Statistica per la ricerca sociale - Appunti completi

Statistica per la ricerca sociale: lezione iniziale

Informazioni organizzative

Contenuti del corso

L’insegnamento affronta:

• Statistica: metodologie per la raccolta e l’analisi di dati di caratteristiche psicosociali; in questo corso vedremo prevalentemente aspetti di statistica finalizzata alle applicazioni.
• Ricerca sociale: di laurea ci si occupa specificamente dell’ambito psicosociale nel contesto sociale. Nel nostro corso.
• Con software applicativo user-friendly per l’applicazione dei metodi statistici. Principalmente SPSS utilizzato all’esame + cenni a programmi open source (Jamovi, Jasp).

La Professoressa dà agli studenti una licenza per svolgere le esercitazioni con il software SPSS. Si può utilizzare una sola volta, solo su un computer.

Contenuto d’esame: slide delle lezioni ed esercitazioni (su e-learning) + libro di testo Aron, Coups e Aron (2018).

Il voto finale è dato:

• Per il 40% dal Project Work: lettura e commento critici di dati da fonti ufficiali, confronto con la comunicazione dei mass media, prerequisito: consegna su e-learning di esercizi pertinenti. Va consegnato su e-learning 4 giorni lavorativi prima della chiusura delle iscrizioni all’esame con SIFA. Si può svolgere, in forma in itinere, consegnandolo i primi di maggio (data da comunicare), quando le lezioni e esercitazioni su statistica descrittiva e ufficiale saranno concluse. La consegna è vincolata alla consegna e correzione delle esercitazioni di statistica descrittiva e di semplici domande sulla navigazione sui siti di statistica ufficiale. Per chi frequenta, la consegna si può fare alla fine delle esercitazioni. Il pw richiede di analizzare una fonte ufficiale e poi, dopo aver esaminato secondo le nostre indicazioni, confrontare la comunicazione dei dati statistici con i media di solida reputazione. Quindi, mantenete la mente aperta ai media e al modo con cui ‘utilizzano’ i dati nella comunicazione, nel modo più ragionato e critico possibile.
• Per il 60% dall’esame scritto prova moodle (risoluzione di esercizi con SPSS, domande RM sullo svolgimento degli esercizi), durata 1h 45min. Si svolge a computer, con domande di risoluzione di esercizi che richiedono l’uso di SPSS, domande chiuse e domande aperte.

Statistica per la ricerca sociale: lezione 1

Cap. 1 (parte 1.1, 1.2, 1.3)

Introduzione alla statistica

Perché studiare la statistica?

• Comprendere la statistica sviluppa il pensiero analitico e critico.
• Serve per condurre ricerche in ambito psicosociale. Fare ricerca implica la statistica.
• Per utilizzare gli strumenti di misurazione in modo appropriato (test, questionari, altre misurazioni).
• Per poter leggere gli articoli di ricerca e quindi comprendere la logica sottostante alla ricerca in psicologia. La quasi totalità degli studi di ricerca esprimono i risultati attraverso termini statistici. Se non capisco il gergo, le tabelle e i grafici, che sono la parte centrale delle ricerche, leggerò lo studio solo in maniera superficiale.
• Per valutare le informazioni che ci vengono date.

Che cos’è la statistica?

1) La statistica è prima di tutto una scienza. È una parte della matematica che si occupa dell’organizzazione, dell’analisi e dell’interpretazione di un insieme di numeri o dati. È una scienza che riguarda i modi per apprendere dai dati. Con la statistica possiamo andare un passo oltre e estendere i risultati ottenuti su una scala piccola, in una scala più estesa, in generale, sulla realtà. Molte decisioni economiche, sociali, politiche e militari non possono essere prese senza le tecniche statistiche. Es. analisi statistica dei risultati di esperimenti per commercializzare una nuova medicina.

Gli statistici si occupano di molte tematiche scientifiche, sociali, economiche in aree come l’astronomia, la biologia, l’economia, l’ingegneria, la genetica, il marketing, la medicina, lo sport... e anche le scienze psicosociali.

