Analisi della Varianza - III
|
|
- Valentino Casini
- 7 anni fa
- Visualizzazioni
Transcript
1 Analisi della Varianza - III Analisi Multivariata della Varianza (MANOVA, Multivariate Analysis of Variance) M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXXII
2 Analisi Multivariata della Varianza (MANOVA) = una generalizzazione dell ANOVA a una situazione in cui c è più di una V.D. Esempio: Siamo interessati all effetto di diverse terapie sull ansia. Consideriamo tre tipi di ansia Ansia da test Ansia in risposta a piccoli stress quotidiani Ansia fluttuante (evento-aspecifica) Fattore terapia, 3 livelli (desensibilizzazione, training al rilassamento, lista d attesa) La MANOVA testa l assunzione che le differenze osservate tra i gruppi su una combinazione delle V.D. siano attribuibili al caso. 2
3 Analisi Multivariata della Varianza (MANOVA) Un estensione dell ANOVA, in cui gli effetti principali e le interazioni sono analizzati su una combinazione di V.D. Testa la probabilità che le differenze tra le medie di gruppi di osservazioni, relativamente a una combinazione di V.D. siano da attribuire al caso. 3
4 La combinazione delle V.D. Viene creata una nuova V.D. che è una combinazione lineare delle V.D. individuali. Es. V.D. = c 1 * ansia.test + c 2 * ansia.stress + c 3 * ansia.flutt È la combinazione lineare che massimizza la differenza tra i gruppi. L ANOVA viene poi eseguita su questa nuova V.D. Come nell ANOVA, le ipotesi sulle medie nella MANOVA vengono testate confrontando le varianze. 4
5 La combinazione delle V.D. - II Nei disegni fattoriali viene creata una differente combinazione lineare separatamente per ciascun effetto principale e per ciascun interazione: La combinazione lineare che massimizza la differenza tra i gruppi relativamente a quell effetto principale o quell interazione. Esempio : se aggiungessimo il tipo di paziente (es. Sofferente di Ansia Tipo A vs. Sofferente di Ansia Tipo B ): V.D. TERAPIA = c 11 * ansia.test + c 12 * ansia.stress + c 13 * ansia.flutt V.D. TIPO.PAZ = c 21 * ansia.test + c 22 * ansia.stress + c 23 * ansia.flutt V.D. INTERAZ = c 31 * ansia.test + c 32 * ansia.stress + c 33 * ansia.flutt 5
6 La combinazione delle V.D. - II Quando le V.I. (fattori) hanno più di due livelli, le V.D. possono essere ricombinate per massimizzare i confronti a coppie Se vogliamo confrontare la condizione di desensibilizzazione con la condizione di controllo: V.D. CONTROLLO.DESENSIB = c 41 * ansia.test + c 42 * ansia.stress + + c 43 * ansia.flutt 6
7 MANCOVA = estensione multivariata dell ANCOVA: la combinazione lineare delle V.D. è corretta per una o più covariate continue. covariata = variabile che è correlata con la V.D., non viene manipolata, della quale si vogliono rimuovere gli effetti sulla V.D. prima di stimare le differenze nella V.D. tra i livelli delle V.I. 7
8 Nella MANOVA abbiamo pertanto: 2 o più V.D. (almeno scala a intervalli) 1 o più fattori (scala nominale) nella MANCOVA anche una o più covariate (almeno scala a intervalli) 8
9 Vantaggi della MANOVA (rispetto ad ANOVA) Permette di indagare il fenomeno d interesse in modo più particolareggiato: Nell ANOVA si scommette tutto su un unica misura dipendente, nella MANOVA aumenta la possibilità di far emergere il fenomeno indagandolo per diversi aspetti. Si aumenta la probabilità di capire cosa cambia tra i diversi gruppi Esempio sugli effetti della terapia sull ansia: potremmo scoprire che la terapia della desensibilizzazione incide in particolare sull ansia da test, e la terapia del rilassamento sull ansia fluttuante Fare più ANOVA separate su più V.D. comporterebbe un inflazione del rischio di errore del 1 o tipo (rifiuto H 0 quando è vera) In certe (rare) condizioni la MANOVA può evidenziare differenze che non emergono con l ANOVA 9
10 In certi (rari) casi la MANOVA permette di individuare differenze che non emergerebbero con l ANOVA Disegno a una via con due livelli e due V.D. (Y 1 e Y 2 ) Considerando le due V.D. separatamente, le distribuzioni per i due livelli sono molto sovrapposte. Le ellissi che rappresentano le combinazioni delle V.D. separatamente per i due gruppi evidenziano una differenziazione più netta: in un caso come questo la MANOVA può essere più potente rispetto a due ANOVA separate. 10
11 Svantaggi della MANOVA (rispetto ad ANOVA) Più assunzioni da soddisfare (le vedremo dopo) Ambiguità nell interpretare gli effetti sulle singole V.D. Il disegno della MANOVA è più complesso Generalmente all aumentare della complessità dell analisi diminuisce la potenza del test; Le situazioni in cui la MANOVA è più potente dell ANOVA sono rare Anche una correlazione moderata tra le V.D. diminuisce il potere della MANOVA 11
