Metodologie Quantitative
|
|
- Rosangela Valente
- 7 anni fa
- Visualizzazioni
Transcript
1 Metodologie Quantitative Regressione Lineare Multipla Mediazione e Path analysis I M Q Marco Perugini Milano-Bicocca 1
2 Regressione Multipla: utilizzo avanzato A seconda dello status delle variabili indipendenti, possiamo differenziare diversi tipi di tecniche statistiche avanzate di regressione Analisi della mediazione Path analysis Analisi della moderazione 2
3 Regressione Multipla avanzata A seconda dello status delle variabili indipendenti, possiamo differenziare tre tipi di tecniche statistiche Analisi della mediazione Path analysis Analisi della moderazione VI sono teoricamente organizzate in esogene ed endogene VI e VD sono organizzate secondo un modello teorico preciso Una VI modera l effetto della altra VI sulla VD 3
4 Mediazione Per variabile mediatrice intendiamo una variabile che è responsabile dell effetto di un altra variabile sulla variabile dipendente VI sono teoricamente organizzate in cause esogene e cause endogene Cause esogene sono quelle variabili esplicative la cui variabilità è data e non spiegata dal modello Cause endogene sono quelle variabili esplicative la cui variabilità è (parzialmente) spiegata dal modello Variabili dipendenti sono quelle variabili di cui vogliamo spiegare la variabilità 4
5 Status delle VI Causa esogena VD Causa esogena La variabilità di questa variabile è data (esterna al modello) La variabilità di questa variabile è ciò che vogliamo spiegare (predire) con il modello VD Cause endogene La variabilità di questa variabile è sia predetta dal modello che usata per predire la VD 5
6 Cause? Notiamo subito che la dicitura cause non può essere giustificata statisticamente. Assumiamo che una teoria, la logica, o specifiche metodologie ci consentano di interpretare il modello come un modello causale Ricordiamoci sempre che Sesso Modo di vestire Modo di vestire Sesso sono statisticamente equivalenti 6
7 Funzionale vs. Causa-effetto Quando diciamo che una variabile ne spiega un altra, intendiamo dire che stiamo cercando di stabilire una relazione funzionale Una relazione funzionale non e necessariamente una relazione di causa-effetto. La variabile spiegata varia in funzione della variabile che spiega ma non necessariamente quest ultima e anche la causa Una relazione statistica non e necessariamente una relazione causale 7
8 Funzionale vs. Causa-effetto Ci puo essere una terza variabile (causa) che spiega la presenza di una relazione funzionale Se vogliamo predire le abilità cognitive, una variabile che predice significativamente sara la dimensione dei piedi Ci puo essere una terza variabile (soppressore) che spiega l assenza di di una relazione funzionale anche laddove c e una relazione causale Se vogliamo predire l essere in gravidanza, una variabile NON significativa sara l avere avuto un rapporto sessuale In entrambi i casi, c e una terza variabile (età, contraccettivi) che agisce sulla relazione funzionale tra predittore e criterio Per stabilire un effetto casuale c e bisogno di altre condizioni (ad es., tipo di dati, modello teorico, esame di spiegazioni alternative) 8
9 Condizioni per la causalita A p B Secondo la filosofia della scienza moderna, solitamente sono considerate tre condizioni fondamentali per stabilire un effetto causale : 1) Isolamento. La relazione B=p*A deve tenere anche quando si considerano k VI aggiuntive. 2) Associazione. Dato un isolamento, e necessaria una associazione stabile. 3) Direzionalita. Le cause precedono temporalmente gli effetti (Hume). Ma di quanto? A puo essere considerata una causa per B se cambiamenti in A precedono quelli in B, avendo considerato tutte le possibile variabili intermedie ed influenti. C e bisogno di una teoria forte che ci indichi quali sono queste variabili e di dati adeguati con un intervallo temporale di misurazione adeguato al tipo di effetto causale studiato. 9