Es. Voglio vedere se i bambini in famiglie omogenitoriali (= con due genitori dello stesso sesso) sono altrettanto sicuri di sé dei bambini in famiglie «tradizionali». Contatto 10 famiglie «tradizionali» e 10 famiglie omogenitoriali. Misuro il grado di self-confidence dei bambini nei due tipi di famiglia. Trovo che in un tipo di famiglia i bambini hanno un punteggio medio di self confidence (su una scala da 1 a 10) di M = 8.2, nell’altro tipo di famiglia hanno un punteggio medio di M = 8.4. Posso affermare perciò che in media i bambini delle Famiglie B che ho contattato hanno punteggi leggermente superiori di sicurezza in sé stessi.

Es. I bambini in famiglie omogenitoriali (= con due genitori dello stesso sesso) hanno lo stile di attaccamento sicuro nella stessa misura dei bambini di famiglie eterogenitoriali? La tabella mostra come si passa dalla misurazione alla rilevazione poi alla organizzazione in tabella di frequenza:

1. Misurazione: con una scala operazionalizzo il costrutto di attaccamento (Bowlby).
2. Rilevazione: su i figli di tutte le famiglie studiate misuro l’attaccamento.
3. Tabella (o distribuzione) di frequenza: per ogni stile di attaccamento, conto quanti figli hanno quello stile. Il tipo di attaccamento è il ‘valore’, il numero di figli con quel tipo di attaccamento è la ‘frequenza’.

2) La statistica è un valore, che risulta dall’applicazione di un algoritmo di calcolo.

Per esempio, se la media dei voti degli esami è uguale a 27, questo valore (27), è una «statistica»: la media è una statistica.

3) La statistica è un metodo o una tecnica di analisi dei dati.

Per esempio, la media si calcola in questo modo: questa procedura di calcolo è una tecnica statistica.

La statistica è un metodo di ricerca della verità. Ci dice quanto la nostra ipotesi sia sostenibile in questo momento, luogo e con questo tipo di persone. Gli psicologi la usano per dare un senso/significato ai numeri o ai dati raccolti.

Le 2 branche dei metodi statistici

• Statistica descrittiva: si occupa di descrivere e sintetizzare le caratteristiche di un insieme di misurazioni (che rappresentano informazioni), attraverso grafici, tabelle e indici statistici. Gli psicologi usano questo metodo descrittivo per riassumere e descrivere un insieme di dati raccolti in uno studio di ricerca.
• Statistica inferenziale: ha lo scopo di partire da un insieme di osservazioni per trarre inferenze su una popolazione, andando oltre i dati raccolti. Gli psicologi usano questo metodo per trarre conclusioni e fare inferenze su un ampio gruppo di individui sulla base di uno studio di ricerca a cui ha partecipato un numero più piccolo di individui.

Es. Possiamo chiedere a un insieme di 2000 persone se andranno a votare nelle prossime elezioni e trarre inferenze sul comportamento della popolazione italiana. Oppure possiamo misurare l’altezza di 5000 donne italiane, per trarre inferenze sull’altezza media delle italiane. O ancora, osservare i dati di un campione per capire se, nella popolazione, c’è un legame tra estroversione e autostima.

La statistica come scienza differenzia

Popolazione: insieme di tutti i soggetti di cui sono interessata, di cui vorrei studiare. Rispetto alle quali voglio sapere qualcosa.

Campione: insieme di quei soggetti o oggetti che si studiano realmente (deve essere tratto dalla popolazione che mi interessa).

Altri termini importanti:

• Indice statistico: è una sintesi matematica di un certo pensiero logico che viene applicato alle informazioni (variabili) raccolte su un campione (in particolare, gli indici descrittivi). Quando la statistica fa riferimento al campione.
• Parametro: inferenza che faccio sulla stessa misura relativamente sulla popolazione. È il corrispettivo dell’indice statistico, ma calcolato/stimato sulla popolazione.

Es. Siamo interessati a conoscere l’altezza media delle donne italiane tra i 20 e i 24 anni:

• Popolazione: tutte le donne di cittadinanza italiana che hanno tra i 20 e i 24 anni (circa 1.500.000 persone).
• Campione: un sottoinsieme, per es. 1000 donne. Misuriamo l’altezza di ciascuna delle 1000 donne del campione e calcoliamo l’altezza media. Questa è la statistica (o indice statistico) riferita al campione. Media = 163 cm.
• Stimiamo l’altezza media per la popolazione (parametro stimato) a partire dalla statistica calcolata sul campione.

Variabile: una caratteristica che può assumere valori differenti nelle unità d’osservazione. La variabilità è una caratteristica essenziale della vita e del mondo sociale nel quale viviamo. La statistica studia e interpreta questa variabilità.

