HYPOTESE 1 - MULTIPEL REGRESSION...

Indholdsfortegnelse Bilag 1 - TM Graveyard Model... 1 Bilag 2 - Persontransport i Danmark... 1 Bilag 3 - SG&A udgifter for TM i perioden 2010-2014... 2 Bilag 4 - Nyregistrerede biler i perioden 2011-2014... 2 Bilag 5 - Stigning af registreinger af Tesla produkter... 3 Bilag 6 - Salg af biler i USA 2003-2014... 4 FAKTORANALYSE... 5 STEP 1... 5 STEP 2... 5 Bilag 7 - Faktoranalyse SPSS... 7 Bilag 8 - Korrelationsmatrice... 7 Bilag 9 - Signifikans matrix... 8 STEP 3... 8 Bilag 10 - KMO & Bartlett's Test... 8 Bilag 11 Anti Image Matrice... 10 Bilag 12 - KMO & Bartlett's Test... 10 Bilag 13 - Anti Image Matrice... 11 Bilag 14 - KMO & Bartlett's Test... 12 Bilag 15 - Anti Image Matrice... 12 STEP 4... 13 Bilag 16 - Eigenvalue... 15 Bilag 17 - Scree plot... 15 STEP 5 FORTOLKNING... 16 Bilag 18 - Communalities... 18 Bilag 19 Komponentmatrice... 20 Bilag 20 - Roteret komponenter... 22 Bilag 21 - Cronbach's Alpha på komponent 1... 24 Bilag 22 - Cronbach's Alpha på komponent 2... 24 Bilag 23 - Cronbach's Alpha på komponent 3... 24 HYPOTESE 1 - MULTIPEL REGRESSION... 25 Bilag 24 - Beskrivende statistik... 25 Bilag 25 - Korrelationer... 25 Bilag 26 - Variabler gennemførte... 26 Bilag 27 - Forklaringsgrad... 27 Bilag 28 - ANOVA... 27 Bilag 29 - Indflydelse... 27 Bilag 30 - Residualer... 28 Bilag 31 - Histogram... 28 Bilag 32 - P- P plot... 29 Bilag 33 - Scatterplot... 30 Bilag 34 - Beskrivende statistik... 31 Bilag 35 - Korrelationer... 31 Bilag 36 - Variabler... 32 Bilag 37 - Forklaringsgrad... 32 Bilag 38 - ANOVA... 32 Bilag 39 - Koefficienter... 33 Bilag 40 - Histogram... 33 Bilag 41 - P- P plot... 34

Bilag 42 - Scatterplot... 34 Bilag 43 - Residualplot... 35 Bilag 44 - Residualplot... 35 HYPOTESE 2 - SIMPEL LINEÆR REGRESSION... 36 Bilag 45 - Beskrivende statistik SLR... 36 Bilag 46 - Korrelationer mellem afhængige og uafhængige variable... 37 Bilag 47 - Variabler undersøgt... 37 Bilag 48 - Modellen... 38 Bilag 49 - ANOVA... 38 Bilag 50 - Koefficienter... 39 Bilag 51 - Residualer... 39 Bilag 52 - Histogram... 39 Bilag 53 - P- P plot af residualer... 40 Bilag 54 - Scatterplot... 40 Bilag 55 - Scatterplot... 41 HYPOTESE 3 - SIMPEL LINEÆR REGRESSION... 41 Bilag 56 - Beskrivende statistik... 41 Bilag 57 - Korrelation... 42 Bilag 58 - Variabler... 43 Bilag 59 - Model... 43 Bilag 60 - ANOVA... 44 Bilag 61 - Koefficienter... 44 Bilag 62 - Residualer... 44 Bilag 63 - Histogram... 45 Bilag 64 - P- P Plot... 46 Bilag 65 - Scatterplot... 47 BESKRIVENDE STATISTIK... 47 Bilag 66 - TOMA... 47 Bilag 67 - Erindring og kendskab... 48 Bilag 68 - Prisfølsom... 49 Bilag 69 - Loyale kunde... 50 Bilag 70 - Konkurrende bilmodeller... 50 Bilag 71 - Konkurrerende modeller - mailkorrespondance... 50

