Analisi dei dati per le scienze del comportamento, Università di Padova

Nozioni statistiche di base

Tipi di variabili

Le fasi di una ricerca scientifica

L'analisi dei dati

ANALISI DEI DATI PER LE SCIENZE DEL COMPORTAMENTO 2. Misurazione e analisi dei dati in psicologia Gianmarco Altoè Dipartimento di Psicologia dello Sviluppo e della Socializzazione Anno Accademico 2024 - 2025, Università di Padova

Sommario

1. Nozioni statistiche di base
2. Tipi di variabili
3. Le fasi di una ricerca scientifica
4. L'analisi dei dati

Nozioni statistiche di base

Tipi di variabili

Le fasi di una ricerca scientifica

L'analisi dei dati

Alcune definizioni di base

• Unità statistica Elementi che costituiscono l'oggetto dell'osservazione e le cui proprietà vengono rilevate.
• Popolazione L'insieme di tutte le unità cui fa riferimento l'osservazione.
• Campione Sottoinsieme della popolazione. Variabile Ogni caratteristica rilevata su ciascuna unità statistica.
• Modalità (o livello) Ogni diversa presentazione di una variabile.

Paura della matematica

Il preside della Facoltà di Medicina ha commissionato a uno statistico un'indagine per conoscere l'atteggiamento degli studenti verso la matematica. Lo statistico seleziona casualmente 100 soggetti dalla lista degli studenti iscritti e rileva le seguenti informazioni: Genere sessuale

• Età
• Anno di iscrizione
• Grado di piacevolezza nei confronti della matematica: Quanto ti piace la matematica? Per niente, Poco, Abbastanza, Molto

Esercizio

Indicare l'unità statistica e la popolazione di riferimento e le variabili rilevate. 4

Una rilevazione dell'ISTAT

Supponiamo che l'ISTAT abbia condotto un'indagine conoscitiva sulle 20 regioni italiane. Supponiamo che per ogni regione siano stati rilevati: la posizione geografica (Nord, Centro, Sud, Isole), il numero di provincie, la temperatura media annuale, la condizione di salute ambientale (pessima, insufficiente, sufficiente, buona) e il reddito medio pro-capite.

Alcune domande

• Quale è l'unità statistica di riferimento? regione
• Quale è la popolazione di riferimento? italia
• Si può parlare di indagine campionaria? no, solo indagini censuarie dove il campione coincide con la popolazione
• Quante e quali sono le variabili di studio?
• Quali sono le modalità di ciascuna variabile?

Statistica descrittiva e statistica inferenziale

• La statistica descrittiva ha come obiettivo quello di riassumere, descrivere, ed esplorare i dati osservati.
• La statistica inferenziale ha come obiettivo quello di utilizzare le informazioni rilevate su un campione della popolazione di riferimento per fare delle affermazioni sulle caratteristiche della popolazione stessa.

Variabili latenti e variabili osservate

Una importante classificazione delle variabili, in particolare in psicologia, è quella che distingue tra variabili latenti e variabili osservate(o manifeste):

• Variabili latenti Una variabile latente rappresenta un concetto unidimensionale nella sua forma pura (Bollen, 1989). Una variabile latente non è direttamente osservabile, ma misurabile solo per via indiretta, tramite appropriate variabili chiamate indicatori. Esempi: l'intelligenza, la socievolezza, l'ansia.
• Variabili osservate Una variabile osservata è una variabile direttamente misurabile. Esempi: l'altezza, il genere sessuale.
• Spesso le variabili osservate vengono utilizzate come indicatori indiretti delle variabili latenti. Esempio: risposte a un test => misurazione dell'ansia. (Pastore, 2015)

Classificazione in base alla scala di misura

Tradizionalmente le variabili si distinguono rispetto alla loro natura metrica:

• Variabile categoriale nominale È composta da categorie (dette anche livelli o modalità) che non possono essere ordinate.
• Variabile categoriale ordinale É composta da categorie (dette anche livelli o modalità) che possono essere ordinate.
• Variabile quantitativa su scala intervallo La scala intervallo è una scala in cui è possibile misurare la distanza tra due punti. Il rapporto tra due intervalli è indipendente sia dall'unità di misura, sia dalla posizione dello zero, che sono entrambi arbitrari. . Variabile quantitativa su scala rapporto La scala a rapporto ha le stesse proprietà della scala ad intervalli, ma lo zero non è arbitrario. Esso coincide con l'assenza del fenomeno misurato.

Esempi di variabili classificate rispetto alla scala di misura

• Variabili categoriali nominali Colore dei capelli, nazionalità, opinione politica ...
• Variabili categoriali ordinali Livello di istruzione, grado di accordo (per niente / poco / abbastanza / molto) . ..
• Variabili quantitative su scala intervallo Temperatura in gradi Celsius o Fahrenheit . Variabili quantitative su scala rapporto Tempo di reazione, punteggio ad un test ..

