Introduzione al Corso

Transcript

1 Introduzione al Corso Marcello Gallucci P S I C O M E T R I A Milano-Bicocca Lezione: I

2 Programma Odierno Intro del corso I numeri del corso Scopi del corso Stile del corso Esercitazioni e pratiche Esami Dettagli dei temi trattati Approccio alla statistica Il modello statistico (che cos'è la statistica)

3 Numeri del Corso 42 ore di lezione 21 lezioni, 2 ore l una (a parte le pause) 16 ore di esercitazioni 2 appelli a sessione 8 CFU

4 Scopi del Corso Ragionare sui problemi in maniera statistica Essere in grado di studiare le caratteristiche di una variabile e le relazioni fra variabili di vario genere Essere in grado di capire ed analizzare criticamente analisi statistiche condotte da altri Imparare ad apprezzare la statistica come strumento semplice ed utile

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

6 Software Statistico Il programma SPSS verra usato per condurre i calcoli necessari alle analisi L utilizzo di SPSS verra insegnato nelle esercitazioni Varie fonti offrono guide pratiche a SPSS GOOGLE Vari testi in bibblioteca Versione 25

7 Esercitazioni Il corso si completa di 16 ore di esercitazione da tenersi nelle aule informatiche Lo scopo delle esercitazioni e di imparare ad eseguire ed interpretare praticamente le analisi statistiche studiate a lezione Iscrizione alle esercitazioni a breve In base alle preferenze, si decidera i giorni in cui tenere le esercitazioni Le esercitazioni sono fondamentali per acquisire le appropriate conoscenze pratiche del software SPSS

8 Libri di Testo Il libro di testo è Gallucci, Leone, Berlingeri (2017). Modelli statistici nelle scienze sociali, seconda edizione Le lezioni possono essere scaricate dalla pagina del corso a elearning.unimib.it I capitoli specifici sono indicati sulla pagina elearning Lezione: I

9 Esami L'esame si compone come suegue In aula informatica su SPSS Verrà fornita un breve descrizione di una ricerca relativa ai dati presenti is SPSS Verranno fatte alcune brevi domande da rispondere sulla base dei risultati ottenuti con SPSS L'orale è facoltativo ma sconsigliato Il voto all'orale fa media con lo scritto

10 Verbalizzazione Possono partecipare all'esame sono gli studenti afferenti al turno A (turno 1), matricole finali 0-4 Per verbalizzare il voto bisogna iscriversi all appello mediante SIFA La verbalizzazione del voto deve essere fatta nella stessa sessione in cui si è sostenuto gli scritti Eccezioni verranno fatte solo in casi di comprovata necessità (in caso di catastrofi, incidenti, sciagure, morte e distruzione!) In caso di mancata verbalizzazione, si dovrà ridare l esame scritto

11 Programma del Corso Definizione problema Scelta del Campione variabili relazioni Tecniche statistiche appropriate Tipo di conclusioni

12 Percezione del corpo In ricerca sull anoressia sono state misurate su un campione di 85 donne la propria figura reale, la figura ideale e l autostima. Pictorial Body Image Scale Il campione era formato da donne normo-peso e donne anoressiche

13 Misura di autostima 1. A volte mi sembra di essere totalmente inutile (*) 2. Vorrei avere più rispetto per me stessa (*) 3. Sono in grado di fare le cose bene come la maggior parte delle persone 4. Tutto sommato, sono incline a pensare di essere una fallita (*) 5. Ho un atteggiamento positivo verso me stessa 6. A volte penso di essere una buona a nulla (*) 7. Mi sembra di avere molte buone qualità 8. Sento di essere una persona di valore, almeno tanto quanto gli altri 9. Complessivamente sono soddisfatta di me stessa 10. Mi pare di non avere molto di cui essere orgogliosa (*)

14 Programma del Corso Casa vogliamo sapere da questa ricerca Definizione problema Esiste una differenza tra immagine ideale e reale? Esistono delle differenze tra i due gruppi (anoressiche vs Scelta del Campione non anoressiche)? Vi è una relazione tra anoressia e autostima variabili relazioni Vi è una relazione tra figura ideale, figura reale e autostima? Tecniche statistiche appropriate Tipo di conclusioni

15 Programma del Corso Rappresentatività dei campioni Definizione problema Come sono state reclutate le ragazze facenti parte del campione? Quanto validi saranno i nostri risultati? Scelta del Campione A quali persone possiamo generalizzare i risultati? variabili relazioni Tecniche statistiche appropriate Tipo di conclusioni

16 Programma del Corso Scale di misura: Come sono fatte le variabili Definizione problema misurate Che tipi di valori assumono le variabili figura ideale e Scelta del Campione figura reale? Come otteniamo un punteggio di autostima sulla base variabili relazioni dei 10 item della scala di autostima? Quanto è attentibile il nostro punteggio di autostima, e quello delle figure ideali e reali? Tecniche statistiche appropriate Tipo di conclusioni