Bilag 1 - TM Graveyard Model Genkendelse 100 90 80 70 60 50 40 30 20 10 0 Graveyard Model 0 20 40 60 80 100 Erindring TM on The Graveyard Model Kilde: David Aaker - Egen tilvirkning Bilag 2 - Persontransport i Danmark Persontransportarbejde 2013 Biler Cykler Busser Taxa Biler 85,9 Cykler 4,3 Busser 9,3 Taxa 0,5 Kilde:http://www.vejdirektoratet.dk/DA/viden_og_data/statistik/trafikken%20i%20tal/hvor_meg Side 1 af 51

et_korer_vi/sider/persontransportarbejde.aspx#.vskor0jpgc4 Egen tilvirkning Bilag 3 - SG&A udgifter for TM i perioden 2010-2014 2010 2011 2012 2013 2014 R&D 93.000.000 208.980.000 273.980.000 231.980.000 498.500.000 Total SG&A 177.570.000 313.080.000 424.350.000 517.550.000 1.100.000.000 Indeks 100 224,7096774 294,6021505 249,4408602 536,0215054 1.200.000.000 1.000.000.000 800.000.000 SG&A udgifter for TM 2010-2014 600.000.000 400.000.000 R&D SG&A 200.000.000 0 2010 2011 2012 2013 2014 Kilde: http://www.marketwatch.com/investing/stock/tsla/financials Egen tilvirkning Bilag 4 - Nyregistrerede biler i perioden 2011-2014 2011 2012 2013 2014 Tesla Model S 112 460 BMW 500 serie 975 716 619 485 Mercedes E- klasse 1064 1000 1147 1269 Audi A6 783 621 780 1118 Side 2 af 51

Nyregistrerede biler fra anno 2011-2014 1400 Antal nyregistrerede biler 1200 1000 800 600 400 200 BMW 500 Tesla Model S Mercedes E- klasse Audi A6 0 2011 2012 2013 2014 Kilde: http://www.bilimp.dk/statistics/index.asp Egen tilvirkning Bilag 5 - Stigning af registreinger af Tesla produkter Anno Antal Tilsvarende året før 2009 13 2010 9 2011 8 2012 12 2013 112 2014 460 Januar - Marts 2015 219 111 Side 3 af 51

500 450 400 350 300 250 200 150 100 50 0 Registreinger af Tesla produkter i Danmark 2009 2010 2011 2012 2013 2014 Antal Kilde: http://www.bilimp.dk/statistics/index.asp Egen tilvirkning Bilag 6 - Salg af biler i USA 2003-2014 Anno Salg af enheder 2004 7.482.555 2005 7.659.983 2006 7.761.592 2007 7.562.334 2008 6.769.107 2009 5.400.890 2010 5.635.432 2011 6.089.403 2012 7.243.654 2013 7.780.710 2014 7.918.601 Side 4 af 51

Salg af biler i USA fra 2004-2014 9.000.000 8.000.000 7.000.000 6.000.000 5.000.000 4.000.000 Salg af biler i USA fra 2004-2014 3.000.000 2.000.000 1.000.000 0 2002 2004 2006 2008 2010 2012 2014 2016 Kilde: http://www.statista.com/statistics/199974/us- car- sales- since- 1951/ Egen tilvirkning Faktoranalyse Step 1 Det indledende skridt i faktoranalysen vil være at definere undersøgelsesproblemet. Den generelle formål med an faktoranalyse er at finde en måde at sammenfatte informationer i en række af originale variabler, til en mindre sæt af nye sammensatte parametre med et minimumstab af informationer. Undersøgelsen vil siges at være exploratory (undersøgende) hvilket bringer os videre til næste skridt i faktoranalysen. R- type faktoranalyse da vi kigger på variabler og ikke cases. Variablen Jeg har stor tiltro til Tesla Motors er ikke medtaget i denne analyse, da den variabel skal være den afhænge variabel i multiple regressions analyse, hvorfor den ikke skal indgå som en variabel i en kommende faktor. Step 2 Krav til stikprøven: Side 5 af 51

