L analisi fattoriale viene effettuata per studiare, riassumere e semplificare le relazioni in un insieme di variabili
|
|
- Evangelista Borghi
- 7 anni fa
- Visualizzazioni
Transcript
1 Analisi fattoriale
2 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 (ad esempio un tratto di personalità, un atteggiamento) che si suppone abbiano dato origine alle similarità tra le variabili osservate.
3 Il punto di partenza dell analisi fattoriale è rappresentato da una matrice che contiene le correlazioni tra le variabili osservate (R). Il punto di arrivo è formato da una matrice che contiene una misura della relazione tra le variabili osservate e i fattori latenti (A matrice di saturazione). Il modello teorico L analisi fattoriale esamina la varianza che le variabili hanno in comune (varianza comune) L ipotesi di base è che la correlazione tra le variabili sia determinata da dimensioni non osservabili (fattori) che in qualche modo sono causa o determinano i punteggi osservati nella variabili osservate
4 Quando si usa Costruzione e validazione di strumenti di misura (Ad es. gli indicatori empirici sono coerenti con la definizione del costrutto e con i criteri generativi del test?) Verifica della struttura teorica di un insieme di misure (Un atteggiamento consta di separate componenti cognitive, emotive e comportamentali?). Ridurre una grande quantità di variabili osservate in un numero più gestibile di componenti
5 Terminologia Fattore = variabile (costrutto) che non è direttamente osservabile ma deve essere inferito attraverso variabili osservate. Factor Loading (saturazione) = è il coefficiente di correlazione che mostra l importanza (peso) di ogni variabile nel definire un fattore Eigenvalue (autovalore)= rappresenta la quota di varianza delle variabili spiegata dal fattore Soluzione fattoriale = è il set di fattori e di relazioni tra variabili e fattori che rappresenta la soluzione al problema fattoriale
6 L analisi fattoriale si articola in alcuni passi: 1. Valutazione dell adeguatezza delle variabili 2. Valutazione della fattorializzabilità della matrice 3. Scelta del metodo di estrazione dei fattori 4. Scelta del numero di fattori 5. Scelta del metodo di rotazione dei fattori 6. Interpretazione della soluzione 7. Validazione della soluzione
7 Soluzione iniziale: produce in output i valori delle comunalità, gli autovalori e la proporzione di varianza spiegata
8 Comunalità h 2 La comunalità esprime la proporzione della varianza di ogni variabile riprodotta da un certo numero di componenti. Essendo una proporzione, essa varia tra zero e uno. Quindi ci dice quanta varianza perdiamo di ciascuna variabile, tenendo conto delle componenti che abbiamo deciso di utilizzare. Le comunalità indicano la parte di varianza spiegata di ogni indicatore, considerando il modello fattoriale stimato Vanno tendenzialmente tenuti in considerazione item o variabili che abbiano un valore di comunalità di almeno.500
9 INVERSA: Matrice inversa di R RIPRODOTTA: Matrice R riprodotta dalla soluzione fattoriale e matrice dei residui COEFFICIENTI: Coefficienti di correlazione della matrice R SIGNIFICATIVITA : Livelli di significatività dei coefficienti di R DETERMINANTE: Esamina la fattorializzabilità della matrice delle correlazioni. Se è uguale a 0 esiste almeno una variabile che è combinazione lineare perfetta delle altre, non ammette inversa e l analisi fattoriale non può essere effettuata TEST di sfericità di Bartlett: esamina l ipotesi nulla che R=I. Se il test è significativo si può effettuare l analisi fattoriale. TEST KMO (Kaiser-Meyer- Olkin): confronta la grandezza delle correlazioni osservate rispetto alle correlazioni parziali. Se la somma delle ultime è più piccola rispetto alle prime il KMO è vicino a 1 e la matrice può essere fattorializzata. Valori: >0.90 eccellenti buoni accettabili mediocri
10 FINESTRA ESTRAZIONI Minimi quadrati non ponderati e Minimi quadrati generalizzati: In questo metodo vengono minimizzate le correlazioni residue, cioè quella parte delle correlazioni che non è spiegata dai fattori. Non è necessaria una stima della comunalità, ma bisogna fornire il numero di fattori da estrarre. Componenti Principali (ACP) è utile per approssimare una soluzione di analisi fattoriale. Non distingue tra varianza comune e varianza unica: tutti i fattori sono fattori comuni che assorbiscono tutta la varianza e le saturazioni risultano gonfiate. Massima verosimiglianza: Stima le saturazioni della popolazione che hanno la massima verosimiglianza (massima probabilità) nel produrre la matrice delle correlazioni campionarie