17 Programma del Corso Quali analisi statistiche ci servono? Definizione problema Come si fanno? Scelta del Campione Come si interpretano variabili relazioni Tecniche statistiche appropriate Tipo di conclusioni

18 Programma del Corso Quale e il problema che voglio risolvere? Definizione problema Quante persone sono depresse? Quale è l'età in cui si sviluppa il linguaggio? Il cioccolato fa bene all'umore? Scelta del Campione variabili Ci sono differenze tra maschi e femmine nell atteggiamento verso il calcio? relazioni C e una relazione tra personalita e tasso di suicidio? Al netto del reddito, il grado di instruzione influenza l atteggiamento politico? Tecniche statistiche appropriate Tipo di conclusioni

19 Programma del Corso Su quali persone si intende trarre conclusioni Definizione problema Sugli esseri umani in generale Sugli studenti di STP Scelta del Campione variabili Sui destrimani di Abbiate Grasso relazioni Come scelgo il campione Tecniche statistiche appropriate Campioni Casuali (ricerche sul campo e esperimenti) Campioni Stratificati (sondaggi di opinione) Tipo di conclusioni Campioni Spontanei (televoto e sondaggi internet)

20 Programma del Corso Capire la composizione delle popolazioni Definizione problema Quanti pesci ci sono in un lago Quanta gente vive a Milano Scelta del Campione Quante persone che usano il Lexotan hanno risposto al mio questionario variabili relazioni Rappresentatività dei campioni Fino a che punto si può generalizzare i risultati Tecniche statistiche appropriate Di quanta gente ho bisogno per avere risultati attendibili In che misura le mie stime corrispondono alla realtà dei Tipo di conclusioni fatti

21 Programma del Corso Scale di misura: Come sono fatte le variabili Definizione problema misurate Continue (eta, autostima, estroversione, tempi di Scelta del Campione reazione, etc..) Dicotomiche (sesso, risposte si-no) variabili relazioni Categoriche (colore dei capelli, nazionalita, diagnosi DMS III) Tecniche statistiche appropriate Tipo di conclusioni

22 Programma del Corso In che relazioni sono le variabili Definizione problema allo stesso livello (associazione) Una dipende dall altra (predizione) Scelta del Campione Che relazioni voglio studiare variabili relazioni di associazione (ricerche sul campo) di relazione causale (esperimenti) Tecniche statistiche appropriate Tipo di conclusioni Disegni sperimentali e la loro logica

23 Programma del Corso In che relazioni sono le variabili Definizione problema allo stesso livello (associazione) Una dipende dall altra (predizione) Scelta del Campione Che relazioni voglio studiare variabili relazioni di associazione (ricerche sul campo) di relazione causale (esperimenti) Tecniche statistiche appropriate Tipo di conclusioni Disegni sperimentali e la loro logica

24 Programma del Corso Tecniche statistiche considerate per studiare i Definizione problema diversi tipi di relatione tra diversi tipi di variabili Scelta del Campione Tutte le tecniche statistiche considerate consentono di stimare e valutare un modello variabili relazioni statistico dei dati, cioè del fenomeno empirico investigato (cf. dopo) Tecniche statistiche appropriate Tipo di conclusioni

25 Programma del Corso Che cosa vogliamo sapere? Definizione problema Quanto sono forti le relazioni osservate (descrizione) Se le relazioni non sono dovute al caso (inferenza) Scelta del Campione variabili La precisione delle nostre stime (inferenza) relazioni Significatività dei risultati Che senso hanno i nostri risultati? Tecniche statistiche appropriate Quanto sono attendibili? Quanto sono teoricamente sensati? Tipo di conclusioni

26 Il modello statistico Un semplice modello statistico è una rappresentazione efficiente e compatta dei dati raccolti per descrivere un fenomeno empirico

27 Misura di rendimento universitario Q: Come va all'università all'università?

28 Misura di rendimento universitario Q: Come va all'università all'università? R: Male Ovviamente la statistica si interessa della rappresentazione quantitativa delle quantità e qualità del fenomeno studiato

29 Misura di rendimento universitario Q: Come va all'università all'università? R: 1. Psicologia Generale : Biologia e Genetica: Elementi di Psicometria: Fondamenti Anatomo-Fisiologici: Psicometria: 30 Queste informazioni rappresentano i dati che descrivono l'intero fenomeno (rendimento scolastico), non una rappresentazione efficiente e compatta del fenomeno

30 Misura di rendimento universitario Q: Come va all'università all'università?

31 Misura di rendimento universitario Q: Come va all'università all'università? Queste informazioni rappresentano i dati che descrivono l'intero fenomeno (rendimento scolastico), non una rappresentazione efficiente e compatta del fenomeno

32 Rappresentazione di rendimento universitario Q: Come va all'università all'università? R: Ho una media del i X i N = X

33 Misura di rendimento universitario Q: Come va all'università all'università? Queste informazioni rappresentano i dati che descrivono l'intero fenomeno (rendimento scolastico), non una rappresentazione efficiente e compatta del fenomeno

