Metodologie Quantitative

Transcript

1 Metodologie Quantitative Introduzione al Corso M Q Marco Perugini Milano-Bicocca marco.perugini@unimib.it 1

2 Programma Odierno Struttura, argomenti, e stile del corso Esami Panoramica dei temi trattati Concetti statistici di base I 2

3 Struttura del Corso 8 CFU Lezioni: Lunedi (U9-7) 10:30 12:30 Mercoledi (U9-7) 8:30 10:30 Venerdi (U6-1a) 10:30 12:30 Laboratorio di Metodologie Quantitative (Dott.sse Richetin e Zogmaister) (24 ore) dopo più dettagli Primo appello: 12 gennaio (registrazione 19 gennaio); secondo 9 febbraio (reg. 16 febbraio) Ricevimento: Martedì 15:00-17:00 U6 Terzo piano ( Direzione) 3

4 Argomenti del Corso Ripasso alcuni concetti statistici di base Attendibilità e validità La misurazione psicologica esplicita ed implicita Analisi delle strutture dei dati e misure: Analisi Fattoriale Analisi della validità predittiva: Regressione multipla Analisi della struttura dei casi: Cluster analysis Statistica inferenziale: Test delle ipotesi ed analisi della varianza Logica, applicazione, e interpretazione delle analisi 4

5 Stile del Corso Enfasi sui concetti Enfasi sul ragionamento statistico Enfasi sul ragionamento logico Minimo utilizzo di formule Utilizzo di software per i calcoli Enfasi sulla interpretazione dei risultati 5

6 Software Statistico Il programma SPSS verra usato per condurre i calcoli necessari alle analisi SPSS verra utilizzato nei laboratori Varie fonti offrono guide pratiche a SPSS Vari testi in biblioteca (anche in Italiano) 6

7 Laboratorio Il corso ha a latere un laboratorio di 24 ore Il laboratorio vale 3 CFU e prevede delle attivita pratiche. Insieme al laboratorio di metodologie qualitative (3 CFU, secondo semestre) ed alla partecipazione a studi ed esperimenti (2 CFU, 10 ore) fornisce il credito complessivo del Laboratorio Metodologico (8 CFU) Lo scopo del Laboratorio e di imparare ad eseguire ed interpretare praticamente le analisi statistiche studiate a lezione. Il laboratorio è essenziale per acquisire le appropriate conoscenze pratiche del software SPSS e per apprendere il come utilizzare in contesti concreti di ricerca le tecniche studiate a lezione 7

8 Laboratorio DOCENTI: Dott.ssa Cristina U6, stanza 3113, Ricevimento lunedì dalle ore alle ore (previo appuntamento via ); altri giorni/orari di ricevimento possono essere concordati con la docente Dott.ssa Juliette Richetin U6, stanza 3123 Ricevimento giovedì dalle alle (appuntamento via ) CONTENUTI: Usare SPSS per condurre Analisi delle Componenti Principali (ACP), Analisi di Regressione, breve introduzione ad Analisi di varianza Pre-requisiti per la partecipazione al laboratorio: - Conoscenza almeno di base del software SPSS. - Consigliata frequenza parallela del Corso di Metodologie Quantitative perché il laboratorio presuppone la conoscenza teorica delle tecniche statistiche che verranno affrontate nella pratica. - Sul sito di E-learning, nella pagina del Laboratorio, sono presenti delle indicazioni per creare/rafforzare le proprie competenze sull uso di SPSS prima dell inizio del laboratorio. 8

9 Laboratorio 2 possibilità: 3 turni fino ottobre/dicembre, 1 turno febbraio/marzo studenti max a turno Per il turno febbraio/marzo informazioni a gennaio Per primi 3 turni, serie di 9 esercitazioni di 2 o 3 ore Inizio: settimana del 26/10/2015 / Termine: settimana del 14/12/2015 Turno A Lab 907 Lunedì Turno B Lab 907 Mercoledì Turno C Lab 908 Lunedì 1 26/ / / / / / / / / / / (lunedì) 16/ / (giovedì) 18/ / (giovedì/906) 6 23/ / / / / (lab 906) 30/ / (me) 9/ / (mercoledì) 9 14/ / / Modalità di verifica dell apprendimento: 2 verifiche durante esercitazioni 9

10 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2: Mercoledì pomeriggio Turno 3: Lunedì pomeriggio Il numero massimo di studenti è di 30 per ogni turno. Quando? Dal 12 ottobre alle fino al 16 ottobre alle Dove? Sul sito elearning ( alla voce Laboratorio Metodologie/Modulo Quantitativo, Attività Iscrizione/Scelta Turno Laboratorio Quantitativo 10 II

