Domande aperte esame di Psicometria 2

Domande aperte

Definizione e differenza di coefficienti B e coefficienti Beta

Sia B che Beta sono parametri di regressione. B è il coefficiente di regressione non standardizzato, indica il cambiamento predetto nella variabile dipendente (y) al variare della variabile indipendente (x) e la pendenza della retta di regressione di x su y (coefficiente angolare): la retta che rappresenta meglio la predizione lineare tra VI e VD e che interpola meglio la nuvola di punti nel diagramma di dispersione. Beta invece è il coefficiente standardizzato e può quindi essere interpretato e confrontato più facilmente; rappresenta, per ogni VI, l’inclinazione della retta di regressione della VD, ottenuta mantenendo costanti i valori delle variabili indipendenti. Informa sulla qualità della predizione e sulla stima delle variabili latenti nella regressione multipla.

Definizione e differenza di: varianza tra i gruppi e devianza tra i gruppi

La varianza tra i gruppi spiega quanto la media di ciascun gruppo si differenzia dalla media totale, la varianza entro gruppi mostra quanto la media di ogni soggetto si distanza dalla media del suo gruppo. Infatti, varianza tra gruppi corrisponde alla quantità di varianza spiegata, mentre varianza entro gruppi rappresenta la varianza di errore (perché prende in considerazione le differenze individuali dei soggetti). La varianza tra i gruppi si calcola con devianza tra gruppi/gl tra gruppi) * N campione. La devianza si ottiene con la differenza tra medie tra gruppi e medie totali (tra gruppi) e con la differenza tra medie tra i soggetti e le medie di gruppo (entro gruppi).

Definizione e differenza di: distribuzione del campione, distribuzione della popolazione e distribuzione campionaria di una media

La distribuzione campionaria di una statistica basata su n osservazioni è la distribuzione di frequenza dei valori che la statistica assume. Tale distribuzione è generata teoricamente prendendo infiniti campioni di dimensione n e calcolando i valori della statistica per ogni campione. Una distribuzione statistica consiste nell'insieme delle risposte assunte da un carattere statistico osservato su un dato collettivo.

La distribuzione campionaria della media è la distribuzione delle medie campionarie al variare del campione. Per una popolazione finita, di numerosità N, si possono estrarre (con ripetizione) N elevato alla n possibili campioni di numerosità n. È la distribuzione di frequenze di tutti i possibili campioni della stessa dimensione estratti da una popolazione. Serve per fare inferenze statistiche e fare delle stime. Serve nella pratica della consulenza psicologica.

• È lo stesso della distribuzione del campione? No, nella distribuzione di campione sono riportate le frequenze di un solo campione estratto da una popolazione.
• È lo stesso concetto della distribuzione della popolazione? No, perché la distribuzione della popolazione riporta tutte le medie di frequenze sull’intera popolazione.
• Quando si usa? Quando voglio stimare dei parametri di una popolazione.

Come si interpreta l’analisi fattoriale?

Un analisi fattoriale è un insieme di metodi statistici che consente di individuare delle variabili latenti a partire da un set di variabili osservate (es. item di un questionario), al fine di riassumere i dati iniziali in un modello semplificato e sintetico, capace di rappresentarne al meglio la variabilità. Calcola/stima la somiglianza fra variabili osservate e latenti. Il metodo di estrazione dei fattori può essere statistico o matematico, quello statistico spiega meglio l’approssimazione e quello matematico spiega meglio il metodo di estrazione. Un’analisi fattoriale esplorativa ci sono diverse fasi:

1. Scegliere il metodo di estrazione: quelli usati più spesso sono componenti principali, fattori iterati e massima verosimiglianza. Con un numero di fattori estratti uguale al numero delle variabili, le comunanze sono uguali all’unità: le comunanze sono la somma delle varianze comuni fra fattori e variabili osservate (per ogni variabile osservata), la somma di queste varianze vale 1 per ogni variabile.
2. Le comunanze sono la somma dei quadrati delle saturazioni – la somma dei quadrati delle saturazioni è uguale alla varianza del fattore o autovalore.