Oldal 11 [11]
10 m KIRÁLY ORSOLYA - KORONCZAI BEATRIX - DEMETROVICS ZSOLT - PAKSI BORBÁLA
3. táblázat: A problémás internethasználat rizikójának mintázódása a főbb szociodemográfiai
tényezők mentén a magyarországi 18-64 éves népesség körében
(az OLAAP 2019 vizsgálat adatai alapján, a válaszolók százalékában)
| N | % | x’ (df) | p | V
Korcsoport
18-24 133 6,0
25-34 236 8,9
35-44 318 6,9 10,78 (4) 0,029 0,09
45-54 274 5,1
55-64 258 2,3
Településméret
<50 000 797 3,9
>50 000 217 9,2 17,05 (2) <0,001 0,12
Budapest 205 10,2
Várható legmagasabb iskolai végzettség
8 általános vagy kevesebb 153 3,3
szakmunkas 439 5,2 4,50 (3) 0212 0.06
érettségi 405 7,7
felséfok/egyetem uténi képzés 223 5,8
Testtômeg-index (BMI)
Sovanysag 23 44
Normális testsúly 527 6,5
ve 2 1,75 (3) 0,626 0,04
Tulsulyossäg 414 5,6
Elhizäs 138 3,6
Megjegyzések: N: válaszolók száma; x? (df): Khi-négyzet statisztika és a kapcsolódó szabadságfok¬
értékek; p: szignifikancia-érték a Khi-négyzet próbához kapcsolódóan; V: Cramer-féle V együttható.
A szignifikáns kapcsolatot (p<0,050) mutató változók szürke mezővel kerültek kiemelésre
A problémás internethasználat rizikójának további kapcsolatát szociodemo¬
gráfiai és pszichológiai változókkal a 4. táblázat mutatja be. A táblázat tartal¬
mazza az egyes háttérváltozók és a problémás internethasználat rizikója közötti
páronkénti, nem kontrollált kapcsolatokat is, de jelen fejezetben szövegesen
csak a többváltozós elemzés eredményeit ismertetjük. Utóbbi során egy bináris
logisztikus regressziós modellt hoztunk létre a problémás internethasználat
rizikójának magyarázatára (0 — Nincs jelen, 1 — Jelen van rizikó a problémás
internethasználatra), ENTER módszerrel, mely a szociodemografiai és pszi¬
chológiai prediktor-változókat egyszerre tartalmazta. A létrehozott bináris
logisztikus regressziós modell a problémás internethasználat rizikója jelenlé¬
tének becslésére szignifikánsan jobbnak bizonyult, mint a kiindulási, predik¬
tor-vältozökat meg nem tartalmazö modell (x’(28)=144,06; p<0,001; Cox &