Lhtkohtia pyrilyn edistmiselle Pietarsaaressa

Kvelyn ja pyrilyn edistminen Suomen kunnissaMatti HirvonentoiminnanjohtajaPyrilykuntien verkosto rymatti.hirvonen@poljin.fip. 040 419 4555

Kvelyn ja pyrilyn edistminen Keski-Suomessa -seminaari 17.3.2016Jyvskyl, Rakentajantalo

Esityksen sisltTaustaa kehittmistylle Pyrilyn ja kvelyn hydyistEsimerkkej eri kunnistaEdistmisohjelman raamejaPyrilyviikko ja shkavusteinen pyrilyPyrkompassiJohtoptksiKeskustelua

101 jsenyhteis66 kuntaa (esim. Jyvskyl)35 muuta yhteis, kuten yrityksi, yhdistyksi, tutkimuslaitoksia (esim. JYPS)Pmrn pyrilyn merkittv lisminen Suomessa kestvn liikennemuotona ja arkiliikuntana, joka tuottaa hyvinvointia yksillle, ympristlle ja yhteiskunnalle.

Valtakunnallinen kvelyn ja pyrilyn strategiaStrategiassa mritetty tavoite:Vuonna 2020 kvely-, pyr- ja joukkoliikennematkojen yhteinen kulkutapaosuus nousee 32 prosentista 35-38 prosenttiin ja henkilautomatkojen vastaavasti vhenee.

Tm merkitsee, ett kvely- ja pyrmatkoja tehdn vuonna 2020 vhintn 20 % enemmn kuin vertailuvuonna 2005.

Konkretisoi LVM:n laatimaa strategiaa -> vuonna 2020 20% enemmn kvely- ja pyrilymatkojaMonen toimijan yhteinen linjausValtakunnallinen tahtotila kuntien ja seutujen oman tyn tueksi kunnat ja seudut erilaisiaFokus vaikuttavimmissa toimissa, joilla tehokkaimmin siirtym lyhyist henkilautomatkoista

www.liikennevirasto.fi/julkaisut/suunnitelmia

Pyrily ja sen hydyt kasvussa

274 km/vuosi ja 0,75 km/piv1,154 miljardia / vuosiMonen kaupungin tavoitteena list pyrilyn mr entisestnPyrily on kasvussa siell miss olosuhteita kehitetnPyrilyn edistminen on investointi, joka tuottaa voittoa

Pyrily ja sen hydyt kasvussaSuomalainen pyrilee keskimrin 274 km/vuosi ja 0,75 km/pivTerveyshyty yhteiskunnalle 1,154 miljardia euroa / vuosiMonen kaupungin tavoitteena list pyrilyn mr entisestnRovaniemell pyrilyn ja kvelyn hydyt 17 miljoonaa / vuosi (kulkutapaosuus pyrily 9 %, kvely 18 %)Joensuussa 20% lisys pyrilyss tuottaa 3,8 miljoonan hydyt / vuosiPyrily on kasvussa siell miss olosuhteita kehitetnJoensuu, Kokkola, Lappeenranta, Turku, Helsinki, Vantaa, Espoo jne.Tampereella pyrily on kaksinkertaistunut 10 vuodessaPyrilyn edistminen on investointi, joka tuottaa voittoaHelsingiss 1 euron investointi laadukkaisiin pyrvyliin (esim. Baana) tuottaa 8 euron hydytParas hytysuhde kaikista liikenneinvestoinneistaPoliittista tahtoa ja laadukasta ymprist tarvitaan lisPyrilykuntien verkosto auttaa jsenkuntiaan tekemn arkiympristst viihtyis, turvallista ja omin voimin liikkumiseen kannustavaa

Pyrilyn lismisen hytyjLhde: Pyrilyn hydyt ja kustannukset Helsingiss, Helsingin kaupunkisuunnitteluvirasto 2013

Kuvat: Jyvskyln Pyrilyseura JYPS ry

Pyrilyn lismisen taloudelliset vaikutusketjutLhde: Bikenomics-hanke, Navico Oy 2016

HEAT-menetelm ja -tykalutHEAT (Health Economic Assessment Tool) WHO:n kehittm menetelm kvelyn ja pyrilyn terveysvaikutusten taloudelliseen arviointiin, julkaistu 2011Suomenkielinen menetelmn kuvaus ja kyttjnoppaan pivitetty versio (2014) http://www.suomimies.fi/filebank/1771-Heat_kayttajan_opas_2014_paivitys.pdfEnglanninkielisen oppaan knnsSuosituksia Suomessa tehtvien laskelmien lhtarvoiksiEsimerkkilaskelmia

Pyrilylle ja kvelylle omat tykalut:Pyrily - HEAT for cyclingKvely - HEAT for walkinghttp://www.heatwalkingcycling.org/

HEAT-laskelmatTehtyj HEAT-laskelmia Suomessa:Koko Suomi: Valtakunnallinen kvelyn ja pyrilyn strategiaHelsinkiEspooKokkolaTampereJoensuuPorvooUtajrviVantaaHelsingin kaupungin tymatkapyrilyHyvink YljrviRovaniemiJyvskylRauma

Laskelman voi tehd, kun suorite on tiedossa ja vestmr on tarpeeksi suuri.

Koko Suomen pyrilyn hydytValtakunnallinen kvelyn ja pyrilyn strategia ja toimenpidesuunnitelma 2020

NYKYISILL MRILL:PyrilyKeskimrinen pyrily 274 km/vuosi ja 0,75 km/piv (lhde HLT 2011)Keskimrinen vuosihyty 1 ,154 miljardia Kvely Keskimrinen kvely 1,07 km/piv (lhde HLT 2011) Keskimrinen vuosihyty 3, 711 miljardia

TAVOITE: Kvely- ja pyrmatkoja tehdn vuonna 2020 vhintn 20 prosenttia enemmn kuin vertailuvuonna 2005. Pyrily Lismisen keskimrinen vuosihyty 119 miljoonaa Kvely Lismisen keskimrinen vuosihyty 371 miljoonaa Lhde: Kvelyn ja pyrilyn terveysvaikutusten taloudellinen arviointi menetelmt ja kyttjn opas. KKI, Liikennevirasto, Pyrilykuntien verkosto

Vantaan HEAT-laskelma 2014

Lhde: Kvelyn ja pyrilyn terveysvaikutusten taloudellinen arviointi Joensuussa 2013Joensuun HEAT

Puutarhakatu, TampereKuva: Kalle Vaismaa

Kuvat: Markku Lahtinen

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Kokkolan pyrilykaupunkiohjelma

Kokkolan ohjelman sislt.

