Psicometria con Laboratorio di SPSS 2
|
|
- Basilio Rizzi
- 5 anni fa
- Visualizzazioni
Transcript
1 Psicometria con Laboratorio di SPSS 2 Esempio di fattoriale esplorativa (v. 1.1, 12 aprile 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca G. Rossi (Dip. Psicologia) Psico / 24
2 Esempio di fattoriale esplorativa Questo esempio utilizza dei dati fittizi derivati da Catena, Ramos e Trujillo (2003), con alcune modifiche (file CYR10.sav allegato) Si tratta di 10 variabili (identificate da X1 a X10) e 20 soggetti (troppo pochi per un analisi reale). L obiettivo di questo esempio è solo quello di vedere praticamente una serie di procedure per l analisi fattoriale esplorativa (AFE). Proprio perché i dati sono stati costruiti per dare risultati puliti, non è neppure necessario conoscere il significato degli item. G. Rossi (Dip. Psicologia) Psico / 24
3 SPSS: EFA Analizza Riduzione delle dimensioni Fattore.. G. Rossi (Dip. Psicologia) Psico / 24
4 SPSS: EFA Finestra Spostiamo i 10 item in Variabili: Variabile selezione serve per selezionare i casi in base ad una variabile il valore della variabile andrà inserito in Valore.. (è ammesso un solo valore per volta); ad es. variabile Sesso valore 1 per analizzare solo un sottogruppo. G. Rossi (Dip. Psicologia) Psico / 24
5 SPSS: EFA Descrittive Soluzione iniziale è attiva per default. Senza altre indicazioni si ottiene una soluzione non ruotata tramite le componenti principali I risultati includono: Comunalità; Varianza totale spiegata; Matrice dei componenti. Coefficienti e Livelli di significatività stampano le correlazioni di Pearson e la loro probabilità G. Rossi (Dip. Psicologia) Psico / 24
6 SPSS: EFA Comunalità Utilizzando le componenti principali, la comunalità iniziale è 1 La comunalità finale dipende dall estrazione effettuata In questo caso, per X1 è = (v. Matrice dei componenti a slide 8) G. Rossi (Dip. Psicologia) Psico / 24
7 SPSS: EFA Varianza totale spiegata La % di varianza spiegata da ogni componente non cambia Ci sono due componenti che spiegano più varianza di un singolo item (cioè 1). 2 autovalori >1, quindi 2 componenti Le due componenti spiegherebbero l 87% della varianza totale (più del 75%) G. Rossi (Dip. Psicologia) Psico / 24
8 SPSS: EFA Matrice dei componenti Queste sono le saturazione per le 2 componenti estratte Il metodo di estrazione è riportato sotto la tabella È una soluzione NON ruotata Per questo motivo ogni variabile satura su entrambe le componenti Per ogni variabile, la somma dei quadrati delle saturazioni corrisponde alla comunalità per X7, =.844 (v. Comunalità a slide 6) G. Rossi (Dip. Psicologia) Psico / 24
9 SPSS: EFA Descrittive univariate Selezionando Descrittive univariate nel pannello Descrittive verranno stampate medie e deviazione standard delle variabili incluse nell analisi fattoriale G. Rossi (Dip. Psicologia) Psico / 24
10 SPSS: EFA Correlazioni Il determinante si seleziona nel pannello Descrittive anche il test di KMO e della sfericità Gli altri meglio non usarli G. Rossi (Dip. Psicologia) Psico / 24
11 Ispezione visiva della matrice di correlazione Dopo aver evidenziato in grassetto le correlazioni elevate (superiori a.40), usiamo uno sfondo diverso per evidenziare i blocchi di correlazioni reciproche. Correlazioni x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x1 1 x x x x x x x x x Ci sono due blocchi, quindi due probabili fattori N.B. Non è molto facile fare questo lavoro quando ci sono molte variabili G. Rossi (Dip. Psicologia) Psico / 24
12 Statistiche sulla matrice di correlazione 1 Il determinante è diverso da 0, quindi ci sono delle righe che possono essere espresse come combinazione lineare delle altre. 2 KMO è maggiore di.60, quindi ci sono abbastanza correlazioni elevate fuori dalla diagonale. 3 Bartlett è significativo, quindi non ci sono troppe correlazioni nulle fuori dalla diagonale. G. Rossi (Dip. Psicologia) Psico / 24