11 Fattorializzazione asse principale (o Analisi dei fattori principali AFP): è un metodo simile all APC, ma si differenzia da questa perché utilizza una matrice ridotta e analizza soltanto la varianza che e attribuibile ai fattori comuni, eliminando la varianza unica delle variabili. Determina tramite una campione di variabili i fattori comuni che hanno correlazione massima con i fattori comuni nell universo delle variabili
12 Matrice delle correlazioni Soluzione fattoriale non ruotata Grafico decrescente autovalori (Scree Plot) Estrai fattori con autovalori maggiori di 1 Kaiser s rule mineigen greater than 1 criterion (K1) Numero di fattori da estrarre
13 A questo punto dobbiamo scegliere che tipo di rotazione effettuare! Lo scopo del processo di rotazione è quello di rendere la soluzione fattoriale più interpretabile facendo assumere ai fattori una nuova posizione nello spazio fattoriale. La dimensionalità non cambia (se abbiamo estratto m fattori rimarranno m fattori, ma cambia, cambierà la varianza spiegata da ogni singolo fattore che risulterà più omogenea. Ci sono due tipi di rotazioni: ORTOGONALI: I fattori vengono ruotati lasciando inalterato il vincolo dell ortogonalità (i fattori continuano a NON essere correlati) OBLIQUE: I fattori possono essere correlati
14 Assente: Non effettua alcuna rotazione Rotazione ortogonale Varimax: cerca di semplificare (=ridurre) il numero delle variabili che generano la matrice di correlazione, semplifica l interpretazione del fattore Rotazione ortogonale Quatrimax:cerca di semplificare il numero delle righe (=osservazioni), semplifica l interpretazione delle variabili Rotazione obliqua Oblimin: cerca di adattare i fattori agli item e li correla. Rotazione ortogonale Equamax: bilancia i criteri dei metodi Varimax e Quatrimax Rotazione obliqua Promax: E un metodo più diretto che cerca la rotazione che meglio si adatta a rappresentare i fattori con un singolo item e lo fa direttamente. E definita dal parametro Kappa, che di defoult è pari a 4. Valori maggiori o inferiori a 4 rendono la rotazione più o meno obliqua
15 Finestra Opzioni ESCLUSIONE LISTWISE: Usa solo i casi che hanno valori validi in tutte le variabili ESCLUSIONE PAIRWISE: I casi che hanno valori validi sono calcolati attraverso una matrice di correlazione SOSTITUISCI CON LA MEDIA: Sostituisce il valore mancante di ogni variabile con la media della variabile del campione
16 Esempio Vogliamo conoscere la struttura fattoriale di una scala composta da 10 item su scala Likert a 4 passi, per la misura della depressione la depressione. In accordo con Beck (1979) sono stati costruiti gli item considerando che la depressione coinvolge alterazioni cognitivo-affettive e somatiche. Gli item misurano i seguenti sintomi: 1. Tristezza 2. Fallimento 3. Sfiducia 4. Pensiero suicidario 5. Autosvalutazione 6. Energia 7. Cambiamento di appetito 8. Cambiamento nel sonno 9. Mancanza di concentrazione 10. Affaticamento
17 1. FATTORIALIZZABILITA DELLA MATRICE Il KMO è pari a.86 quindi rientra nella fascia dei valori buoni e il Test di Specificità di Bartlett è significativo! La matrice è fattorializzabile KMO and Bartlett's Test Kaiser-Mey er-olkin Measure of Sampling Adequacy..865 Bartlett's Test of Sphericity Approx. Chi-Square df Sig
18 2. MATRICE DI CORRELAZIONE TRA LE VARIABILI Correlation Sig. (1-tailed) item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 a. Determinant =.055 Correlation Matrix a item1 item2 item3 item4 item5 item6 item7 item8 item9 item Tutti gli item sono fortemente correlati tra loro, ma i primi cinque lo sono maggiormente tra loro rispetto agli altri cinque. Infatti ciascun gruppo è relativo ai due processi distintivi coinvolti nella depressione. La sezione al di sotto riporta la significatività delle correlazioni. Come possiamo vedere sono tutte significative
19 METODO DI ESTRAZIONE E NUMERO DEI FATTORI DA ESTRARRE Utilizzo il metodo degli assi principali Possiamo effettuare una scelta anche sulla base dello Scree Plot Ci sono diversi metodi per decidere quanti fattori estrarre. In questo caso utilizzo il criterio degli Autovalori maggiori di 1, (Kaiser s rule mineigen greater than 1 criterion) dove è necessario estrarre i fattori che presentano un autovalore > 1!