- - Stikprøven skal have flere observationer end variable Minimum 50 observationer, men man vil foretrække 100 eller større. Der skal ligeledes helst være et 10:1 forhold mellem antal observationer og antal variable, men den generelle regel siger at der skal minimum være 5 gange flere observationer end variabler der skal analyseres (Malhotra, Birks, Hair, Blake, Babin, & Anderson, 2011, s. 436). For at få et overblik over variablerne i faktoranalysen ses der på om der er korrelation mellem variablerne i korrelationsmatricen. Dette gøres ved at se på værdierne i korrelationsmatricen, hvor vi skal holde øje med om der forekommer steder med en korrelation på under 0,3. Variablerne Den nuværende lade- infrastruktur (opladningsmuligheder) har indflydelse på mit valg ved køb af bil og Ved fremtidigt køb af bil betyder bilmærket meget for mit valg har begge en korrelation under 0,3, og ligeledes ligger Jeg synes, at Tesla Motors er begrænset til en specifik type køber meget tæt på grænsen. Værdierne i korrelationsmatricen, viser hvor meget variablerne korrelerer, men det skaber ikke grundlag for at nogle skal slettes fra analysen. For at få et yderligere overblik over variablerne i analysen, skal alle variabler helst have en værdi på under 0,05 i signifikant korrelation. Det fremgår at variablerne Ved fremtidigt køb af bil betyder bilmærket meget for mit valg og Den nuværende lade- infrastruktur (opladningsmuligheder) har indflydelse på mit valg ved køb af bil ligger lige på grænsen. Dette kan indikere at disse variabler kan give os problemer senere i analysen. Side 6 af 51

Bilag 7 - Faktoranalyse SPSS Vi får følgende outputs fra SPSS: Bilag 8 - Korrelationsmatrice Side 7 af 51

Bilag 9 - Signifikans matrix Step 3 Bilag 10 - KMO & Bartlett's Test Vi ser på vores Bartlett test, hvor vi helst skal forkaste H0, der siger at der ingen korrelation er mellem vores variable samlet set. Vores overall MSA i øverste højre hjørne, skal helst ligge: - - - MSA > 0,8 = rigtig god MSA > 0,7 = god MSA > 0,6 = okay Side 8 af 51

- - MSA > 0,5 = acceptabel MSA < 0,5 = uacceptabel KMO & Bartlett s Test viser en samlede MSA på 0,906, hvilket betyder at forudsætningen for analysen er rigtig god at lave for de aktuelle variabler. Vi skal nu indsætte vores anti- image matrix, der kan afgøre hvilke variabler vi fjerner. I bilag 11 ses MSA for den enkelte variabel, der skal være over 0,5 (dette ses i diagonalen markert med rødt). Hvis variabler ikke opfylder denne nedre grænse fjernes de fra modellen. Hvis vi fjerner variabler, så ses igen på den nye anti- image og evt. fjernes flere. Obs: der fjernes kun én af gangen og den med mindst MSA fjernes først. Når de ønskede variabler er fjernet, så ses igen på Bartlett test, der gerne skulle være blevet højere hvilket også er aktuelt i bilag 12, hvor MSA nu er på 0,913 i forhold til 0,906 fra før fjernelsen af variablen Ved fremtidigt køb af bil betyder bilmærket meget for mit valg. Samme proces bliver foretaget på ny for at teste om der er flere variabler som skal sorteres fra. I Bilag 13 ses den nye anti image matrice hvor det fremgår at variablen Den nuværende lade- infrastruktur (opladningsmuligheder) har indflydelse på mit valg ved køb af bil MSA ligger under grænsen hvorfor denne fjernes fra analysen. Endnu en gang kan det ses at den overall MSA i bilag 14 er blevet højere efter fjernelse af denne variabel (0,920 > 0,913). Efter fjernelse af de 2 variabler får vi nu den endelige anti image matrice bilag 15 hvor alle variabler nu ligger over den påkrævede grænse på 0,5 MSA. Det skal pointeres at variablen Jeg synes, at Tesla Motors er begrænset til en specifik type køber ligger lige på grænsen, hvilket også forventes efter korrelationsmatricen fra starten af analysen. Side 9 af 51