11 Laboratorio Come? 3 Passaggi: Iscrizione al Laboratorio di Metodologia Modulo Quantitativo (da subito) Scelta del turno al quale si desidera partecipare (dal 12 al 16 ottobre) Le iscrizioni possono svolgersi fino al 16 ottobre. Verrà pubblicata la lista degli iscritti ai turni dal 19 ottobre. Dopo la pubblicazione della lista (ossia dal 19 ottobre), sarà necessario iscriversi al proprio turno (quello indicato sulla lista) sul sito per poter accedere al materiale didattico. In caso di problemi di iscrizione, spedire una a: cristina.zogmaister@unimib.it (juliette.richetin@unimib.it) 11 II

12 Libri di Testo Non ci sono libri di testo. Un libro che può essere utile come riferimento è: Gallucci M., Leone L. (2012). Modelli statistici per le scienze sociali. Milano: Pearson Educational. I lucidi delle lezioni possono essere scaricati (dopo la lezione) dal sito web E-learning Vi saranno altre letture che verranno inserite di volta in volta sul sito In generale: Il programma è definito da ciò che viene fatto a lezione Ciò che si fa a lezione potrà essere nell esame Ciò che NON si fa a lezione, NON sarà nell esame 12

13 L esame e composto da: Esami Domande a scelta multipla (Principalmente di teoria e concetti ) Domande aperte (Si chiederà di rispondere a domande riguardanti i risultati di analisi condotte su SPSS). Tutti possono integrare il voto con l esame orale (l integrazione può essere richiesta da voi o da me in questo secondo caso è obbligatoria) L esame orale può alzare (ma non più di 2 voti) oppure abbassare il voto Data primo appello: 12 gennaio Verbalizzazione 19 gennaio Appello successivo: 9 febbraio 13

14 Considerazioni Pratiche I Studiare la logica ed i dettagli delle varie tecniche statistiche Comprendere cosa, perchè, e come Distinzione tra padroneggiare e conoscere Le nozioni che dovete padroneggiare sono quelle affrontate piu in dettaglio e riguardano anche aspetti concreti di scelte, interpretazioni, ed argomentazioni relativamente ad analisi statistiche 14

15 Considerazioni Pratiche II Le nozioni da padroneggiare saranno tipicamente esaminate sia da domande a scelta multipla che da domande aperte Riguarderanno aspetti relativi anche al come si interpretano i risultati Per padroneggiare non basta la conoscenza teorica ma serve anche la capacità di applicarla a casi concreti di ricerca Si tratta di essere in grado di comprendere ed interpretare dei risultati statistici e fare delle scelte argomentate 15

16 Considerazioni Pratiche III Le nozioni da conoscere riguarderanno tipicamente aspetti più avanzati oppure argomenti che non sono approfonditi in dettaglio Saranno tipicamente esaminate solo da domande a scelta multipla Bisognerà conoscere bene la nozione, sapere a cosa serve e quando si applica, saperla distinguere con precisione da altre nozioni Se imparerete tutto ciò che c è da padroneggiare e da conoscere, l esame sarà facile 16

17 Argomenti del Corso Attendibilità e validità La misurazione psicologica esplicita ed implicita Analisi delle strutture dei dati e misure: Analisi Fattoriale Analisi della validità predittiva: Regressione multipla Analisi della struttura dei casi: Cluster analysis Statistica inferenziale: Test di ipotesi ed analisi della varianza 17

18 Logica delle tematiche Prima parte: Cenni su alcuni concetti statistici di base Attendibilità e validità La misurazione psicologica esplicita ed implicita Osserviamo un certo fenomeno interessante Obiettivi Vogliamo studiarlo Per studiarlo in modo scientifico, vogliamo quantificarlo Quantificare significa misurare (misurazione implicita ed esplicita) 18

19 Logica delle tematiche Seconda parte: Analisi fattoriale Obiettivi Se misuriamo qualcosa, vogliamo sapere anzitutto quali sono le dimensioni sottostanti al fenomeno Vogliamo perciò studiarne la struttura sottostante (Analisi Fattoriale) Vogliamo anche sapere se la misura è affidabile (Attendibilità) 19

20 Logica delle tematiche Terza parte: Analisi di regressione Una volta che abbiamo una misura di cui conosciamo la struttura sottostante e il suo grado di affidabilità, vogliamo capire se e come predice dei fenomeni collegati (validità predittiva) Obiettivi Vogliamo perciò studiare la misura in relazione ad altre misure (o eventi) che essa dovrebbe prevedere (regressione multipla) Ciò anche se gli eventi da predire sono dicotomici/binari (regressione logistica) Vogliamo capire come diverse misure predicono diversi criteri con implicazioni teoriche (modelli di validità predittiva) 20