20 SCELTA DEL METODO DI ROTAZIONE Utilizzo una rotazione Promax
21 Factor Total Variance Explained Initial Eigenv alues Extraction Sums of Squared Loadings Rotation Total % of Variance Cumulative % Total % of Variance Cumulative % Sums Totalof Squared Loadings a Extraction Method: Principal Axis Factoring. a. When f actors are correlated, sums of squared loadings cannot be added to obtain a total v ariance. I primi due autovalori sono maggiori di 1, quindi è necessario estrarre 2 fattori! Il primo fattore spiega il 39.89% della varianza Il secondo fattore spiega il 13.51% della varianza
22 Il grafico degli autovalori indica la presenza di un primo fattore preponderante, di un secondo fattore importante e sostanziale appiattimento della curva a partire dal terzo fattore, la soluzione a due fattori sembra supportata.
23 Comunalità e Matrice fattoriale non ruotata della soluzione in fattori principali Communalities Initial Extract ion item item item item item item item item item item Extract ion Method: Principal Ax is Fact oring. item6 item9 item5 item1 item3 item2 item10 item8 item7 item4 Factor Matrix a Factor Extraction Met hod: Princ ipal Axis Fac toring. a. 2 f actors extracted. 9 iterations required. In tabella troviamo i valori delle comunalità iniziali e finali, e della soluzione fattoriale non ruotata. Questa soluzione iniziale consente di calcolare empiricamente le comunalità: le comunalità empiriche vengono sostituite alle stime iniziali e il processo di estrazione dei fattori viene ripetuto. Il processo si interrompe quando i valori empirici delle comunalità divengono sufficientemente stabili (ovvero il valore delle comunalità ottenuto nella interazione precedente non cambia in maniera apprezzabile in quella successiva)
24 Comunalità e Matrice fattoriale non ruotata della soluzione in fattori principali Communalities Initial Extract ion item item item item item item item item item item Extract ion Method: Principal Ax is Fact oring. item6 item9 item5 item1 item3 item2 item10 item8 item7 item4 Factor Matrix a Factor Extraction Met hod: Princ ipal Axis Fac toring. a. 2 f actors extracted. 9 iterations required. N.B. Durante questo processo il numero dei fattori deve rimanere costante. I valori finali delle comunalità possono essere ricavati dalla soluzione stessa elevando al quadrato le saturazioni di ogni variabile in ogni fattore comune e sommando tali quadrati. Es. La comunalità finale dell item 1 (.429)si ottiene elevando al quadrato e sommando le saturazioni dell item 1 nel primo fattore ( ) e nel secondo fattore ( )!
25 Matrice della struttura item6 item 10 item9 item8 item7 item5 item3 item1 item2 item4 Structure Matrix Factor Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. Factor Correlation Matrix Factor Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. Correlazione tra i fattori obliqui. I fattori correlano tra loro Questa è una matrice delle correlazioni tra variabili osservate e fattori.
26 Matrice dei modelli item6 item10 item9 item7 item8 item3 item5 item2 item1 item4 Pattern Matrix a Factor Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. a. Rotation converged in 3 iterations. La matrice dei modelli, invece, è la matrice dei coefficienti di impatto dei fattori sulle variabili osservate. E questa la matrice che vado ad interpretare poiché è quella fattorialmente semplice! Considerando che saturazioni fattoriali >.30 sono significative, la soluzione ruotata mostra come sul primo fattore saturano gli item relativi alla componente somatica della depressione (item, 6,7,8,9 e 10). Sul secondo fattore saturano gli item relativi alla componente cognitivoaffettiva della depressione (item 1,2,3,4 e 5).
27 Grafico fattoriale nello spazio fattoriale ruotato Il pattern fattoriale può essere rappresentato graficamente. Gli assi fattoriali sono rappresentati come ortogonali anche se la soluzione è obliqua. Da questa rappresentazione però si evince chiaramente la struttura semplice raggiunta tramite la soluzione obliqua: gli item che saturano sul fattore 1 e 2 si trovano in corrispondenza degli assi dei due rispettivi fattori.
28 CONCLUSIONI In linea con le nostre ipotesi l esame fattoriale esplorativo della scala, ha evidenziato come questa presenti una struttura bi-fattoriale. Possiamo considerare, quindi, che la misura della depressione per questo strumento, include una fattore che chiameremo somatico ed un altro che chiameremo cognitivo-affettivo.