Bilag 11 Anti Image Matrice Bilag 12 - KMO & Bartlett's Test Side 10 af 51

Den nye anti- image matrix ser således ud: Bilag 13 - Anti Image Matrice Som det fremgår fra ovenstående er MSA for variablen den nuværende lade- infrastruktur under 0,5 hvorfor denne skal fjernes. Testen køres endnu en gang. Side 11 af 51

Bilag 14 - KMO & Bartlett's Test MSA er endnu en gang steget til 0,920 fra 0,913, så MSA en er blevet bedre! Den nye anti- image matrix vil se ud på følgende måde efter fjernelse af variablen den nuværende lade- infrasstruktur : Bilag 15 - Anti Image Matrice Side 12 af 51

Her kan vi se at Tesla er begrænset til en specifik type køber ligger lige på den gode side af grænsen 0,5. Men nu er der ikke flere variabler hvor MSA er under det påkrævede 0,5. Sammenfatning I bilag 14 ses at signifikansniveauet fra Bartlett s test er under 0,05 hvilket indikere at der er tiltrækkelige korrelation mellem variablerne til at kunne fortsætte analysen. Testen er kørt 3 gange. 1. 1. kørsel fremgik det at variablen Ved fremtidigt køber betyder bilmærket meget for mig havde en MSA på under 0,5. 2. 2. kørsel fandt jeg frem til at variablen den nuværende lade- infrastruktur (opladningsmuligheder) har indflydelse på køb af bil ligeledes har en MSA værdi på under 0,5 hvorfor denne fjernes. 3. Testen køres igen og her er der ingen variabler som har en MSA under 0,5 som påkræves. Step 4 Efter definering af variablerne som skal indgå i analysen, kan vi nu gå videre til at kigge på antallet af faktorer. Procedure i Step 4. Side 13 af 51

- - Scree plot: hvor er knækket i kurven total variance explained. Her har vi Eigenvalue, der består i hvornår vores total kommer under 1. Vi ser ligeledes cumulative %, der peger på antallet af faktorer når % kommer over 60 % afgør dette hvor mange faktorer vi skal have. Når vi har set antallet af faktorer kigger vi på communalities, hvor extraction ikke må være under 0,5. Ligger variabler under dette, så fjernes de. Ligger to variabler under 0,5, så fjernes den med laveste score først og der laves et nyt output. Hvis en variabel fjernes, så ser vi igen på total variance explained outputtet, for at tjekke om antallet af faktorer måske har ændret sig. Herefter ser vi igen på communalities, for at se om vi evt. skal fjerne flere variable. Når vi har fjernet de variable der skal og har fastslået hvor mange faktorer vi skal bruge går vi videre til step 5 hvor vi fortolker vores faktorer. Antal faktorer: 1. Eigenvalue: Ved Eigenvalue component 3 > end 1. 2. % of total variance: Ved en faktor 3 løsning er den kumulerede % 66,602 som er over den påkrævede 60% hvorfor en faktor 3 løsning vælges. 3. Scree plot Det interessante er at se hvor mange komponenter ligger over en Eigenvalue på 1. Side 14 af 51

