Loglineaire latente klassenanalyse
Met een loglineaire latente klassenanalyse is het mogelijk zowel de prevalentie van sensitief gedrag in de populatie als in twee of meer subpopulaties te schatten, waarbij de populatie onderverdeeld aan de hand van categorische variabelen zoals bijvoorbeeld geslacht of opleidingniveau. Daarnaast het is mogelijk de relatie te onderzoeken van twee vormen van sensitief gedrag, zelfs wanneer beide vormen van sensitief gedrag met randomized response zijn gemeten.
Het statistisch programma waarmee deze analyses kunnen worden uitgevoerd is Lem. Dit programma is gratis van internet down te loaden. De handleiding ‘Data-analyse bij het gebruik van randomized response’ – down te loaden vanaf de startpagina ‘Data-analyse’ – geeft een uitgebreide beschrijving van het analyseren en interpreteren van randomized-responsedata in Lem. Als voorbeeld is in de onderstaande tabel met Lem het verband geanalyseerd tussen bijklussen en zwartwerken. Beide variabelen zijn afkomstig uit een onderzoek naar uitkeringsfraude van het Ministerie van Sociale Zaken en Werkgelegenheid (2002) en zijn gemeten volgens de forced-responsemethode.
Tabel: Geschatte kansen op zwartwerken en bijklussen
zwartwerken | niet zwartwerken | Totaal | |
bijklussen | .077 | .075 | .152 |
niet bijklussen | .000 | .848 | .848 |
Totaal | .077 | .923 | 1.00 |
In de tabel is te zien dat circa 15% van de mensen met een WAO-uitkering wel eens bijklust en 7.7% wel eens zwartwerkt. De grootste groep bestaat met 84.8% uit mensen die niet bijklussen en ook niet zwartwerken. De combinatie zwartwerken en niet bijklussen komt nooit voor (0.0%), waaruit op te maken is dat mensen die zwartwerken ook altijd bijklussen. Er bestaat dus een sterk verband bestaat tussen zwartwerken en bijklussen.