Costante: una caratteristica che ha lo stesso valore su tutte le unità d’osservazione. Dal punto di vista matematico tutte le grandezze che non variano rappresentano delle costanti.

Entrambe fanno riferimento a una caratteristica.

Es. Faccio una ricerca per vedere se c’è un legame tra il tipo di preferenze musicali e i risultati in statistica.

Somministro un questionario a 40 studenti e studentesse di STP, chiedendo loro:

• Il tipo di musica preferita
• Il voto che hanno preso all’esame di statistica

Costanti (caratteristiche che sono uguali per tutti i membri del campione):

• Il fatto di essere uno studente
• Il corso di laurea frequentato
• Il tipo di esame di statistica (esame di ‘elementi di psicometria” ma il TURNO è variabile)

Variabili: sesso, età, scuola superiore frequentata, voto all’esame, tipo di musica preferita, ecc.

Le costanti in una ricerca possono diventare variabili in un’altra ricerca (e viceversa).

Importante! Esistono diversi tipi di variabili:

• Variabile numerica / quantitativa: variabile i cui valori sono numeri.
• Variabile nominale / categoriale: variabile i cui valori sono categorie, sono nomi piuttosto che numeri.
• Variabile ordinale: variabile numerica in cui i valori sono ranghi (posizioni). I valori corrispondono alla posizione relativa all’entità di misura. Es. posizione ottenuta in una gara di corsa.

Queste variabili rappresentano diversi livelli di misura tipo di informazione numerica che una misura fornisce. I ricercatori si trovano poi a dover decidere come misurare una determinata variabile. Il livello di misura scelto influenza il tipo di operazioni statistiche che possono essere usate con una variabile.

• Variabili discrete: è una variabile che ha valori specifici e non possono esistere valori intermedi tra questi esami specifici. Es. numero di volte in cui sono andata dal dentista.
• Variabili continue: tra due valori esiste un numero infinito di valori. Es. altezza, peso e tempo sono variabili continue (Mancano 2h30min5sec…).

Misurare

Cosa vuol dire?

“La misurazione, nel senso più ampio, consiste nell’attribuzione di numeri a oggetti o eventi seguendo determinate regole.” (Stevens, 1946)

Misurare una proprietà: Assegnare un numero o un simbolo alle caratteristiche (valori) in modo che le relazioni tra i numeri o i simboli riflettano le relazioni tra i valori del fenomeno. Capire che tipo di variabile abbiamo ci permette di capire che tipo di analisi possiamo fare.

Es. Nell’acquisto di 5 mele renette sono coinvolte tre misurazioni:

• Classificazione (posso chiedere quale mela viene scelta di più)
• Conteggio (posso chiedere quante mele)
• Peso

Categorizzazione divide in categorie le variabili.

Conteggio modalità di misurazione.

Scale di misura

Esistono tanti tipi di misurazioni, alcune evidenti, altre no. Le misure possono avere caratteristiche e proprietà diverse.

Il livello indica il tipo di relazione che esiste tra i diversi valori corrispondenti agli attributi della variabile in esame. Sono importanti perché indicano quali tipi di analisi sono possibili e sensate. L’interpretazione dei dati varia a seconda della scala.

Le misure si dividono in 4 livelli di scala differenti:

Scala nominale

Categorizzazione (più semplice). Ovvero, consiste nel dividere gli elementi secondo determinate caratteristiche in comune. Per questo motivo viene chiamata anche variabile categoriale. La scala nominale è la forma più semplice di misurazione. Definisce la categorizzazione.

Es. Misurazione della variabile sesso:

1 = uomo; 2 = donna. Relazione: uguaglianza o differenza? ATTENZIONE! La categoria 2 non è doppia rispetto alla categoria 1. In questo caso i numeri mi dicono solo in che categoria sono stati suddivisi (la cifra che assegno è del tutto indifferente). Se nelle stesse categorie o in categorie diverse.

Altri esempi: professione (avvocato, segretario, portinaio, ecc.), attività sportiva (tennis, calcio, ecc.), religione di appartenenza, nazionalità, regione di provenienza.

Variabile dicotomiche / scala dicotomica: misura nominale con 2 sole categorie. Nella scala nominale possiamo suddividere il campione in categorie ma non possiamo ordinarle!

