Università degli Studi di Trento
|
|
- Sibilla Pinto
- 7 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Trento Dottorato di Ricerca in Statistica Metodologica XIII ciclo Anno accademico 1999/2000 TESI DI DOTTORATO Modelli con variabili latenti e indicatori di tipo misto Dottorando: Pietro Giorgio Lovaglio Relatore: Prof. Giuseppe Boari
2 INDICE DEGLI ARGOMENTI INTRODUZIONE CAPITOLO 1: I modelli strutturali 1.1 Specificazione del modello. 1.2 Identificazione. 1.3 Stima dei parametri. 1.4 Verifica di validità del modello. 1.5 Il caso di indicatori misti Correlazione tetracorica Correlazione policorica Correlazione poliseriale. 1.6 Metodi di stima dei parametri strutturali con dati misti. 1.7 Osservazioni. CAPITOLO 2: Problemi legati all utilizzo di LISREL 2.1. Specificazione delle variabili latenti e identificazione Confronto degli assunti teorici del modello fattoriale, rispetto a quelli della regressione multipla 2.2 Indeterminatezza dei punteggi latenti del modello LISREL dovuta a rotazioni 2.3 Indeterminatezza intrinseca delle variabili latenti. Teorema 2.1, Lemma 2.1, Teorema 2.2, Lemma Normalità. 2.5 Distorsione e robustezza delle stime. 2.6 Carattere confermativo del LISREL e stime simultanee dei parametri. 2.7 Soluzioni del modello di covarianza ricavate dalla matrice di correlazione. 2.8 Non sensibilità alla scala di misurazione delle variabili manifeste. 2.9 Conclusione. CAPITOLO 3: L uso di indicatori categoriali: un approccio di optimal scaling 3.1 Scaling e Optimal scaling. 3.2 Scaling: soggetti, variabili o entrambi.
3 3.2.1 Tipo di dati Multidimensionalità e Unidimensionalità del continuum latente. 3.3 Metodi di scaling e optimal scaling in presenza di un modello statistico Scaling con consistenza interna e metodi di scale construction Multidimensional scaling. 3.4 Optimal scaling derivato da una funzione obiettivo Analisi delle Corrispondenze Multiple (MCA) Medie reciproche (RAM) Correlazione Canonica Metodo Pca Metodo Anova Regressione multipla. 3.5 Optimal scaling ottenuto simultaneamente con il modello statistico. 3.6 Discussione Primo filone Secondo filone: metodi di O.S. in senso stretto Terzo filone. 3.7 Utilizzo della filosofia Alsos nei modelli strutturali. CAPITOLO 4: La stima delle Lv in un modello strutturale con indicatori categoriali 4.1 Univocità ed individuazione delle variabili latenti 4.2 Stima di LV come trasformata da un gruppo di variabili: un tentativo la Restricted Component Decomposition Metodologie che rinunciano alla stima della struttura causale del modello fattoriale Proprieta dei vettori latenti stimati con SVD (Teorema 4.1) L uso di indicatori categoriali Una funzione di perdita che generalizza gli approcci di Componenti principali non lineari (NPCA), Componenti principali (PCA), Analisi delle corrispondenze multiple (MCA) Stima di punteggi latenti e legami causali in un unico algoritmo: PLS 4.3. Proposta metodologica per la stima simultanea di LV e i legami causali del modello fattoriale