Kuva: Matti Hirvonen

Lhde: Virpi Ansio, Sito Oy ja Joensuun kaupunki 2014

Lhde: Jarmo Tihmala, Joensuun kaupunki 2014

Lhde: Jarmo Tihmala, Joensuun kaupunki 2014

Lhde: Virpi Ansio, Sito Oy ja Joensuun kaupunki 2014

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Baana, Helsinki. Kuva: Esa Rantakangas

Helsingin pyrilyn edistmisohjelma

Kokeilun lhtkohdat miksi nyt?Helsingin kaupungin tavoitteena list ymprivuotista pyrilyPalautteiden perusteella nykyinen talvihoidon taso ei edistisi talvipyrilyHaluttiin selvitt millainen on pyrily edistv laadukas talvihoitomenetelm ja laatuvaatimuksetHaluttiin selvitt laadukkaamman talvihoidon kustannukset

Pyrteiden talvihoidon kokeilu Helsingiss 2015-2016Lhde, Aiju Heinonen, Helsingin Rakennusvirasto

Tavoitteena kehitt uusi menetelm50

Uudet reittikohtaiset talvihoitomenetelmt Baana Helsinginkatu (3,1 km)HarjausUusi liukkaudentorjuntaliuos GranluxKaliumformiaatti-neste Eco-MelterSuolaHelsinginkatu Oulunkyl (5,6 km)Harjaus ja suolaus

Talvipyrilypilotin alustavia tuloksia 4.3.2016

Kuva: Reetta Keisanen / KSVLhde, Aiju Heinonen, Helsingin Rakennusvirasto

Uudet talvihoitokoneet

Kuva: Tapio KeihnenKuva: Pertti Grnlund / StaraRadan varressa kokeillaan mm. Ruotsissa ja Hollannissa kytss olevaa vedettv harjakonetta.Keskustan osuudella kytetn Staran Wille-konetta, jossa on harja edess ja nestesili takana.Talvipyrilypilotin alustavia tuloksia 4.3.2016Lhde, Aiju Heinonen, Helsingin Rakennusvirasto

Yhteistyss pyrilijiden kanssaMenetelmien ja koko pilotin kehittminen yhdess Helsingin polkupyrilijiden kanssa.Ei erillist valvontaa tai laatuvaatimuksiaNoin 70 pyrilij valvoo laatua erillisen palautejrjestelmn kautta.

Talvipyrilypilotin alustavia tuloksia 4.3.2016

Baanaverkko kasvaa

Lhde, Reetta Keisanen, Helsingin kaupunki 2016

Suunnitteluohjeet uudistuvat

Pyrilyn ja kvelyn edistmisprosessiLiikennekaavoitus maankytt Asukkaat, pyrilijtAktiiviset yhdistykset ja muut sidosryhmtRakentaminen ja ympristLiikunta ja matkailuViestint ja vuorovaikutus trkess osassa koko prosessin ajan Sosiaali- j a terveys

Kvelyn ja pyrilyn edistmisohjelman osatekijitPaikalliset linjaukset pyrilyn ja jalankulun asemastaNykyisten liikenneratkaisujen parantaminenPuuttuvien linkkien rakentaminenAutoliikenteen rauhoittaminen (enintn 30 km/h taajamissa ja asuinalueilla)Pyrilyyn aktivointi viestint, kampanjat ja markkinointiPyrilykasvatus koulut ja pivkoditPyrpyskintinormien asettaminenKeskustan ja palvelujen asiakaspyskintiPyrilykaupungin suunnittelu ja rakentaminenJalankulkuympristn houkuttelevuuden parantaminenKvelykeskustojen perustaminen ja laajentaminenPyrilyvylien laadukas kes- ja talvihoitoPyrilyn ja kvelyn aktiivinen seurantaResurssien lisminen tai uudelleen kohdentaminen

Pyrilyviikko 7.-15.5.2016 Mainio tapa edist pyrily ja sen nkyvyytthttp://www.poljin.fi/fi/toimintaa/pyorailyviikkohttp://www.pyorailyviikko.fi/https://www.facebook.com/WeCycleFinland/Ilo irti tymatkasta vuonna 2015

Shkavusteinen pyrily pteemana vuonna 2016Aina myttuulessa pyrliikenne shkistyy!Ole rohkeasti MAMIS!

Kuntien kannalta:Nykyisten tapahtumien ja toimien hydyntminen/vahvistaminenJotakin uutta vuodelle 2016Kytkeminen osaksi pyrilyn edistmisen kokonaisuutta

Mediaosumia 2015Pyrilyviikko 2015Ilo irti tymatkasta!

Kaleva 16.5.Oulun pyrtieverkoston is Mauri Myllyl valittiin vuoden pyrilijksihttp://www.kaleva.fi/uutiset/oulu/oulun-pyoratieverkoston-isa-mauri-myllyla-valittiin-vuoden-pyorailijaksi/697235/Helsingin Sanomat, Veloelo-blogi 16.5.Tm mies teki Oulusta Suomen parhaan pyrilykaupungin ja valittiin nyt Vuoden pyrilijksihttp://www.hs.fi/blogi/veloelo/a1431662102687?jako=1ca412388fcc55bfb443bbe29eea3ef7YLE Kotimaa 15.5.Pohjoisen pyrilykaupungin kehittjst Vuoden pyrilijksihttp://yle.fi/uutiset/pohjoisen_pyorailykaupungin_kehittajasta_vuoden_pyorailijaksi/7996707Metro-lehti 16.5.Vantaan kaupunki 16.5.Sari Busi on Vuoden vantaalainen pyrilij 2015http://www.vantaa.fi/ajankohtaista-arkisto/vantaa_fi/101/0/sari_busi_on_vuoden_vantaalainen_pyorailija_2015?language=fihttp://www.metro.fi/uutiset/a1387811530209Uusi Suomi 16.5.Helsingin ensimminen pyrilykatsaus on ilmestynythttp://www.uusisuomi.fi/autot/81812-helsingin-ensimmainen-pyorailykatsaus-ilmestynythttp://www.hel.fi/www/uutiset/fi/kaupunkisuunnitteluvirasto/pyorailykatsaus-2015

Mediaosumia 2015Helsingin Sanomat, Veloelo-blogi 13.5.Tutkimus: Pyrily tulee kuusi kertaa autoilua halvemmaksi mys yhteiskunnallehttp://www.hs.fi/blogi/veloelo/a1431488345097?jako=c8e6c5e66ddbf3fc8140130c79c5c735YLE Liikenne 13.5.Katettuja telineit ja pyrille pyhitettyj parkkiruutuja Kokkolassa halutaan parempia palveluita pyrilijillehttp://yle.fi/uutiset/katettuja_telineita_ja_pyorille_pyhitettyja_parkkiruutuja__kokkolassa_halutaan_parempia_palveluita_pyorailijoille/7988653

Tampereen kaupunki 12.5.Tampereen pyrilykatsaus kertoo pyrilyn ajankohtaisista asioistahttp://www.tampere.fi/tampereinfo/ajankohtaista/eocVX4WoW.htmlYLE Liikenne 12.5.Jyvskyl haluaa pyrilykaupungiksi tavoitteena miljoonien arvoiset terveyshydythttp://yle.fi/uutiset/jyvaskyla_haluaa_pyorailykaupungiksi__tavoitteena_miljoonien_arvoiset_terveyshyodyt/7987923Keskisuomalainen 12.5.Jyvskyl teki uuden asukkaansa onnelliseksi hikoilua joka aamuhttp://www.ksml.fi/uutiset/kotimaa/jyvaskyla-teki-uuden-asukkaansa-onnelliseksi-hikoilua-joka-aamu/2044185?pwbi=2dad74c4284a690281b01d49558f3efa

Mediaosumia 2015Karjalainen 14.5.Joensuu ottaa kyttn virkafillarithttp://www.karjalainen.fi/uutiset/uutis-alueet/kotimaa/item/75142-joensuu-ottaa-kayttoon-virkafillaritTekniikka&Talous 13.5.Tllaiset kustannukset pyrilijt aiheuttavat yhteiskunnalle - Vertaapa autoilijoihinhttp://www.tekniikkatalous.fi/Liikenne/tallaiset+kustannukset+pyorailijat+aiheuttavat+yhteiskunnalle++vertaapa+autoilijoihin/a1062876