13 SPSS: EFA Scree Test Lo scree test rappresenta graficamente gli autovalori (in ordinata) e il numero progressivo degli autovalori in ascissa. Cattell indica di selezionare tante componenti quanti sono gli autovalori della curva a partire dal punto di flesso Il punto di flesso è l autovalore che sta nel punto in cui la curva smette di cadere e curva Questo significa che il fattore successivo spiega poco rispetto al precedente Ma non si può ignorare che dal terzo in avanti gli autovalori sono < 1 G. Rossi (Dip. Psicologia) Psico / 24
14 SPSS: EFA Metodi di estrazione I metodi più usati sono Fattorizzazione degli assi principali e Massima verosimiglianza Il primo è il corrispondente delle Componenti principali Il criterio degli autovalori < 1 è pre-selezionato Ma si può optare per un numero di fattori a propria scelta G. Rossi (Dip. Psicologia) Psico / 24
15 SPSS: EFA Fattorizzazione degli assi principali La comunalità iniziale è una stima da 0 Quella finale dipende dall estrazione effettuata Se la rotazione è ortogonale, l unicità di una variabile è data dalla somma dei quadrati delle saturazioni G. Rossi (Dip. Psicologia) Psico / 24
16 SPSS: EFA Fattorizzazione degli assi principali la varianza spiegata è diversa fra quella iniziale, da quella non ruotata e da quella ruotata la % di varianza spiegata totale è la stessa fra non ruotata e ruotata ma la varianza dei fattori cambia fra non ruotata e ruotata G. Rossi (Dip. Psicologia) Psico / 24
17 SPSS: EFA Fattorizzazione degli assi principali X1 non ruotata =.829 X1 ruotata =.829 F1: x3, x4, x5, x8, x10 F2: x1, x2, x6, x7, x9 G. Rossi (Dip. Psicologia) Psico / 24
18 SPSS: EFA Opzioni La gestione dei mancanti è listwise per default significa che vengono scartati tutti i casi che abbiano un mancante Le saturazioni possono essere ordinate per dimensione (fattori) in ordine decrescente di saturazione Le saturazioni più piccole di un valore dato (il default è.10), possono essere nascoste G. Rossi (Dip. Psicologia) Psico / 24
19 SPSS: EFA Massima verosimiglianza La comunalità iniziale è una stima da 0 Quella finale dipende dall estrazione effettuata G. Rossi (Dip. Psicologia) Psico / 24
20 SPSS: EFA Massima verosimiglianza X1 non ruotata =.821 X1 ruotata =.821 G. Rossi (Dip. Psicologia) Psico / 24
21 SPSS: EFA Massima verosimiglianza F1: x3, x4, x5, x8, x10 F2: x1, x2, x6, x7, x9 G. Rossi (Dip. Psicologia) Psico / 24
22 SPSS: EFA Fattorizzazione degli assi principali Nelle soluzioni oblique (Promax) si interpreta la matrice del Modello F1: x3, x4, x5, x8, x10 F2: x1, x2, x6, x7, x9 G. Rossi (Dip. Psicologia) Psico / 24
23 SPSS: EFA Massima verosimiglianza Nelle soluzioni oblique (Promax) non è vero che le somme delle saturazioni al quadrato corrispondano alla comunalità F1: x3, x4, x5, x8, x10 F2: x1, x2, x6, x7, x9 G. Rossi (Dip. Psicologia) Psico / 24
24 Conclusioni Avendo eseguito 4 analisi fattoriali esplorative con due metodi di estrazione e due metodi di rotazione... avendo trovato la stessa struttura fattoriale in tutte e tre le soluzioni... possiamo concludere che gli item x10, x8, x4, x3 e x5 sono spiegati dal primo fattore, mentre gli item x6, x7, x9, x1, x2 sono spiegati dal secondo fattore Considerare che i due fattori (nelle soluzioni oblique) non correlano molto, possiamo considerarli come se fossero indipendenti. G. Rossi (Dip. Psicologia) Psico / 24
Analisi multivariata (DPRS)
Analisi multivariata (DPRS) 8b-Esempio di fattoriale esplorativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 Rossi (Dip. Psicologia)
Dettagli6) Analisi Fattoriale
Esempio: abbiamo sottoposto un questionario con 23 items su scala Likert a 5 punti che vuole misurare l atteggiamento verso SPSS. Quello che dobbiamo fare sarà: 1) Controllare i dati: il campione è abbastanza
DettagliDifferenze tra metodi di estrazione
Lezione 11 Argomenti della lezione: L analisi fattoriale: il processo di estrazione dei fattori Metodi di estrazione dei fattori Metodi per stabilire il numero di fattori Metodi di Estrazione dei Fattori
DettagliESERCIZIO 1. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF).