10 Modello di mediazione Causa esogena VD Osserviamo un effetto di una VI sulla VD Causa esogena VD mediatore Vogliamo sapere se questo effetto sia dovuto all intervento di una terza variabile 10
11 Modello di mediazione: Esempio vino sorrisi Osserviamo un effetto di una VI sulla VD A cosa è dovuto questo effetto? 11
12 Modello di mediazione: Esempio vino sorrisi Ipotizziamo che tale effetto sia dovuto alla ridotta capacità di controllo (o all aumento delle disinibizione) vino - + sorrisi - controllo Vogliamo sapere se la ridotta capacità di controllo è responsabile (media l effetto) dei maggiori sorrisi 12
13 Mediazione: Logica X Y Vogliamo sapere se una parte (o tutto) dell effetto semplice sia mediato dalla variabile mediatrice X Y mediatore 13
14 Mediazione: Logica Condizione logiche: 1 Dobbiamo osservare l effetto semplice (b 0) x Y 2 La variabile esogena deve avere un effetto sul mediatore X Mediatore 3 Il mediatore deve avere un effetto sulla VD, parzializzando la variabile esogena X Y Mediator 14
15 Mediazione: Logica Condizione logiche: 1 Il vino bevuto deve avere un effetto sui sorrisi x Y 2 Il vino bevuto deve far diminuire il controllo X Mediatore 3 La diminuzione di controllo deve far aumentare i sorrisi (al netto del vino bevuto) X Y Mediatore 15
16 Mediazione Se queste condizioni valgono, allora una parte dell effetto della variabile esogena sarà mediato dalla variabile mediatrice Causa esogena VD mediatore Una parte dell effetto passa per il mediatore Come lo calcoliamo questo effetto? 16
17 Ricordiamo i coefficienti parziali Definizione dei coefficienti parziali Effetto semplice = effetto diretto + effetto indiretto b yx = byx. w + byw. x b wx x b yx. w Effetto diretto b wx Effetto indiretto w b yw. x y 17
18 Effetto mediato L effetto mediato non è altro che l effetto indiretto b yx = byx. w + byw. x b wx vino b yx. w Effetto diretto b wx Effetto indiretto= effetto mediato controllo b yw. x sorrisi 18
19 Calcolo dell effetto mediato Per calcolarlo basterà effettuare due regressioni che ci daranno i coefficienti che ci interessano 2 Mediatore come VD e esogena come VI X b wx Mediatore 3 VD come VD e variabile esogena e mediatore come variabili indipendenti X Y Effetto Mediato indiretto = b wx b yw. x Mediator b yw. x 19
20 Calcolo dell Effetto mediato (2) Data la relazione Effetto semplice= effetto diretto + effetto mediato b yx = byx. w + byw. x b wx avremo necessariamente: Effetto mediato = effetto semplice effetto diretto b yw. x bwx = byx byx. w 20
21 Effetti diretti e indiretti Effetto semplice Vino.70 Sorrisi Effetti parziali Vino.40 Effetto diretto -.60 Sorrisi Controllo -.50 Effetto indiretto=(-.60)*(-.50)=.30 Effetto totale= =.70 21
22 Esempio: SPSS Consideriamo una ricerca fatta sull uso dei preservativi e intossicazione da alcol Il ricercatore ipotizza che la relazione tra le due variabili sia mediata dalla capacità di percepire le conseguenze a lungo termini delle azioni Statistiche descrittive Indice di tasso alcolico nel sangue (da 0 a 1) ialcol per_cons intenzione Validi (listwise) Deviazione N Minimo Massimo Media std. 120,01,96,4778, ,06 14,30 8,9384 1, ,30 14,12 8,5025 2, Test Percezione conseguenze (da 0 a 15) Intenzione di usare i preservativi in un rapporto casuale (questionario da 0 a 15) 22
23 Esempio: SPSS In primo luogo stimiamo la relazione semplice tra la variabile esogena e quella dipendente intossicazione b yx = 2.3 intenzione Modello 1 (Costante) ialcol Coefficienti non standardizzati a. Variabile dipendente: intenzione Coefficienti a Coefficienti standardizzati B Errore std. Beta t Sig. 9,601,425 22,606,000-2,300,765 -,267-3,007,003 23
24 Calcolo dell effetto mediato Poi stimiamo l effetto della variabile esogena sul mediatore 2 Mediatore come VD e esogena come VI Intossicazione b wx = 1.83 Modello 1 (Costante) ialcol Coefficienti non standardizzati a. Variabile dipendente: per_cons Coefficienti a Coefficienti standardizzati B Errore std. Beta t Sig. 9,817,325 30,162,000-1,839,586 -,277-3,137,002 Percezione conseguenze 24