4 4.4 LV e modello strutturale: stima simultanea e problemi Analisi di Correlazione Canonica 4.5 Stima dei modelli di misura del modello strutturale La stima dei punteggi latenti 4.6 Una procedura equivalente 4.7 La stima dei modelli strutturali con LV. 4.8 Il modello di misura con LV supportate da indicatori categoriali LV in presenza di un solo indicatore e molteplici cause LV con molteplici indicatori e molteplici cause 4.9 Algoritmo per la stima dei parametri di un modello causale con due insiemi di LV 4.10 Estensione al caso di LV supportate da indicatori differenti Osservazioni sulla tecnica proposta 4.12 Vantaggi della metodologia adottata e proprietà delle LV stimate CAPITOLO 5: Un applicazione: la stima del capitale umano delle famiglie americane 5.1 Il Problema 5.2. Stima di h con PLS 5.3. Analisi critica 5.4 Reduced Rank Regression con dati misti 5.5 Output dell analisi Componente Educazionale Componente Professionale APPENDICE A: Un algoritmo per la regressione multipla con variabili miste A.1 Introduzione A.2 La stima A.3 Osservazioni APPENDICE B: Un algoritmo per la stima di LV da un insieme di indicatori misti. B.1 Algoritmo B.2 B.2 Osservazioni sull algoritmo
5 APPENDICE C: Proprietà delle LV stimate con SVD. C.1 Proprietà dei fattori ricavati da SVD APPENDICE D: La Regressione monotona o isotonica. D.1. La regressione monotona D.2 Distorsione ed efficienza D.3 Consistenza D.4 Esempi INTRODUZIONE
6 Il concetto di variabile latente (LV) è forse uno dei più affascinanti e dibattuti degli ultimi cinquantanni, nonostante ancora oggi ci è solo possibile una sua definizione negativa: ciò che non è osservabile, mancando sia di origine che di unità di misura. Una delle maggiori difficoltà per un ricercatore di scienze sociali nella specificazione di un modello statistico che descriva i nessi causali tra variabili deriva dal fatto che le variabili oggetto dell'analisi non sono direttamente osservabili; si pensi in sociologia allo status sociale, motivazione, attitudine; in psicologia ad intelligenza, abilità verbale, in economia ai concetti di aspettative, reddito permanente etc. Anche se tali costrutti ipotetici che chiameremo nel proseguo variabili latenti (LV), non possono essere direttamente osservabili, l uso di opportuni indicatori può aiutare la misurazione delle LV più o meno accuratamente. Per avere una descrizione più accurata di un concetto non misurabile direttamente come ad esempio la motivazione scolastica è preferibile considerare più di un solo indicatore per ogni LV, se non altro per la difficoltà di far coincidere la suddetta LV con una sola variabile manifesta. L'analisi fattoriale, forse il più noto metodo di analisi causale con LV, cercò di motivare la correlazione tra un certo numero di variabili manifeste supponendo l esistenza di un numero inferiore di costrutti teorici sottostanti (LV) alle variabili osservate e che queste ultime siano in realtà diversi modi (effetti) di rappresentare tali LV. Un altra ragione che giustifica l introduzione del concetto di LV è che molte variabili in contesto socioeconomico presentano errore di misura, dovuto sia ai non perfetti strumenti di misurazione (test, questionari), sia alla non replicabilità del fattore umano. La tecnica più nota per lo studio delle LV, in tale contesto chiamati fattori, è l analisi fattoriale inizialmente sviluppata in ambito psicometrico a partire dai tentativi di Spearman (1904) di misurare l intelligenza umana, articolandola come componente comune presente in tutte le variabili manifeste come abilità verbale, abilità matematica etc. L analisi fattoriale è oggi universalmente applicata nei più svariati campi di indagine socio-economica (in particolare in psicologia), tuttavia nonostante la semplicità e l applicabilità del metodo per l individuazione di LV col passare degli anni apparve un metodo rigido e povero dal punto di vista causale.