Variabili categoriali e variabili quantitative

Un terza classificazione, parzialmente sovrapposta a quella precedente, e molto utilizzata nella pratica è quella tra variabili categoriali (misurabili su scala nominale o ordinale) e variabili quantitative (misurabili su scala intervallo o su scala rapporto)

• Nel linguaggio "comune" può capitare di sentir definire impropriamente le variabili categoriali come variabili "qualitative", don't do it!
• Le variabili quantitative possono essere suddivise in:
  • variabili discrete: assumono solo valori interi e numerabili Esempi: numero di risposte corrette, anni di scolarità
  • variabili continue: assumono valori reali che non sono direttamente numerabili Esempi: altezza, pressione del sangue, tempo di reazione, un costrutto psicologico latente

Le fasi di una ricerca scientifica

1. Riflessione basata sulla teoria e su osservazioni/esplorazioni del fenomeno di studio
2. Formalizzazione delle ipotesi di ricerca
3. Operazionalizzazione
   • Dalle ipotesi teoriche all'individuazione di indicatori empirici (le variabili) da utilizzare sul campo
   • Eventuale studio pilota piccolo studio per vedere come va l'esperimento. Campione ridotto rispetto a quello del campione. Non serve per avere un'idea dei risultati, ma per vedere quanto lo studio è attuabile
4. Definizione del metodo di ricerca (Il disegno di ricerca)
   • Il campione oggetto di studio qual è il target
   • Gli strumenti e i metodi per rilevare le variabili di interesse
   • La procedura per la raccolta dei dati come raccolgo i dati?
   • Il piano delle analisi (statistiche) dei dati
5. Raccolta e codifica dei dati
6. Analisi dei dati: analisi delle relazioni tra le variabili di interesse
7. Interpretazione, discussione e diffusione dei risultati

L'analisi dei dati

• Nell'analisi dei dati vengono valutate le relazioni tra le variabili di interesse attraverso dei modelli statistici
• L'obiettivo è valutare le ipotesi di ricerca
• Una importante classificazione tra modelli statistici è quella tra:
  • modelli asimmetrici (ad esempio regressione lineare)
  • modelli simmetrici (ad esempio, correlazione lineare)

Modelli asimmetrici

Y=X dove: x prevede y

• Y è la variabile o l'insieme di variabili dipendente/i
• X è la variabile o l'insieme di variabili indipendente/i
• « indica la direzione della relazione ipotizzata L'idea statistica: Valutare se e in che modo le varibili indipendenti sono in grado di prevedere i valori della/e variabile/i dipendente/i Esempio: voto all'esame <= ore di studio

Modelli simmetrici

X1<> X2 dove:

• X1 è una varibile o un insieme di varibili di interesse
• X2 è un'altra varibile o un altro insieme di varibili di interesse
• «> indica che la relazione di interesse è bidirezionale (le variabili sono tutte sullo stesso piano, non c'è la suddivisione tra variabili dipendenti e indipendenti) L'idea statistica: Valutare se e in che modo le variabili sono associate tra loro Esempio: Ansia di stato <> Ansia di tratto 4

Modelli statistici e Psicologia: Alcune considerazioni

• Spesso data la complessità dei fenomeni studiati in Psicologia c'è la necessità di valutare simultaneamente modelli asimmetrici e simmetrici
• Inoltre può capitare che le variabili di studio possano essere inserite nel modello simultaneamente sia come dipendenti e che come indipendenti
• Una classe di modelli statistici molto flessibili e spesso utilizzati in Psicologia che permette di risolvere questi ed altri problemi è quella dei Modelli di Equazioni Strutturali

Modelli statistici e Psicologia: Un esempio

moderatore (sia dipendente che indipendente a FEMMINE Family support .45 -. 37 variabile dipendente .80 variabile indipendente Collectivism Depressive symptoms .86 MASCHI b Sense of community influenza .29 Family support 1 -. 37 .79 .24 .37 influenza .46 Friends' support -. 34 Depressive symptoms 1 .37 .41 .83 .30 Significant other support .48 .77 Collectivism legame di mediazione multipla Fig. 2(a) and (b). Final path analytic models of the effects of collectivism, sense of community, and social supports on depressive symptoms in adolescent girls (a) and boys (b). Note. Coefficients are standardized structural coefficients. All coefficients are significant above the p < . 05 level. Per approfondire: Moscardino, U., Scrimin, S., Capello, F., & Altoè, G. (2010). Social support, sense of community, collectivistic values, and depressive symptoms in adolescent survivors of the 2004 Beslan terrorist attack. Social Science & Medicine, 70(1), 27-34. 14% della varianza family support fattore protettivo dei sintomi dei sintomi depressivi (maggiore supporto minori sintomi) 17% della varianza 1 .76