12 Questioni affrontate attraverso MANOVA - I Permette di indagare perlopiù le stesse questioni dell ANOVA, ma su una cominazione lineare di V.D. anziché su una singola V.D. Ci sono effetti principali? Tenendo costanti gli altri effetti, la differenza tra i gruppi è maggiore di quella che potremmo aspettarci per effetto del caso? Tenere costante può significare Controllare altri effetti attraverso un disegno fattoriale Mantenere costanti delle variabili estranee, o controbilanciare o randomizzare i loro effetti Usare covariate per aggiustare la V.D. composita e creare uno stato di pseudo-eguaglianza 12
13 Questioni affrontate attraverso MANOVA - II Ci sono interazioni tra i fattori? L effetto di un fattore sulla combinazione lineare di V.D. dipende dai livelli di un altro fattore? Per esempio: dati due diverse terapie, una funziona meglio per i pazienti di tipo A e l altra per quelli di tipo B? 13
14 Questioni affrontate attraverso MANOVA - III Quali sono le V.D. più importanti? Se ci sono effetti principali o d interazione significativi, c è una V.D. sulla quale si incentra maggiormente l effetto dei fattori? Si possono effettuare ANOVA individuali per vedere su quali V.D. ci sono effetti grandi, medi, piccoli, o nessun effetto. E l approccio più usato Correzione di Bonferroni (più avanti) Oppure si può seguire la procedura step-down di Roy-Bargman 14
15 Procedura step-down di Roy-Bargman Si effettua un ANCOVA su ogni V.D. individualmente, inserendo come covariate le V.D. più importanti. I passi da seguire: 1. Si ordinano le V.D. secondo la loro importanza contestuale. 2. Se la MANOVA è statisticamente significativa si esegue un ANOVA sulla prima variabile individuata al passo 1 3. Se si riscontrano effetti significativi al passo 2, la prima variabile serve come covariata quando la seconda variabile in sequenza funge da D.V. in una nuova analisi. 4. La procedura continua per ciascuna delle V.D., con le variabili più importanti che fungono da covariate per quelle meno importanti. Risponde alla domanda: dopo aver corretto per le variabili con maggiore importanza, ci sono differenze significative tra le medie dei gruppi in variabili meno importanti? 15
16 Questioni affrontate attraverso MANOVA - IV Stime dei parametri Le medie marginali sono le migliori stime degli effetti principali nella popolazione e le medie nelle condizioni sono le migliori stime per le interazioni 16
17 Questioni affrontate attraverso MANOVA - V Quali livelli dei fattori sono significativamente diversi? Effetti principali: Se un fattore con più di due livelli ha effetti significativi, bisogna testare quali livelli si differenzino significativamaente tra di loro. Interazioni: Se ci sono interazioni è necessario effettuare la scomposizione per individuarne le specifiche cause Le procedure sono analoghe a quelle viste per l ANOVA 17
18 Questioni affrontate attraverso MANOVA Quanto è forte la relazione tra fattori e V.D. composita? Qual è la proporzione di variabilità nella V.D. composita che è spiegata da ciascun fattore? Eta quadrato (η 2 ) È possibile stimare anche la forza dell associazione tra i fattori e ciascuna V.D. separatamente. 18
19 Questioni affrontate attraverso MANCOVA L uso delle covariate porta a un aggiustamento significativo nel punteggio della V.D. composita? Analogamente al caso dell ANOVA, viene testato l effetto della covariata. 19
20 La scelta delle V.D. Le V.D. vanno scelte con molta attenzione. La presenza di V.D. molto correlate positivamente diminuisce molto il potere dell analisi. La MANOVA funziona al meglio con V.D. con un alta correlazione negativa Esempio: tempo per svolgere un compito e numero di errori. Funziona ragionevolmente bene con variabili moderatamente correlate ( fino a.60 ) in entrambe le direzioni. Se la correlazione è alta allora il test multivariato funziona ragionevolmente bene, ma la procedura step down fallisce: Meglio usare solo la V.D. più affidabile o creare un punteggio composito ed eseguire un ANOVA 20
21 La scelta delle V.D. - II Le V.D. vanno scelte con molta attenzione. Se le V.D. non sono correlate la MANOVA non è una buona scelta Esempio: punteggi fattoriali Il test multivariato ha meno potere che il test univariato e c è poca differenza tra i risultati univariati e quelli step down L unico vantaggio della MANOVA in questo caso è evitare l inflazione dell errore del I tipo. Ma questo errore può esser evitato con l approccio di Bonferroni: α = 1 (1 α c ) p dove p è il numero di V.D., α c è il valore soglia utilizzato per ogni ANOVA α è il rischio complessivo di commettere un errore del primo tipo Approssimativamente: α < α c * p 21