Bilag 16 - Eigenvalue Bilag 17 - Scree plot Side 15 af 51

Step 5 Fortolkning For at se på hvilke variable der hører ind under hvilke faktorer ser vi på vores komponent matrix, her er grænsen 0,4. Medmindre der er tale om en meget stor stikprøve, hvor 0,3 måske kan være acceptabelt. Hvis vores ikke- roterede model ikke giver et tydeligt nok billede (hvor variable loader på begge faktorer med en score over 0,4), så anvender vi i stedet vores varimax rotation. Hvis en variabel stadigvæk loader højt på begge faktorer efter vi har lavet en varimax rotation, så bliver vi nødt til at smide denne ud af vores model. Varimax: For at se på hvilke variable der hører ind under hvilke faktorer ser vi på vores komponent matrix, her er grænsen 0,4. Medmindre der er tale om en meget stor stikprøve, hvor 0,3 måske kan være acceptabelt. Hvis vores ikke- roterede model ikke giver et tydeligt nok billede (hvor variable loader på begge faktorer med en score over 0,4), så anvender vi i stedet vores varimax rotation. Hvis en variabel stadigvæk loader højt på begge faktorer efter vi har lavet en varimax rotation, så bliver vi nødt til at smide denne ud af vores model. I bilag 18 kigges der på communalities hvor alle under extraction- værdier skal være over 0,5. Som det fremgår er alle variabler over 0,5 som påkrævet hvorfor ingen variabler skal fjernes. Jeg fortsætter med min 3 faktor løsning og skal nu kigge på komponentmatrice bilag 19. SPSS giver mig en løsning på de 3 faktorer der opstår Cross Loading blandt nogle af variablerne hvorfor løsningen skal roteres. Dette gøres med Varimax. Side 16 af 51

I bilag 20 er løsningen nu roteret og der forekommer ikke flere Cross Loading, hvilket betyder det ikke er nødvendigt at slette variabler. Nu er komponenter færdigdannet hvorfor vi kan lave 3 variabler hvor de respektive variabler i de respektive komponenter. Komponent 1: (A30+A22+A35+A34+A32+A28+A23+A29+A27+A20+A25)/11 à Awareness Komponent 2: (A31+A14+A26a)/3 à Association Komponent 3: (A19+A24)/2 à Quality For at undersøge pålideligheden af de nye variabler laves en Cronbach s Alpha analyse på de respektive komponenter. Det ønskes at Cronbach s Alpha er som minimum 0,7. Komponent 1: Cronbach s Alpha er på 0,936 hvilket opfylder kravet om at være over 0,7. Grunden til at Cronbach s Alpha er relativ høj i denne komponent, må antages at skyldes de mange variabler som indgår i komponenten. Komponent 2: For at kunne lave Cronbach s Alpha på denne faktor, skal variablerne A31 og A14 omdannes til positive variabler. Dette gøres på følgende måde: SPSS à Transform à Compute variable à New_A31 = A31*- 1 og New_A14 = A14*- 1. I bilag 22 ses at Cronbach s Alpha er 0,613 hvilket under det ønskede værdi på 0,7. Pålideligheden af denne variabel må altså vurderes til at ikke være fuldstændig pålidelig. Grundet den lave værdi kan være antallet af variabler der forklarer denne komponent. Den består kun af 3 variabler. Komponent 3: Cronbach s Alpha på komponent 3 er endnu lavere end de to andre, men har ligeledes også endnu færre af variabler til at kunne beskrive denne komponent. Komponenten er under 0,7, hvorfor den heller ikke er helt pålidelig. Dette betyder at for min videre undersøgelse at man skal vurdere variablernes pålidelighed ved anvendelse. Side 17 af 51

Bilag 18 - Communalities Communalities Initial Extraction Jeg synes, at man får meget bil for pengene ved køb af Tesla Model S Teknologien (elbilkonceptet) er for ny til, at jeg vil overveje det som et alternativ ved et fore... Jeg opfatter kvaliteten af Tesla Motors produkter som værende Jeg mener, at Tesla Motors er meget innovativ Jeg synes, at Tesla Motors revolutionerer bilmarkedet Jeg mener, at Tesla Motors er med til at udvikle bilindustrien Jeg mener, at Tesla Motors er en respekteret bilproducent Jeg synes, at der er stor opmærksomhed omkring Tesla Motors Man får meget bil for pengene ved køb af Tesla Model S 85 sammenlignet med alternativerne Jeg mener, at der er en god grund til at støtte Tesla Motors Jeg synes, at Tesla Motors har personlighed Jeg mener, at Tesla Motors er en interessant virksomhed Jeg synes, at Tesla Motors er begrænset til en specifik type køber Jeg mener, at produkter fra Tesla Motors er spændende og attraktive 1,000,573 1,000,730 1,000,794 1,000,581 1,000,681 1,000,594 1,000,592 1,000,508 1,000,599 1,000,670 1,000,722 1,000,774 1,000,619 1,000,784 Side 18 af 51

