Met de logistische regressieanalyse kan de relatie tussen de prevalentie van het gevoelige gedrag en één of meer continue, verklarende variabelen (bijvoorbeeld leeftijd of score op attitudeschaal) geanalyseerd worden. Hiertoe is in SPSS (in de module MATRIX) een logistisch regressiemodel geprogrammeerd, dat corrigeert voor het gebruik van het kansmechanisme in randomized response.

Het effect van de verklarende variabelen op de prevalentie van het gevoelig gedrag wordt uitgedrukt in de zogenaamde ‘estimated probability of non-compliance’ (EPNC). De EPNC geeft aan met hoeveel procent de prevalentie verandert wanneer de score op de verklarende variabele van min één standaarddeviatie naar plus één standaarddeviatie gaat. In de handleiding ‘Data-analyse bij het gebruik van randomized response’ – down te loaden van de startpagina ‘Data-analyse’ – is de tekst en het gebruik van de SPSS-syntax voor het uitvoeren van logistische regressieanalyse beschreven.

Een voorbeeld van een logistische regressie is in de onderstaande tabel opgenomen. Onderzocht is of er een relatie bestaat tussen de mening van mensen met een WAO-uitkering over het verplicht opgeven van hun vakantie aan de uitkerende instantie en zwartwerken.

Tabel: effect op zwartwerken.

De tabel laat zien dat van de mensen die het redelijk vinden dat zij hun vakantie op moeten geven aan de uitkerende instantie (de gemiddelde mening) 6.4% wel eens zwartwerkt. Van de mensen die één standaarddeviatie lager dan het gemiddelde scoren (deze mensen vinden het opgeven van de vakantie zeer redelijk) werkt 4.1% wel eens zwart en van de mensen die één standaarddeviatie hoger dan gemiddeld scoren (zij vinden het opgeven van hun vakantie niet redelijk) werkt 9.9% wel eens zwart. De analyse laat dus zien dat er een effect is van de mening over het verplicht opgegeven van vakanties aan de uitkerende instantie op het percentage zwartwerkers, in dit geval bedraagt de EPNC 9.9% – 4.4% = 5.8%.