I studien kommer en bivariat analys genomföras i syfte att redogöra för hur varje enskild oberoende variabel är relaterad till respektive beroende variabel eftersom det är av vikt att visa att varje oberoende variabel ska kunna förklara en del av variansen i den beroende
variabeln (Bryman, 2016, s.416; Djurfeldt, Larsson & Stjärnhagen, 2018, s.137). En eventuell relation mellan variablerna avspeglar dock inte ett kausalt förhållande utan enbart ett
samband, det är inte möjligt att dra slutsatser om orsak och verkan i förhållandet mellan variablerna eftersom det inte är möjligt att redogöra för orsaksriktningen (Edling &
Hedström, 2003, s.58; Bryman, 2016, s.416).
Den bivariata analysen består av korstabeller som är en av de flexiblare metoderna vid en analys av ett eventuellt samband eftersom den går att använda nästintill oavsett vilka skalnivåer som variablerna utgår från (Bryman, 2016, s.416-417; Djurfeldt et al., 2018, s.141,145-146). I det här fallet används en diskret kvantitativ variabel på kvotnivå (ålder) och fem kvalitativa variabler, en på ordinalnivå (utbildning) och fyra på nominalnivå (kön, bo ensam, sysselsättning, närståendes utsatthet), utöver det är de beroende variablerna ihopslagningar av tre variabler för oro och tre för utsatthet som sedan är dikotoma vilket enligt Bryman (2016, s.409-410) går att behandla som variabler på nominalnivå. De beroende variablerna går dessutom att betrakta som diskreta kvantitativa variabler på intervallnivå eftersom de bara kan anta vissa värden inom sitt variationsområde, det medför dessutom att det är möjligt att använda de i en korstabell (Djurfeldt et al., 2018, s.41-42,145-146).
Variablerna medför därför förutsättningarna för vilka metoder som går att använda i den bivariata analysen samt vilka sambandsmått som är möjliga att använda (Bryman, 2016, s.415; Djurfeldt et al., 2018, s.149).
Då studien utgår från en urvalsundersökning finns det ett behov att att kunna säkerställa eventuella samband och kontrollera ifall de avspeglar förhållandena i populationen eller om de beror på slumpen och kan förkastas (Djurfeldt et al., 2018, s.183). Ett chi2-test kommer att användas för att testa sambandet genom att jämföra det observerade utfallet mot det som skulle infalla ifall slumpen inverkade på resultatet. Vi kan med hjälp av testet avgöra statistisk signifikans om värdet är lika med eller understiger 0,05 (Djurfeldt et al., 2018,
s.183, 186). Det behövs dock tas i beaktande att chi2-test för bivariata samband medför begränsningar vad gäller slumpmässig variation bland respondenter i förhållande till
population vilket påverkar tillförlitligheten (Djurfeldt et al., 2018, s.214). För att vi ska kunna uttala oss om ett eventuellt sambands styrka använder vi oss även av sambandsmåttet
Cramer’s V (Djurfeldt et al., 2018, s.218). Trots att vi använder ett sambandsmått är
tolkningen av ett svagt respektive starkt samband inte självklart och sambandsmåttet kommer enbart utgöra ett komplement för procentavläsningen i tabellen (Djurfeldt et al., 2018, s.148).
Redovisningen av procentsammanräkningen sker i kolumnprocent eftersom vi är intresserade av att förklara hur den beroende variabeln förändras vid olika värden på den oberoende variabeln, och en jämförelse av procentskillnader kommer visa om det existerar ett klart samband mellan variablerna (Djurfeldt et al., 2018, s.144-145).
Tabell 2. Sambandsanalys mellan oro för brott, oberoende- och kontrollvariabler.