Per i dati a questo livello di scala, possiamo suddividere le unità in categorie distinte, mutuamente esclusive ed esaustive. Esaustive: Ci devono essere categorie per ogni membro del mio campione MA una persona può essere assegnata a una sola categoria! La scala nominale è usata solo per stabile relazione di uguaglianza o di differenza. Per questo tipo di scala non abbiamo bisogno strettamente di numeri. Anzi, è meglio non usarli per evitare fraintendimenti con le proprietà dei numeri. La regola di misurazione è quella di assegnare lo stesso numero (o simbolo) a elementi uguali e un numero diverso a elementi diversi.

Anche con misurazioni semplici, come quelle basate sulla classificazione, possiamo ottenere risultati interessanti.

Ricerca di Guéguen e Ciccotti (2008) – Esperimento di Antonie e il cane:

Scopo: scoprire la probabilità che una donna dia il proprio numero di telefono a uno sconosciuto, se questo è accompagnato da un cane.

“Salve, mi chiamo Antoine. Volevo dirle che lei è davvero bella. Ora devo andare al lavoro, ma mi chiedevo se mi darebbe il suo numero di telefono. La chiamerei più tardi e potremmo bere qualcosa insieme.”

• Quante daranno il numero di telefono?
• 2 variabili su scala nominale: presenza del cane (sì/no)
• Comportamento: dà il numero / non dà il numero

Scala ordinale

Vengono divisi in categorie ma possono essere messi in ordine. È chiamato anche variabile a ordinamento per ranghi (in quanto i numeri esprimono l’ordine della variabile in una graduatoria).

Es. Misurazione della variabile “scolarizzazione”:

Elementari = 1; medie = 2; superiori = 3. Relazione: >, < o =

Es. “Quanto ti piace la musica rock?” (1 = per niente, 2 = poco, 3 = abbastanza, 4 = molto, 5 = moltissimo). Non possiamo affermare che la distanza tra ‘per niente’ e ‘poco’ sia uguale alla distanza tra ‘abbastanza’ e ‘molto’. In questo caso siamo su scala ordinale, perché abbiamo in più la possibilità di ordinare le categorie. Le categorie hanno un certo ordine, e anche i numeri devono avere un certo ordine. I numeri qui non ci dicono solo se due numeri fanno parte della stessa categoria ma anche che intensità hanno rispetto agli altri (chi ha la licenza superiore ha un’intensità maggiore rispetto a chi ha solo licenza elementare).

Es. Classifica di una gara. Anche questa è una scala ordinale ma non possiamo sapere la distanza tra il primo arrivato e il secondo. Non possiamo sapere che il secondo e il primo avevano solo una distanza di 1sec. Non sappiamo la distanza tra le diverse categorie, sappiamo solo il loro ordine.

La scala ordinale è una rappresentazione numerica di una variabile, per la quale possiamo definire la relazione di maggiore o minore, oltre a quella di uguaglianza. In altre parole, possiamo ordinare le unità osservate sulla base della variabile misurata.

La regola di misurazione in scala ordinale è:

• Agli elementi del sistema empirico che possiedono in quantità superiore la variabile d’interesse vengono assegnati numeri più grandi - (maggiore e minore).
• Agli elementi del sistema empirico che possiedono la stessa quantità della proprietà misurata viene assegnato lo stesso numero - (uguaglianza e differenza).
• I numeri che vengono assegnati non corrispondono alla quantità della proprietà misurata, ma rappresentano solo la relazione d’ordine (“più grande di”, “superiore a”, “precedente a”). I numeri utilizzati esprimono unicamente la relazione d’ordine, sono codici che servono a distinguere e ordinare, ma non dicono nulla sulla grandezza delle distanze.

Es. Scala di Mohs della durezza dei materiali. Possiamo affermare che il topazio è più duro del quarto e meno duro del corindone infatti, 7>8>9. Però il corindone è circa 6 volte più duro del topazio mentre il diamante circa 140 volte più duro. Le distanze non sono costanti.

Scala d’intervallo

Chiamata anche “a intervalli equivalenti” o “quantitativo a livello di intervallo”, in questa scala la caratteristica in più rispetto alle altre è la misurazione della distanza tra i vari valori.

Es. Temperature nei vari giorni della settimana. Possono anche metterli in ordine in base al giorno più freddo, quindi possono anche essere messi in ordine in un