Analisi multivariata dei dati - Appunti

Intercetta 1777436,257 1 1777436,257 9667,234 ,000

genere 1404,369 1 1404,369 7,638 ,007

città 627,491 3 209,164 1,138 ,338

genere * città 1690,121 3 563,374 3,064 ,032

Errore 16915,298 92 183,862

Totale 1881902,000 100

Totale corretto 20860,360 99

a. R quadrato = ,189 (R quadrato corretto = ,127)

Ipotesi confutata per genere. Per città invece non posso confutare—la pressione non dipende

da dove vivi. Effetto interazione è sig allora l’effetto di un fattore cambia nei livelli dell’altro e

viceversa.

In media sull’intero campione non ci sono diff per la città, ma se guardiamo tra i generi c’è

effetto.

L’effetto di genere c’è, la pressione non dipende dalla città e l’effetto di genere cambia a

seconda della città in cui vivi. Tra i grafici scelgo quello che rappresenta meglio la

mia analisi, quello che mette in luce quello che voglio. Se dico che c’è l’effetto di genere e so che cambia

anche per città uso grafico con genere sull’asse x perché fa vedere il trend di genere. Tutte le linee sono

coerenti con quello che si dice, a parte milano—effetto crossover

Anova Between Lezione 4

ANOVA a misure ripetute Lezione 5

[Anova--Permette di capire se differenti condizioni sperimentale hanno effetto sui punteggi della dipendente.]

A misure ripetute o within subjects: confrontare diversi valori dell’unica e sola VD misurata più volte sullo stesso

campione.

Ipotesi nulla: lungo il tempo le medie non cambiano. Non c’è effetto.

Esperimento di empatia al dolore (ago/gomma)

Analizza-lineare generalizzato-misure ripetute

Nome del fattore: stimolo, 2livelli aggiungi etnia, 3 livelli aggiungi definisci dopo ci

indica le 6 colonne che dobbiamo inserire: stimolo 1, etnia1 (devo fare una scelta, per

esempio africani sono etnia 1e gomma stimolo 1) inserisco le colonne. Grafici: devo scegliere

il grafico giusto, io voglio vedere l’effetto dello stimolo per ogni livello di etnia, allora metto

stimolo su asse orizzontale e etnia su linee separate+aggiungi (ha fatto anche l’altro).

Continua+ok.

La prima tabella ci permette di essere sicuri se ha capito cosa doveva capire. Test multivariati

non si guardano.

Test di Mauchly: a

Test di sfericità di Mauchly

Misura: MEASURE_1 b

Effetto entro soggetti W di Mauchly Approssimazione df Sig. Epsilon

chi-quadrato Greenhouse-G Huynh-Feldt Limite inferiore

eisser

stimolo 1,000 ,000 0 . 1,000 1,000 1,000

etnia ,907 4,377 2 ,112 ,915 ,951 ,500

stimolo * etnia ,989 ,513 2 ,774 ,989 1,000 ,500

Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente trasformata ortonormalizzata è

proporzionale a una matrice identità.

a. Disegno: Intercetta

Disegno entro soggetti: stimolo + etnia + stimolo * etnia

b. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella

tabella dei test sugli effetti entro soggetti.

Corrispettivo del test di Levene. Assunto è l’uguaglianza delle varianze e covarianze di y sui

tempi(quando non è sig)

In questo caso: l’effetti di stimolo non è stimato. Mauchly non stima quando i livelli sono solo

2 perché è per forza verificato l’effetto di sfericità.