Hmeenlinnan kaupunki 8.5.2015Vaikuta kaupungin pyrilyoloihinhttp://www.hameenlinna.fi/Kaupunki-info/Viestinta/Tiedotteet/Vaikuta-kaupungin-pyorailyoloihin/Etel-Saimaa 8.5.2015Lappeenrannan seudulla voi polkea yht Suomen kauneinta pyrreittihttp://www.esaimaa.fi/Online/2015/05/08/Lappeenrannan%20seudulla%20voi%20polkea%20yht%C3%A4%20Suomen%20kauneinta%20py%C3%B6r%C3%A4reitti%C3%A4/2015119009690/4YLE Lahti 6.5.2015Lis pyrparkkeja ja tilaa kvelijille Lahden keskustan liikenne lhivuosina uusiksi?http://yle.fi/uutiset/lisaa_pyoraparkkeja_ja_tilaa_kavelijoille__lahden_keskustan_liikenne_lahivuosina_uusiksi/7972044

Esteet mataliksi shkavusteisillaShkavusteisilla voidaan ylitt monia pyrn kytlle perinteisesti koettuja esteitHuono kunto / liikunnan vhisyysLiian pitkt matkatMet, korkeuserot, vastatuuli, vsymysHikisen tihin saapuminen jne.Turvallisuuden tunne sekaliikenteess parempiLisvoimaa kytssSiirtym ensisijaisesti autoilustaEi pyrilyst, kvelyst tai joukkoliikenteestSilta motorisoidusta liikenteest kohti aktiivista liikkumistaTerveysvaikutukset yht hyvt kuin tavallisessa pyrillyss

Shkpyrien jakauma Belgiassa

Tavallinen pyr76,2%Maastopyr1,6%Taittopyr1,9%Speed pedelec13%Tavarapyr0,5%Laatikkopyr3,3%Lhde: Sarah Martens, Velo-city -esitys 4.6.2015.

Onko shkpyrily vaarallisempaa (Itvalta)?Vuonna 2002 myytiin 2000 kpl, vuonna 2012 myytiin 45 000 kplKeskinopeuserot pieni tavallisen ja shkavusteisen vlillEsim. 17,5 km/h -> 18,8 km/h. Maantiepyr 23,9 km/h.Ilman toimenpiteit voi list hieman onnettomuuksien mrEi kuitenkaan esim. kolarointeja auton kanssaToimenpidesuosituksetHyv ohjeistus esim. ostettaessa/koeajettaessaTuetaan pyrilykurssien jrjestmist varsinkin ikihmisilleLaadukas infrastruktuuri ja yllpitoLiikennesntjen ja lainsdnnn pivitystParempi tiedonkeruu, tilastoidaan shkavusteisten onnettomuudet erikseen

Turvallisuuteen vaikuttavat hyvin pitklle samat keinot kuin pyrilyn turvallisuuteen yleenskin!

Lhde: How does E-mobility influence road safety? Bernd Hildebrandt, Austrian Road Safety Board

Lhde: Sarah Martens, Velo-city -esitys 4.6.2015.Mik seuraavista kuvaa sinua parhaiten?Top 10/51

%1Nautiskelija53,92Kytnnllinen50,13Ympristtietoinen45,84Avarakatseinen44,75Riippumaton43,96Sosiaalinen43,47Humoristinen42,88Hauska42,39Aktiivinen42,010Perhekeskeinen41,2

Kuka ajaa shkpyrll (Belgiassa)?

Kulkutapamuutos (Belgia)Lhde: Sarah Martens, Velo-city -esitys 4.6.2015.Suosituin kulkutapa ennen shkpyrily46% siirtyi autoilusta25% siirtyi tavallisesta pyrilyst

I did not make this trip beforeRegular bikeCarTrainBus or tramCombination

Vaihtoehdot shkavusteiselle (Belgia)Lhde: Sarah Martens, Velo-city -esitys 4.6.2015.

Miten kuljet tihin pivin, jolloin et kyt shkavusteista?

N/A, I always take the pedelecRegular bikeCarTrainBus/TramCombination

Shkpyrilyn tilanne HollannissaUUSIA MAHDOLLISUUKSIAShkpyrien kytt kasvaa nopeasti2014: 10% kaikista polkupyrist on shkpyri2013: 20% myydyist pyrist on shkpyriEi pelkstn tymatkaajat, mys koululaiset ja opiskelijatUudet pikapyrtiet: nopeaa ja miellyttvMaaseudulla: julkisten ja shkavusteisten yhdistelmKaupungeissa: pikapyrtiet tulee koko ajan lisVahva yhteys: pikapyrtiet ja shkavusteisetTerveellist, turvallista, tehokastaJulkinen liikenne muutoksessaVhemmn rahoitusta (valtiolta) Vhemmn kyttji verkon ulkoreunoillaPoliittinen paine: keskustelu kustannustehokkuudestaShkpyrilyn suhde joukkoliikenteeseenVaihtoehto koko matkalle A:sta B:henOsana matkaketjua: ensimmiset ja viimeiset kilometritKuvat: Jrg Thiemann-Linden, Velo-city esitys 4.6.2015

Yksittisi hyvi kampanjoita ja kokeilujaShkavusteisen pyrilyn tiekarttaMediankyvyyttKokeilupyr, http://kokeilupyora.fi/

Mit on jo tehty Suomessa?

Kuva: KKI-ohjelma / Studio Valoisa Nauris

Johtajan shkpyrilyelmykset

Ilkka Rahkonen kokeili kuukauden verran shkpyrily. Pyrily toi kiireiseen arkeen lis liikuntaa ja elmyksi. Ilkan ty vie hnt Kangasalta vuoroin Helsingin Arabiaan ja Mediapolikseen Tampereelle. Shkpyr kulki kokeilujakson aikana junalla Helsinkiin, aamukahville torille ja Eppu Normaalin keikalle.

Shkpyr nytt sopivan Aitomediassa uusliiketoimintojen johtajana toimivan Ilkka Rahkosen arkeen hyvin. Shkpyrll voi polkea pikkutakki pll eik tarvitse liitty MAMIL (middle aged man in lycra) ilmin. Shkpyr kymmenkertaisti pyrilyn,hymyilee Rahkonen.

Teksti: Mari Ptalo, Valpastin Oyhttp://kokeilupyora.fi/

Kuva: KKI-ohjelma / Studio Valoisa Nauris

Tallimatkoille mopon korvikkeeksi

Vilja Turkka ajoi shkpyrll paljon tallimatkoja. Tavallisella pyrll polkeminen tallilta kotiin on raskasta, kun on hoitanut hevosia ymyhn. Shkpyr korvaa oikeastaan mopon ja se on paljon edullisempi, eik siihen ei tarvitse korttiakaan, kertoo Turkka.

Kokeilujaksoon oli tyytyvinen mys 15-vuotiaan Viljan iti, koska hnelt sstyi monta edestakaista automatkaa tallilta hakemiseen. Pyr oli herttnyt ihailua mys kaveripiiriss.

Teksti: Mari Ptalo, Valpastin Oyhttp://kokeilupyora.fi/

Kuva: KKI-ohjelma / Studio Valoisa Nauris

Pyrkompassi tied mihin kuntasi polkee!

