Page 11 [11]
OCR
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 szabadságfokértékek; 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 szociodemográfiai és pszichológiai változókkal a 4. táblázat mutatja be. A táblázat tartalmazza 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 pszichológiai prediktor-változókat egyszerre tartalmazta. A létrehozott bináris logisztikus regressziós modell a problémás internethasználat rizikója jelenlétének becslésére szignifikánsan jobbnak bizonyult, mint a kiindulási, prediktor-vältozökat meg nem tartalmazö modell (x’(28)=144,06; p<0,001; Cox &