Vid tolkning av kolumnprocent i korstabellen går det att jämföra utfallet på den beroende variabeln vid olika värden på den oberoende (Djurfeldt et al., 2018, s.144). De oberoende variablerna med starkast samband till den beroende variabeln i tabell 2 är kön, närståendes utsatthet och egen utsatthet där den procentuella skillnaden i kön tydligt visar att kvinnor är oroliga i högre utsträckning än män. För oro i förhållande till om respondenten har en närstående som blivit utsatt för brott existerar det däremot en skillnad där de som har en närstående som blivit utsatt i högre utsträckning oroar sig för att själva bli utsatta än de som inte har det. Sambandsmåttet visar dock ett förhållandevis svagt samband, detsamma gäller respondentens oro i förhållande till egen utsatthet för brott som visar en marginell procentuell skillnad men samtidigt ett svagt samband enligt Cramer’s V.
En jämförelse vid procentskillnaderna i tabell 2 för oro vid olika åldrar pekar mot att oron avtar i takt med att man blir äldre, dock är skillnaderna relativt små. Sambandsmåttet
Cramer’s V som används som komplement till tolkningen av procentskillnaderna visar att det existerade sambandet är synnerligen svagt. Utöver det visar även oro i förhållande till att bo ensam, utbildning samt sysselsättning relativt små procentuella skillnader och
sambandsmåttet för samtliga visar ett ytterst svagt samband. Det är utifrån den här
sambandsanalysen värt att fundera över i vilken mån variablerna som inte förklarar en stor del av variansen i den beroende variabeln ska inkluderas eller ej. Problematiken som
föreligger är dock att de är statistiskt signifikanta utifrån chi2-testet och även fast de visar ett svagt samband är det ändå ett samband med den beroende variabeln.
Sammanfattningsvis för sambandsanalysen i tabell 2 för oro i förhållande till de oberoende variablerna går det att konstatera att kön, närståendes utsatthet och egen utsatthet är de variablerna som visar starkast samband, både vid okulär jämförelse mellan procentuella skillnader och även i sambandsmåttet som dock går att betrakta som objektivt svagt.
Sambandsmåttet är dock statistiskt signifikant och även om sambandets värde är svagt kan vi konstatera att det existerar ett samband. För de övriga variablerna, ålder, bo ensam,
utbildning och sysselsättning går det att argumentera för att de ska exkluderas i kommande regression eftersom de inte visar ett tillräckligt starkt samband till den beroende variabeln och den statistiska signifikansen är enbart på grund av att materialet är omfattande. De kommer
dock att inkluderas eftersom att de till trots visar ett statistiskt signifikant samband om än mycket svagt.
Tabell 3. Sambandsanalys mellan utsatthet för brott, oberoende- och kontrollvariabler.
För utsatthet i förhållande till de oberoende variablerna går det att konstatera att ålder, närståendes utsatthet och sysselsättning är de variablerna som visar det starkaste sambandet enligt Cramer´s V i tabell 3. De procentuella skillnaderna inom de olika variablerna visar hur utsatthet påverkas, det är särskilt intressant i variabeln för sysselsättning där de som är utan (arbetssökande och sjukskrivna) visar en högre utsatthet än de som har en. Variabeln ålder visar även synnerliga skillnader där de som är yngre är de som är mest utsatta.
De variablerna med ett svagt samband utifrån Cramer’s V i tabell 3 är kön, utbildning och om respondenten bor ensam. Dock går det att redovisa en marginell procentuell skillnad i
variablerna för kön och utbildning där kvinnor är betydligt mer utsatta för brott i jämförelse med män och de som har förgymnasial utbildning också är mer utsatta. Vad gäller utbildning skulle det kunna korrelera med variabeln för ålder där de som är yngre och därför inte haft möjlighet att utbilda sig mer än förgymnasialt är de som är mest utsatta. Variablerna kommer således inkluderas även fast de uppvisar ett svagt samband enligt sambandsmåttet.
Sammanfattningsvis för tabell 3 går det att konstatera att ålder, närståendes utsatthet och sysselsättning är de oberoende variablerna som förklarar den största delen av variansen i den beroende variabeln. Dock bör det finnas i åtanke att de existerar procentuella skillnader i övriga som inte reflekteras i de synnerligen svaga sambanden enligt sambandsmåttet.