Appunti di metodologie quantitative

CRITERI Sensory Evaluation di una bevanda gassata: 2 items (e.g., "saporita")

Benefit Evaluation di una bevanda gassata: (e.g., "energizzante")

Interazioni significative (b=0.22, p=.016 e b=0.18, p=.027) 149

Atteggiamento implicito predittivo della valutazione sensoriale ma solo per coloro che hanno un elevato livello di preferenza per l'intuizione (linea continua).

Per livello medio di preferenza per l'intuizione la preferenza implicita non è predittiva della valutazione sensoriale (linea tratteggiata). Per basso livello l'effetto sembra invertito (ma non è significativo).

Atteggiamento esplicito è predittivo 1.00 della valutazione dei benefici della bevanda.

Evaluation PID-D Ma la predittività è maggiore per high med Benefit low coloro che hanno un'elevata preferenza per la deliberazione (linea continua) e minore per coloro che hanno bassa preferenza per la deliberazione.

---

Explicit Attitude

3) Additivo Validità incrementale?

Misura Implicita Comportamento Misura Esplicita

b = a + X1 + X2

Si testa con una regressione lineare multipla. Il pattern complessivo è un modello additivo di validità.

La β ci dice se c'è un effetto incrementale per X1, β se c'è un effetto incrementale per X2.

Se una β è significativa (ad es. β1), la variabile corrispondente dimostra validità incrementale.

Un test ha validità incrementale su un altro test se predice il criterio dopo aver controllato per il primo test.

Esempio: 4 studi analizzati insieme (n=399).

Sia Atteggiamento esplicito che IAT predicono significativamente la scelta di un frutto rispetto ad uno snack. 150

4) Interattivo o moltiplicativo Effetti sinergici o inibitori?

Misura Implicita Comportamento Misura Esplicita

b = a + X1 + X2 + X3

Si testa con una regressione lineare multipla con termine

---

di interazione. La β3 ci dice se c'è interazione significativa eventualmente da decomporre per capirne il significato. La differenza con 2 (Moderazione) è soltanto teorica. In questo caso abbiamo due VI che rappresentano due processi entrambi in grado di spiegare la VD. Entrambi i predittori sono misure esplicite ed implicite dello stesso costrutto. L'interazione testa se c'è un effetto sinergico. Regressione lineare P.s. Se l'esito semplice (bivariata) fosse dicotomica possono essere testati anche con una regressionelogistica. Regressione lineare multipla Analisi di moderazione è 5) Doppia dissociazione Specificità? Comportamento Misura Spontaneo Implicita Comportamento Misura Controllato Esplicita Ci dice se le VI spiegano (predicono, "causano") esclusivamente un esito (VD1) ma non l'altro (VD2) e viceversa. L'idea è che processi impliciti predicono comportamenti spontanei e non.

quellideliberativi mentre processi espliciti il contrario.

Teoricamente molto utile ed informativa. 151è6) Dissociazione parziale Specificità? Validità incrementale?

ComportamentoMisura SpontaneoImplicita ComportamentoMisura ControllatoEsplicita

Ci dice se una VI spiega (predice, “causa”) entrambi gli esiti (VD1 e VD2) mentrel’altra VI ne spiega soltanto uno.

Processi impliciti predicono comportamenti spontanei e non quelli deliberativi mentreprocessi espliciti sia quelli spontanei che deliberativi (oppure viceversa). Si dimostraanche la validità additiva (incrementale) per una delle due variabili.

Teoricamente molto utile ed informativa.è7) Doppio additivo Specificità? Validità incrementale?

ComportamentoMisura SpontaneoImplicita ComportamentoMisura ControllatoEsplicita

Ci dice se entrambe le VI spiegano (predicono, “causano”) entrambi gli esiti (VD1 eVD2).

Processi impliciti predicono sia comportamenti spontanei

Che deliberativi e anche iprocessi espliciti sia quelli spontanei che deliberativi. Teoricamente ci informa che i comportamenti (esiti) hanno componenti miste (oppure che persone diverse usano processi diversi – in media entrambi vengono usati e perciò predicono). Doppia validità incrementale (additiva). Due regressioni lineari multiple (una per ciascun criterio). 152

Per testare i pattern 5,6, e 7: opzione semplificata (si possono usare approcci più sofisticati e completi).

Ø Si fanno 2 regressioni multiple in parallelo, una che predice Y1 ed una Y2.

Ø Si vedono i coefficienti di regressione (β) e la loro significatività per capire quale modello è quello emergente dai dati.

Ø Dobbiamo sempre testare un modello in cui tutti i criteri sono predetti da tutti i predittori (quindi due regressioni multiple).

Ø Y1=A+bX1+bX2 e Y2=A+bX1+bX2

Pattern di doppia Effetto additivo dissociazione (validità incrementale)

Esempio 1N=109.

Ci sono due misure (una di atteggiamento verso il vino e l'altra di atteggiamento verso le bibite) e due criteri (consumo settimanale di vino e consumo settimanale di bibite).