22 Ipotetiche relazioni tra 4 V.D. e una V.I. VD 1 : altamente legata con VI, condivide varianza con VD2 e VD3 V.I. VD2 : condivide varianza con VD1 e VD3, non condivide varianza unica con VI V.D. 1 V.D. 4 VD3 : condivide varianza con VI ma anche con le altre VD V.D. 2 V.D. 3 VD4 : condivide molta varianza con VI e solo un po con VD3 VD2 è completamente ridondante con le altre VD non va bene VD3 aggiunge solo poca varianza unica all insieme delle VD VD2 potrebbe avere senso come covariata, se questo fosse concettualmente sensato (ridurrebbe varianza d errore in VD1 e VD3) 22
23 La scelta delle V.D. - III La scelta dell ordine in cui inserire le V.D. nell analisi stepdown ha un importante impatto sull interpretazione Le variabili che (teoricamente) sono più importanti dal punto di vista causale devono avere maggiore priorità. 23
24 Numero di soggetti Il numero di casi in ogni cella deve essere superiore al numero di V.D. Altrimenti Alto rischio che la variabilità delle celle non sia omogenea La potenza dell analisi rischia di essere troppo bassa Ossia: bassa probabilità di trovare effetti significativi 24
25 Assunzioni Normalità multivariata = le medie delle V.D. in ciascuna condizione e tutte le loro combinazioni lineari sono distribuite normalmente Difficile da mostrare esplicitamente Se ci sono almeno 20 casi nella condizione meno numerosa, allora il test è robusto alla violazione di quest assunzione anche se le numerosità sono diverse nelle diverse condizioni Se le numerosità sono inferiori e il disegno è sbilanciato è richiesta la normalità multivariata 25
26 Assunzioni Assenza di outlier Sia nelle V.D., sia nelle covariate Vanno valutati entro le condizioni Linearità = relazioni lineari tra tutte le coppie di V.D., tutte le coppie di covariate, e tutte le coppie V.D.-covariata Le deviazioni dalla linearità riducono la potenza del test perché la combinazione lineare delle V.D. non massimizza la differenza tra i gruppi le covariate non massimizzano l aggiustamento per l errore Omogeneità della regressione = assenza di interazioni tra fattori e covariate 26
27 Assunzioni Le covariate e le V.D. sono affidabili (>.80) L affidabilità delle covariate è un assunzione già vista per l ANOVA Se si esegue la procedura stepdown per interpretare le V.D., anche le V.D. devono essere affidabili Assenza di multicollinearità In ogni condizione del disegno Sia tra le V.D., sia tra le Covariate, sia tra V.D. e covariate. 27
28 Assunzioni Omogeneità delle matrici di covarianza è l equivalente multivariato dell omogeneità delle varianze assume equivalenza tra le varianze e covarianze delle diverse condizioni e che perciò queste possano essere unite per stimare il termine d errore se le numerosità delle osservazioni nelle condizioni sono uguali, la MANOVA è robusta a violazioni di quest assunzione se le numerosità delle osservazioni nelle condizioni sono diverse, si valuta il Box s M test, con α <.001 α <.001 indica violazione e la robustezza del test è a rischio 28
29 Riportare i risultati: Quale dei test multivariati riportare? Generalmente viene riportato il Lamdba di Wilks Cosa fare se il test multivariato non è significativo e un test univariato sì? Riportare sia il test multivariato, sia il test univariato. Proporre il risultato univariato come guida per ricerche future. 29
30 Esempio di MANOVA Effetto dell identificazione di ruolo sessuale sulle V.D. Autostima Estroversione Neuroticismo Locus of control Atteggiamento verso il ruolo delle donne Ogni soggetto è classificato separatamente come alto/basso su: - dimensione di indentificazione con ruoli maschili - dimensione di identificazione con ruoli femminili Disegno: 2 (mascolinità: alta / bassa) x 2 (femmilinità: alta / bassa) 30
31 Esempio di MANOVA i dati 31
32 Esempio di MANOVA - SPSS 32
33 Esempio di MANOVA SPSS
34 Esempio di MANOVA Test multivariato 34
35 Esempio di MANOVA MANOVA omnibus: entrambe le V.I. hanno effetti principali sulle V.D.; l effetto d interazione non è significativo. Vediamo ora i test univariati 35
36 Esempio di MANOVA test univariati Correzione di Bonferroni: uso α c =.01 36
37 Esempio di MANOVA test univariati 37
38 Esempio di MANOVA test univariati 38
39 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili 2. Locus of control 3. Autostima 4. Estroversione 5. Neuroticismo Indaghiamo l effetto della V.I. Mascolinità 39