Pyrilyn edistmistykalu ja auditointimenetelm kunnille

17.3.2016Kompassilla mitataan Kuinka suosittua pyrily onPyrmrien kehityst (vertailukelpoiset laskennat)Kuinka pyrily-ystvllinen infrastruktuuri onPyrilyn kilpailukyky autoiluun verrattunaPoliittinen tahtotila pyrilyn edistmiseksiKuinka turvallista pyrily onKuinka pyrilijt huomioidaanStandardoidut lhttiedot pyrilyn kehittmisohjelmalle

Tuloksena: a) Tieto sek kunnalle ett valtiolle, miten sen kannattaa edist pyrily: kipupisteet ja vahvuudetb) Vertailukelpoista kansallista tietoa eri kuntien pyriltvyydest, pyrily-ystvllisyydest sek valtakunnallisen strategian toteutumisesta kunnissa

Pyrkompassi tukemaan ja ohjaamaan toimintaa

17.3.2016HelsinkiVantaaKokkolaTurkuJyvskylLahti JoensuuLappeenrantaOuluPoriRaumaHmeenlinnaPirkkalaTampereKangasalaHyvinkSipooAlustavat yhteistykunnat

Lhde, PYKL-hanke 2009-2012, Liikenteen tutkimuskeskus Verne

JohtoptksiTaloushytyjen osoittaminen trkePoliittinen hyvksynt ja sitoutuminenEdistmisohjelmat vauhdittavat merkittvstiToimenpiteit ja resurssejaMrtietoisuutta ja kunnianhimoaHyvksyminen valtuustossa ja kytkent strategiaanPyrilyn edistminen on investointi, joka tuottaa voittoaHelsingiss 1 euro laatuvyliin tuottaa 8 euron hydytLaskenta ja seuranta on vlttmtntMuuten kehitysty on mahdotontaKeinovalikoimaa ja tykaluja onJalankulku- ja pyrvylien suunnitteluohje 2014 kyttnKuntien omat ohjelmat ja ohjeetHyvi esimerkkej lytyy mys SuomestaRohkeasti uusiin avauksiin ja yhteistyhn!esim. Pyrilykuntien verkoston ja JYPS:n kanssa

Kiitos!Ja Kulkulaarista loput!www.kulkulaari.fiwww.poljin.fi

Kaavio10

profielFREQUENCIES VARIABLES=q0026 q0027_cat q0028 q0029/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:08:21CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0026 q0027_cat q0028 q0029 /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,079Elapsed Time00 00:00:00,108[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsWat is je geslacht?q0027_catWat is je hoogst behaalde diploma?Wat is je functie?NValid358357358358Missing11121111Frequency TableWat is je geslacht?FrequencyPercentValid PercentCumulative PercentValidMan13737.138.338.3Vrouw22159.961.7100.0Total35897.0100.0MissingSystem113.0Total369100.0q0027_catFrequencyPercentValid PercentCumulative PercentValid1,001.3.3.33j4411.912.0100.0Total36899.7100.0MissingSystem1.3Total369100.0

profiel

fietskenmerken

pendelverplaatsing

nvthelemaal niet graagniet graagneutraalgraagheel graag

karakteristiek

FREQUENCIES VARIABLES=q0002 q0004 q0006_0001 q0006_0002 q0006_0003 q0006_0004 q0006_0005 q0006_0006 q0006_0007 q0006_0008/STATISTICS=MEDIAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:16:56CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0002 q0004 q0006_0001 q0006_0002 q0006_0003 q0006_0004 q0006_0005 q0006_0006 q0006_0007 q0006_0008 /STATISTICS=MEDIAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,063Elapsed Time00 00:00:00,063[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsIk heb deze fiets...Met welk type elektrische fiets rij je?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?NValid369369282208162325668Missing0087349361353346344363301Median1.00001.00001.00001.00001.00001.00001.00001.00001.00001.0000Frequency TableIk heb deze fiets...FrequencyPercentValid PercentCumulative PercentValidZelf gekocht27273.773.773.7Ter beschikking gekregen van mijn werk5214.114.187.8Ik leen/test hem tijdelijk123.33.391.1Ik heb hem gekregen61.61.692.7Ik huur hem3.8.893.5kosten gedeeld met werkgever/leasecontract205.45.498.9niet-elektrische fiets omgebouwd41.11.1100.0Total369100.0100.0Met welk type elektrische fiets rij je?FrequencyPercentValid PercentCumulative PercentValidStadsfiets28176.276.276.2Mountainbike61.61.677.8Plooifiets71.91.979.7Bakfiets123.33.382.9Cargobike2.5.583.5Snelle e-fiets (> 25 km/h)4813.013.096.5Andere133.53.5100.0Total369100.0100.0Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?FrequencyPercentValid PercentCumulative PercentValidEen fietsvergoeding28276.4100.0100.0ValidEen korting bij aankoop van een (elektrische) fiets205.4100.0100.0ValidEen korting op accessoires (tassen, helm,...)82.2100.0100.0ValidEen gratis fiets164.3100.0100.0ValidEen gratis antidiefstalverzekering236.2100.0100.0ValidEen financile tussenkomst in onderhoud256.8100.0100.0ValidEen gratis pechverhelpingsverzekering61.6100.0100.0ValidGeen enkele gunstmaatregel6818.4100.0100.0MissingSystem30181.6Total369100.0MEANS TABLES=q0003_totmnd/CELLS MEAN COUNT STDDEV.MeansNotesOutput Created12-jun-2014 12:20:46CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0003_totmnd /CELLS MEAN COUNT STDDEV.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentq0003_totmnd36899.7%1.3%369100.0%Reportq0003_totmndMeanNStd. Deviation19.587036817.28564FREQUENCIES VARIABLES=q0005_0001 q0005_0002/STATISTICS=MEAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created13-jun-2014 18:19:45CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0005_0001 q0005_0002 /STATISTICS=MEAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,062Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savStatisticsVermogen van de accu in normale omstandigheden (Wh):Maximale snelheid met elektrische ondersteuning (km/u):NValid159332Missing21037Mean369.1327.44Frequency TableVermogen van de accu in normale omstandigheden (Wh):FrequencyPercentValid PercentCumulative PercentValid1801.3.6.62001.3.61.32321.3.61.92341.3.62.52402.51.33.8250205.412.616.42523.81.918.22601.3.618.92662.51.320.12883.81.922.02951.3.622.630092.45.728.33171.3.628.932061.63.832.732492.45.738.43421.3.639.035071.94.443.436051.43.146.53651.3.647.23691.3.647.83701.3.648.4396164.310.158.5400359.522.080.54051.3.681.14161.3.681.843241.12.584.34462.51.385.550061.63.889.35042.51.390.65061.3.691.25222.51.392.55301.3.693.154061.63.896.95501.3.697.56001.3.698.16031.3.698.76121.3.699.46401.3.6100.0Total15943.1100.0MissingSystem21056.9Total369100.0Maximale snelheid met elektrische ondersteuning (km/u):FrequencyPercentValid PercentCumulative PercentValid02.5.6.6151.3.3.9203.8.91.8222.5.62.4233.8.93.3242.5.63.92521658.565.169.02682.22.471.427236.26.978.3283.8.979.22892.42.781.9292.5.682.530154.14.587.0321.3.387.3332.5.688.03561.61.889.8361.3.390.1371.3.390.44051.41.591.945256.87.599.4481.3.399.7501.3.3100.0Total33290.0100.0MissingSystem3710.0Total369100.0

FREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEDIAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:31:24CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEDIAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,062Elapsed Time00 00:00:00,062[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)NValid296336Missing7333Median3.00002.0000Frequency Tableverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1FrequencyPercentValid PercentCumulative PercentValide-fiets is sneller7119.224.024.0e-fiets is even snel6818.423.047.0e-fiets is trager15742.553.0100.0Total29680.2100.0MissingSystem7319.8Total369100.0verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)FrequencyPercentValid PercentCumulative PercentValidmet e-fiets is sneller13937.741.441.4met e-fiets even snel3810.311.352.7met e-fiets trager15943.147.3100.0Total33691.1100.0MissingSystem338.9Total369100.0MEANS TABLES=q0007_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:31:10CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0007_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentKilometer: * Wat is je geslacht?35696.5%133.5%369100.0%ReportKilometer:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13613.4853317.97791.0084.0083.00Vrouw2208.7715212.42391.0062.0061.00Total35611.1320714.54561.0084.0083.00MEANS TABLES=q0007_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:31:10CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0007_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentKilometer: * Wat is je geslacht?35696.5%133.5%369100.0%ReportKilometer:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13613.4853317.97791.0084.0083.00Vrouw2208.7715212.42391.0062.0061.00Total35611.1320714.54561.0084.0083.00MEANS TABLES=q0013_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:35:25CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0013_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,093Elapsed Time00 00:00:00,095[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentIn minuten: * Wat is je geslacht?35696.5%133.5%369100.0%ReportIn minuten:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13727.5878841.13872.00140.00138.00Vrouw21919.7086733.88585.00120.00115.00Total35623.2935936.67702.00140.00138.00CROSSTABS/TABLES=q0012 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 18:39:09CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0012 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,140Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentHoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk? * Wat is je geslacht?35897.0%113.0%369100.0%Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwHoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?Minder dan 1 dag per maandCount246% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?33.3%66.7%100.0%< 1dag /maand1.5%1.8%1.7%% of Total.6%1.1%1.7%1 tot 3 dagen per maandCount81220% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?40.0%60.0%100.0%1-3dagen/maand5.8%5.4%5.6%% of Total2.2%3.4%5.6%Ongeveer 1 dag per weekCount122335% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?34.3%65.7%100.0%ong. 1dag/week8.8%10.4%9.8%% of Total3.4%6.4%9.8%Ongeveer 2 tot 3 dagen per weekCount5786143% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?39.9%60.1%100.0%2-3dagen/week41.6%38.9%39.9%% of Total15.9%24.0%39.9%4 of meer dagen per weekCount5896154% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?37.7%62.3%100.0%4dagen en meer/week42.3%43.4%43.0%% of Total16.2%26.8%43.0%TotalCount137221358% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square,500a4.974Likelihood Ratio.5034.973Linear-by-Linear Association.0061.939N of Valid Cases358a. 2 cells (20,0%) have expected count less than 5. The minimum expected count is 2,30.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.004.053-.076,939cOrdinal by OrdinalSpearman Correlation.001.053.019,985cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0014 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 18:58:13CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0014 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentIs deze afstand... * Wat is je geslacht?35897.0%113.0%369100.0%Is deze afstand... * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwIs deze afstand...De volledige afstand tussen je woonplaats en je werkplekCount133211344% within Is deze afstand...38.7%61.3%100.0%% within Wat is je geslacht?97.1%95.5%96.1%% of Total37.2%58.9%96.1%De afstand tussen je woonplaats en de plaats waar je op andeCount2810% within Is deze afstand...20.0%80.0%100.0%% within Wat is je geslacht?1.5%3.6%2.8%% of Total.6%2.2%2.8%De afstand tussen de plaats waar je met ander vervoer toekomCount224% within Is deze afstand...50.0%50.0%100.0%% within Wat is je geslacht?1.5%.9%1.1%% of Total.6%.6%1.1%TotalCount137221358% within Is deze afstand...38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square1,668a2.434Likelihood Ratio1.8012.406Linear-by-Linear Association.1331.716N of Valid Cases358a. 3 cells (50,0%) have expected count less than 5. The minimum expected count is 1,53.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.019.053.364,716cOrdinal by OrdinalSpearman Correlation.039.050.741,459cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0016 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:02:12CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0016 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,094Elapsed Time00 00:00:00,093Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht?35897.0%113.0%369100.0%Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)Ja, altijdCount91524% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)37.5%62.5%100.0%% within Wat is je geslacht?6.6%6.8%6.7%ja, altijd2.5%4.2%6.7%Ja, vaakCount103141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)24.4%75.6%100.0%% within Wat is je geslacht?7.3%14.0%11.5%ja, vaak2.8%8.7%11.5%Ja, af en toeCount52100152% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)34.2%65.8%100.0%% within Wat is je geslacht?38.0%45.2%42.5%ja, af en toe14.5%27.9%42.5%Neen, nooitCount6675141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)46.8%53.2%100.0%% within Wat is je geslacht?48.2%33.9%39.4%neen, nooit18.4%20.9%39.4%TotalCount137221358% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square8,761a3.033Likelihood Ratio8.9013.031Linear-by-Linear Association5.1141.024N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,18.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.120.053-2.275,024cOrdinal by OrdinalSpearman Correlation-.140.052-2.670,008cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0016 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:02:12CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0016 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,094Elapsed Time00 00:00:00,093Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht?35897.0%113.0%369100.0%Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)Ja, altijdCount91524% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)37.5%62.5%100.0%% within Wat is je geslacht?6.6%6.8%6.7%% of Total2.5%4.2%6.7%Ja, vaakCount103141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)24.4%75.6%100.0%% within Wat is je geslacht?7.3%14.0%11.5%% of Total2.8%8.7%11.5%Ja, af en toeCount52100152% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)34.2%65.8%100.0%% within Wat is je geslacht?38.0%45.2%42.5%% of Total14.5%27.9%42.5%Neen, nooitCount6675141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)46.8%53.2%100.0%% within Wat is je geslacht?48.2%33.9%39.4%% of Total18.4%20.9%39.4%TotalCount137221358% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square8,761a3.033Likelihood Ratio8.9013.031Linear-by-Linear Association5.1141.024N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,18.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.120.053-2.275,024cOrdinal by OrdinalSpearman Correlation-.140.052-2.670,008cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0017 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:09:37CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0017 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentOp de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk? * Wat is je geslacht?35897.0%113.0%369100.0%Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwOp de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?Count214667% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?31.3%68.7%100.0%% within Wat is je geslacht?15.3%20.8%18.7%Niet van toepassing, ik neem altijd de elektrische fiets5.9%12.8%18.7%Count151126% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?57.7%42.3%100.0%% within Wat is je geslacht?10.9%5.0%7.3%Gewone fiets4.2%3.1%7.3%AutoCount75126201% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?37.3%62.7%100.0%% within Wat is je geslacht?54.7%57.0%56.1%auto20.9%35.2%56.1%TreinCount10515% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?66.7%33.3%100.0%% within Wat is je geslacht?7.3%2.3%4.2%trein2.8%1.4%4.2%Bus of tramCount81523% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?34.8%65.2%100.0%% within Wat is je geslacht?5.8%6.8%6.4%bus/tram2.2%4.2%6.4%Een combinatie van verschillende vervoerswijzenCount81826% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?30.8%69.2%100.0%% within Wat is je geslacht?5.8%8.1%7.3%een combinatie2.2%5.0%7.3%TotalCount137221358% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square11,448a5.043Likelihood Ratio11.1755.048Linear-by-Linear Association.0041.948N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 5,74.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.003.051.066,948cOrdinal by OrdinalSpearman Correlation-.014.052-.270,788cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0019 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:10:25CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0019 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentVoor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen? * Wat is je geslacht?35897.0%113.0%369100.0%Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwVoor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?Ik deed deze verplaatsing vroeger niet (ik ben veranderd vanCount71926% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?26.9%73.1%100.0%% within Wat is je geslacht?5.1%8.6%7.3%Ik deed deze verplaatsing vroeger niet2.0%5.3%7.3%Gewone fietsCount425092% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?45.7%54.3%100.0%% within Wat is je geslacht?30.7%22.6%25.7%gewone fiets11.7%14.0%25.7%AutoCount60104164% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?36.6%63.4%100.0%% within Wat is je geslacht?43.8%47.1%45.8%auto16.8%29.1%45.8%TreinCount9817% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?52.9%47.1%100.0%% within Wat is je geslacht?6.6%3.6%4.7%trein2.5%2.2%4.7%Bus of tramCount41418% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?22.2%77.8%100.0%% within Wat is je geslacht?2.9%6.3%5.0%bus of tram1.1%3.9%5.0%Een combinatie van verschillende vervoerswijzenCount152641% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?36.6%63.4%100.0%% within Wat is je geslacht?10.9%11.8%11.5%combinatie4.2%7.3%11.5%TotalCount137221358% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square7,297a5.199Likelihood Ratio7.4375.190Linear-by-Linear Association.2191.640N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 6,51.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.025.052.468,640cOrdinal by OrdinalSpearman Correlation.030.053.557,578cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.

