Ciclo della ricerca e Validità della ricerca

Transcript

1 Ciclo della ricerca e Validità della ricerca

2 enunciazione di quesiti generali analisi della letteratura e risposte parziali (per scartare ipotesi inutili) formulazione della/e ipotesi specifiche (definizione del modello e delle variabili rilevanti) operazionalizzazione delle variabili (traduzione dei concetti teorici sottostanti in operazioni misurabili)

3 scelta degli strumenti e delle procedure di verifica pianificazione della ricerca (scelta delle procedure) verifica della validità di costrutto (coerenza delle ipotesi con i costrutti teorici di riferimento; accuratezza e fedeltà degli strumenti e delle procedure) verifica della validità interna (scelta delle modalità di controllo delle variabili)

4 attuazione della ricerca (osservazione-sperimentazione) analisi visiva dei risultati (rappresentazioni grafiche) analisi statistica (descrittiva/inferenziale) verifica/confutazione delle ipotesi verifica della validità statistica (H0 H1)

5 verifica della validità esterna (generalizzabilità dei risultati ed eventuali campi di applicazione) interpretazione dei risultati (confronto con le teorie di partenza) pubblicizzazione dei risultati (per consentire eventuali ulteriori verifiche o confutazioni)

6 VALIDITA Migliore approssimazione possibile alla verità delle proposizioni.

7 QUESITI C è una relazione tra le variabili o l effetto ottenuto è dovuto al caso? Validità delle conclusioni statistiche Tale relazione è di natura causale? E possibile definire la direzione dell influenza? E possibile escludere l influenza di altre variabili? Validità interna Le procedure di manipolazione e osservazione sono adeguate ad analizzare i costrutti indicati? Validità di costrutto (o delle procedure) La relazione evidenziata può essere generalizzata ad altri soggetti, contesti, momenti? Validità esterna

8 MINACCE ALLA VALIDITA DI COSTRUTTO Errata definizione delle variabili Errata operazionalizzazione delle variabili Effetto sperimentatore Apprensione da valutazione Desiderabilità sociale Effetto Howthorne Effetto buon soggetto

9 MINACCE ALLA VALIDITA STATISTICA Errore di I tipo (alfa) = rifiuto dell ipotesi Ho quando è vera Errore di II tipo (beta) = accettazione dell ipotesi Ho quando è falsa

10 Possibili cause Scelta inadeguata del test statistico Mancato rispetto dei requisiti del test statistico Bassa potenza statistica del test utilizzato, ovvero scarsa capacità del test di evidenziare differenze. Può essere dovuta a: Bassa numerosità del campione, Alta variabilità entro i soggetti, Inadeguato livello di significatività prescelto Disegno troppo complesso : mancanza di ipotesi specifiche per le varie interazioni (maggiori probabilità errore di I tipo) Presenza di fattori incontrollati (maggiori probabilità errore di II tipo)

11 PROCEDURE PER L INFERENZA STATISTICA

12 Definire Ho e H1 definire piano sperimentale, cercando di massimizzare gli effetti del trattamento, minimizzando gli errori individuare la scala di misura più idonea a rilevare le informazioni desiderate

13 scegliere il test statistico più adeguato alla scala di misura utilizzata verificare l applicabilità del test (criteri da rispettare) stabilire e verificare la potenzaefficienza del test (specificare il livello di significatività α, la dimensione N e le caratteristiche del campione)

14 individuare la distribuzione campionaria su cui si basa il test prescelto definire la zona di rifiuto (valori tabulati in relazione al livello di significatività prescelto) raccogliere i dati e applicare il test verifica delle ipotesi inferenze sulla popolazione

15 PRESUPPOSTI PER L APPLICAZIONE DEI TEST PARAMETRICI

16 Indipendenza delle osservazioni derivazione da un modello lineare con effetti additivi (Xi = µ + τ + ε) distribuzioni normali omoscedasticità delle varianze misurazione della VD su scala parametrica (a intervalli o a rapporti)

17 Caratteristiche della distribuzione normale: unimodale simmetrica (media, mediana e moda coincidono) mesocurtica (la varianza è circa ¼ della media)

18 Le scale di misura

19 I numeri possono servire a rappresentare relazioni: Di identità (etichette classificatorie per suddividere gli eventi) Di ordine (maggiore di ) Di intervalli (differenze tra gli attributi di ogni evento, riferite ad un valore costante e noto, stabilito arbitrariamente) Di rapporti (differenze tra gli attributi di ogni evento, a partire da zero)

20 Scala nominale Serve a quantificare gli aspetti qualitativi (attributi) di una variabile. Quali sono le modalità attraverso le quali la variabile x si potrebbe presentare? I soggetti che possiedono (o non possiedono) quella caratteristica, o le risposte di quel determinato tipo (o del suo opposto) vengono distribuiti alle classi evidenziate in base alla presenza-assenza dell attributo che le definisce. (Esempio: i pazienti di un ospedale vengono enumerati in base ad una classificazione nosologica).