Riga etnia non è significativo quindi verificato assunto sfericità per l’etnia

Stimolo*etnia non significativo

Per tutti e tre gli effetti è verificato l’assunto di sfericità, quindi nella tabella sotto si legge la

riga: assumendo la sfericità Test degli effetti entro soggetti

Misura: MEASURE_1

Sorgente Somma dei df Media dei F Sig.

quadrati Tipo III quadrati

Assumendo la sfericità 1193360,510 1 1193360,510 36,899 ,000

Greenhouse-Geisser 1193360,510 1,000 1193360,510 36,899 ,000

stimolo Huynh-Feldt 1193360,510 1,000 1193360,510 36,899 ,000

Limite inferiore 1193360,510 1,000 1193360,510 36,899 ,000

Assumendo la sfericità 1487704,257 46 32341,397

Greenhouse-Geisser 1487704,257 46,000 32341,397

Errore(stimolo) Huynh-Feldt 1487704,257 46,000 32341,397

Limite inferiore 1487704,257 46,000 32341,397

Assumendo la sfericità 89416,779 2 44708,390 ,617 ,542

Greenhouse-Geisser 89416,779 1,830 48852,308 ,617 ,528

etnia Huynh-Feldt 89416,779 1,902 47003,174 ,617 ,534

Limite inferiore 89416,779 1,000 89416,779 ,617 ,436

Errore(etnia) Assumendo la sfericità 6669067,843 92 72489,868

Greenhouse-Geisser 6669067,843 84,196 79208,788

Huynh-Feldt 6669067,843 87,508 76210,615

Limite inferiore 6669067,843 46,000 144979,736

Assumendo la sfericità 248645,630 2 124322,815 3,259 ,043

Greenhouse-Geisser 248645,630 1,978 125732,948 3,259 ,043

stimolo * etnia Huynh-Feldt 248645,630 2,000 124322,815 3,259 ,043

Limite inferiore 248645,630 1,000 248645,630 3,259 ,078

Assumendo la sfericità 3509748,289 92 38149,438

Greenhouse-Geisser 3509748,289 90,968 38582,148

Errore(stimolo*etnia) Huynh-Feldt 3509748,289 92,000 38149,438

Limite inferiore 3509748,289 46,000 76298,876

Effetto si stimolo F è significativo, Vuol dire che l’effetto di stimolo è verificato, le medie sono

significativamente diverse, effetto principale del fattore stimolo (solo stimolo, al netto di

etnia)

Effetto etnia, non significativo. Effetto principale di etnia(senza stimolo).

Effetto stimolo*etnia= interazione tra le variabili. Volevo capire se stimolo è moderato da

etnia. La reazione differente per gli aghi rispetto alle gomme dipende dall’etnia della persona

che veniva toccata dagli stimoli? E’ significativo

Grafici: 1 aghi 2 gomme.

Le rette sono gli effetti semplici

dell’empatia al dolore a seconda

dell’etnia

Globalmente le gomme hanno

prodotto punteggi di y degli aghi

Verde(caucasici): pende di più quindi

empatia è maggiore verso i bianchi

Giallo(cinesi) empatia verso i cinesi è

minore rispetto ai bianchi e

blu(africani) ancora minore.

Complessivamente i tre effetti sono

significativamente tra loro perché la F

dell’interazione è significativa.

So che c’è l’effetto, ma non so dov’è. Per trovarlo guardo solo cinesi con caucasici (anova a due vie a

misure ripetute)

Lineare generalizzato ecc. ecc. metto etnia a due livelli definisci: cambio tutto praticamente per es. metto

cinesi etnia 1 e gomma stimolo 1….grafici….

Test di Mauchly: a

Test di sfericità di Mauchly

Misura: MEASURE_1 b

Effetto entro soggetti W di Mauchly Approssimazione df Sig. Epsilon

chi-quadrato Greenhouse-G Huynh-Feldt Limite inferiore

eisser

stimolo 1,000 ,000 0 . 1,000 1,000 1,000

etnia 1,000 ,000 0 . 1,000 1,000 1,000

stimolo * etnia 1,000 ,000 0 . 1,000 1,000 1,000

Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente trasformata ortonormalizzata è

proporzionale a una matrice identità.

a. Disegno: Intercetta

Disegno entro soggetti: stimolo + etnia + stimolo * etnia

b. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella

tabella dei test sugli effetti entro soggetti.