25 Calcolo dell effetto mediato Poi stimiamo l effetto della variabile mediatrice sulla dipendente 3 Il mediatore deve avere un effetto sull VD, parzializzando la V. esogena Intossicazione intenzione Modello 1 (Costante) ialcol per_cons Coefficienti non standardizzati a. Variabile dipendente: intenzione Coefficienti a Coefficienti standardizzati Percezione conseguenze B Errore std. Beta t Sig.,544,890,611,543 -,603,565 -,070-1,067,288,923,085,709 10,815,000 b yw. x =
26 Effetto mediato Calcoliamo l effetto mediato effetto mediato b yw. b =.923 *( 1.83) = = x wx b wx = 1.83 b 603 ne yx. w =. Intossicazio Percezione b yw. x =.923 Intenzione 26
27 Effetto mediato Dunque effetto mediato b yw. b =.923 *( 1.83) = effetto = x wx semplice b = 2.3 = yx Una parte dell effetto dell intossicazione alcolica sull intenzione di usare i preservativi è dovuta alla diminuita capacità di percepire le conseguenze quando si è intossicati L effetto di intossicazione, dopo aver parzializzato la percezione delle conseguenze (effetto diretto) risulta ridotto riduzione = w b yx b yx. = 2.3 (.603) =
28 Effetto mediato L effetto mediato è quella parte dell effetto semplice che influenza la variabile dipendente attraverso l effetto della variabile mediatrice effetto mediato =. x b yw b wx L effetto mediato rappresenta la riduzione dell effetto di una variabile esogena, dopo aver parzializzato l effetto della variabile mediatrice effetto mediato = b yx b yx. w 28
29 Inferenza sull effetto mediato Possiamo dire che l effetto mediato è significativamente diverso da zero (non è casuale) L effetto mediato sarà statisticamente diverso da zero se i suoi componenti (b wx e b yw.x ) saranno statisticamente diversi da zero Modello 1 (Costante) ialcol Coefficienti non standardizzati a. Variabile dipendente: per_cons B Errore std. Beta t Sig. 9,817,325 30,162 Coefficienti a,000-1,839,586 -,277-3,137,002 Coefficienti non Coefficienti standardizzati standardizzati Modello 1 Coefficienti a (Costante) ialcol per_cons Coefficienti standardizzati a. Variabile dipendente: intenzione B Errore std. Beta t Sig.,544,890,611,543 -,603,565 -,070-1,067,288,923,085,709 10,815,000 29
30 Mediazione totale o parziale Quando l effetto della variabile esogena, parzializzando l effetto del mediatore, risulta non significativo, diremo che la mediazione è totale Quando l effetto della variabile esogena, parzializzando l effetto del mediatore, risulta ridotta ma ancora significativa, diremo che la mediazione è parziale Modello 1 Coefficienti non standardizzati Coefficienti a Coefficienti standardizzati B Errore std. Beta t Sig. (Costante),544,890,611,543 ialcol -,603,565 -,070-1,067,288 per_cons,923,085,709 10,815,000 a. Variabile dipendente: intenzione 30
31 Mediazione significativa Per verificare se l effetto di mediazione è statisticamente significativo, si può usare il test di Sobel Z = ( b 2 wx * es * b 2 yw. x * es 2 yw. x Vale a dire, si moltiplicano i due parametri divisi per la radice quadrata della somma dei due parametri al quadrato per il loro errore standard al quadrato b wx 2 wx + b yw. x ) Si distribuisce come una Z e quindi si può verificare la significatività della mediazione. Ci sono test più avanzati (approccio bootstrap). 31
32 Variabili intervenenti e mediatori Notiamo che un risultato simile lo avevamo ottenuto con l esempio dello stipendio, pubblicazioni, e anzianità 32
33 Effetti totali diretti e indiretti (coeffic.) Effetto semplice Pub 12.4 Stipendio pub verso anz. pub 1.2 Effetto diretto.15 anzianità 70.7 stipendio Effetto indiretto=.15*70.7=
34 Variabili intervenenti e mediatori Anche se statisticamente i due modelli sono uguali, nel caso dell anzianità parleremo di variabile interveniente Non abbiamo nessuna giustificazione per assumere che ci sia un nesso causale o funzionale tale che il numero di pubblicazioni influenzano l anzianità 34
35 Effetti totali diretti e indiretti (coeffic.) Questo modello non avrebbe nessun senso pub anzianità 70.7 stipendio 35