7 Gli sviluppi successivi dell analisi fattoriale hanno lasciato scettici gli statistici sia per gli ampi margini di arbitrarietà del metodo (su cui torneremo ampiamente) sia poichè non prevedeva la possibilità di specificare eventuali relazioni tra LV, dunque la distinzione tra LV esogene ed endogene. Contemporaneamente in contesto econometrico nascevano modelli che permettevano la specificazione in un unico modello di relazioni dirette, indirette, legami ricorsivi e di retroazione, tra variabili esogene ed endogene: i cosiddetti modelli causali e i modelli di equazioni strutturali (o ad equazioni simultanee) che ebbero successo nelle applicazioni di carattere sogiologico.. La specificazione di un metodo che inglobasse l analisi fattoriale all interno di un modello (causale) statistico fu proposta da Lawley (1940) tuttavia mai concretizzata dal punto di vista della stima per difficoltà di calcolo: tuttavia il tentativo di Lawley pose seriamente il problema di fondere in un unico approccio il concetto di LV e le sue relazioni con le variabili osservate e lo studio dei nessi di causalità tra LV. L econometria, affrontando il problema delle relazioni di causalità fra variabili in campo economico con i modelli ad equazioni simultanee, escludeva tuttavia il concetto di variabile latente trascurando l errore nelle variabili, pur ipotizzando l'errore nelle equazioni. Contemporaneamente all Analisi fattoriale la psicometria portava avanti la ricerca sul versante della misurazione, della validità e dell affidabilità, elaborando tecniche chiamate scale di misurazione (unidimensionali e multidimensionali), finalizzate alla misurazione di variabili psicologiche non osservabili. A questi sviluppi vanno aggiunti quelli proposti negli anni trenta dal genetista Sewall Wright (1934) che si pose il problema di misurare i nessi causali tra variabili e di quantificare l impatto diretto, indiretto, attraverso i path coefficients da cui la tecnica derivò il nome di Path Analysis. I lavori di Wright rimasero sconosciuti per molti anni fino a quando vennero diffusi ai sociologi da un famoso articolo di Duncan del 1966 sulla stratificazione sociale e la path analysis conobbe popolarità tra gli studiosi sociali. Con l inizio degli anni Settanta, un dibattito fiorente contribuì a far convergere le varie scuole di pensiero: Golberger in econometria, Duncan in sociologia e Joreskog in
8 psicometria furono gli esponenti più impegnati di una affannosa ricerca che culminò con la proposta di Karl Joreskog nel 1970 della formulazione di un modello con LV, non più limitato all analisi fattoriale, ma applicabile ai modelli ad equazioni strutturali. L esigenza di fondere due tradizioni di ricerca, l una relativa alle LV (analisi fattoriale), l altra relativa ai modelli di equazioni strutturali (Path Analysis ed equazioni simultanee), giustifica quel capitolo che in statistica multivariata è stato chiamato dei modelli di equazioni strutturali o più semplicemente modelli strutturali. La scuola svedese metteva a punto un software battezzato dallo psicometrico Karl Joreskog nei primi anni settanta LISREL (LInear Structural RELationship) per la stima dei parametri strutturali dell analisi fattoriale e della Path Analysis. Tuttavia l iniziale approccio valido per soli modelli di misura fu rapidamente superato dagli stessi autori e l applicazione di LISREL fu estesa ai modelli ad equazioni strutturali. LISREL (oggi alla settima versione) è diventato il termine più utilizzato per intendere gli approcci teorici dei modelli strutturali, della path Analysis, dei modelli causali e dell Analisi fattoriale. Il modello LISREL ad oggi costituisce il punto di arrivo per lo studio dei legami causali tra LV, oggi largamente applicato e diffuso in studi socio-psicologici e di marketing anche per la diffusione del software omonimo. Il presente lavoro affronta le problematiche che più affliggono il modello LISREL e propone un metodo più versatile che risolve la rigidità del LISREL. Nel primo capitolo mostreremo le procedure e la metodologia del Modello LISREL e delle sue varianti più importanti nel caso, ampiamente ricorrente nelle scienze sociali, di indicatori (che supportano le LV) misti, cioè qualitativi e quantitativi. Nel secondo capitolo emergerà immediatamente l eccessiva arbitrarietà dei metodi finora utilizzati che portano a restringere le possibilità di analisi, sia per problemi insiti alla metodologia statistica, sia perchè non prevedono opzioni oggi sempre più invocate dai ricercatori sociali; si pensi ad esempio all impossibilità, nel modello LISREL e nelle sue varianti, dell inserimento di indicatori politomici nominali. Verranno formulate alcune caratteristiche ideali, auspicabili in un modello che spieghi i legami strutturali con variabili latenti; in particolare, che non sia parametrico e preveda la