ESERCIZIO. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF). Test KMO e di Bartlett Misura di adeguatezza campionaria
DettagliArgomenti della lezione:
Lezione 12 L analisi fattoriale: il processo di rotazione dei fattori, l interpretazione della soluzione Argomenti della lezione: Metodi di rotazione dei fattori Interpretazione della soluzione Assunzioni
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Coerenza interna Materiale di G.B. Flebus, integrato (v. 1.0, 18 aprile 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 09-Anova per misure ripetute (v. 1.3, 21 novembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria
Elementi di Psicometria Analisi fattoriale: Spiegazione intuitiva (April 28, 2010) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009-2010 G. Rossi
DettagliAnalisi Fattoriale Concetti introduttivi Marcello Gallucci Milano-Bicocca
Analisi Fattoriale Concetti introduttivi A M D Marcello Gallucci Milano-Bicocca Scopi generali L Analisi Fattoriale (e varianti) si propone di estrarre un numero limitato di fattori (variabili latenti
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Analisi fattoriale confermativa (v. 1.1a, 17 aprile 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per misure ripetute (vers. 1.0a, 1 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodologie Quantitative. Analisi Fattoriale
Metodologie Quantitative Analisi Fattoriale La soluzione fattoriale ed il modello ACP M Q Marco Perugini Milano-Bicocca 1 Correlazioni e Varianze Ricordate che la correlazione (al quadrato) indica la varianza
DettagliPsicometria con Laboratorio di SPSS 1
Psicometria con Laboratorio di SPSS 1 1-Panoramica delle tecniche: Spiegazione intuitiva vers. 1.1 (vers. 1.1, 14 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliP S I C O M T R I A Marcello Gallucci. Analisi Fattoriale. Esempi. Milano-Bicocca. Lezione: 20
Analisi Fattoriale Esempi P S I C O M T R I A Marcello Gallucci Milano-Bicocca Lezione: 20 Esempio Descrizione della ricerca Un ricercatore intende stabilire se una manipolazione sperimentale basata sulla
DettagliPsicometria. 9-Analisi fattoriale confermativa vers. 1.0
Psicometria 9-Analisi fattoriale confermativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it Giovanni Battista Flebus 1 giovannibattista.flebus@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliTeoria e tecniche dei test DIMENSIONALITA DI UN TEST DIMENSIONALITA DI UN TEST (2) 03/04/2012. Lezione 7 DIMENSIONALITA e ATTENDIBILITA
Teoria e tecniche dei test Lezione 7 DIMENSIONALITA e ATTENDIBILITA DIMENSIONALITA DI UN TEST Una domanda cruciale da porsi nella fase di messa a punto di un test riguarda la sua dimensionalità. La tecnica
DettagliAnalisi Fattoriale. La soluzione fattoriale ed il modello ACP Scelta del numero dei fattori
Analisi Fattoriale La soluzione fattoriale ed il modello ACP Scelta del numero dei fattori A M D Marcello Gallucci Milano-Bicocca 1 Lezione: 1 XVI X I passaggi fondamentali 1) Scelta del modello fattoriale
DettagliStatistica multivariata Donata Rodi 21/11/2016
Statistica multivariata Donata Rodi 21/11/2016 PCA Tecnica di riduzione delle dimensioni che descrive la struttura multivariata dei dati per analisi descrittive e inferenziali Descrive la variazione di
DettagliAnalisi in componenti principali
Capitolo 2 Analisi in componenti principali 2.1 Introduzione L analisi in componenti principali è una tecnica di analisi multivariata tra le più diffuse. Viene utilizzata quando nel dataset osservato sono
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 28-Intervalli di confidenza vers. 1.1 (21 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova per misure ripetute (vers. 1.2, 5 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Significatività statistica per la correlazione vers. 1.0 (5 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 07-Coefficienti di correlazione vers. 1.0 (29 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 04-Trattamento dei dati (v. 1.4, 11 ottobre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Analisi fattoriale esplorativa (v. 1.2, 4 aprile 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18 G.
