SPSS-Psicometria: appunti

OPZIONI- Intervallo di confidenza Valori mancanti: òlascio escludi casi di analisi per analisi

OUTPUT- Statistiche campioni accoppiati: Statistiche descrittive delle variabili → in media il campione atteggiamento nella scienza è più basso rispetto all'atteggiamento nell'arte

Correlazioni campioni accoppiati: correlazione lineare tra i due atteggiamenti → riportata

Numerosità▪ il valore di r di Pearson (indice di correlazione usato per determinare▪ l'esistenza di relazione lineare di variabili di scala/rapporto) significatività della correlazione: significatività inferiore allo 0,001 → confrontato con alpha 0.05 possiamo decidere di rifiutare H0 (non c'è relazione lineare) → accetto H1 (c'è relazione lineare) per determinare relazione e grandezza della relazione, osservo il valore di r di Pearson (0: assenza di relazione e 1: relazione lineare perfetta) → ho r=0,93 molto

prossimo al valore 1→ posso dire che c’è una relazione lineare e che è molto forte e che all’aumentare dell’atteggiamento verso la scienza aumenta l’atteggiamento verso l’arte e viceversa, perché il valore è positivo (se fosse negativo, la relazione è inversa)

test campioni accoppiati media della differenza tra le medie▪ deviazione standard▪ errore standard▪ intervallo di confidenza avere lo 0 contenuto tra limite inferiore e superiore▪ →implica che l’uguaglianza tra le medie è un valore plausibile (non rifiuto H0)→in questo caso hanno entrambi valore negativo, lo 0 non è contenuto→ rifiuto H0 e accetto H1

valore di t▪ valore dei gradi di libertà▪ significatività del test→ significatività bilaterale inferiore allo 0,001▪ →confrontato con 0,05 decido di rifiutare H0→ concludo che le due medie sono significativamente diverse tra

lorodimensioni effetto campioni accoppiati: quanto le due medie differiscono tra loroo d di Cohen→ 0,35 a metà tra effetto piccolo e medio→ esiste una differenza▪ significativa tra le medie dei due atteggiamenti ed è una differenza di small-medium effectG di Edge (per campioni con numerosità inferiore o uguale a 20)▪Deviazione standard della differenza non corretta→ d di Cohen molto diverso→ la correlazionetra le due variabili è molto alta di 0,93 e influisce molto sul calcolo del d di Cohen→ se esiste unacorrelazione molto alta è utile usare la differenza corretta (secondo punto)ANOVA ONE WAY – ANOVA A UNA VIATest inferenziale che consente di trarre conclusioni sulla differenza di medie di più gruppi.contrariamente ai t test che è tra medie di due campioni, l’Anova lo fa su più di due campioniindipendenti tra loroTrarre conclusioni inferenziali sulla differenza tra le medie di più

di due gruppi (Omnibus test) H0 : μ1 = μ2 = μ3 H1 : μ1 ≠ μ2 ≠ μ3 Si basa sulla stima di due varianze: la varianza entro i gruppi e la varianza tra i gruppi. Il rapporto tra le stime delle due varianze produce F che poi viene confrontato con F di Fisher. Si basa sul testare l'ipotesi nulla: le medie dei campioni indipendenti sono uguali tra loro. Test chiamato omnibus test: i risultati consentono di stabilire se c'è una differenza o uguaglianza tra le medie senza indicare però quali medie sono. Es. "DatiInf_2.sav" Il tipo di campagna ha avuto un effetto sull'atteggiamento verso la linea di abbigliamento "Sigma"? ANALIZZA → CONFRONTA MEDIE → ANOVA A UNA VIA → inserire la variabile oggetto del test atteggiamento verso sigma → FATTORE: variabile che determina l'appartenenza al gruppo (variabile campagna) → Stima delle dimensioni dell'effetto → lascia flaggata perché dimensionedell'effetto dice- quanto sono diverse tra loro (se sono significativamente diverse) OPZIONI - Statisticheo Descrittive (media, deviazione standard...) flagga - Test dell'omogeneità della varianza flagga - Altri test no (sono due varianti nel caso in cui le assunzioni dell'Anova non fossero rispettate) Grafico delle medie - Valori mancanti - Escludi casi analisi per analisi flagga - Escludi casi listwise Percentuale intervallo di confidenza: deve essere indicata la proporzione - (0,95 per il 95%) OUTPUT DESCRITTIVE: per la variabile sigma vengono calcolati i livelli statistici per ogni variabile (es. - vedo le medie di atteggiamento -> vedo che il gruppo di controllo ha la media di atteggiamento più bassa, spot cultura media più alta, nel mezzo la media del gruppo natura). Riportati deviazione standard, errore della media, intervallo di confidenza e valore minimo e massimo TEST DI OMOGENEITÀ DELLE VARIANZE: test di

Levenne per stabilire se le varianze dei campioni indipendenti sono uguali o differenti tra loro → H0 uguali H1 diverse

Statistica di Levenneo Gradi di libertà Significatività del testo

Ripotati diversi test di levenne: la scelta dipende dalla distribuzione dei dati

Uno sulla media:

Uno sulla mediana:

Uno sulla media ritagliata:

La media è la scelta adatta quando la distribuzione è simmetrica e le code della distribuzione non sono lunghe. La mediana è la scelta adatta quando la distribuzione è asimmetrica; la media ritagliata è adatta quando le code della distribuzione sono lunghe. In generale usare quello basato sulla media significatività a 0,76.