E’ sempre confermato l’effetto di sfericità

Test degli effetti entro soggetti

Misura: MEASURE_1

Sorgente Somma dei df Media dei F Sig.

quadrati Tipo III quadrati

Assumendo la sfericità 1364338,748 1 1364338,748 40,296 ,000

Greenhouse-Geisser 1364338,748 1,000 1364338,748 40,296 ,000

stimolo Huynh-Feldt 1364338,748 1,000 1364338,748 40,296 ,000

Limite inferiore 1364338,748 1,000 1364338,748 40,296 ,000

Assumendo la sfericità 1557472,381 46 33858,095

Greenhouse-Geisser 1557472,381 46,000 33858,095

Errore(stimolo) Huynh-Feldt 1557472,381 46,000 33858,095

Limite inferiore 1557472,381 46,000 33858,095

Assumendo la sfericità 35522,142 1 35522,142 ,427 ,517

Greenhouse-Geisser 35522,142 1,000 35522,142 ,427 ,517

etnia Huynh-Feldt 35522,142 1,000 35522,142 ,427 ,517

Limite inferiore 35522,142 1,000 35522,142 ,427 ,517

Assumendo la sfericità 3827600,142 46 83208,699

Greenhouse-Geisser 3827600,142 46,000 83208,699

Errore(etnia) Huynh-Feldt 3827600,142 46,000 83208,699

Limite inferiore 3827600,142 46,000 83208,699

Assumendo la sfericità 19952,409 1 19952,409 ,498 ,484

Greenhouse-Geisser 19952,409 1,000 19952,409 ,498 ,484

stimolo * etnia Huynh-Feldt 19952,409 1,000 19952,409 ,498 ,484

Limite inferiore 19952,409 1,000 19952,409 ,498 ,484

Errore(stimolo*etnia) Assumendo la sfericità 1843956,075 46 40086,002

Greenhouse-Geisser 1843956,075 46,000 40086,002

Huynh-Feldt 1843956,075 46,000 40086,002

Limite inferiore 1843956,075 46,000 40086,002

Stimolo*etnia non c’è. C’è effetto dello stimolo, ma non tra cinesi e caucasici

Se faccio altro grafico con etnia sull’asse x, escono

2 linee parallele, la loro distanza è l’effetto dello

stimolo.

MODELLI MISTI Lezione 6

Permettono di sfruttare le info in più che già avevamo che non abbiamo sfruttato prima. Prima

(altri modelli)non parlavamo dei soggetti, ma del campione. Oltre all’effetto medio del

campione possiamo studiare i valori nei cluster(insieme di soggetti). [se misure ripetuta,

all’esame è sempre modello misto]

Effetto fisso: differenza delle medie in due momenti diversi

Effetto random: varianza derivante dai dati dell’effetto fisso

Per fare modelli misti dobbiamo girare il file

Se il file si chiama…long: abbiamo una riga per ogni osservazione per ogni soggetto. Il tempo

corre lungo le righe, non più nelle colonne. Poche colonne

Per cambiare dati wide(una riga per ogni sogg) a long Dati-ristruttura-poi la prima (sempre

quella)-avanti-bisogna vedere quante variabili dipendenti abbiamo (in questo caso ne

abbiamo una)-identificazione gruppi di casi (chiamiamo soggetto perché poi sarà la colonna

che segna il soggetto osservato); nome var di destinazione (in questo caso empatia); var da

trasporre (le prime 6 in questo caso)-avanti-quante variabili? 2(stimolo e etnia)-avanti-devo

mettere il nome delle 2 var e i loro livelli (stimolo 2 liv, etnia 3 liv)-avanti-avanti-fine

[all’esame sarà già girato]

Modelli misti

Analizza-modelli misti-lineare….inserisco le varie cose-fissi----casuali: includi

intercetta-statistiche: stme dei parametri, test per parametri di covarianza

OUTPUT: a

Tipo III Test degli effetti fissi

Sorgente Numeratore df Denominatore F Sig.

df

Intercetta 1 4 153,776 ,000

treatment 1 4 35,494 ,004

region 2 16 93,708 ,000

treatment * region 2 16 81,047 ,000

a. Variabile di