DettagliMetodologie Quantitative. Analisi Fattoriale
Metodologie Quantitatie Analisi Fattoriale Concetti introduttii e passi chiae M Q Marco Perugini Milano-Bicocca Matrici: moltiplicazione 3 3 3 4 Solo se il numero di colonne della prima matrice è uguale
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07a-Ripasso: Anova ad un fattore (v. 1.9a, 29 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 04-Grafici delle distribuzioni vers. 1.0 (17 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 19-Rapporto fra varianze e 20-Introduzione all Anova vers. 1.0 (5 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante.
ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante. Test di uguaglianza delle medie di gruppo SELF_EFF COLL_EFF COIN_LAV IMPEGNO SODDISF CAP_IST COLLEGHI Lambda di Wilks
DettagliAnalisi fattoriale. introduzione vers Germano Rossi 1 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Analisi fattoriale introduzione vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009 Rossi (Dip. Psicologia) Analisi fattoriale 2009 1 / 28
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliL analisi fattoriale viene effettuata per studiare, riassumere e semplificare le relazioni in un insieme di variabili
Analisi fattoriale L analisi fattoriale viene effettuata per studiare, riassumere e semplificare le relazioni in un insieme di variabili Ciò permette di individuare uno o più fattori o dimensioni latenti
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 3-I percentili vers. 1.2 (30 ottobre 2013) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2013-2014
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) ADD - 01-Concetti ulteriori (v. 1.0, 24 marzo 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.2, 20 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2016-17
DettagliAnalisi Multivariata Prova intermedia del 20 aprile 2011
Analisi Multivariata Prova intermedia del 20 aprile 20 Esercizio A Sia X N 3 (µ, Σ) con µ = [ 3,, 4] e 2 0 Σ = 2 5 0 0 0 2 Quali delle seguenti variabili casuali è indipendente? Motivare la risposta. A.
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliCLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 N. Titolo Modulo Titolo unità didattiche in cui è diviso il Ore previste per Periodo mensile per Competenze Modulo 0 Ripasso
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 6-Altre tecniche per descrivere insiemi di dati (vers. 1.0c, 27 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 4-Misure della tendenza centrale (vers. 1.0c, 27 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 4-Misure della tendenza centrale (vers. 1.0b, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 1. Analisi Discriminante. 1.1 Introduzione. 1.2 Un analisi discriminante Descrizione del dataset
Capitolo 1 Analisi Discriminante 1.1 Introduzione L analisi discriminante viene condotta per definire una modalità di assegnazione dei casi a differenti gruppi, in funzione di una serie di variabili fra
DettagliGiovagnoli 29 marzo. Vantaggi:
Giovagnoli 29 marzo Analisi fattoriale II parte Ripasso L'analisi fattoriale nasce in ambito medico-psicologico, ed è utilizzata in particolare per validare i questionari perché fornisce info sulla struttura
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Anova con covariata (vers. 1.2, 6 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 11-Anova con covariata (v. 1.3, 5 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
Dettagli62 CAPITOLO 3. STATISTICA DESCRITTIVA
62 CAPITOLO 3. STATISTICA DESCRITTIVA Raccogliamo su una popolazione di n individui i dati relativi a m caratteri (variabili) e riportiamoli in una matrice, dove le righe (n) sono relative ad individui
DettagliAnalisi delle Componenti Principali con R
Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Prof.ssa Marilena Pillati Analisi delle Componenti
DettagliCOGNOME E NOME MATR. ANALISI DEI DATI PER IL MARKETING novembre 2008.