Karakteristieken e-fietspendelaarskarakteristiekfreq in absolute aantallenin % totaal1Genieten19953.92Praktisch18550.13Duurzaam16945.84Open minded16544.75Zelfstandig16243.96Sociaal16043.47Humor15842.88Plezier15642.39Actief15542.010Familie15241.211Hulpvaardig14739.812Sportief14539.313Flexibel14138.214Gedreven13536.615Creatief12935.016Nieuwsgierig12333.317Kritisch12132.818Gezellig12032.519Leergierig11832.020Engagement11731.721Vertrouwen9926.822Avontuur9224.923Wereldburger8523.024Cultureel8222.225Kalm8222.226Huiselijk8122.027Eigentijds8021.728Bescheiden7921.429Actualiteit7219.530Alert7019.031Kennis6417.332Verbonden6116.533Eigenwijs5514.934Authentiek5214.135Muzikaal5214.136Vinnig4913.337Exploratie4211.438Lokaal359.539Trendsetter318.440Entertainment308.141Routine308.142Economie297.943Community256.844Voorspelbaarheid174.645Materialistisch113.046Bekende92.447Onderscheiden92.448Manifesteren71.949Onbekende71.950Uitgeven71.951Laten meeslepen3.8

Kaavio10

MeanAverage distance per former mode

profielFREQUENCIES VARIABLES=q0026 q0027_cat q0028 q0029/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:08:21CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0026 q0027_cat q0028 q0029 /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,079Elapsed Time00 00:00:00,108[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsWat is je geslacht?q0027_catWat is je hoogst behaalde diploma?Wat is je functie?NValid358357358358Missing11121111Frequency TableWat is je geslacht?FrequencyPercentValid PercentCumulative PercentValidMan13737.138.338.3Vrouw22159.961.7100.0Total35897.0100.0MissingSystem113.0Total369100.0q0027_catFrequencyPercentValid PercentCumulative PercentValid1,001.3.3.33j4411.912.0100.0Total36899.7100.0MissingSystem1.3Total369100.0

profiel

fietskenmerken

pendelverplaatsing

nvthelemaal niet graagniet graagneutraalgraagheel graag

karakteristiek

ervaringFREQUENCIES VARIABLES=q0002 q0004 q0006_0001 q0006_0002 q0006_0003 q0006_0004 q0006_0005 q0006_0006 q0006_0007 q0006_0008/STATISTICS=MEDIAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:16:56CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0002 q0004 q0006_0001 q0006_0002 q0006_0003 q0006_0004 q0006_0005 q0006_0006 q0006_0007 q0006_0008 /STATISTICS=MEDIAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,063Elapsed Time00 00:00:00,063[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsIk heb deze fiets...Met welk type elektrische fiets rij je?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?NValid369369282208162325668Missing0087349361353346344363301Median1.00001.00001.00001.00001.00001.00001.00001.00001.00001.0000Frequency TableIk heb deze fiets...FrequencyPercentValid PercentCumulative PercentValidZelf gekocht27273.773.773.7Ter beschikking gekregen van mijn werk5214.114.187.8Ik leen/test hem tijdelijk123.33.391.1Ik heb hem gekregen61.61.692.7Ik huur hem3.8.893.5kosten gedeeld met werkgever/leasecontract205.45.498.9niet-elektrische fiets omgebouwd41.11.1100.0Total369100.0100.0Met welk type elektrische fiets rij je?FrequencyPercentValid PercentCumulative PercentValidStadsfiets28176.276.276.2Mountainbike61.61.677.8Plooifiets71.91.979.7Bakfiets123.33.382.9Cargobike2.5.583.5Snelle e-fiets (> 25 km/h)4813.013.096.5Andere133.53.5100.0Total369100.0100.0Van welke gunstmaatregelen van je werkgever voor fietspendelaars kan jij genieten?FrequencyPercentValid PercentCumulative PercentValidEen fietsvergoeding28276.4100.0100.0ValidEen korting bij aankoop van een (elektrische) fiets205.4100.0100.0ValidEen korting op accessoires (tassen, helm,...)82.2100.0100.0ValidEen gratis fiets164.3100.0100.0ValidEen gratis antidiefstalverzekering236.2100.0100.0ValidEen financile tussenkomst in onderhoud256.8100.0100.0ValidEen gratis pechverhelpingsverzekering61.6100.0100.0ValidGeen enkele gunstmaatregel6818.4100.0100.0MissingSystem30181.6Total369100.0MEANS TABLES=q0003_totmnd/CELLS MEAN COUNT STDDEV.MeansNotesOutput Created12-jun-2014 12:20:46CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0003_totmnd /CELLS MEAN COUNT STDDEV.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentq0003_totmnd36899.7%1.3%369100.0%Reportq0003_totmndMeanNStd. Deviation19.587036817.28564FREQUENCIES VARIABLES=q0005_0001 q0005_0002/STATISTICS=MEAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created13-jun-2014 18:19:45CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0005_0001 q0005_0002 /STATISTICS=MEAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,062Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savStatisticsVermogen van de accu in normale omstandigheden (Wh):Maximale snelheid met elektrische ondersteuning (km/u):NValid159332Missing21037Mean369.1327.44Frequency TableVermogen van de accu in normale omstandigheden (Wh):FrequencyPercentValid PercentCumulative PercentValid1801.3.6.62001.3.61.32321.3.61.92341.3.62.52402.51.33.8250205.412.616.42523.81.918.22601.3.618.92662.51.320.12883.81.922.02951.3.622.630092.45.728.33171.3.628.932061.63.832.732492.45.738.43421.3.639.035071.94.443.436051.43.146.53651.3.647.23691.3.647.83701.3.648.4396164.310.158.5400359.522.080.54051.3.681.14161.3.681.843241.12.584.34462.51.385.550061.63.889.35042.51.390.65061.3.691.25222.51.392.55301.3.693.154061.63.896.95501.3.697.56001.3.698.16031.3.698.76121.3.699.46401.3.6100.0Total15943.1100.0MissingSystem21056.9Total369100.0Maximale snelheid met elektrische ondersteuning (km/u):FrequencyPercentValid PercentCumulative PercentValid02.5.6.6151.3.3.9203.8.91.8222.5.62.4233.8.93.3242.5.63.92521658.565.169.02682.22.471.427236.26.978.3283.8.979.22892.42.781.9292.5.682.530154.14.587.0321.3.387.3332.5.688.03561.61.889.8361.3.390.1371.3.390.44051.41.591.945256.87.599.4481.3.399.7501.3.3100.0Total33290.0100.0MissingSystem3710.0Total369100.0

