41.6 58.4 -1.91

Köra åt sidan mot vägrenen 51 49 -.17

Släppa på gasen 49.8 50.2 -2.39*

Bromsa 52 48 .87

Stanna 50.9 49.1 -.10

betingelserna hos erfarna bilförare var icke-signifikant (t (4293) = .91, p = .37). Skillnader mellan grupperna i resterande trafikscenarion finnes i bilaga C.

Figur 4. Diagrammet visar lämplighetspoäng för novisa respektive erfarna förare i det första

trafikscenariot som innehöll en landsväg. Gruppernas poäng presenteras med och utan EVA- meddelandet.

5.2 Vilka stress- och trafikerfarenhetsfaktorer påverkar hur lämpligt bilförare väljer att agera i olika utryckningssituationer?

Frågeställningen besvarades med multipel linjär regression för varje enskilt trafikscenario. Regressionen beräknades för att förutsäga lämpligheten av bilförares handlingsval utifrån faktorerna: yrkesförare, trafiktäthet, trafikmiljö, körfrekvens, pandemiskillnad, hur många gånger man tidigare gett fri väg för utryckningsfordon, hur många gånger man tidigare känt sig stressad i en utryckningssituation, hur många gånger tidigare man upplevt en osäkerhet kring hur man ska agera i en utryckningssituation, hur många år man haft körkort och ortsstorlek. I Trafikscenario 1 inkluderades även stressnivå eftersom denna variabel mättes i samband med videoklippet. Fullständig korrelationsmatris presenteras i bilaga D. Alla antaganden för multipel regression möttes och Q-Q diagrammen bedömdes se bra ut med ±2 standardavvikelser i Trafikscenario 1, ±1 standardavvikelser i Trafikscenario 2, ±3 standardavvikelser i Trafikscenario 3 och ±1 i det fjärde Trafikscenariot. Inga starka korrelationer påvisades mellan de oberoende variablerna i ett kollinearitetstest (alla VIF <1.79).

Trafikscenario 1 – Landsväg

Det första scenariot representerades av ett videoklipp där bilen kör på en landsväg och ser en ambulans i backspegeln.

Tabell 6 visar resultatet från den multipla linjära regressionen. Regressionsmodellen visade att hur många gånger man känt sig stressad i liknande situation (Ggr_käntstress), om man tidigare har anpassat sitt körsätt efter utryckningsfordon (Ggr_friväg) och hur många invånare som bor i ens ort (Ortsstorlek) predicerar ett högre lämplighetspoäng.

Utöver detta minskade lämpligheten av agerandet baserat på hur ofta man kör bil (Körfrekvens), hur stressad man skattade att man skulle vara i trafikscenariot (Stressnivå) och hur länge man haft körkort (År_med_körkort).

Enligt regressionsekvationen (F (12, 9011) = 12.2, p < .001) förklarar dessa faktorer 1.6%

av variansen för lämpligheten av agerande (R2 _{= .016).}

Tabell 6.

Resultatet från multipel regressionen som visar prediktorernas bidrag till hur lämpligt bilförare väljer att agera i trafikscenario 1.Variablerna är numrerade efter dess tillhörande fråga i bilaga A.

Prediktor β t p

A11. Yrkesförare 7.51e-4 .06 .95

A12. Trafiktäthet .004 .36 .72 A13. Trafikmiljö -.01 -.91 .36 A14. Körfrekvens -.03 -2.52 .01 A15. Pandemiskillnad -.01 -.96 .34 A16. Körsträcka -.02 -1.42 .16 A17. Ggr_friväg .08 6.70 <.001 A18. Ggr_käntstress .05 3.30 <.001 A19. Ggr_intevethur .001 .11 .91 A10. År_med_körkort -.05 -4.36 <.001 A9. Ortsstorlek .03 2.67 .01 A1. Stressnivå -.09 -6.80 <.001

Trafikscenario 2 – Trafikljus

Det andra scenariot representerades av en bild som visade en bil vid ett trafikljus som visar rött. En signifikant regressionsekvation beräknades (F (11, 9012) = 4.65, p < .001), där de bidragande faktorerna kan förklaras av 0.6% av variansen (R2 = .006). Av de variabler som inkluderades i regressionsmodellen var det hur många gånger man anpassat sitt körsätt efter utryckningsfordon (Ggr_friväg) som signifikant predicerar ett högre lämplighetspoäng. Vidare visar Tabell 7 att lämplighetspoängen minskar signifikant med hur långt man i genomsnitt kör bil per år och om man är yrkesförare.

Tabell 7.