9 possibilità di analisi per ogni combinazione di variabili osservate (nominale, ordinale, continua), possibilità non previste con LISREL. Nel terzo capitolo per la stima dei punteggi delle variabili latenti viene proposta una metodologia nell ambito dei modelli strutturali che utilizza l Optimal Scaling, come metodo, ponendoci lontano dalla definizione classica di variabile latente come costrutto teorico inosservabile, tipico dell Analisi fattoriale, ma piuttosto identificando le LV come combinazioni lineari esatte degli indicatori optimally scaled. Tale metodologia: 1. risolve il problema delle variabili qualitative, sia nominali che ordinali, con l optimal scaling, specificando gli indicatori qualitativi con le matrici indicatore ed ottenendone i punteggi e le categorie, massimizzando una funzione obiettivo imposta dall analisi causale (Optimal Scaling). 2. concepisce le LV come costrutti intermedi di due insiemi di variabili: le variabili che generano tali LV e quelle di cui sono effetti (secondo l Analisi fattoriale). Tali indicatori possono essere variabili anche categoriali o miste (qualitative e quantitative) laddove le categoriali vanno trasformate in modo ottimale, massimizzando una funzione di perdita coerente con il modello. L'optimal Scaling specifica ogni variabile qualitativa come il prodotto di una matrice indicatore e di un vettore di parametri di scaling; esso quantifica in modo ottimale le categorie della variabili qualitativa ed ottiene i punteggi (scores) degli individui, inizialmente identificati solo dalla categoria di appartenenza. Gli scores così ottenuti possono essere trattati, a tutti gli effetti, come determinazioni di variabili casuali continue; in questo modo la stima dei parametri strutturali potrebbe avvenire in un secondo passo applicando le metodologie classiche per dati continui (equazioni simultanee, LISREL, Path Analysis). Tuttavia una stima in due passi successivi non è efficiente, tanto che sarà preferito un algoritmo che stima simultaneamente i parametri di scaling e i parametri strutturali, ispirandoci alle metodologie Als (Alternating Least Squares) concepite per la stima simultanea di parametri causali e parametri che trasformano in maniera ottimale i dati categoriali.
10 L uso della filosofia Als, non della metodologia tout court, è utile per la trattazione dei dati categoriali, tuttavia essa: 1. non è stata concepita né mai applicata per i modelli strutturali con LV 2. non è esente da critiche, come viene mostrato in Appendice D Nel terzo capitolo verrà mostrata l arbitrarietà e l inapplicabilità dei metodi classici di optimal scaling tipici dell Analisi delle corrispondenze nel risolvere il problema della stima di variabili latenti supportate da indicatori misti, perchè in primo luogo la Mca non è stata concepita per analisi causali, (non prevede la differenza tra variabile esogena e variabile endogena), in secondo luogo i metodi Mca proposti per stimare le dimensioni latenti e trasformare i dati categoriali utilizzano un criterio di ottimo arbitrario e in terzo luogo per l impossibilità di utilizzare simultaneamente dati misti. Nel quarto capitolo, che consiste nella parte innovativa dell intero lavoro, verrà formulato un modello in alternativa al LISREL, analizzando le proposte e i modelli con LV, come PLS, RCD, MIMIC; per tali metodologie saranno analizzati i seguenti spetti metodologici: 1. coerenza delle stime con la specificazione del modello e dei nessi causali tra LV (endogene ed esogene) e tra LV ed indicatori 2. unicità dei punteggi stimati delle LV 3. possibilità di indicatori categoriali (nominali e ordinali) o misti 4. caratterizzazione dei metodi come parametrici Rispetto ai quattro punti menzionati verrà proposto un modello che stima i legami causali tra LV supportati da indicatori misti che non è parametrico e che rispetta nella tecnica di stima dei parametri la struttura causale del modello. Il modello proposto (Cap.4) poggia su una definizione di LV che generalizza in senso più ampio le definizioni del modello fattoriale, di PLS ed RCD che fanno coincidere i punteggi di una LV come combinazione lineare di un insieme di indicatori continui. I metodi proposti sono di carattere esplorativo ed essenzialmente di natura descrittiva, non avendo nessuna velleità di tipo inferenziale, sia perchè le proprietà dell'inferenza non sono garantite in contesto di optimal scaling (ambito prescelto per la trattazione di dati categoriali), come la distribuzione degli errori normale ed il calcolo dei gradi di libertà che non è un parametro fisso, ma variabile perchè varia al variare del numero dei valori mancanti.
11 Per quanto si è detto tuttavia rifiutare a priori comode ipotesi distribuzionali appare realisticamente più un vantaggio che un limite.