36 Variabili intervenienti Diremo dunque che anzianità è una variabile interveniente tra pubblicazioni e stipendio, ma non una variabile che media gli effetti di pubblicazioni su stipendio pub stipendio anzianità 36
37 Variabili intervenienti e mediatori Considereremo effetti di mediazione quegli effetti indiretti che possono essere strutturati secondo una logica causale (Esogena- >mediatore->dipendente) Considereremo effetti intervenienti quegli effetti indiretti che non possono essere strutturati secondo una logica causale di tale tipo La differenza tra i due tipi di effetti non è statistica, ma teorica (statisticamente ci vengono le stesse stime) 37
38 Dalla mediazione alla path analysis Notiamo che il modello considerato per la mediazione, è un semplice modello di path analysis. La path analysis (tra l altro) consente stimare le relazioni tra variabili strutturate in un modello logico definito X W Y 38
39 Path Analysis al volo La Path Analysis rappresenta dei modelli di relazione tra le variabili secondo un flusso teorico I modelli di Path Analysis sono spesso chiamati modelli causali ma non usate MAI questo termine (la causalita non e nella analisi statistica!) Causalita ipotetica: la Path Analysis puo essere usata per testare delle relazioni ipotetico-causali e non per trovarle La Path Analysis puo essere compresa come un insieme di regressioni multiple a piu strati 39
40 Un modello teorico 40
41 Un modello teorico 41
42 Risultati 42
43 L esame sarà composto da: Esame Risposte a scelta multipla: Principalmente di teoria e concetti Domande aperte Si chiedera di rispondere a domande riguardanti i risultati di analisi condotte su SPSS. Tutti possono integrare il voto con l esame orale L esame orale puo alzare o abbassare il voto (ma di molto poco ) 43 II
44 Esame 1. Non copiare 2. Non comunicare con gli altri studenti 3. Non usare telefonini, ecc. 4. Non sfogliare lucidi, ecc. 5. Portare un documento d identificazione 44 II
45 Prova simulata d esame (mercoledi prossimo 23 Novembre) 1. Potete comunicare tra di voi 2. Potete consultare i lucidi 3. Non usare telefonini, ecc. 4. Esame ridotto ma simile a quello vero 5. NON E UN PARZIALE non c è un voto 6. Studiate quasi come per un esame (o perlomeno date una ripassata al programma ) 45 II
Metodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla Mediazione e Path analysis I M Q Marco Perugini Milano-Bicocca 1 Regressione Multipla: utilizzo avanzato A seconda dello status delle variabili indipendenti,
DettagliAnalisi avanzate basate sulla regressione (Cap. 7)
Analisi avanzate basate sulla regressione (Cap. 7) AMD Marcello Gallucci marcello.gallucci@unimib.it Regressione Multipla A seconda dello status delle variabili indipendenti, possiamo differenziare diversi
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
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla Path Analysis II e Moderazione M Q Marco Perugini Milano-Bicocca 1 Dalla mediazione alla path analysis Notiamo che il modello considerato per la mediazione,
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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliMetodologie Quantitative
Metodologie Quantitative Introduzione al Corso M Q Cristina Zogmaister Milano-Bicocca cristina.zogmaister@unimib.it 1 Programma Odierno Struttura, argomenti, e stile del corso Esami Panoramica dei temi
Dettaglilezione 10 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Logistica II M Q Marco Perugini Milano-Bicocca 1 La regressione logistica La regressione logistica si propone di studiare e quantificare le relazioni tra una o più
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
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
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
Dettaglilezione 8 AA Paolo Brunori
AA 2016-2017 Paolo Brunori regressione multipla con n = k Immaginate di voler studiare i determinanti del voto all esame di econometria Y = β 1 X 1 + u Y i = β 1 H i + u i H=ore studiate alla settimana
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