Resultatet från multipel regressionen som visar prediktorernas bidrag till hur lämpligt bilförare väljer att agera i trafikscenario 2. Variablerna är numrerade efter dess tillhörande fråga i bilaga A.

Prediktor β t p

A11. Yrkesförare -.02 -2.15 .03

A12. Trafiktäthet .002 .16 .88

A13. Trafikmiljö -.02 -1.81 .07

A14. Körfrekvens .01 .77 .44

A15. Pandemiskillnad 8.00e-4 .07 .94

A16. Körsträcka -.03 -2.15 .03 A17. Ggr_friväg .06 4.87 <.001 A18. Ggr_käntstress .02 1.62 .11 A19. Ggr_intevethur .003 .21 .84 A10. År_med_körkort .02 1.36 .17 A9. Ortsstorlek .01 .75 .45 Trafikscenario 3 – Bilkö

Det tredje trafikscenariot representerades av en bild där bilen står i bilkö tillsammans med andra trafikanter och en ambulans närmar sig.

Resultatet från den multipla linjära regressionen presenteras i Tabell 8. Regressionen visade att följande variabler bidrar signifikant till ett högre lämplighetspoäng: ju fler gånger föraren

tidigare behövt anpassa sitt körsätt eller upplevt stress i en utryckningssituation (Ggr_friväg och Ggr_käntstress) och ju större ort föraren bor i.

Resultatet visade även att lämplighetspoängen minskar signifikant ju fler mil föraren i genomsnitt kör per år, ju fler gånger föraren tidigare känt sig osäker på hur en bör lämna fri väg (Ggr_intevethur), ju längre föraren har haft körkort och ju mer van föraren är att köra i stadstrafik (Trafikmiljö).

Den signifikanta regressionsekvationen beräknades till: F (11, 9012) = 12.6, p < .001. Ovan nämnda faktorer förklarar 1.5% av variansen i regressionsmodellen (R2 = .015).

Tabell 8.

Resultatet från multipel regressionen som visar prediktorernas bidrag till hur lämpligt bilförare väljer att agera i trafikscenario 3. Variablerna är numrerade efter dess tillhörande fråga i bilaga A.

Prediktor β t p A11. Yrkesförare .01 .56 .58 A12. Trafiktäthet .004 .32 .75 A13. Trafikmiljö -.02 -2.01 .04 A14. Körfrekvens .02 1.70 .09 A15. Pandemiskillnad -.01 -.84 .40 A16. Körsträcka -.03 -2.60 .009 A17. Ggr_friväg .09 7.97 <.001 A18. Ggr_käntstress .03 2.53 .01 A19. Ggr_intevethur -.04 -2.94 .003 A10. År_med_körkort .08 -7.16 <.001 A9. Ortsstorlek .04 3.12 .002 Trafikscenario 4 – 2+1 väg

Det fjärde scenariot representerades med en bild över en 2+1 väg där deltagarens bil var placerad i filen med ett körfält och en ambulans närmar sig bilen.

En signifikant regressionsekvation beräknades (F (11, 9012) = 5.27, p < .001), där de bidragande faktorerna förklarade 0.6% av variansen i lämplighetspoäng (R2 = .006).

Enligt regressionsmodellen som visas i Tabell 9 är det hur långt man i genomsnitt kör per år och hur länge man haft körkort som signifikant bidrar till ett högre lämplighetspoäng. Vidare predicerar Ortsstorlek (hur många invånare som bor i deltagarens ort/stad) och hur många gånger tidigare man känt stress i liknande situation (Ggr_käntstress) ett signifikant lägre lämplighetspoäng.

Tabell 9.

Resultatet från multipel regressionen som visar prediktorernas bidrag till hur lämpligt bilförare väljer att agera i trafikscenario 4. Variablerna är numrerade efter dess tillhörande fråga i bilaga A.

Prediktor β t p

A11.Yrkesförare -.002 -.15 .88

A12. Trafiktäthet .001 .12 .90

A13. Trafikmiljö .005 .47 .64

A14. Körfrekvens .02 1.41 .16

A15. Pandemiskillnad 6.39e-4 .06 .95

A16. Körsträcka .05 3.76 <.001 A17. Ggr_friväg -.02 -1.57 .12 A18. Ggr_käntstress -.04 -2.84 .004 A19. Ggr_intevethur .02 1.40 .16 A10. År_med_körkort .03 2.47 .01 A9. Ortsstorlek -.03 -2.61 .01

5.3 Påverkar bilförares trafikerfarenhet och EVA-meddelandet hur stressig de