Statistica multivariata 27/09/2016. D.Rodi, 2016
Statistica multivariata 27/09/2016 Metodi Statistici Statistica Descrittiva Studio di uno o più fenomeni osservati sull INTERA popolazione di interesse (rilevazione esaustiva) Descrizione delle caratteristiche
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
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 1.1 - Misurare in psicologia Davide Massidda davide.massidda@gmail.com Che cosa è la misura Misurare significa assegnare dei valori numerici a oggetti
DettagliMatrici di Raven (PM47)
Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM38) TRA I TEST DI TIPICA PERFORMANCE Test proiettivi Test self-report di personalità Questionari psichiatrici
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez. 1 - La misura del comportamento - cosa misuriamo?
Scopo del corso Il corso si propone di offrire allo studente: un introduzione alle tematiche connesse alla misura in psicologia Scopo del corso Organizzazione del corso Il corso si propone di offrire allo
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.4 Introduzione ai test psicologici Attendibilità di un test Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitoli 4-5 Gianmarco Altoè Dipartimento di
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
Dettagli1. L efficienza tecnica e allocativa: concetti base
Manuale del sistema di valutazione della performance degli ospedali lombardi ISBN 978-88-548-5343-0 DOI 10.4399/97888548534308 pag. 63 67 (novembre 2012) Efficienza PAOLO BERTA, GIANMARIA MARTINI, GIORGIO
DettagliMODELLI MULTIVARIATI CON VARIABILI QUALITATIVE: UNA PROPOSTA ALTERNATIVA
MODELLI MULTIVARIATI CON VARIABILI QUALITATIVE: UNA PROPOSTA ALTERNATIVA Pietro Giorgio Lovaglio Università degli Studi di Milano, Facoltà di Economia, Bicocca Dipartimento di Metodi Quantitativi Sommario
DettagliPrefazione Ringraziamenti
Prefazione Ringraziamenti Autori Connect XIII XVII XIX XXI Capitolo 1 La misura dell anima 1 1.1 Misurare in psicologia 1 1.1.1 Peculiarità della misura in psicologia 2 1.1.2 L errore nella misura in psicologia
DettagliLezione 1: Introduzione. Prof. Massimo Aria
Lezione 1: Introduzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Introduzione La Statistica Il termine statistica deriva, nella lingua italiana,
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2014/15 Prof.ssa Tiziana Laureti 01. Introduzione al corso 1 Statistica per le ricerche
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
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliIntroduzione. Eduardo Rossi 2. Marzo Università di Pavia (Italy) Rossi Introduzione Econometria / 11
Eduardo Rossi 2 2 Università di Pavia (Italy) Marzo 2014 Rossi Introduzione Econometria - 2014 1 / 11 Econometria significa misurazione economica. Lo scopo dell econometria è molto più ampio. Definizione
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliLa scelta fra le alternative
La scelta fra le alternative I metodi analisi paretiana eliminazione delle alternative dominate come scegliere tra le alternative pareto efficienti? analisi a molti attributi classica analisi gerarchica
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliCopyright Esselibri S.p.A.
70 3000 500 000 1500 1000 500 A B C D (a) Capitolo Terzo A B C D 500 1000 1500 000 5003000 3500 Fig. 1 - Ortogramma a colonne (a) e ortogramma a nastri (b) 4. MISURE DI ASSOCIAZIONE E DI COGRADUAZIONE
DettagliBenché apparentemente distanti fra loro i due approcci hanno aspetti comuni, i metodi di costruzione dei test sono simili e, soprattutto, entrambi
Esistono due grandi orientamenti all'interno della psicometria:il modello funzionalista e quello dei tratti. L'approccio strettamente funzionalista ritiene che il disegno di un test sia completamente determinato
DettagliMetodologia di implementazione del sistema per la spazializzazione dei dati meteo
Metodologia di implementazione del sistema per la spazializzazione dei dati meteo Metodologia di implementazione del sistema per la spazializzazione dei dati meteo . Metodologia Le reti di monitoraggio
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2012/13 Dr. Luca Secondi 01. Introduzione al corso 1 Statistica per le ricerche di mercato
DettagliModellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
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
DettagliMetodo dell albero ramificato
Metodo dell albero ramificato Capitolo 2 e 3 Il metodo dell albero ramificato Un alternativa al quadrato di Punnett ed i concetti di probabilita detti, è unire in un albero i risultati possibili e le eventuali
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
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliUniversità degli Studi di Cassino. Corso di Laurea in Economia Aziendale. Corso di. Statistica. Docente: Simona Balzano.