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 CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
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:
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
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
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
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)
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
Dettaglilezione 7 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove siamo arrivati? - se siamo interessati a studiare l andamento congiunto di due fenomeni economici - possiamo provare a misurare i due fenomeni e poi usare la lineare semplice
DettagliEsame di Istituzioni di Matematiche II del 20 giugno 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 20 giugno 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
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
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
DettagliEsame di Statistica del 14 dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. Somma Voto finale Attenzione: si consegnano
DettagliPsicologia del Lavoro e dell Organizzazione. Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ)
e dell Organizzazione Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ) a.cerasa@unicz.it Visto che la sua nascita coincide con lo sviluppo di una corrente particolare della Psicologia, definita come PSic.
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
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliEsercitazione. 24 Aprile 2012
Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più
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
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliLaboratorio di Statistica 1 con R Esercizi per la Relazione. I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati
Laboratorio di Statistica 1 con R Esercizi per la Relazione I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati nel corso. Esercizio 1. 1. Facendo uso dei comandi
DettagliCAPITOLO 11 ANALISI DI REGRESSIONE
VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire
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
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliI TEST STATISTICI. dott.ssa Gabriella Agrusti
I TEST STATISTICI dott.ssa Gabriella Agrusti Dulcis in fundo.. come scegliere un test statistico in base all ipotesi come stabilire se due variabili sono associate (correlazione di Pearson) come stabilire
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliEsercitazione 9 del corso di Statistica (parte seconda)
Esercitazione 9 del corso di Statistica (parte seconda) Dott.ssa Paola Costantini 17 Marzo 9 Esercizio 1 Esercizio Un economista del Ministero degli Esteri desidera verificare se gli accordi di negoziazione
DettagliLa ricerca sociale: metodologia e tecniche
La ricerca sociale: metodologia e tecniche [Corso di Sociologia generale] a.a. 2014 2015 Docenza: Pierpaola Pierucci - Mail: pierpaola.pierucci@unife.it Quali metodi? Quali tecniche? Ricerca quantitativa
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 1.5 Correlazione e causazione Davide Massidda davide.massidda@gmail.com Metodi simmetrici vs asimmetrici Relazioni tra variabili Nei metodi di studio
DettagliTeoria e tecniche dei test LA VALIDITA 10/12/2013. a) SIGNIFICATIVITA TEORICA E OSSERVATIVA DI UN COSTRUTTO. Lezione 6 seconda parte LA VALIDITA
Teoria e tecniche dei test Lezione 6 seconda parte LA VALIDITA LA VALIDITA Rappresenta il grado in cui uno strumento misura effettivamente ciò che dovrebbe misurare. La validità generale di un costrutto
DettagliData Mining. Prova parziale del 20 aprile 2017: SOLUZIONE
Università degli Studi di Padova Corso di Laurea Magistrale in Informatica a.a. 2016/2017 Data Mining Docente: Annamaria Guolo Prova parziale del 20 aprile 2017: SOLUZIONE ISTRUZIONI: La durata della prova
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
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliCase study. viene espressa in unità µmol per ora per grammo di peso secco.