40 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili La V.I. mascolinità ha un effetto significativo sull atteggiamento verso i ruoli femminili 40
41 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili 2. Locus of control Controllando per l atteggiamento verso i ruoli femminili, la V.I. ha un effetto significativo sul locus of control 41
42 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili 2. Locus of control 3. Autostima Controllando per atteggiamento e LoC, la V.I. mascolinità ha un effetto significativo sull autostima 42
43 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili 2. Locus of control 3. Autostima 4. Estroversione 43
44 Esempio di MANOVA strategia stepdown Ordine di importanza: 1. Atteggiamento verso i ruoli femminili 2. Locus of control 3. Autostima 4. Estroversione 5. Neuroticismo 44
Statistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
DettagliAnalisi della Varianza - II
Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati)
DettagliAnalisi della Varianza - II
Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire
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
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
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
DettagliLezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti
Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi
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
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
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 DI ANALISI DEI DATI
TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento
DettagliErrori inferenza statistica Analisi della Varianza - I
Errori inferenza statistica Analisi della Varianza - I M Q Marco Perugini Milano-Bicocca 1 Lez: XXVIII Errori nell inferenza statistica La statistica viene usata per fare inferenze a partire dei dati empirici
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
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
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
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
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
DettagliStatistica multivariata! Analisi fattoriale
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Statistica multivariata! Analisi
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.
DettagliL ANALISI DELLA VARIANZA (ANOVA)
ANALISI ANALISI DEI DATI MULTIVARIATA + LAB AA AA 2009-2010 2019-2020 L ANALISI DELLA VARIANZA (ANOVA) 1 ANALISI ANALISI DEI DATI MULTIVARIATA + LAB AA AA 2009-2010 2019-2020 Sommario * Il modello lineare:
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
DettagliComprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili?
Comprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili? Quale tipo di legame? Quanto forte? Siamo sicuri che non sia dovuto al caso? Tutti i modelli
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliMisure Ripetute. Partizione della Varianza. Marcello Gallucci
Misure Ripetute Partizione della Varianza Marcello Gallucci GLM l ANOVA a misure ripetute rappresenta un caso del modello lineare generale in cui la variabilità non è valutata tra gruppi ma tra misure
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
DettagliEfficacia dei Trattamenti
Efficacia dei Trattamenti Efficacia dei Trattamenti Dimostrare una relazione di causa-effetto tra il trattamento (causa) e i risultati ottenuti (effetto). Pre-requisiti Precedenza temporale della causa
DettagliBiostatistica Laurea Magistrale in Biologia
Biostatistica Laurea Magistrale in Biologia Risultati dell esame del 1 Giugno 2016 Matricola 704922 715340 718052 7263 735674 741637 751823 751833 752143 752451 7537 7534 766091 766657 767606 781510 797434
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.
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
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
DettagliL analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti
Lezione 14 L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Argomenti della lezione: Effetti principali e interazioni Analisi dei disegni fattoriali Disegni fattoriali (o a più vie):
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliStatistica multivariata
Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire le relazioni
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
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
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,
DettagliLa multicollinearità sorge quando c è un elevata correlazione tra due o più variabili esplicative.
