# Anv�nder dataset "data till bilaga D_2022_entrugo" df7 <- read.csv(file = 'data till bilaga D_2022_entrugo.csv',header = TRUE, sep = ';')# infoga datset för regressionsanalyser, döper datasetet till "df7" names(df7) # dataset för regressioner df7 #Delar upp på kön, skapar två till dataset för regressioner baserade på enbart lön df_kvinna <- df7[df7$Gender == '1', ] #dataset för enbart kvinnor df_man <- df7[df7$Gender == '2', ] #dataset för enbart män library(lme4) ############################################# ############################################ #BOLAG ################################ ############################################ # Förtroende till att bolag respekterar samiska rättigheter när de utför sina uppgifter enligt miljölagstiftningen. # förtoende parameter: Samiska_rattigheter_Bolag ####################### ###################### #DEMOGRAFISKA effekter #varje variabel N1 <- summary(lm(Samiska_rattigheter_Bolag ~ as.factor(Gender) + Age + as.factor(Q_20_utb)+as.factor(land) , data=df7,na.action=na.omit)) #uppdelat på kön N2 <- summary(lm(Samiska_rattigheter_Bolag ~ Age + as.factor(Q_20_utb)+as.factor(land) , data=df_kvinna,na.action=na.omit)) N3 <- summary(lm(Samiska_rattigheter_Bolag ~ Age + as.factor(Q_20_utb)+as.factor(land) , data=df_man,na.action=na.omit)) # Oro för negativ påverkan på samisk markanvändning #Landskapet och naturens välmående överlag (t. ex. biologisk mångfald både på land och i vatten) (1) #Kulturellt- och spirituellt viktiga platser (t. ex. heliga platser, gravplatser, fornminnen) (2) #Störningar kopplat till ökad aktivitet (både industriell och mänsklig, t.ex. kopplat till tillgänglighet) (3) #Boplatser (nuvarande eller historiska) (4) #Jakt (5) #Fiske (6) #Insamling av bär, svamp och växtmaterial (7) #Förändrade möjligheter för traditionell renskötsel (t.ex. passage/flyttväg, betestillgång) (8) #Färdvägar och säkerhet (t. ex. kopplat till vattenpåsläpp, isförhållanden) (9) #Insamling av slöjdmaterial (10) # Oro medel = medelvärdet av den sammanlagda oron för samtliga kategorier N4 <- summary(lm(Samiska_rattigheter_Bolag ~Oro_medel+ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) # fördelat på kön summary(lm(Samiska_rattigheter_Bolag ~Oro_medel+ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) summary(lm(Samiska_rattigheter_Bolag ~Oro_medel+ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) #################################### # Hur mycket respondenten anser att bolag ger dem möjlighet att påverka beslut # variabel: Q15_5 N5 <- summary(lm(Samiska_rattigheter_Bolag ~Q15_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land) , data=df7,na.action=na.omit))#ålder trend högre, VB sign högre #uppdelning mellan män och kvinnor N5.1 <- summary(lm(Samiska_rattigheter_Bolag ~Q15_5 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_kvinna,na.action=na.omit)) summary(lm(Samiska_rattigheter_Bolag ~Q15_5 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_man,na.action=na.omit)) ####################### ###################### # Hur stor kompetens respondenten anser att bolag har i samiska rättigheter # variabel Q16_5 N6 <- summary(lm(Samiska_rattigheter_Bolag ~Q16_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit))# #uppdelning mellan män och kvinnor N6.1 <- summary(lm(Samiska_rattigheter_Bolag ~Q16_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))# summary(lm(Samiska_rattigheter_Bolag ~Q16_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))# ##### #Bemötande # Q17_5 N7 <-summary(lm(Samiska_rattigheter_Bolag ~Q17_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit))# #uppdelning mellan män och kvinnor N7.1 <- summary(lm(Samiska_rattigheter_Bolag ~Q17_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))# N7.2 <- summary(lm(Samiska_rattigheter_Bolag ~Q17_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))# ############################################# ############################################ #BOLAG ################################ ############################################ # Förtroende till att bolag tillgodoser samiska rättigheter med egna frivilla initiativ # förtoende parameter: Samiska_rattigheter_Bolag_initiativ ####################### ###################### #DEMOGRAFISKA effekter M13 <-summary(lm(Samiska_rattigheter_Bolag_initiativ ~ as.factor(Gender) + Age + as.factor(Q_20_utb)+as.factor(land) , data=df7,na.action=na.omit)) #fördelat på kön M13.1 <-summary(lm(Samiska_rattigheter_Bolag_initiativ ~ Age + as.factor(Q_20_utb)+as.factor(land) , data=df_kvinna,na.action=na.omit)) M13.2 <-summary(lm(Samiska_rattigheter_Bolag_initiativ ~ Age + as.factor(Q_20_utb)+as.factor(land) , data=df_man,na.action=na.omit)) # Oro för negativ påverkan på samisk markanvändning (medel) M15 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~ Oro_medel + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land) , data=df7,na.action=na.omit)) #Fördelat på kön (Kvinna=1, Man=2) summary(lm(Samiska_rattigheter_Bolag_initiativ ~ Oro_medel + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_kvinna,na.action=na.omit)) summary(lm(Samiska_rattigheter_Bolag_initiativ ~ Oro_medel + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_man,na.action=na.omit)) #################################### # Hur mycket respondenten anser att bolag ger dem möjlighet att påverka beslut # variabel: Q15_5 M22 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q15_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #Uppdelat på kön - fortsatt sign på Q15_4 summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q15_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q15_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) ####################### ###################### # Hur stor kompetens respondenten anser att bolag har i samiska rättigheter # variabel Q16_ M23 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q16_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit))# #uppdelning mellan män och kvinnor #Kvinnor M23.1 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q16_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))# #Män M23.2 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q16_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))# ###Bemötande (Q17_5) M24 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q17_5 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #uppdelat på kön M24.1 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q17_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) M24.2 <- summary(lm(Samiska_rattigheter_Bolag_initiativ ~Q17_5 + Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) ################################################################### ################################################################### # LÄNSTYRELSEN #################################################### ################################################################### ################################################################### #Förtoende till att länstyrelsen skyddar samiska rättigheter när de utför sina uppgifte # Variabe: Samiska_rattigheter_Lst #kollar påverkan av demografiska effekter Mx <- summary(lm(Samiska_rattigheter_Lst ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #uppdelat på kön Mx.1 <- summary(lm(Samiska_rattigheter_Lst ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) Mx.2 <- summary(lm(Samiska_rattigheter_Lst ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) ############################## #Oro medel M26 <- summary(lm(Samiska_rattigheter_Lst ~Oro_medel+ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #fördelat mellan kön M26.1 <- summary(lm(Samiska_rattigheter_Lst ~Oro_medel+ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) # endast kvinnor M26.2 <- summary(lm(Samiska_rattigheter_Lst ~Oro_medel+ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) #endast män ############################ # Hur mycket respondenten anser att länsstyrelsen ger dem möjlighet att påverka beslut : Q15_3 M31 <- summary(lm(Samiska_rattigheter_Lst ~Q15_3 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land) , data=df7,na.action=na.omit))# #kvinnor summary(lm(Samiska_rattigheter_Lst ~Q15_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_kvinna,na.action=na.omit)) #män summary(lm(Samiska_rattigheter_Lst ~Q15_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_man,na.action=na.omit)) ############################ # Hurstor kompetens i samiska rättigheter man anser att länsstyrelsen har : Q16_3 M34 <- summary(lm(Samiska_rattigheter_Lst ~Q16_3 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land) , data=df7,na.action=na.omit))# #kvinnor summary(lm(Samiska_rattigheter_Lst ~Q16_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_kvinna,na.action=na.omit)) #män summary(lm(Samiska_rattigheter_Lst ~Q16_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_man,na.action=na.omit)) #Bemötande (Q17_3) M35 <- summary(lm(Samiska_rattigheter_Lst ~Q17_3 + as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land) , data=df7,na.action=na.omit))# #kvinnor M35.1 <- summary(lm(Samiska_rattigheter_Lst ~Q17_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_kvinna,na.action=na.omit)) #män M35.2 <- summary(lm(Samiska_rattigheter_Lst ~Q17_3 + Age + as.factor(Q_20_utb) +as.factor(land) , data=df_man,na.action=na.omit)) ############################################################################### ############################################################################### ############################################################################### ############################################################################### #demografiska effekter på oron till att samiska markanvändning påverkas negativt av vattenkraften ################################################# # Oro för negativ påverkan på samisk markanvändning #Landskapet och naturens välmående överlag (t. ex. biologisk mångfald både på land och i vatten) (1) #Kulturellt- och spirituellt viktiga platser (t. ex. heliga platser, gravplatser, fornminnen) (2) #Störningar kopplat till ökad aktivitet (både industriell och mänsklig, t.ex. kopplat till tillgänglighet) (3) #Boplatser (nuvarande eller historiska) (4) #Jakt (5) #Fiske (6) #Insamling av bär, svamp och växtmaterial (7) #Förändrade möjligheter för traditionell renskötsel (t.ex. passage/flyttväg, betestillgång) (8) #Färdvägar och säkerhet (t. ex. kopplat till vattenpåsläpp, isförhållanden) (9) #Insamling av slöjdmaterial (10) # Oro medel = medelvärdet av den sammanlagda oron för samtliga kategorier ###################################### Md <- summary(lm(Q1_1 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Me <- summary(lm(Q1_2 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mf <- summary(lm(Q1_3 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mg <- summary(lm(Q1_4 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mh <- summary(lm(Q1_5 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mc <- summary(lm(Q1_6 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) M.a1 <- summary(lm(Q1_7 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #uppdelat på kön M.a1.1 <- summary(lm(Q1_7 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))# endast kvinnor - demo ej sign M.a1.2 <- summary(lm(Q1_7 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))# endast män - UTB trend ##### Mi <- summary(lm(Q1_8 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mj <- summary(lm(Q1_9 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) Mb.1 <- summary(lm(Q1_10 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) #uppdelat på kön Mb.1.1 <- summary(lm(Q1_10 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit)) #utb sign neg Mb.1.2 <- summary(lm(Q1_10 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit)) # utb sign neg ### Mk <- summary(lm(Oro_medel ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) ############################################################# ############################################################# ############################################################# ############################################################# #Demografiska effekter på förtroendefaktorerna #faktor 15 - inflytande #Bolag B1 <- summary(lm(Q15_5 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B1.1 <- summary(lm(Q15_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B1.2 <- summary(lm(Q15_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män #Lst B2 <- summary(lm(Q15_3 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B2.1 <- summary(lm(Q15_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B2.2 <- summary(lm(Q15_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män #faktor 16 - kompetens i samiska rättigheter #Bolag B3 <- summary(lm(Q16_5 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B3.1 <- summary(lm(Q16_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B3.2 <- summary(lm(Q16_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män #Lst B4 <- summary(lm(Q16_3 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B4.1 <- summary(lm(Q16_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B4.2 <- summary(lm(Q16_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män #faktor 17 - Bemötande #Bolag B5 <- summary(lm(Q16_5 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B5.1 <- summary(lm(Q16_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B5.2 <- summary(lm(Q16_5 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män #Lst B6 <- summary(lm(Q16_3 ~ as.factor(Gender) + Age + as.factor(Q_20_utb) +as.factor(land), data=df7,na.action=na.omit)) B6.1 <- summary(lm(Q16_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_kvinna,na.action=na.omit))#kvinnor B6.2 <- summary(lm(Q16_3 ~ Age + as.factor(Q_20_utb) +as.factor(land), data=df_man,na.action=na.omit))#män