Università degli Studi di Cassino Corso di Laurea in Economia Aziendale Corso di Statistica Docente: Simona Balzano s.balzano@unicas.it a.a. 2013-14 Statistica = Scienza delle decisioni in condizioni di
DettagliMODULO 1 - Esponenziali e logaritmi
PROGRAMMAZIONE INDIVIDUALE A. S. 2014.15 DOCENTE: Gagliardi Stefano CLASSE: 3 a AT MATERIA: Matematica ASSE CULTURALE: Asse Matematico MODULO 1 - Esponenziali e logaritmi Le potenze e le proprietà delle
DettagliIndice generale. Introduzione. Capitolo 1 Essere uno scienziato dei dati... 1
Introduzione...xi Argomenti trattati in questo libro... xi Dotazione software necessaria... xii A chi è rivolto questo libro... xii Convenzioni utilizzate... xiii Scarica i file degli esempi... xiii Capitolo
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito Possibili domande d esame per la parte di Teoria e Tecnica dei Test Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2010-2011 Sommario
DettagliCORSO DI LAUREA IN SCIENZE DELL'EDUCAZIONE E DELLA FORMAZIONE CORSO DI LAUREA IN SCIENZE E TECNICHE PSICOLOGICHE. Pedagogia generale
CORSO DI LAUREA IN SCIENZE DELL'EDUCAZIONE E DELLA FORMAZIONE CORSO DI LAUREA IN SCIENZE E TECNICHE PSICOLOGICHE Insegnamento Livello e Corso di Studio Pedagogia sperimentale Corso di Laurea in Scienze
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
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
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
DettagliUniversità di Bologna Facoltà di Scienze statistiche LISREL. (Alessandro Lubisco)
Università di Bologna Facoltà di Scienze statistiche LISREL (Alessandro Lubisco) INDICE Indice... i Modelli di equazioni strutturali... 1 Premessa... 1 Cenni storici... 2 La Path Analysis... 3 Il path
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
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
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
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
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
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
DettagliPaul Anthony Samuelson Fondamenti di analisi economica CATALOGO 22
Paul Anthony Samuelson Fondamenti di analisi economica CATALOGO 22 ',_ Istituto Universitario Architettura Venezia EG 920 Paul Anthony Samuelson FONDAMENTI DI ANALISI ECONOMICA Introduzione di Antonio
DettagliIMPUTAZIONE MULTIPLA: UN APPLICAZIONE ALL ANALISI DI DATI DI REDDITO
Università degli studi di Firenze Dipartimento Statistico DOTTORATO IN STATISTICA APPLICATA VII CICLO IMPUTAZIONE MULTIPLA: UN APPLICAZIONE ALL ANALISI DI DATI DI REDDITO Anna Giraldo Relatore: Prof. Luigi
DettagliAnalisi statistica multivariata
Università di Bologna Sede di Rimini Anno Accademico 2005-2006 Analisi statistica multivariata (Alessandro Lubisco) Materiale relativo al primo periodo: - Lisrel INDICE Indice...i Modelli di equazioni
DettagliWe model for you. Proposta agli istituti di ricerca che operano in Italia Marzo 2013
Servicing di elaborazione indagini Proposta agli istituti di ricerca che operano in Italia Marzo 2013 Servicing di elaborazione indagini Da alcuni anni GMR svolge un attività di servicing esterno ad alcuni
DettagliPOLITECNICO DI BARI I FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA MECCANICA DIPARTIMENTO DI INGEGNERIA MECCANICA E GESTIONALE
POLITECNICO DI BARI I FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA MECCANICA DIPARTIMENTO DI INGEGNERIA MECCANICA E GESTIONALE TESI DI LAUREA IN MECCANICA DEI MATERIALI DESIGN OTTIMO DI UN ANTENNA
DettagliAnalisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative)
Programma di studio AA 2008-2009 Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative) Modulo unico 10 cfu corso
DettagliProf. Roberto Melchiori
CORSO DI LAUREA IN SCIENZE DELL'EDUCAZIONE E DELLA FORMAZIONE CORSO DI LAUREA IN SCIENZE PSICOLOGICHE DEL LAVORO E DELLE Anno Accademico2013/2014 PROGRAMMA DEL CORSO DI Pedagogia sperimentale Prof. Roberto
DettagliNOZIONE DI VARIABILE. Varie accezioni
NOZIONE DI VARIABILE Varie accezioni - espediente fisico mediante il quale si rileva e si registra lo stato o modalità secondo il/la quale una determinata proprietà (grandezza o attributo) si presenta
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.2 Introduzione ai test psicologici Validità a priori di un test Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitolo 2 Gianmarco Altoè Dipartimento di
DettagliTeoria e tecniche dei test. Lezione 4 a.a. 2013/14 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA
Teoria e tecniche dei test Lezione 4 a.a. 2013/14 TEORIE E MODELLI DI COSTRUZIONE DEI TEST PSICOLOGICI LA STRUTTURA DI UNA TEORIA Nella costruzione di un test psicologico devono essere presi in considerazione
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
DettagliIndicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Indicatori [1/4] Gli indicatori: sintetizzano le caratteristiche di un fenomeno colgono aspetti e problemi del fenomeno che non hanno una immediata
DettagliLa Statistica: introduzione e approfondimenti
La Statistica: introduzione e approfondimenti Definizione di statistica Che cosa è la statistica? La statistica è una disciplina scientifica che trae i suoi risultati dalla raccolta, dall elaborazione
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
DettagliCORSO DI LAUREA IN PSICOLOGIA. Pedagogia sperimentale Corso Avanzato (CA) Corso di Laurea Magistrale in Psicologia LM-51
CORSO DI LAUREA IN PSICOLOGIA Insegnamento Livello e Corso di Studio Settore scientifico disciplinare (SSD) Pedagogia sperimentale Corso Avanzato (CA) Corso di Laurea Magistrale in Psicologia LM-51 M-PED/04
DettagliMETODI DI QUANTIFICAZIONE PER LE VARIABILI QUALITATIVE ORDINALI
Statistica Applicata Vol. 20, n. 1, 2008 61 METODI DI QUANTIFICAZIONE PER LE VARIABILI QUALITATIVE ORDINALI Daniela Nappo, M.G. Grassia Dipartimento di Matematica e Statistica, Università Federico II di
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
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
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
DettagliPSICOLOGIA DELL EDUCAZIONE. Questionario di orientamento allo studio. - Prof.ssa Barbara Arfè -
PSICOLOGIA DELL EDUCAZIONE Questionario di orientamento allo studio - Prof.ssa Barbara Arfè - La prova d'esame per il corso di Psicologia dell'educazione è in forma scritta e comporta la risposta a tre
DettagliRegressione Lineare Multipla
Regressione Lineare Multipla Fabio Ruini Abstract La regressione ha come scopo principale la previsione: si mira, cioè, alla costruzione di un modello attraverso cui prevedere i valori di una variabile
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliInferenza statistica II parte
Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente
DettagliMODELLI E TECNICHE STATISTICHE PER L'ANALISI MULTIDIMENSIONALE DEI DATI
DIPARTIMENTO DI SCIENZE POLITICHE E SOCIALI Corso di laurea magistrale in Sociologia Anno accademico 2016/2017-1 anno MODELLI E TECNICHE STATISTICHE PER L'ANALISI MULTIDIMENSIONALE DEI DATI 12 CFU - 1
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione
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
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliStatistica 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 DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliFacoltà di Giurisprudenza
Facoltà di Giurisprudenza METODOLOGIE STATISTICHE UTILIZZATE PER L ANALISI DELLA SODDISFAZIONE DEGLI STUDENTI FREQUENTANTI A.A. 2010-2011 NUCLEO DI VALUTAZIONE DI ATENEO MILANO PIACENZA - CREMONA ROMA
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
DettagliPrincipi di analisi causale Lezione 3
Anno accademico 2007/08 Principi di analisi causale Lezione 3 Docente: prof. Maurizio Pisati Approccio causale Nella maggior parte dei casi i ricercatori sociali utilizzano la regressione per stimare l
DettagliAssociazione tra caratteri quantitativi: gli indici di correlazione
Associazione tra caratteri quantitativi: gli indici di correlazione Per correlazione si intende una relazione tra due variabili tale che a ciascun valore della prima variabile corrisponda con una certa
DettagliANALISI AFFIDABILITÀ SCALE
RICERCA CONGIUNTA NEL SETTORE DELLA MISURA DELLA SODDISFAZIONE DEGLI UTENTI DEI SITI E DEI SERVIZI ON LINE DELLE AMMINISTRAZIONI E PER LA PREDISPOSIZIONE DI UNO STRUMENTO DI RILEVAZIONE DELLA CUSTOMER
DettagliPls- Path Modeling: teoria e applicazioni
Pls- Path Modeling: teoria e applicazioni Metodi statistici per la Valutazione Prof.ssa Simona Balbi Dipartimento di Scienze Economiche e Statistiche Università di Napoli Federico II E- mail: maria.spano@unina.it
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.3 Introduzione ai test psicologici Punteggi grezzi e Punteggi standardizzati Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitolo 3 Gianmarco Altoè Dipartimento
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
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
DettagliIndice. Prefazione...