Lezione 14 (a cura di Ludovica Peccia) MULTICOLLINEARITA La multicollinearità sorge quando c è un elevata correlazione tra due o più variabili esplicative. In un modello di regressione Y= X 1, X 2, X 3
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
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
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
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
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
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
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZION 13 Analisi della interdipendenza e della dipendenza : overview Docente:
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
DettagliMetodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 11 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
DettagliIl modello lineare e l analisi della varianza con
Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
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
DettagliAssunzioni (Parte I)
Assunzioni (Parte I) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 10 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale (GLM)
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
DettagliAnalisi avanzate della regressione: la moderazione (Cap. 5 )
Analisi avanzate della regressione: la moderazione (Cap. 5 ) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: V Struttura delle relazioni Le relazioni possibili diventano più interessanti strutturalmente
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
DettagliArgomenti della lezione:
Lezione 9 Argomenti della lezione: La regressione multipla: Approcci analitici Regressione standard Regressione gerarchica Regressione statistica Strategie Analitiche per la regressione Tre principali
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliIndice. Parte I. 2.4 Confrontare variabili numeriche tra gruppi 23 Confronto di istogrammi tra gruppi 23 Confronto delle frequenze cumulative 23
Indice Parte I Capitolo 1 Statistica e campioni 1.1 Che cos è la statistica? 2 1.2 Campionare le popolazioni 3 Popolazioni e campioni 4 Proprietà dei buoni campioni 4 Il campionamento casuale 5 Come ottenere
DettagliIndice. Parte I. 2.4 Confrontare variabili numeriche tra gruppi 23 Confronto di istogrammi tra gruppi 23 Confronto delle frequenze cumulative 23
Indice Parte I Capitolo 1 Statistica e campioni 1.1 Che cos è la statistica? 2 1.2 Campionare le popolazioni 3 Popolazioni e campioni 4 Proprietà dei buoni campioni 4 Il campionamento casuale 5 Come ottenere
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it a.a. 2018-2019 CdS Scienze della Produzione e Protezione delle Piante (g59)
DettagliLABORATORI DI STATISTICA SOCIALE
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI STATISTICA SOCIALE Lezione V Prof. Andrea Greco Dott.ssa Roberta Adorni Dott.
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
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliBetween / TRA Soggetti Le medie dei due trattamenti sono diverse? Gruppo 2. Media 1. Media 2
Con Correlazione e Regressione si è studiata la relazione tra l andamento di due (o più variabili): si riassume la forma della nuvola di punti utilizzando una funzione lineare (nel GLM). Con l Analisi
DettagliAnalisi delle medie (post ANOVA)
Analisi delle medie (post ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: 9 Problema Se il test F è significativo, concludiamo che esiste una differenza fra le medie dei gruppi Ciò vuol
DettagliCluster Analysis Distanze ed estrazioni Marco Perugini Milano-Bicocca
Cluster Analysis Distanze ed estrazioni M Q Marco Perugini Milano-Bicocca 1 Scopi Lo scopo dell analisi dei Clusters è di raggruppare casi od oggetti sulla base delle loro similarità in una serie di caratteristiche
DettagliAnalisi della varianza
Analisi della varianza Mediante un singolo esperimento vengono confrontate fra loro più popolazioni (gruppi, tesi). Consente di valutare quantitativamente l importanza delle diverse fonti di variazione
DettagliMetodi Matematici e Informatici per la biologia. Esercizi
Metodi Matematici e Informatici per la biologia Esercizi Esercizio 1 Il modo migliore per isolare gli effetti delle variabili nascoste sulla variabile di risposta è di effettuare uno studio di osservazione
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07b-Ripasso: Anova per fattori indipendenti (v. 1.9, 31 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it a.a. 2018-2019 CdS Scienze della Produzione e Protezione delle Piante (g59)
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
DettagliX Lezione Analisi della varianza Esempi e esercizi CPS - Corso di studi in Informatica II parte: Statistica
Corso di Calcolo delle Probabilità e Statistica II Parte - STATISTICA X Lezione Analisi della varianza Esempi e esercizi 1 Argomenti della X Lezione Tests per il confronto di più medie: ANOVA Utilità e
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliMetodologie Quantitative
Metodologie Quantitative Concetti statistici di base II M Q Marco Perugini Milano-Bicocca 1 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2:
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
DettagliAnalisi della varianza a una via
Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici
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
DettagliUlteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2018/2019
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2018/2019 prof. Federico Plazzi 28 Giugno 2019 Nome: Cognome: Matricola: Alcune indicazioni: La prova è costituita da cinque esercizi; dopo
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliIl questionario per rilevare informazioni
Il questionario per rilevare informazioni Informazioni non scolastiche Non esistono solo le variabili relative all apprendimento o le variabili scolastiche Informazioni relative alle condizioni socio-culturali
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliTRACCIA DI STUDIO. Test di confronto per misure qualitative. Verifica di ipotesi
TRACCIA DI STUDIO Verifica di ipotesi Nelle analisi statistiche di dati sperimentali riguardanti più gruppi di studio (talvolta più variabili) si pone come ipotesi da verificare la cosiddetta ipotesi zero:
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
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
Dettagli