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)
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
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
DettagliProgetto Stage 2015/16 Classi terze. Gradimento attività formativa
Istituto Tecnico Industriale Statale E. Divini Articolazioni: Meccanica e Meccatronica - Elettrotecnica - Telecomunicazioni - Informatica Chimica e Materiali Viale Mazzini n. 31/32 San Severino Marche
DettagliPsicometria con Laboratorio di SPSS 2
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 2017-18
DettagliProgetto Stage 2016/17. Classi Quarte. Gradimento attività formativa
Istituto Tecnico Industriale Statale E. Divini Articolazioni: Meccanica e Meccatronica - Elettrotecnica - Telecomunicazioni - Informatica Chimica e Materiali Viale Mazzini n. 31/32 San Severino Marche
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
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
DettagliL analisi fattoriale
L analisi fattoriale Scopo dell analisi fattoriale e quello di identificare alcune variabili latenti (fattori) in grado di spiegare i legami, le interrelazioni e le dipendenze tra le variabili statistiche
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
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
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
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
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.
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. Metodi Quantitativi per Economia, Finanza e Management. Esercitazione n 7
Analisi Fattoriale Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 7 Metodi Quantitativi per Economia, Finanza e Management Obiettivi di questa esercitazione: 1 2 3 4 Riepilogo teorico
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
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
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
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
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
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
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.
Dettagli2. INDICI DI DISCRIMINAZIONE 3. STUDIO DELLA DIMENSIONALITA DI UN TEST
L ATTENDIBILITA DI UN TEST: 1. FORME PARALLELE 2. TEST-RETEST 3. SPLIT HALF 4. COEFFICIENTI DI COERENZA INTERNA L ANALISI DEGLI ITEM: 1. INDICI DI DIFFICOLTA 2. INDICI DI DISCRIMINAZIONE 3. STUDIO DELLA
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
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
Dettagli6. ANALISI FATTORIALE
6. ANALISI FATTORIALE 6.1 Introduzione L analisi fattoriale (AF) si è sviluppata nell ambito della ricerca sulla misura di capacità attitudinali all inizio del 1900. Spearman effettua molti test su campioni
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 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
DettagliPROGETTO IUSVE 0-6. Discussione dei risultati. Davide Maria Marchioro
PROGETTO IUSVE 0-6 Discussione dei risultati Davide Maria Marchioro Caratteristiche del campione Insegnanti Genitori Tot. G. Sperim. 100 95 195 G.Controllo 113 94 207 χ 2 =.441 (p =.51) Caratteristiche
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it ANALISI DELLE CORRISPONDENZE (cap. VII) Problema della riduzione delle dimensioni L ANALISI DELLE COMPONENTI PRINCIPALI
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
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.
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
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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.3 Introduzione ai test psicologici Punteggi grezzi e Punteggi standardizzati Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitolo 3 Gianmarco Altoè Dipartimento
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
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
DettagliMetodi Multivariati: Analisi delle Componeti Principali (PCA)
Metodi Multivariati: Analisi delle Componeti Principali (PCA) Il modello PCA come approssimazione delle informazioni contenute in una matrice di dati in cui più oggetti (es. campioni) sono spiegati da
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliRappresentazione dei dati multivariati
Rappresentazione dei dati multivariati Quando si hanno più di due varabili la posizione di ciascuna unità rispetto alle altre può essere rappresentata nel diagramma relativo alle prime due CP l importanza
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 delle componenti principali
Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste
DettagliLa matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
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
DettagliTeoria e tecniche dei test. Lezione 4 a.a. 2013/14 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA
Teoria e tecniche dei test Lezione 4 a.a. 2013/14 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA Nella costruzione di un test psicologico devono essere presi in considerazione
DettagliAnalisi dei Fattori. Francesca Marta Lilja Di Lascio Dip.to di Scienze Statistiche P. Fortunati Università di Bologna
Università di Bologna - Facoltà di Scienze Statistiche Laurea Triennale in Statistica e Ricerca Sociale Corso di Analisi di Serie Storiche e Multidimensionali Analisi dei Fattori Francesca Marta Lilja
DettagliOpinioni enti e imprese con accordi di stage / tirocinio
Opinioni enti e imprese con accordi di stage / tirocinio REPORT _ 26.09.13 a cura del Coordinatore e del Vice-coordinatore del Consiglio unificato dei Corsi di studio in Relazioni pubbliche e Comunicazione