Confrontato con 0.05 stabilisco che la significatività è maggiore → accetto H0 secondo la quale le varianze tra campioni indipendenti sono uguali

ANOVA- Somma dei quadrati (varianza tra gruppi): gradi di libertà (3 variabili-1=2)

Varianza entro i gruppi:

numerista-numero di gruppi (200-3=197)o Varianza totale: 197+2=199oUsate per stabilire il valore di F e la significatività del test ANOVASignificatività inferiore a alpha di 0,05→ rifiuto H0→ le medie dei tre gruppi sono significativamente diverse tra loroDIMENSIONI DELL’EFFETTO- Eta quadratico→ quello più utilizzatoo Eta squared (η2; eta quadratico) misura la proporzione di varianza della VD che▪ è associata/spiegata dall’appartenenza ai diversi gruppi della VI. valore→0.14→ effetto grande, differenza tra le medie molto grande0.01 effetto piccolo▪ 0.06 effetto medio▪ 0.14 effetto grande▪Epsilon quadraticoo Effetto fisso omega quadraticoo Effetto casuale omega quadraticooGRAFICO DELLE MEDIE- X variabilio Y medieoTest omnibus: i risultati che otteniamo per l’ANOVA ci consentono di rifiutare H0 o accettarla. Una volta stabilita la differenza tra medie, non ci dice effettivamente quali sono.Confrontitag html per formattare il testo:

post-hoc & Contrasti pianificati: quando il test F è significativo, non sappiamo qualisono le medie che differiscono tra di loro.

H0: µ1 =µ2 = µ3- H1.1: µ1 ≠ µ2 ≠ µ3- H1.2: µ1 = µ2 ≠ µ3- H1.3: µ1 ≠µ2 = µ3-

I confronti post-hoc servono per confrontare le medie di tutte le coppie di gruppi tra di loro tenendosotto controllo l’errore di I tipo. Si usano quando non abbiamo ipotesi a priori specifiche sulledifferenze tra le medie→ comparazione delle medie tra tutti i gruppi, sono confronti a coppie

Il valore di significatività viene corretto per la quantità di test che vengono fatti (all’aumentare- del numero di test, la probabilità di i tipo aumenta) con diversi tipi di correttori

Tukey’s HSD (Honest Significant Difference)o Bonferronio REGWQ (Ryan-Einot-Gabriel-Welsh range Q)oANALIZZA→ CONFORNTA MEDIE→ ANOVA A UNA VIA→ inserisco le

variabili POST-→HOC Varianze uguali presunte: varianze possono essere considerate uguali tra loro (lo so- dall’omogeneità)

Varianze uguali non presunte: metodi di correzione quando le varianze tra gruppi non sono- uguali tra loro (test di levenne significativo)

Test sull’ipotesi nulla lascia flaggato utilizza lo stesso…→-OUTPUT

Tabelle uguali al primo output- Confronti multipli: mostrati tutti i possibili confronti tra i gruppi indipendenti considerati

Differenza della media: (differenza della media della variabile sigma nel gruppo dio controllo – differenza della media del gruppo di natura)

Errore standard della mediao Valore di significatività→ per stabilire se sono uguali o diverse→ tra gruppoo controllo e gruppo cultura c’è differenza significativa (valore inferiore a 0.05→ rifiutoH0)

Intervallo di confidenza con i limitioContrasti pianificati quando ho ipotesi a priori sulle differenze tra le medie

confrontate (es. voglio vedere solo la differenza tra gruppo di controllo e gruppo natura). In generale, per ogni ipotesi a priori che si ha per le differenze delle medie, ci sono 5 step da eseguire: 1. Creare i contrasti pianificati (comparare due chunk alla volta): comparare 2 medie alla volta

• Creo 2 chunk: uno con natura e cultura, l'altro con controllo

2. Attribuire a un chunk pesi positivi e agli altri pesi negativi

• Assegnare valori positivi al primo e negativi al secondo

3. I contrasti devono essere ortogonali, cioè la somma dei pesi dei contrasti deve essere uguale a zero.

• Assegno +1 a cultura, +1 a natura e -2 a controllo (2-2=0)

4. Se un gruppo non è considerato nel contrasto, allora gli viene assegnato un peso di zero 5. Per ogni contrasto, i pesi assegnati a un gruppo/i di un chunk deve essere uguale al numero di gruppi del chunk opposto

• Es. seconda ipotesi: differenza tra medie tra...

gruppo natura e gruppo cultura→ rifaccio i 5 step ANALIZZA→ CONFRONTA MEDIE→ ANOVA→ inserisco le variabili→ CONTRASTI Flaggare POLINOMIALE→ lascia grado lineare - CONTRASTO 1 DI 1: indico i contrasti da eseguire e i pesi assegnati a ogni gruppo nella variabile (campagna). Inserisco i pesi nell'ordine dato da SPSS (controllo -2 cultura 1 natura 1). Per inserire il secondo contrasto→ AVANTI (0 controllo 1 cultura -1 natura) Stima della dimensione flagga di default→ - OUTPUT Tabelle di prima - Coefficienti di contrasto: vedo i pesi che ho inserito - Test di contrasto: presumendo le varianze come uguali o come non uguali. La riga dipende dalla