Vengono studiate due specie diverse (ma dello stesso genere) di piante di interesse agronomico. In particolare, i ricercatori vogliono misurare la capacità dell'apparato radicale di tali piante di assorbire
DettagliMinimi quadrati vincolati e test F
Minimi quadrati vincolati e test F Impostazione del problema Spesso, i modelli econometrici che stimiamo hanno dei parametri che sono passibili di interpretazione diretta nella teoria economica. Consideriamo
DettagliFasi del modello di regressione
Fasi del modello di regressione Specificazione del modello: scelta del tipo di funzione da utilizzare per descrivere un fenomeno; definizione delle ipotesi di base Stima dei parametri: uso di stimatori
DettagliEsercizio 2: voto e ore dedicate allo studio
La seguente tabella riporta il voto riportato da 10 studenti all esame di Statistica Sociale e il numero di ore di lezione non seguite dallo studente (il corso prevede 30 ore di lezione). Ci si chiede
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
Dettagli24 : 3 = 8 con resto 0 26 : 4 = 6 con resto 2
Dati due numeri naturali a e b, diremo che a è divisibile per b se la divisione a : b è esatta, cioè con resto 0. In questo caso diremo anche che b è un divisore di a. 24 : 3 = 8 con resto 0 26 : 4 = 6
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliVariabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
DettagliConsideriamo un numero a e un numero naturale n positivo. Per dare una definizione corretta di radicale con indice n, o radice n-esima di a
RADICALI E PROPRIETÀ DEI RADICALI I radicali in Matematica sono numeri definiti mediante radici con indice intero. I radicali possono essere espressi sotto forma di potenze con esponente fratto mediante
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliCome fare ricerca empirica
DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2013/2014 Metodologia della Ricerca Sociale (GLO) dott. Ferruccio Biolcati Rinaldi INTRODUZIONE AL CORSO Come fare ricerca empirica 1 Gli obiettivi
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
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
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
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
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliSelezione del disegno di ricerca. Quantitativo e qualitativo
Selezione del disegno di ricerca Quantitativo e qualitativo Principali differenze tra ricerca quantitativa e qualitativa Quantitativa Natura della realtà Qualitativa Realtà indagabile con modalità obiettive
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
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
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
Dettaglila struttura di una teoria
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it la struttura di una teoria la struttura di una teoria modello di Bagozzi (1994) I livello./.. un esempio Linguaggio: della matematica
DettagliPremio per la qualità della didattica nella Facoltà di Economia
Università Ca' Foscari di Venezia Facoltà di Economia Premio per la qualità della didattica nella Facoltà di Economia Anno Accademico 2005-2006 a cura di: Stefano Magrini, Marzia Polles, Dino Rizzi 26
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliIndici di variabilità ed eterogeneità
Indici di variabilità ed eterogeneità Corso di STATISTICA Prof. Roberta Siciliano Ordinario di Statistica, Università di apoli Federico II Professore supplente, Università della Basilicata a.a. 011/01
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
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
DettagliQuesti appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliRegressioni Non Lineari
Regressioni Non Lineari Fino ad ora abbiamo solo considerato realazioni lineari Ma le relazioni lineari non costituiscono sempre le migliori approssimazioni La regressione multipla può anche essere formulata
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
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
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
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
DettagliCome fare ricerca empirica
DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2015/2016 Metodologia della Ricerca Sociale e Valutativa (GLO) prof. Ferruccio Biolcati Rinaldi INTRODUZIONE AL CORSO Come fare ricerca empirica
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 6 ESERCIZI RIEPILOGATIVI PRIME 3 LEZIONI REGRESSIONE LINEARE: SPORT - COLESTEROLO ESERCIZIO 8: La tabella seguente
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
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
DettagliDati campionari:media, varianza, bruchi
Dati campionari:media, varianza, bruchi Un entomologo sta studiando un bruco divoratore di foglie; esaminando 300 foglie ha trovato presenti dei bruchi, secondo i numeri riportati nella seguente tabella:
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliIl metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
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
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
DettagliCriteri di Valutazione della scheda (solo a carattere indicativo)
Criteri di Valutazione della scheda (solo a carattere indicativo) Previsioni - A Sono state fatte le previsioni e discussi i valori attesi insieme al ragionamento con cui sono stati calcolati? E stata
DettagliLa regressione lineare multipla
13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
Dettagli