Indice Prefazione... IX 1 Introduzione... 1 1.1 L'econometria.... 1 1.2 Struttura del volume... 2 1.3 Esempi ed esercizi... 4 2 Introduzione al modello di regressione lineare... 6 2.1 I minimi quadrati
DettagliL analisi dei dati nell'indagine statistica
ene zia i!'ivn Filomena Maggino L analisi dei dati nell'indagine statistica La realizzazione dell'indagine e l'analisi preliminare dei dari Volume 1 Firenze Uni versi ty \ -" Filomena Maggino :L analisi
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
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliMetodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III
Laboratorio Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III Laura Palmerio Università Tor Vergata A.A. 2005/2006 MISURAZIONE Misurare le variabili Assegnazione di valori numerici
DettagliProgramma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO Prof. CAPOLUPO ROSA
Programma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO 2013-2014 Prof. CAPOLUPO ROSA Pre-requisiti Sono richieste le conoscenze di base della macroeconomia e per quel che riguarda
DettagliUNIVERSITÀ DEGLI STUDI DI FERRARA
UNIVERSITÀ DEGLI STUDI DI FERRARA Anno accademico 2015-2016 Corso di Pedagogia sperimentale Lezione 11/11/2015 Loredana La Vecchia Schema di riferimento Come si valuta? Metodi Quantitativo -Statistico
DettagliDATI INVALSI SUGLI APPRENDIMENTI Italiano-Matematica. Anno scolastico 2011/2012
DATI INVALSI SUGLI APPRENDIMENTI Italiano-Matematica Anno scolastico 2011/2012 In questo documento verranno riportate le informazioni che riguardano i dati relativi all Istituto Tecnico Industriale A.
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
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
DettagliSergio Bolasco MULTIDIMENSIONALE. Metodi, strategie e criteri d'interpretazione DEI DATI. nez1à. .arocc1 ISIVO
ANALISI Sergio Bolasco MULTIDIMENSIONALE Metodi, strategie e criteri d'interpretazione DEI DATI nez1à ISIVO.arocc1 Sergio Bolasco \.'. Analisi multidimensionale dei dati Metodi, strategie e criteri d'interpretazione
DettagliLETTI PER VOI: L uso delle tecniche di matching nella valutazione di efficacia di un farmaco. Cinzia Di Novi. Università Ca Foscari di Venezia,
LETTI PER VOI: L uso delle tecniche di matching nella valutazione di efficacia di un farmaco Cinzia Di Novi Università Ca Foscari di Venezia, Dipartimento di Economia Il matching statistico è sempre più
DettagliLa regressione lineare. Rappresentazione analitica delle distribuzioni
La regressione lineare Rappresentazione analitica delle distribuzioni Richiamiamo il concetto di dipendenza tra le distribuzioni di due caratteri X e Y. Ricordiamo che abbiamo definito dipendenza perfetta
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
DettagliLocalizzazione di una esplosione
XXIII Ciclo di Dottorato in Geofisica Università di Bologna Corso di: Il problema inverso in sismologia Prof. Morelli Localizzazione di una esplosione Paola Baccheschi & Pamela Roselli 1 INTRODUZIONE Problema
DettagliImputazione dati mancanti
Imputazione dati mancanti Una volta preparata la matrice dei dati, occorre controllare alcuni aspetti delle variabili disponibili. Missing Value Range Minimum & Maximum Extreme Values Per verificare la
Dettagli