Jeg synes, at Tesla Motors er beundringsværdigt Jeg mener, at Tesla Motors differentierer sig fra andre bilproducenter 1,000,726 1,000,709 Extraction Method: Principal Component Analysis. Alle variabler er over 0,5 som påkrævet hvorfor ingen variabler skal fjernes. Jeg fortsætter med min 3 faktor løsning og skal nu kigge på component matrix. Side 19 af 51

Bilag 19 Komponentmatrice Component Matrix a Component 1 2 3 Jeg mener, at produkter fra Tesla Motors er spændende og attraktive Jeg mener, at Tesla Motors er en interessant virksomhed Jeg synes, at Tesla Motors har personlighed Jeg synes, at Tesla Motors er beundringsværdigt Jeg mener, at Tesla Motors differentierer sig fra andre bilproducenter Jeg mener, at der er en god grund til at støtte Tesla Motors Jeg synes, at Tesla Motors revolutionerer bilmarkedet Man får meget bil for pengene ved køb af Tesla Model S 85 sammenlignet med alternativerne Jeg mener, at Tesla Motors er med til at udvikle bilindustrien,885,848,847,825,819,802,757,741,733 Side 20 af 51

Jeg mener, at Tesla Motors er meget innovativ Jeg synes, at der er stor opmærksomhed omkring Tesla Motors Jeg synes, at man får meget bil for pengene ved køb af Tesla Model S Teknologien (elbilkonceptet) er for ny til, at jeg vil overveje det som et alternativ ved et fore... Jeg mener, at Tesla Motors er en respekteret bilproducent Jeg synes, at Tesla Motors er begrænset til en specifik type køber Jeg opfatter kvaliteten af Tesla Motors produkter som værende,725,658,647 -,627,540,601,476,717,472,715 Extraction Method: Principal Component Analysis. a. 3 components extracted. Der forekommer cross loading hvorfor jeg er nødt til at rotere løsningen. Side 21 af 51

Bilag 20 - Roteret komponenter Rotated Component Matrix a Component 1 2 3 Jeg mener, at Tesla Motors er en interessant virksomhed Jeg synes, at Tesla Motors revolutionerer bilmarkedet Jeg mener, at Tesla Motors differentierer sig fra andre bilproducenter Jeg synes, at Tesla Motors er beundringsværdigt Jeg mener, at produkter fra Tesla Motors er spændende og attraktive Jeg mener, at der er en god grund til at støtte Tesla Motors Jeg mener, at Tesla Motors er med til at udvikle bilindustrien Jeg synes, at Tesla Motors har personlighed Man får meget bil for pengene ved køb af Tesla Model S 85 sammenlignet med alternativerne,824,806,793,779,778,776,753,741,642 Side 22 af 51

Jeg mener, at Tesla Motors er meget innovativ Jeg synes, at der er stor opmærksomhed omkring Tesla Motors Jeg synes, at Tesla Motors er begrænset til en specifik type køber Teknologien (elbilkonceptet) er for ny til, at jeg vil overveje det som et alternativ ved et fore... Jeg synes, at man får meget bil for pengene ved køb af Tesla Model S Jeg opfatter kvaliteten af Tesla Motors produkter som værende Jeg mener, at Tesla Motors er en respekteret bilproducent,625,498 -,761 -,705,596,871,625 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations. Cronbach s alpha på de nye 3 variabler. Side 23 af 51

Bilag 21 - Cronbach's Alpha på komponent 1 Bilag 22 - Cronbach's Alpha på komponent 2 Bilag 23 - Cronbach's Alpha på komponent 3 Cronbachs Alpha er lav i faktor 2 og faktor 3 hvilket skyldes de få variabler som dækker over de respektive faktorer. Eksempelvis består faktor 3 kun af 2 variabler hvilket kan gøre Cronbach s Alpha er lav. Side 24 af 51