21 Logica delle tematiche Quarta parte: Cluster Analysis: Obiettivi Vogliamo anche vedere come le persone possono essere raggruppate in base alle loro similarità rispetto a delle misure (Cluster Analysis) Quinta parte: Test di ipotesi ed Analisi della Varianza: Obiettivi Vogliamo capire la logica della statistica inferenziale per il test di ipotesi (fattori discreti, spesso manipolati, e variabili quantitative) (Test di ipotesi) ed il come si possono analizzare i dati così raccolti (Analisi della Varianza) 21

22 Competenze alla fine del corso Dovreste essere in grado di sapere: 0) concetti statistici di base a) cosa significa misurare dei concetti psicologici b) la distinzione tra misure esplicite ed implicite c) valutare la bontà psicometrica di una misura o variabile (attendibilità e validità) d) come si verifica la dimensionalità sottostante a dei dati empirici (Analisi Fattoriale) e) come si verifica la capacità predittiva delle variabili (Regressione lineare multipla e regressione logistica) f) come si testano statisticamente delle relazioni inerenti a modelli teorici (mediazione, moderazione, path analysis) g) come si verifica il raggruppamento di casi (ad es., persone) (Cluster Analysis) h) cosa significa e cosa implica fare un test di ipotesi i) i tipi principali di analisi della varianza 22

23 Perché la statistica? Sequenza stilizzata del metodo scientifico 23

24 Perché la statistica? Senza statistica non si può sapere se si ha ragione o torto! 24

25 La statistica I E una disciplina di estensione enorme E la base di tutte le discipline scientifiche (nel senso che esiste in tutte le discipline scientifiche) Si è sviluppata perché il mondo (le leggi, i principi) non è deterministico ma probabilistico Se lo fosse, non ci sarebbe bisogno della statistica 25

26 La statistica II Esistono tecniche statistiche per ogni tipo di dato e per rispondere ad ogni tipo di questione scientifica Se qualcosa è quantificabile, lo si può analizzare statisticamente Panoramica selettiva e limitata di alcuni concetti di base e di alcune tecniche statistiche 26

27 Concetti statistici di base I 27

28 Concetti statistici di base I Statistica distributiva: Indicatori e forma della distribuzione dei dati Focalizzeremo l attenzione su misure a livello intervalli equivalenti o rapporti 28

29 Media E il punto di equilibrio di una distribuzione di dati, coincide con il valore atteso e, se la distribuzione è normale, è anche il valore più probabile, cioè la speranza matematica. X = N X i 29

30 Media vs. Mediana Effetto Balotelli (entra al bar) Salario medio? Mediana? 10 persone entra Balotelli entrano altre 90 persone MEDIA MEDIANA Balotelli MEDIA ,9 MEDIANA Balotelli MEDIA 68415,84 MEDIANA

31 Varianza, deviazione standard Indicano la dispersione attorno alla media s X = = N N 2 ( X X ) 2 i 2 X 2 s = s 2 31

32 Normalità La media e la deviazione standard sono soltanto due degli indicatori di una distribuzione L asimmetria (skewness) e la curtosi in aggiunta danno informazioni importanti sulla forma della distribuzione dei dati La normalità dei dati è un assunzione di base di molte tecniche statistiche e, se violata gravemente, può inficiare i risultati 32

33 33

34 Violazioni normalità In generale violazioni limitate della normalità non hanno conseguenze catastrofiche (in psicologia) Stime puntutali (parametri) sono relativamente robuste alla normalità (errori standard meno) Distribuzione normale: asimmetria = 0, curtosi = 0 Regola euristica: se asimmetria (più problematica) o curtosi sono maggiori 1 è una violazione chiara; se > 3 la violazione è molto seria. Esistono anche test formali (indice asimmetria o curtosi diviso errore standard, come Z) ma sensibili alla numerosità 34

35 Cosa fare? - I Se è violata l assunzione di normalità, si può provare a trasformare i dati per avere una distribuzione più simile alla normale Esistono approcci statistici che non assumono la normalità (es., statistica robusta) Alcune trasformazioni note hanno effetti prevedibili sulla distribuzione dei dati Quale trasformazione fare dipende anche dal tipo di variabile (certe variabili spesso pongono problemi simili) 35

36 Cosa fare? - II Dipende anche dal tipo di variabile a disposizione: ad es., RT compito cognitivo (di solito): x * = log( x ) Differenza tra due RTs può non avere bisogno di trasformazione! 36

37 Cosa fare? - III Dipende anche dal settore specifico ( regole locali...) Es., RT spesso si transformano con log, percentuali con arcsin 1) Elevazione: y= ( α + βx) γ che con valori diversi di γ diventa una trasformazione al quadrato (γ=2), radice quadrata (γ=1/2), o inversa (γ=-1) y = log( α + βx) 2) Logaritmo: con attenzione a non avere numeri negativi (costante α da aggiungere) Trasformare non garantisce un miglioramento. Verificare più trasformazioni per scegliere la più adatta 37

38