DettagliAnalisi fattoriale 1
Analisi fattoriale Analisi fattoriale: a che serve? L analisi fattoriale permette di rappresentare un set di variabili tramite un insieme più compatto di nuove variate fra loro indipendenti. Da tante variabili
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
DettagliESERCITAZIONE REGRESSIONE MULTIPLA
ESERCITAZIONE REGRESSIONE MULTIPLA Dati delle Nazioni Unite del 2005 riferiti, per diverse nazioni, al tasso di feconditá (bambini per donna) (variabile Fert), alla percentuale di donne che usa contraccettivi
DettagliArgomenti della lezione:
Lezione 7 Argomenti della lezione: La regressione semplice Il modello teorico Il calcolo dei parametri Regressione lineare Esamina la relazione lineare tra una o più variabili esplicative (o indipendenti,
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
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa
DettagliAnalisi Fattoriale. Metodi Quantitativi per Economia, Finanza e Management. Esercitazione n 7
Analisi Fattoriale Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 7 Metodi Quantitativi per Economia, Finanza e Management Obiettivi di questa esercitazione: 1 2 3 4 Riepilogo teorico
Dettagliquesta variabile corrisponde alla somma ponderata delle variabili originarie in cui i pesi sono costituiti dai coefficienti a ij
5. COMPONENTI PRINCIPALI 5.1 Introduzione L analisi in componenti principali (CP) si pone l obiettivo di determinare quelle trasformazioni lineari delle h variabili originarie X i (i = 1, 2,, h), linearmente
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliAnalisi Fattoriale: esercizi
Analisi Fattoriale: esercizi Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 8 Metodi Quantitativi per Economia, Finanza e Management Obiettivi di questa esercitazione: 1 2 3 Analisi
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
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
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
Dettaglia rappresenta l intercetta o termine noto della retta, ossia il valore della y quando x = 0.
Esercitazioni sulla prima parte delle lezioni di Micro Richiamo di Analisi Matematica La forma funzionale più semplice è la retta, la quale può essere genericamente descritta dalla seguente relazione:
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
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliMetodi per la riduzione della dimensionalità. Strumenti quantitativi per la gestione
Metodi per la riduzione della dimensionalità Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/6c_pca.html#(1) 1/25 Introduzione Gli approcci
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliNOTE DI MATEMATICA APPLICATA ALL ECONOMIA
NOTE DI MATEMATICA APPLICATA ALL ECONOMIA «[ ] lo scopo dell analisi infinitesimale è quello di fare acquisire strumenti di calcolo atti alla ricerca ottimale di funzioni vincolate, soprattutto di natura
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
DettagliEsplorazione grafica di dati multivariati. N. Del Buono
Esplorazione grafica di dati multivariati N. Del Buono Scatterplot Scatterplot permette di individuare graficamente le possibili associazioni tra due variabili Variabile descrittiva (explanatory variable)
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
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,
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,
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
DettagliAnalisi Fattoriale Analisi Esplorativa
Analisi Fattoriale Analisi Esplorativa Aldo Solari 1 / 31 Introduzione Nelle scienze sociali, in particolare in psicologia, spesso è problematico misurare le variabili di interesse direttamente. Ad esempio:
DettagliTeoria e tecniche dei test LA STRUTTURA DI UNA TEORIA 20/03/2012 LIVELLO DI ASTRAZIONE TEORICO LIVELLO DI ASTRAZIONE DERIVATO
Teoria e tecniche dei test Lezione 4 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA Nella costruzione di un test psicologico devono essere presi in considerazione 3 livelli
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
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
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliEsercitazione 1. 6 Marzo 2019
Esercitazione 1 6 Marzo 019 Esercizio 1 Su un collettivo di 100 appartamenti ubicati nella stessa zona della città vengono rilevati i seguenti caratteri: X 1 affitto mensile pagato dal locatario (in Euro)
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliProva finale del 6 giugno 2011
Prova finale del 6 giugno 2011 Esercizio A, da svolgere con carta e penna Si consideri la seguente matrice dei dati relativa a 3 unità statistiche e 3 variabili, X 1 e X 2 quantitative, X 3 dicotomica.
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
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliPROVA Laboratorio tecnico metodologico a.a. 2006-2007. Prof. Francesca della Ratta - Rinaldi francesca.dellaratta@istat.it
PROVA Laboratorio tecnico metodologico a.a. 2006-2007 Prof. Francesca della Ratta - Rinaldi francesca.dellaratta@istat.it Incontro III e IV 16 e 23 maggio Tecniche di analisi multidimensionale: l'analisi
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
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
DettagliImputazione dati mancanti
Imputazione dati mancanti Una volta preparata la matrice dei dati, occorre controllare alcuni aspetti delle variabili disponibili. Missing Value Range Minimum & Maximum Extreme Values Per verificare la
Dettagli