Hypotese 1 - Multipel regression Variablen Jeg har stor tiltro til TM som virksomhed er den afhængige variabel i denne regressions analyse. En organisation bliver beskrevet ud fra hvor stor tiltro der til denne virksomhed/organisation, hvorfor denne variabel er valgt som den afhængige variabel i multipel regressions analyse. Rækkefølgen for outputs i SPSS efter kørsel 1: Bilag 24 - Beskrivende statistik Bilag 25 - Korrelationer Kilde: Egen tilvirkning SPSS Side 25 af 51

Bilag 25 viser korrelationen mellem den afhængige variabel og de uafhængige variabel. Det kan antages at Awareness er den første inkluderet variabel i modellen, da den har højst korrelation af de tre muligheder. Hvis der var ingen korrelation mellem variablerne vil det ikke give mening af foretage en regressions analyse, fordi de vil forklare variablen meget godt enkeltvis. Bilag 26 - Variabler gennemførte I Bilag 26 fremgår det hvilken metode som er anvendt. Metoden ved inkludering og ekskludering af variabler er Enter metoden hvilket betyder at lige meget hvad så vil variablerne bliver inddraget selvom at den ikke er relevant. Man kan bruge stepwise metoden som fjerner ikke relevante variabler. Grunden til at denne metode er relevant er fordi der ønskes en statistisk signifikans for løsningen. Side 26 af 51

Bilag 27 - Forklaringsgrad I Bilag 27 se forklaringsgraden af model 1 som er på 0,663. Bilag 28 - ANOVA Bilag 28: ANOVA- modellen tester den statistiske signifikans for modellen. P- værdien (sig.) skal være under 0,01 hvilket er opfyldt. F(3,99)=64.156 Bilag 29 - Indflydelse Side 27 af 51

Bilag 29: Det interessante i denne matrice er signifikans niveauet for Association er over 0,05 da værdien for denne er 0,394. Ud fra dette kan det konkluderes at Association skal sorteres fra analysen. Hvis metoden var Stepwise vil SPSS selv have sorteret denne variabel fra. Bilag 30 - Residualer Bilag 30: Residualer har gennemsnitligt en værdi på 0 hvorfor forudsætningen om heteorskedasticitet er opfyldt. Bilag 31 - Histogram Side 28 af 51

Bilag 31: Der ønskes en fin normalfordeling, hvilket er en forudsætning for regressions analyse. Bilag 32 - P- P plot Bilag 32: Punkterne skal gerne kramme linien for at få det bedste fit. Side 29 af 51

Bilag 33 - Scatterplot Bilag 33: Ud fra ovenstående illustration er der noget der tyder på at der er noget galt fordi punkterne ligger for pænt. Scatterplot måler om der er heteroskedasticitet for den afhængige variabel. Modellen køres igen på samme måde som før, nu blot hvor variablen Association er fjernet da denne ikke var signifikant. Der vil ikke blive kommenteret løbende på outputs fra SPSS da proceduren er lignende fra 1. kørsel. Resultaterne vil inddrages i selve afhandlingen. Side 30 af 51

Bilag 34 - Beskrivende statistik Bilag 35 - Korrelationer Side 31 af 51

Bilag 36 - Variabler Bilag 37 - Forklaringsgrad Bilag 38 - ANOVA Side 32 af 51

Bilag 39 - Koefficienter Bilag 40 - Histogram Side 33 af 51

Bilag 41 - P- P plot Bilag 42 - Scatterplot Side 34 af 51

Bilag 43 - Residualplot Bilag 44 - Residualplot Side 35 af 51

Hypotese 2 - Simpel Lineær regression Det skal begrundes for hvorfor at anbefaling af produkter svarer til loyalitet af et produkt. Bilag 45 - Beskrivende statistik SLR Ovenstående tabel ses middelværdien af tiltro til TM og middelværdien af hvor loyale disse forbrugere er. Standardafvigelsen er ikke helt så stor som først forventet på begge variabler. Dette kan skyldes stor tilfredshed overfor brandet. 7 betragtes som mest positiv. Side 36 af 51