34 Rappresentazione di rendimento universitario Q: Come va all'università all'università? R: Ho una media del i X i N =X La media può rappresentare (cioè funge da rappresentazione statistica) la distribuzione di frequenza dei voti agli esami

35 Rappresentazione di rendimento universitario Q: Come va all'università all'università? R: Ho una media del i X i N =X La media può rappresentare (cioè funge da rappresentazione statistica) la distribuzione di frequenza dei voti agli esami

36 Rappresentazione di rendimento universitario Q: Come va all'università all'università? R: Ho una media del i X i N = X Tutte le assunzioni relative a questa rappresentazione (forma della distribuzione, plausibilità della rappresentazione) sono il modello statistico del fenomeno

37 Rappresentazione di rendimento universitario Il modello statistico e la rappresentazione che ne facciamo serve (tra l'altro) a tre scopi: Descrizione efficiente e compatta Predizione del futuro Inferenza sulla popolazione Cioè: comprensione del fenomeno 28.4

38 Rappresentazione di rendimento universitario Il modello statistico e la rappresentazione che ne facciamo serve (tra l'altro) a tre scopi: Descrizione efficiente e compatta Con un solo numero (o più numeri in modelli più complessi della media) possiamo descrivere una serie anche molto grande di quantità 28.4

39 Rappresentazione di rendimento universitario Il modello statistico e la rappresentazione che ne facciamo serve (tra l'altro) a tre scopi: Predizione del futuro A parità del resto, ci aspettiamo che il prossimo esame dia un voto di 28 Non abbiamo altre ragioni per aspettarci un voto più basso o più alto 28.4

40 Rappresentazione di rendimento universitario Il modello statistico e la rappresentazione che ne facciamo serve (tra l'altro) a tre scopi: Inferenza sulla popolazione Mediante il modello statistico possiamo interrogarci se la popolazione da cui provengono i nostri dati abbia (as esempio) una media maggiore di

41 Rappresentazione di rendimento universitario Il modello statistico e la rappresentazione che ne facciamo serve (tra l'altro) a tre scopi: Predizione del futuro A partià del resto, ci aspettiamo che il prossimo esame dia un voto di 28 Non abbiamo altre ragioni per aspettarci un voto più basso o più alto 28.4

42 Errore associato alla Rappresentazione Come tutte le rappresentazioni compatte ed efficienti, anche quella statistica è una approssimazione dei dati rappresentati 28.4 Se, per semplificare, diremo che la nostra performance è di 28.4, misrappresenteremo alcuni dei nostri voti effettivi

43 Errore associato alla media L approssimazione (errore) data dalla media può essere calcolata semplicemente come differenza tra il valore rappresentato (il dato grezzo) e il rappresentante (la media) 1. Psicologia Generale : Biologia: Psicometria I: = = Fondamenti Anatomo-Fisiologici: Psicometria II:

44 Errore associato alla media L approssimazione (errore) data dalla media può essere calcolata semplicemente come differenza tra il valore rappresentato (il dato grezzo) e il rappresentante (la media) i X i X N 1 2

45 Errore associato alla media Cioè otteniamo la varianza della variabile voti i X i X N 1 2 =Var X

46 Modello di rendimento universitario Q: Come va all'università all'università? Il nostro modello statistico ci consente di rappresentare la nostra performance agli esami come un numero (il parametro media ) e ci indica quanto errore (la varianza) commettiamo nel descrivere la nostra performance con la media

47 Il programma del corso Tutte le techniche statistiche del nostro corso non sono altro che delle rappresentazioni compatte ed efficienti di fenomeni misurati Ogni rappresentazione ci consentirà di parlare di una grande mole di informazioni mediante un ristretto numero di parametri Ogni modello ci consentirà di valutare la bontà della nostra rappresentazione (inversa all'errore)

48 Il programma del corso Tutte le tecniche statistiche del nostro corso non sono altro che delle rappresentazioni compatte ed efficienti di fenomeni misurati Ogni rappresentazione ci consentirà di parlare di una grande mole di informazioni mediante un ristretto numero di parametri Ogni modello ci consentirà di valutare la bontà della nostra rappresentazione (inversa all'errore)

49 Considerazioni Teoriche Il modo migliore per studiare le varie tecniche statistiche è: Capire di cosa esse sono il modello (ad esempio di una relazione due variabili continue, della relazione tra molto variabili, etc.). Quali parametri ci consentono di quantificare in maniera compatta il nostro fenomeno (cosa devo guardare e sapere cosa vuol dire) Quanto la nostra rappresentazione è buona o erronea (associata a molto errore)

50 Considerazioni Pratiche Il modo migliore per studiare le varie tecniche statistiche e adoperarle Adoperarle significa esercitarsi con SPSS Durante le esercitazioni verranno forniti vari database su cui esercitarsi Per ogni tecnica e fondamentale sapere: 1) Cosa serve, 2) su quali variabili si applica, 3) come si fa in SPSS, 4) come si interpretano i risultati Fatto ciò, l esame sarà un passeggiata!!!!

51 Fine Fine della Lezione I