ervaring

autopendelaarFREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEDIAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created12-jun-2014 12:31:24CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savActive DatasetDataSet1FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEDIAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,062Elapsed Time00 00:00:00,062[DataSet1] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\efietswoonwerk.savStatisticsverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)NValid296336Missing7333Median3.00002.0000Frequency Tableverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1FrequencyPercentValid PercentCumulative PercentValide-fiets is sneller7119.224.024.0e-fiets is even snel6818.423.047.0e-fiets is trager15742.553.0100.0Total29680.2100.0MissingSystem7319.8Total369100.0verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)FrequencyPercentValid PercentCumulative PercentValidmet e-fiets is sneller13937.741.441.4met e-fiets even snel3810.311.352.7met e-fiets trager15943.147.3100.0Total33691.1100.0MissingSystem338.9Total369100.0MEANS TABLES=q0007_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:31:10CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0007_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentKilometer: * Wat is je geslacht?35696.5%133.5%369100.0%ReportKilometer:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13613.4853317.97791.0084.0083.00Vrouw2208.7715212.42391.0062.0061.00Total35611.1320714.54561.0084.0083.00MEANS TABLES=q0007_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:31:10CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0007_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentKilometer: * Wat is je geslacht?35696.5%133.5%369100.0%ReportKilometer:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13613.4853317.97791.0084.0083.00Vrouw2208.7715212.42391.0062.0061.00Total35611.1320714.54561.0084.0083.00MEANS TABLES=q0013_0001 BY q0026/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 18:35:25CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0013_0001 BY q0026 /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,093Elapsed Time00 00:00:00,095[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentIn minuten: * Wat is je geslacht?35696.5%133.5%369100.0%ReportIn minuten:Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan13727.5878841.13872.00140.00138.00Vrouw21919.7086733.88585.00120.00115.00Total35623.2935936.67702.00140.00138.00CROSSTABS/TABLES=q0012 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 18:39:09CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0012 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,140Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentHoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk? * Wat is je geslacht?35897.0%113.0%369100.0%Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwHoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?Minder dan 1 dag per maandCount246% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?33.3%66.7%100.0%< 1dag /maand1.5%1.8%1.7%% of Total.6%1.1%1.7%1 tot 3 dagen per maandCount81220% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?40.0%60.0%100.0%1-3dagen/maand5.8%5.4%5.6%% of Total2.2%3.4%5.6%Ongeveer 1 dag per weekCount122335% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?34.3%65.7%100.0%ong. 1dag/week8.8%10.4%9.8%% of Total3.4%6.4%9.8%Ongeveer 2 tot 3 dagen per weekCount5786143% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?39.9%60.1%100.0%2-3dagen/week41.6%38.9%39.9%% of Total15.9%24.0%39.9%4 of meer dagen per weekCount5896154% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?37.7%62.3%100.0%4dagen en meer/week42.3%43.4%43.0%% of Total16.2%26.8%43.0%TotalCount137221358% within Hoe vaak gebruik je de elektrische fiets grosso modo op weg naar je werk?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square,500a4.974Likelihood Ratio.5034.973Linear-by-Linear Association.0061.939N of Valid Cases358a. 2 cells (20,0%) have expected count less than 5. The minimum expected count is 2,30.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.004.053-.076,939cOrdinal by OrdinalSpearman Correlation.001.053.019,985cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0014 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 18:58:13CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0014 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentIs deze afstand... * Wat is je geslacht?35897.0%113.0%369100.0%Is deze afstand... * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwIs deze afstand...De volledige afstand tussen je woonplaats en je werkplekCount133211344% within Is deze afstand...38.7%61.3%100.0%% within Wat is je geslacht?97.1%95.5%96.1%% of Total37.2%58.9%96.1%De afstand tussen je woonplaats en de plaats waar je op andeCount2810% within Is deze afstand...20.0%80.0%100.0%% within Wat is je geslacht?1.5%3.6%2.8%% of Total.6%2.2%2.8%De afstand tussen de plaats waar je met ander vervoer toekomCount224% within Is deze afstand...50.0%50.0%100.0%% within Wat is je geslacht?1.5%.9%1.1%% of Total.6%.6%1.1%TotalCount137221358% within Is deze afstand...38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square1,668a2.434Likelihood Ratio1.8012.406Linear-by-Linear Association.1331.716N of Valid Cases358a. 3 cells (50,0%) have expected count less than 5. The minimum expected count is 1,53.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.019.053.364,716cOrdinal by OrdinalSpearman Correlation.039.050.741,459cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0016 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:02:12CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0016 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,094Elapsed Time00 00:00:00,093Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht?35897.0%113.0%369100.0%Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)Ja, altijdCount91524% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)37.5%62.5%100.0%% within Wat is je geslacht?6.6%6.8%6.7%ja, altijd2.5%4.2%6.7%Ja, vaakCount103141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)24.4%75.6%100.0%% within Wat is je geslacht?7.3%14.0%11.5%ja, vaak2.8%8.7%11.5%Ja, af en toeCount52100152% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)34.2%65.8%100.0%% within Wat is je geslacht?38.0%45.2%42.5%ja, af en toe14.5%27.9%42.5%Neen, nooitCount6675141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)46.8%53.2%100.0%% within Wat is je geslacht?48.2%33.9%39.4%neen, nooit18.4%20.9%39.4%TotalCount137221358% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square8,761a3.033Likelihood Ratio8.9013.031Linear-by-Linear Association5.1141.024N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,18.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.120.053-2.275,024cOrdinal by OrdinalSpearman Correlation-.140.052-2.670,008cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0016 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:02:12CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0016 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,094Elapsed Time00 00:00:00,093Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht?35897.0%113.0%369100.0%Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...) * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwDoe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)Ja, altijdCount91524% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)37.5%62.5%100.0%% within Wat is je geslacht?6.6%6.8%6.7%% of Total2.5%4.2%6.7%Ja, vaakCount103141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)24.4%75.6%100.0%% within Wat is je geslacht?7.3%14.0%11.5%% of Total2.8%8.7%11.5%Ja, af en toeCount52100152% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)34.2%65.8%100.0%% within Wat is je geslacht?38.0%45.2%42.5%% of Total14.5%27.9%42.5%Neen, nooitCount6675141% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)46.8%53.2%100.0%% within Wat is je geslacht?48.2%33.9%39.4%% of Total18.4%20.9%39.4%TotalCount137221358% within Doe je op weg naar je werk nog een andere bestemming aan? (bv. kinderen naar school brengen, boodschappen doen, ...)38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square8,761a3.033Likelihood Ratio8.9013.031Linear-by-Linear Association5.1141.024N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,18.