	Attegg Vino	Attegg Bibite	Vino	Bibite
Attegg Vino	Correlazione di Pearson	1	.090	.381**	.165
Attegg Bibite	.090	Correlazione di Pearson	.159	.216*	.352
Vino	.381**	.159	Correlazione di Pearson	.258**	.007
Bibite	.165	.216*	.258**	Correlazione di Pearson	.087

**. La correlazione è significativa al livello 0,01 (2-code).
*. La correlazione è significativa al livello 0,05 (2-code).

Verifichiamo separatamente i predittori del consumo di vino e di bibite.

Riepilogo del modello
R-quadrato Errore std.
Modello R R-quadrato corretto della stimaa1 .260 .068 .050 .48854a. Stimatori: (Costante), Attegg Bibite,

Attegg Vino a

Coefficienti	Coefficienti non standardizzati	Correlazioni Parziali	Modello B	Errore std.	Beta	t	Sig.
(Costante)	.470	.047	10.038	.000
Attegg Vino	.077	.050	.146	1.555	.123	.165	.149	.146
Attegg Bibite	.100	.047	.202	2.149	.034	.216	.204	.202

a. Variabile dipendente: Consumo Bibite

Attegg Vino a

Coefficienti	Coefficienti non standardizzati	Correlazioni Parziali	Modello B	Errore std.	Beta	t	Sig.
(Costante)	.000	.108	-.004	.997
Attegg Vino	.476	.115	.369	4.134	.000	.381	.373	.368
Attegg Bibite	.152	.108	.125	1.402	.164	.159	.135	.125

a. Variabile dipendente: Consumo Vino

Riepilogo del modello

R-quadrato	Errore std.	Modello	R	R-quadrato corretto della stima
.401	.161	.145	1.12979

Graficamente:

Se avessimo trovato:

Ricapitolando

§ La validità predittiva si può articolare in sottomodelli specifici di

effetti;
Questi modelli rispondono a domande teoriche precise;
Consentono tra l'altro di stabilire la validità incrementale e la presenza di effetti interattivi (con identificazione del moderatore) oppure esclusivi;
Rappresentano i blocchi di base per stabilire la validità predittiva di una misura all'interno di un contesto teorico più ampio;
La correlazione tra misura e criteri è solo l'inizio;
Modelli di regressione consentono di approfondire la questione;
Ci sono modelli ancora più avanzati (ad es., mod-med, med-mod).
Validità delle misure implicite
Studiare: Perugini, Richetin, Zogmaister (2010) Prediction of behavior (capitolo sulla validità delle misure implicite).
I paradigmi di misurazione implicita sono formati procedurali;
Non sono test standardizzati, bensì contenitori che possono essere adattati alla misurazione di svariati costrutti.
Perciò non possiamovalidare lo IAT in generale. Viene validata la singola applicazione. Lo stesso vale per le altre misure (implicite o esplicite). Tuttavia, indicazioni di validità da diverse applicazioni- Approccio per gruppi noti- Validità predittiva (Perugini, Richetin, & Zogmaister, 2010)- Validità di costrutto (es. effetto delle manipolazioni) Nel complesso questi risultati empirici indicano che con i paradigmi di misurazione implicita possiamo creare misure valide di diversi costrutti. La validità va rimessa alla prova ogni volta! 154 La misura permette la previsione di un comportamento rilevante. Diverse evidenze empiriche in vari ambiti. Validità predittiva dello IAT Meta-analisi sulla validità predittiva dello IAT di Greenwald et al. (2009) Una meta-analisi è uno studio empirico riassuntivo su tutti gli studi empirici rispetto ad un determinato argomento. Si calcolano statisticamente i parametri medi (ad es., r) aggiustati per la numerosità.

deicampioni

Sia per lo IAT che misure esplicite (validità incrementale). Si verifica la presenza di moderatori degli effetti.

122 studi con 184 campioni e N=14900.

Domini e misure diverse

Validità incrementale dello IAT

Misura Implicita Comportamento

Misura Esplicita

Le misure implicite ed esplicite spiegano varianza unica nel criterio. Importanza teorica e pratica. 155

La validità incrementale dello IAT è significativa (r =.17) anche se modesta. Tende ad essere maggiore per atteggiamenti (rp =.19) rispetto al concetto di sé (r =.13)

Varia molto tra domini diversi.

Si pone perciò il problema di cosa può moderare (incrementare) la validità predittiva

La domanda è: ci sono condizioni nelle quali le misure implicite predicono meglio?

L'idea è che predicono meglio quando le persone non hanno intenzione/possibilità di controllare i propri comportamenti.

Effetti di moderazione per le misure implicite

Quali circostanze

moderano (accrescono/inibiscono) la validità predittiva?

In quali condizioni le misure implicite predicono meglio?

Implicazioni teoriche:

• Per misura
• Per comportamento

Implicazioni pratiche:

• Creazioni condizioni di misurazione appropriate
• Conoscenza delle condizioni in cui il comportamento viene predetto

Moderatori della validità