COGNOME E NOME MATR. ANALISI DEI DATI PER IL MARKETING novembre 2008. ESERCIZIO I Si è applicata l analisi delle componenti principali a 97 modelli di fotocamere digitali, considerando 7 variabili ed ottenendo
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 02-Tendenza centrale e variabilità (v. 1.0, 22 marzo 2019) versione per stampa Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliAnalisi della Varianza Fattoriale. (Cap. 8)
Analisi della Varianza Fattoriale AMD (Cap. 8) Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile
DettagliLE REGOLE PER IL RILASCIO DEI RISULTATI DELLE ELABORAZIONI
Giugno 2019 LE REGOLE PER IL RILASCIO DEI RISULTATI DELLE ELABORAZIONI Estratto da: Il Laboratorio per l Analisi dei Dati ELEmentari (ADELE) Guida all utenza Per qualsiasi comunicazione o richiesta di
DettagliITI M. FARADAY PROGRAMMAZIONE MODULARE A.s
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 N. Modulo Titolo Modulo Titolo unità didattiche del modulo Ore previste Periodo mensile Competenze 1 DISEQUAZIONI FUNZIONI LIMITI
DettagliAnalisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Analisi fattoriale esplorativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009 Rossi (Dip. Psicologia) Analisi fattoriale 2009 1 / 47 Prima
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 09-Campione e popolazione vers. 1.0 (31 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAnalisi in Componenti Principali
Analisi in Componenti Principali 1/20 Analisi in Componenti Principali tecnica di riduzione e interpretazione dei dati spesso gioca un ruolo ausiliario rispetto ad altre tecniche (es. analisi fattoriale,
DettagliITI M. FARADAY PROGRAMMAZIONE DIDATTICA A.s CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 Matematica
CLASSI: QUARTE Materia: MATEMATICA e COMPLEMENTI Ore settimanali previste: 4 Matematica MACRO UNITA' PREREQUISITI TITOLO UNITÀ DI APPRENDIMENTO COMPETENZE ORE PREVISTE PERIODO EQUAZIONI E DISEQUAZIONI
DettagliIstruzioni per l analisi in componenti principali con R
Istruzioni per l analisi in componenti principali con R Vi ricordo che in nero sono state inserite le note e in rosso le istruzioni da digitare sulla console di R Importare il dataset gelati
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliSDE Marco Riani
SDE 208 Marco Riani mriani@unipr.it http://www.riani.it RIDUZIONE DELLE DIMENSIONI (con riferimento alle variabili Analisi dei fattori Analisi delle componenti principali OBIETTIVI Date p variabili (correlate
DettagliScopo dello studio. Metodi
Ci si può fidare dei risultati dell analisi delle componenti principali? Ricci C, Milani S Istituto di Statistica Medica e Biometria G.A. Maccacaro Facoltà di Medicina e Chirurgia, Università degli Studi
DettagliAnalisi in Componenti Principali
Analisi in Componenti Principali 1/20 Analisi in Componenti Principali Analisi in Componenti Principali 1/20 Analisi in Componenti Principali tecnica di riduzione e interpretazione dei dati spesso gioca
DettagliANALISI DELLE CORRISPONDENZE MULTIPLE (ACM)
ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM) Questa procedura è stata introdotta negli anni 70, ad opera della scuola francese di analisi dei dati (Benzecri). Inizialmente fu proposta per analizzare tabelle
DettagliStrumenti informatici Calcolare il coefficiente di correlazione di Pearson con Excel e SPSS
Strumenti informatici 7.3 - Calcolare il coefficiente di correlazione di Pearson con Excel e SPSS Il coefficiente di correlazione di Pearson può essere calcolato con la funzione di Excel =CORRELAZIONE(Matrice1;Matrice2),
DettagliSimulazione d esame Marco Perugini Milano-Bicocca
Simulazione d esame M Q Marco Perugini Milano-Bicocca 1 Prova simulata d esame (23 Novembre- Prof.ssa Zogmaister) 1. Potete comunicare tra di voi 2. Potete consultare i lucidi 3. Non usare telefonini,
DettagliAnalisi Multivariata dei Dati. Regressione Multipla