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R-.120.053-2.275,024cOrdinal by OrdinalSpearman Correlation-.140.052-2.670,008cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0017 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:09:37CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0017 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentOp de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk? * Wat is je geslacht?35897.0%113.0%369100.0%Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwOp de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?Count214667% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?31.3%68.7%100.0%% within Wat is je geslacht?15.3%20.8%18.7%Niet van toepassing, ik neem altijd de elektrische fiets5.9%12.8%18.7%Count151126% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?57.7%42.3%100.0%% within Wat is je geslacht?10.9%5.0%7.3%Gewone fiets4.2%3.1%7.3%AutoCount75126201% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?37.3%62.7%100.0%% within Wat is je geslacht?54.7%57.0%56.1%auto20.9%35.2%56.1%TreinCount10515% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?66.7%33.3%100.0%% within Wat is je geslacht?7.3%2.3%4.2%trein2.8%1.4%4.2%Bus of tramCount81523% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?34.8%65.2%100.0%% within Wat is je geslacht?5.8%6.8%6.4%bus/tram2.2%4.2%6.4%Een combinatie van verschillende vervoerswijzenCount81826% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?30.8%69.2%100.0%% within Wat is je geslacht?5.8%8.1%7.3%een combinatie2.2%5.0%7.3%TotalCount137221358% within Op de dagen dat je niet je elektrische fiets gebruikt, hoe ga je dan meestal naar je werk?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square11,448a5.043Likelihood Ratio11.1755.048Linear-by-Linear Association.0041.948N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 5,74.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.003.051.066,948cOrdinal by OrdinalSpearman Correlation-.014.052-.270,788cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.CROSSTABS/TABLES=q0019 BY q0026/FORMAT=AVALUE TABLES/STATISTICS=CHISQ CORR/CELLS=COUNT ROW COLUMN TOTAL/COUNT ROUND CELL.CrosstabsNotesOutput Created13-jun-2014 19:10:25CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics for each table are based on all the cases with valid data in the specified range(s) for all variables in each table.SyntaxCROSSTABS /TABLES=q0019 BY q0026 /FORMAT=AVALUE TABLES /STATISTICS=CHISQ CORR /CELLS=COUNT ROW COLUMN TOTAL /COUNT ROUND CELL.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078Dimensions Requested2Cells Available131072[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesValidMissingTotalNPercentNPercentNPercentVoor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen? * Wat is je geslacht?35897.0%113.0%369100.0%Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen? * Wat is je geslacht? CrosstabulationWat is je geslacht?TotalManVrouwVoor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?Ik deed deze verplaatsing vroeger niet (ik ben veranderd vanCount71926% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?26.9%73.1%100.0%% within Wat is je geslacht?5.1%8.6%7.3%Ik deed deze verplaatsing vroeger niet2.0%5.3%7.3%Gewone fietsCount425092% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?45.7%54.3%100.0%% within Wat is je geslacht?30.7%22.6%25.7%gewone fiets11.7%14.0%25.7%AutoCount60104164% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?36.6%63.4%100.0%% within Wat is je geslacht?43.8%47.1%45.8%auto16.8%29.1%45.8%TreinCount9817% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?52.9%47.1%100.0%% within Wat is je geslacht?6.6%3.6%4.7%trein2.5%2.2%4.7%Bus of tramCount41418% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?22.2%77.8%100.0%% within Wat is je geslacht?2.9%6.3%5.0%bus of tram1.1%3.9%5.0%Een combinatie van verschillende vervoerswijzenCount152641% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?36.6%63.4%100.0%% within Wat is je geslacht?10.9%11.8%11.5%combinatie4.2%7.3%11.5%TotalCount137221358% within Voor je de elektrische fiets gebruikte, hoe deed je toen meestal je woon-werkverplaatsingen?38.3%61.7%100.0%% within Wat is je geslacht?100.0%100.0%100.0%% of Total38.3%61.7%100.0%Chi-Square TestsValuedfAsymp. Sig. (2-sided)Pearson Chi-Square7,297a5.199Likelihood Ratio7.4375.190Linear-by-Linear Association.2191.640N of Valid Cases358a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 6,51.Symmetric MeasuresValueAsymp. Std. ErroraApprox. TbApprox. Sig.Interval by IntervalPearson's R.025.052.468,640cOrdinal by OrdinalSpearman Correlation.030.053.557,578cN of Valid Cases358a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.c. Based on normal approximation.DESCRIPTIVES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEAN STDDEV MIN MAX.DescriptivesNotesOutput Created13-jun-2014 19:26:35CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser defined missing values are treated as missing.Cases UsedAll non-missing data are used.SyntaxDESCRIPTIVES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEAN STDDEV MIN MAX.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savDescriptive StatisticsNMinimumMaximumMeanStd. Deviationverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_12961.003.002.2905.82957verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)3361.003.002.0595.94127Valid N (listwise)277FREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created13-jun-2014 19:27:02CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savStatisticsverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)NValid296336Missing7333Mean2.29052.0595Frequency Tableverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1FrequencyPercentValid PercentCumulative PercentValide-fiets is sneller7119.224.024.0e-fiets is even snel6818.423.047.0e-fiets is trager15742.553.0100.0Total29680.2100.0MissingSystem7319.8Total369100.0verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)FrequencyPercentValid PercentCumulative PercentValidmet e-fiets is sneller13937.741.441.4met e-fiets even snel3810.311.352.7met e-fiets trager15943.147.3100.0Total33691.1100.0MissingSystem338.9Total369100.0DESCRIPTIVES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEAN STDDEV MIN MAX.DescriptivesNotesOutput Created13-jun-2014 19:26:35CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser defined missing values are treated as missing.Cases UsedAll non-missing data are used.SyntaxDESCRIPTIVES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEAN STDDEV MIN MAX.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savDescriptive StatisticsNMinimumMaximumMeanStd. Deviationverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_12961.003.002.2905.82957verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)3361.003.002.0595.94127Valid N (listwise)277FREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller/STATISTICS=MEAN/ORDER=ANALYSIS.FrequenciesNotesOutput Created13-jun-2014 19:27:02CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.Cases UsedStatistics are based on all cases with valid data.SyntaxFREQUENCIES VARIABLES=q0018_welsneller q0020_nusneller /STATISTICS=MEAN /ORDER=ANALYSIS.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,078[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savStatisticsverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)NValid296336Missing7333Mean2.29052.0595Frequency Tableverhouding snelheid wwtraject zonder e-fiets (q0018_1)/wwtraject met e-fiets (q0013_1FrequencyPercentValid PercentCumulative PercentValide-fiets is sneller7119.224.024.0e-fiets is even snel6818.423.047.0e-fiets is trager15742.553.0100.0Total29680.2100.0MissingSystem7319.8Total369100.0verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)FrequencyPercentValid PercentCumulative PercentValidmet e-fiets is sneller13937.741.441.4met e-fiets even snel3810.311.352.7met e-fiets trager15943.147.3100.0Total33691.1100.0MissingSystem338.9Total369100.0MEANS TABLES=q0021_0001 BY q0026 q0020_nusneller/CELLS COUNT STDDEV MEAN MIN MAX RANGE.MeansNotesOutput Created13-jun-2014 19:38:32CommentsInputDataV:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savActive DatasetDataSet2FilterWeightSplit FileN of Rows in Working Data File369Missing Value HandlingDefinition of MissingFor each dependent variable in a table, user-defined missing values for the dependent and all grouping variables are treated as missing.Cases UsedCases used for each table have no missing values in any independent variable, and not all dependent variables have missing values.SyntaxMEANS TABLES=q0021_0001 BY q0026 q0020_nusneller /CELLS COUNT STDDEV MEAN MIN MAX RANGE.ResourcesProcessor Time00 00:00:00,078Elapsed Time00 00:00:00,079[DataSet2] V:\OPDRACHTEN\3 Gewesten\VLAAMS GEWEST\Het e-fietspotentieel\Fase 1 Gebruikersbevraging\Online bevraging\Analyses\clusteranalyse.savCase Processing SummaryCasesIncludedExcludedTotalNPercentNPercentNPercentq0021_0001 * Wat is je geslacht?35897.0%113.0%369100.0%q0021_0001 * verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)33590.8%349.2%369100.0%q0021_0001 * Wat is je geslacht?q0021_0001Wat is je geslacht?NStd. DeviationMeanMinimumMaximumRangeMan1371.221198.96354.00Zeer positief6.00Vrouw2211.302449.13122.00Zeer positief8.00Total3581.272859.06702.00Zeer positief8.00q0021_0001 * verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_01)/wwtraject met e-fiets (q0013_01)q0021_0001verhouding snlheid wwtraject vroeger zonder e-fiets (q0020_0