Bilag 46 - Korrelationer mellem afhængige og uafhængige variable Tiltro til TM og hvor høj grad de vil anbefale brandet har en korrelation på 0,36. Bilag 47 - Variabler undersøgt Side 37 af 51

Ovenstående tabel er ikke så yderst relevant som ved multipel regression men det skal ses metoden der anvendes hvor at variablen bliver tvunget igennem regressions model. Bilag 48 - Modellen Ovenstående tabel viser R square som er forklaringsgraden at variablen som er 34,3 %. Forskellen mellem justeret R square og R square bliver mindre jo større størrelsen på stikprøven bliver. Bilag 49 - ANOVA Side 38 af 51

Bilag 50 - Koefficienter Bilag 51 - Residualer Bilag 52 - Histogram Side 39 af 51

Bilag 53 - P- P plot af residualer Bilag 54 - Scatterplot Side 40 af 51

Bilag 55 - Scatterplot Hypotese 3 - Simpel Lineær Regression Kommentar til Outputs i denne hypotese uddybes ikke yderligere, da fremgangsmåden er magen til hypotese 2. Bilag 56 - Beskrivende statistik Kilde: Egen tilvirkning SPSS Side 41 af 51

Bilag 57 - Korrelation Kilde: Egen tilvirkning SPSS Side 42 af 51

Bilag 58 - Variabler Kilde: Egen tilvirkning SPSS Bilag 59 - Model Kilde: Egen tilvirkning SPSS Side 43 af 51

Bilag 60 - ANOVA Kilde: Egen tilvirkning SPSS Bilag 61 - Koefficienter Kilde: Egen tilvirkning SPSS Bilag 62 - Residualer Kilde: Egen tilvirkning SPSS Side 44 af 51

Bilag 63 - Histogram Kilde: Egen tilvirkning SPSS Side 45 af 51

Bilag 64 - P- P Plot Kilde: Egen tilvirkning SPSS Side 46 af 51

Bilag 65 - Scatterplot Kilde: Egen tilvirkning SPSS Beskrivende Statistik Bilag 66 - TOMA Top- Of- Mind- Awareness (TOMA) Frequency Percent Alfa Romeo 2 1,96 Aston Martin 3 2,94 Audi 21 20,59 Bentley 3 2,9 BMW 12 11,76 Ferrari 3 2,94 Jaguar 1 0,98 Lexus 1 0,98 Mercedes 26 25,49 Porsche 5 4,90 Tesla 25 24,51 Total 102 100,00 Side 47 af 51

TOM- Awareness 30 25 20 15 10 Frekvens 5 0 Kilde: Egen tilvirkning Excel Bilag 67 - Erindring og kendskab Kilde: Egen tilvirkning SPSS Side 48 af 51

Bilag 68 - Prisfølsom Kilde: Egen tilvirkning SPSS Side 49 af 51

Bilag 69 - Loyale kunde Kilde: Egen tilvirkning Bilag 70 - Konkurrende bilmodeller Information Tesla Model S 85 (El) Mercedes E400 (Benzin) Audi A6 3.0 TDI (Diesel) Købspris inkl. moms og afgifter Ydeevne Rækkevidde Sikkederhed 0-100 km/t 645.550 kr 385 HK 502 km 5/5 5,6 sek 1.117.500 kr 333 HK 870 km 5/5 Ikke oplyst 1.116.987 kr 326 HK 966 km 5/5 4,9 sek BMW 535i 961.900 kr 306 HK 750 km 5/5 5,8 sek (Benzin) Kilder: (Tesla Motors, 2015), (Mercedes-Benz, 2015) (Audi, 2015), og (BMW Denmark, 2015) Bilag 71 - Konkurrerende modeller - mailkorrespondance Side 50 af 51

Side 51 af 51