Analisi Multivariata dei Dati Regressione Multipla A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Consideriamo ora il caso in cui la variabile dipendente possa essere spiegata da
Dettagli3) ANOVA. one-way independent ANOVA two-way repeated-measures ANOVA two-way mixed ANOVA three-way independent ANOVA
Per analizzare i dati dei disegni fattoriali, si usa l ANOVA Fattoriale. Quando si leggono le pubblicazioni, capita di vedere declinato il termine ANOVA in accordo con il disegno utilizzato: ad esempio
DettagliVarianza totale e generalizzata Analisi Esplorativa
Varianza totale e generalizzata Analisi Esplorativa Aldo Solari 1 / 49 1 Varianza totale 2 Varianza generalizzata 3 Appendice 2 / 49 Variabilità Nel caso p = 1, la variabilità (o dispersione) presente
DettagliMATEMATICA STATISTICA
DIPARTIMENTO DI SCIENZE BIOLOGICHE, GEOLOGICHE E AMBIENTALI Corso di laurea in Scienze geologiche Anno accademico 2017/2018-1 anno 9 CFU - 1 semestre Docente titolare dell'insegnamento FABIO RACITI Email:
DettagliMETODI E TECNICHE DI ANALISI DEI DATI II E LABORATORIO
METODI E TECNICHE DI ANALISI DEI DATI II E LABORATORIO AA 014/015 PROF. V.P. SENESE Seconda Università di Napoli (SUN) Facoltà di Psicologia Dipartimento di Psicologia Prof. V.P. Senese 1 r = 0 r xy =.88
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Correlazione (vers. 1.2, 17 novembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 06/7 - Prova del 07-07-07 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLABORATORI DI PSICOMETRIA
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI PSICOMETRIA Lezione II e III Prof. Andrea Greco Dott.ssa Roberta Adorni Dott.
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliLettura dei risultati e dei grafici ottenuti con l analisi in componenti principali. Giovanni Di Franco
Lettura dei risultati e dei grafici ottenuti con l analisi in componenti principali Giovanni Di Franco Esempio ACP 1 Dal file di dati ecologici con unità di analisi la provincia abbiamo scelto 12 variabili
DettagliStatistica per l Impresa
Statistica per l Impresa a.a. 2017/2018 Tecniche di Analisi Multidimensionale L analisi delle componenti principali 14 maggio 2018 Introduzione L Obiettivo dell ACP L Analisi delle Componenti Principali
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliIl questionario sull attaccamento a Dio di Beck e McDonald
Il questionario sull attaccamento a Dio di Beck e McDonald Germano Rossi, Elettra Scaglione, Paolo Grampa, Angela Tagini Università di Milano-Bicocca (Italy) 12 Convegno SIPR, 20-21 novembre 2010, Verona
DettagliScuole italiane all estero - Bilingue italo-albanesi 2005
www.matefilia.it Scuole italiane all estero - Bilingue italo-albanesi 25 1) Studiare e rappresentare graficamente in un piano cartesiano ortogonale XOY la funzione F(x) = x2 +1 4 x2. Verificare che le
DettagliLa curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate
Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede
DettagliAnalisi Multivariata Prova finale del 3 giugno 2010
Analisi Multivariata Prova finale del 3 giugno 2010 Esercizi da svolgere con carta e penna Esercizio A A1 Descrivere brevemente qual è l obiettivo principale dell analisi fattoriale. A2 Scrivere il modello
DettagliESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.
ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori tra i soggetti. Variabile dipendente: PERF Sorgente Modello corretto Intercept SEX_96
DettagliUNIVERSITÀ DEGLI STUDI DI FERRARA
UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2013/2014 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: Attivita formativa monodisciplinare
Dettagli2) REGRESSIONE. 1) Creo un diagramma a dispersione per ispezionare i dati. 2) Selezionare in SPSS Analizza -> Regressione Lineare.
Si vogliono studiare gli effetti delle spese pubblicitarie sulle vendite di album nella prima settimana dopo il lancio. Si tiene conto di altre due variabili: la presenza sulle radio e l appeal della band.
Dettagli