21 Proprietà della scala nominale Classificare significa suddividere gli elementi di una classe in sottoclassi che si escludono a vicenda. L unica relazione implicata è l equivalenza dei membri di ciascuna sottoclasse rispetto ad un attributo. Questo comporta le caratteristiche di: Riflessività (X 1 = X i ) Simmetria (se X = Y, Y = X) Transitività (se X = Y, e Y = Z, allora X = Z)

22 Operazioni possibili calcolo delle frequenze (quanti elementi) e delle frequenze relative (percentuale di elementi entro ogni sottoclasse). Ogni elemento può far parte di una sola sottoclasse. Esempio: estrazioni da un urna: palline rosse vs. palline bianche. Quale sottoclasse ha la frequenza maggiore? I valori non sono parametrici (non sono consentite operazioni aritmetiche tra le sottoclassi), quindi le differenze statistiche possono essere rilevate solo con test per dati non paramerici (es. χ 2 ).

23 Scala ordinale stabilisce una relazione di ordinalità tra le sottoclassi, in relazione ad un attributo che può essere di tipo quantitativo (es. altezza, peso, ecc.) o di tipo qualitativo (es. livello di difficoltà, atteggiamento più o meno favorevole, ecc.). I valori posseduti o ottenuti da ciascun soggetto determinano la sua collocazione ad un livello d ordine specifico entro un continuum, in cui l ampiezza della distanza tra un livello e l altro è variabile e non prevedibile; l ordine gerarchico viene rispettato, ma la distanza tra il primo e il secondo non è confrontabile a quella tra il secondo e il terzo e così via).

24 Proprietà della scala ordinale equivalenza dei membri all interno di una stessa sottoclasse (riflessività, simmetria, transitività). Tra le diverse sottoclassi solo transitività (se X > Y e Y > Z, allora X > Z).

25 Operazioni possibili qualunque operazione che non alteri la relazione di ordinazione. I dati non sono parametrici, quindi, per valutare statisticamente le differenze si possono usare solo test per ranghi. Unico postulato: l indipendenza tra i ranghi (sottoclassi). Nelle scale di atteggiamenti si può calcolare l indice di disponibilità (affettiva, cognitiva, comportamentale e conativa) verso qualcosa e stabilire il grado della direzione (più o meno favorevole).

26 Scala ad intervalli Come una scala ordinale all interno di ogni sottoclasse, gli elementi sono ordinati in modo che l intervallo (la differenza) possibile tra un elemento e l altro sia costante e noto.

27 Proprietà della scala ad intervalli Fa riferimento alla cardinalità dei numeri, ed ha le caratteristiche di una scala metrica nella quale, arbitrariamente, si stabilisce un valore x da attribuire alla distanza possibile tra un punto e quello successivo.

28 E difficile che tra gli eventi psichici ci sia una gradualità misurabile in tal modo. E possibile, ad esempio, fissare (e quantificare) una differenza minima possibile tra un livello di fobia ed un altro? Possiamo invece stabilire quanto tempo passa tra la comparsa di un oggetto e l emissione del sintomo; oppure quante volte un soggetto debba ripetere un certo trattamento perché il sintomo scompaia, ecc.

29 Si può fare riferimento a qualsiasi unità di misura, purché il rapporto tra due intervalli possibili sia costante In caso contrario, si rischierebbe di dare interpretazioni arbitrarie, perché il presupposto delle scale parametriche è che la VD si distribuisca normalmente. Per esempio, quando si tenta di quantificare abilità o attitudini si cade nell arbitrio perché è difficile valutare, cioè dare un valore numerico, alla qualità di una risposta, pertanto diventa arbitrario stabilire una differenza fissa tra un tipo di risposta e un altro.

30 Operazioni possibili Ciascun dato può essere moltiplicato o diviso per un valore costante e a questo si può aggiungere o sottrarre un altro valore costante. Si possono fare tutte le operazioni aritmetiche. Questo rende la scala parametrica, perché : *consente di ricavare tutti i parametri delle distribuzioni statistiche e *dà accesso ai test statistici che fanno riferimento alla distribuzione normale (ferme restando le altre condizioni).

31 Scala a rapporti Il rapporto tra 2 punti della scala deve essere indipendente dall unità di misura prescelta. Esempio: il rapporto tra 1 euro e due euro deve essere lo stesso che c è tra 2000 lire e 4000 lire.

32 Proprietà E analoga alla scala a intervalli, solo che prevede la possibilità di calcolare anche lo zero (assenza dell attributo che si vuole misurare) Esempio: N di errori.

33 Operazioni possibili In genere i dati esprimono frequenze relative (x/ ), devono perciò essere trasformati (generalmente in arcoseno) per consentire operazioni più complesse.

34 L inferenza statistica

35 La statistica serve a: Stimare le caratteristiche di una popolazione a partire dalle rilevazioni fatte su un campione; Verificare l ipotesi (se due o più campioni provengono dalla stessa popolazione = H 0 )

36 Confronto tra test per dati parametrici e test per dati non parametrici

37 I test per dati parametrici si basano sulle caratteristiche della distribuzione normale; quelli per dati non parametrici non pongono vincoli sulla popolazione d origine (distribution free) o sono meno vincolanti. Per questa ragione sono più duttili e meglio si possono adattare a descrivere gran parte degli eventi comportamentali, anche se, ovviamente, la quantità e qualità di informazioni che possono fornire i test per dati parametrici (es. t di Student, AN.O.VA) sono nettamente superiori.