Dispense di Metodologia della ricerca psicosociale

META ANALISI

Consente di integrare e sintetizzare, mediante analisi statistiche i risultati ottenuti in più studi su uno stesso tema. È possibile fare una valutazione complessiva degli studi che hanno sottoposto ad esame empirico una stessa ipotesi, quantificare l'effetto medio trovato e testare se tale effetto può dipendere da artefatti metodologici (campione, strumento o da specifici fattori predittivi) e generalizzare i risultati ottenuti.

IL CAMPIONAMENTO

Definizioni:

Campionamento: procedimento mediante il quale si estrae da un insieme di unità (popolazione), oggetto dello studio, un numero ridotto di casi (campione) scelti con criteri tali da consentire la generalizzazione alla popolazione dei risultati ottenuti sul campione.

Popolazione: insieme, reale e finito, di N (ampiezza della popolazione) unità statistiche o unità di analisi (non necessariamente individui). Una popolazione deve essere definita nei contenuti, nello spazio e

Nel tempo; ad esempio, gli studenti dell'Università di Padova il 31 dicembre 2019.

Campione- : insieme delle n (ampiezza del campione) unità campionarie (casi) selezionate tra le N unità che compongono la popolazione allo scopo di rappresentarla ai fini dello studio.

Un campione è rappresentativo se le caratteristiche della popolazione (cioè la distribuzione di...) genere, età, intelligenza, status sociale, atteggiamenti, credenze religiose sono presenti nel campione in proporzioni uguali a quelle della popolazione.

Parametro- : misura di un carattere o proprietà in una popolazione (media, deviazione standard, proporzione, correlazione...).

Statistica:- misura corrispondente nel campione, detta anche "stimatore".

Rilevazione esaustiva: Solo una (totale) della popolazione (censimento) fornisce il valore esatto del parametro che si vuole conoscere; l'indagine campionaria ne fornisce una "stima".

Cioè un valore approssimato. In seguito ad una rilevazione totale potremmo arrivare a conclusioni del tipo: "Il reddito medio mensile degli italiani è di euro 1.475". In seguito a una rilevazione campionaria possiamo concludere: "C'è il 95% di probabilità che il reddito medio della popolazione sia di euro 1.460 ± 50". => due elementi di indeterminazione:

• L'affermazione non è certa, ma probabile: c'è un 5% di probabilità che il reddito medio stia all'esterno dell'intervallo trovato;
• E' approssimativa: indica con un certo livello di fiducia (il 95%) un intervallo nel quale si colloca il valore del parametro della popolazione (intervallo di fiducia).

Errore di campionamento: La stima ottenuta dal campione è quindi affetta da errore: l'equazione è V = v ± e, dove:

• V = valore del parametro (ignoto)
• v = stima del campione
• e = errore di campionamento

E' possibile calcolare

L'entità di tale errore quando abbiamo un campione probabilistico. Campioni probabilistici: ogni unità della popolazione ha probabilità nota e non nulla di essere estratta per far parte del campione. Esempio: se dalla lista dei 950 iscritti al primo anno dei corsi di studio triennali della Scuola di Psicologia vengono selezionati a caso 150 studenti, ogni iscritto ha il 15.79% (150/950 x 100) di probabilità di entrare a far parte del campione.

Per realizzare un campione probabilistico è necessario che:

• La popolazione sia ben definita;
• Si possa suddividerla in N unità distinte e identificabili;
• Esista una lista della popolazione completa di tutte le unità;
• Il procedimento di estrazione non introduca errori o distorsioni, sia cioè casuale.

La lista (o frame) è l'elenco di tutte le unità della popolazione. L'accuratezza di un campione dipende anche dall'accuratezza della lista: questa deve essere aggiornata,

1. Errore di copertura: Una lista non accurata dà origine all'importante perché coloro che non sono in lista sono tendenzialmente diversi da coloro che sono presenti (ad esempio se usassimo come lista di campionamento l'elenco telefonico escluderemmo tutti coloro che non vi compaiono per diversi motivi: non vogliono essere raggiungibili, possiedono solo il cellulare).
2. Estrazione casuale: un'estrazione che consenta di individuare le unità campionarie con metodi rigorosi che garantiscano l'equiprobabilità della selezione.
   • Procedure:
   • - Sorteggio;
   • - tavole dei numeri casuali;
   • - metodi computerizzati.
3. Con n sufficientemente elevato, la rappresentatività del campione scaturisce automaticamente.
4. Metodi di campionamento probabilistico:
   • - Casuale semplice (con o senza reimmissione)
   • - Sistematico
   • - Stratificato
   • - A stadi
   • - A grappoli
   • - Per aree.
5. Campioni non probabilistici: le singole unità non hanno la stessa

Conoscenza di caratteristiche ignote della popolazione attraverso le informazioni tratte da uno o più campioni. L'inferenza statistica si occupa:

• Della stima dei parametri della popolazione attraverso i campioni;
• Del controllo di ipotesi statistiche.

Errore di campionamento:

Se il campionamento è casuale semplice, la statistica consente di determinare l'errore di campionamento.

Se il parametro da stimare è la media, l'errore di campionamento è dato da: √1-f/√n)e = z(sx√1-f/√n)e = z(sx

Dove:

• z- = punteggio z dipendente dal livello di fiducia della stima => 1.96 se ci accontentiamo di una probabilità del 95% di essere nel giusto; 2.58 se vogliamo una probabilità del 99%;
• sx- = deviazione standard della variabile studiata (maggiore è la variabilità del fenomeno studiato maggiore è l'errore di campionamento);
• n- = ampiezza del campione;
• 1-f- = fattore di correzione per popolazioni finite.

delle proporzioni, non conoscendo sx, assumiamo che questa sia la massima possibile e ciò si verifica quando p = q = .50. Si calcola cioè l'ampiezza necessaria nel caso più sfavorevole.

Quando si lavora sulla stima della media di una variabile non si dispone dell'informazione sulla deviazione standard che può essere tratta da ricerche precedenti, studi pilota o altre fonti.

L'ampiezza ottimale del campione dipende da una serie di fattori:

• Fattore "variabilità" del fenomeno studiato: tanto maggiore è la variabilità della popolazione rispetto alla variabile studiata, tanto più ampio deve essere il campione;
• Fattore "errore": più piccolo l'errore accettato, per un dato livello di fiducia, maggiore l'ampiezza del campione;
• Fattore "presenza di molte variabili": per ogni variabile si dovrebbe definire un campione di numerosità appropriata (si adotta l'n

che garantisce al meglio gli scopi della ricerca);

Fattore "suddivisioni"- : se sono richieste stime non solo per l'intera popolazione, ma anche per parti... )di questa (aree geografiche, genere l'n dovrà aumentare affinché gli stimatori delle sotto-popolazioni siano precisi come quelli della popolazione intera;

Fattore "costo":- direttamente proporzionale all'ampiezza;

Altri campioni probabilistici:

CAMPIONAMENTO SISTEMATICO

Differisce dal campionamento casuale semplice per la tecnica di estrazione. Se è nota l'ampiezza N della popolazione e l'ampiezza n del campione si sceglie un'unità della lista ogni k unità (N/n in => intervallo di campionamento). Se, ad esempio, l'intervallo è 16 si inizia con una unità a caso fra 1 e 16 e poi se ne sceglie una ogni 16.

La lista non deve essere ordinata secondo un qualche criterio.

Il campionamento sistematico può essere usato