Metodi statistici per l'analisi dei fenomeni organizzativi

Eventi sentinella e stress lavoro correlato

Eventi sentinella: indicano stress lavoro correlato.

Turnover

Turnover: differenza tra il numero di persone in uscita (pensione, scadenza contratto) rispetto al numero di persone in entrata.

Modello parsimonioso e formalizzato

Un modello deve essere parsimonioso e formalizzato, ovvero il modello deve rappresentare l'oggetto in modo più semplice.

OCB e comportamenti extra-role

Gli OCB sono comportamenti extra-role, non previsti dal ruolo, spontanei, es. aiutare un collega. Work engagement è l'opposto del burnout.

Ricerca psicologica e variabili nuove

Un problema della ricerca psicologica sono le trasformazioni sociali che portano alla comparsa di variabili nuove: il job crafting è la capacità del lavoratore di adattarsi il proprio lavoro e adattare il suo lavoro alle caratteristiche personali; workaholism.

Campionamento casuale

Campionamento casuale è la miglior tecnica di campionamento, ma non è quasi mai possibile. Il campione deve essere rappresentativo della popolazione ossia avere le stesse caratteristiche.

Matrice dei dati

La matrice dei dati è fatta di righe e colonne, è sempre una matrice casi (riga) x variabili (colonne, esclusa la colonna delle unità). Due variabili sono Ql (stringhe) e altre due sono Qt. Il genere è una variabile nominale, la variabile scuola media consente un ordine di rango perciò è ordinale. La job satisfaction è su scala a intervalli equivalenti, anni di lavoro è su una scala a rapporti equivalenti (c'è lo zero assoluto).

Statistica descrittiva

La statistica descrittiva ha lo scopo di descrivere un campione. Istogramma con variabili quantitative e barre adiacenti.

Regressione lineare semplice

Regressione lineare semplice: una V.I e una V.D. a è l'intercetta, il punto in cui la retta incrocia l'asse delle ordinate (altezza della linea). Il coefficiente "a" rappresenta il valore atteso di Y quando X è uguale a 0.

Il coefficiente "b" rappresenta il cambiamento atteso in Y quando X varia di un'unità. Coefficiente angolare: b inclinazione della retta di regressione di Y su X; indica di quante unità cambia Y per una variazione unitaria che si verifica nella X. Il coefficiente standardizzato B si ottiene moltiplicando il coefficiente "grezzo" b (non standardizzato) per il rapporto delle deviazioni standard della VI e della VD: B = b (sx/sy).

Nella regressione semplice il coefficiente standardizzato è uguale al coefficiente di correlazione "semplice", ovvero: Byx = ryx. La regressione serve quindi a quantificare la relazione tra X e Y, senza poter stabilire una relazione causale, che esiste soltanto da un punto di vista logico e teorico.

Probabilità e significatività

p = è la probabilità di trovare il valore calcolato, che deve essere minore di 0.05. R² è la proporzione di varianza spiegata/condivisa ed essendo un coefficiente quadratico per testarlo si usa l'Anova.

R² (proporzione di varianza condivisa) è il quadrato di R. Le variabili condividono il 71.4% di varianza, è tanto. Ciò vuol dire che l'irritabilità dipende al 71% dal sonno.

Gradi di libertà e significatività

Df = N di sogg – numero di predittori = 43-2 = 41. F calcolato è significativo? P < 0.05 è significativo perché è 0. L'effetto di alfa e di beta è significativo: 0,000. I disturbi del sonno hanno un effetto significativo e positivo sull'irritabilità, all'aumentare dei disturbi del sonno di un’unità, l’irritabilità aumenta di 0.704.

Regressione lineare multipla

Regressione lineare multipla: più V.I. e una sola V.D. Le statistiche descrittive non consentono di fare confronti tra diverse variabili magari una variabile ha una media più alta perché data dalla somma di un numero maggiore di item.

Non si può usare il grafico cartesiano perché le variabili sono più di 2. Si usa per la rappresentazione un grafico di dispersione multidimensionale (con 3 variabili = scatterplot tridimensionale). Nella regressione lineare semplice si individuava la retta di regressione che interpola meglio la nuvola dei punti. Qui lo spazio è multidimensionale, non abbiamo una retta ma una funzione, bisogna individuare il piano che meglio interpola la nuvola dei punti di uno scatterplot tridimensionale.

Y predetta e varianza

Y predetta = Intercetta + coefficiente beta in relazione a x e coefficiente beta in relazione a w. “e” di y è la varianza della V.D. che non è spiegata dalle 2 V.I. Non considero “c” per non sovrastimare l’effetto. Nella regressione lineare semplice l’effetto di x (a+c) su y è più grande che nella regressione lineare multipla (solo a).

Coefficiente di regressione standardizzato

I coefficienti di regressione standardizzati variano tra -1 e 1 e possono essere confrontati tra loro, ci dicono se le V.I. hanno effetti sulla v.d e permettono di capire quale V.I. ha un peso maggiore. Nella regressione multipla i coefficienti di regressione standardizzati NON corrispondono al coefficiente di correlazione di Pearson.

R² e significatività

L’ R² indica quanto la V.D. dipende complessivamente dalle V.I. “c” è considerato solo nel calcolo dell’R². R² aumenta all’aumentare del numero di V.I. R² corretto corregge la distorsione e va a pesare la variabilità totale rispetto al numero di V.I. e alla numerosità del campione. La significatività dipende dalla numerosità del campione. Più il campione è numeroso, più aumenta la possibilità di trovare risultati significativi.

Test d'ipotesi e significatività

Come nella regressione lineare semplice, tutti i coefficienti vanno sottoposti a test d’ipotesi, in particolare i beta vanno sottoposti a test T di student. L’ R² è sottoposto a test F di Fischer perché è un indice quadratico e varia tra 0 e 1. Se R² è significativo i beta possono essere o no significativi, R² ci informa della varianza complessiva di tutte le V.I. Può accadere che una delle due variabili non ha un effetto significativo o che R² è significativo ma nessuna V.I. sia significativa, ciò si verifica quando le variabili indipendenti sono molto correlate tra loro ossia “c” (la parte che x, w, y condividono) è molto grande o quando i campioni sono piccoli (N < 30).

Effetti significativi e dipendenze

R² 0.0 è minore di 0.05. L’effetto delle v.i. sulla v.d è significativo. Beta dei disturbi del sonno è significativo, beta dei conflitti con i colleghi non significativo. L’irritabilità dipende esclusivamente dai disturbi del sonno.

Interpretazione dei coefficienti Beta

Per interpretare prima vedo R², poi i coefficienti Beta, dove la significatività c’è se p < 0.05. Correlazione spuria tra 2 variabili perché entrambe correlano o dipendono da una terza variabile. All’aumentare di una variabile di una unità, l’altra aumenta (se correlazione è positiva) o diminuisce (se correlazione è negativa) di … (guardo il beta). Il beta standardizzato permette di capire l’effetto di quale variabile è maggiore. La qualitative ha un effetto doppio rispetto alla quantitative sullo stress.

Turnover e variabili

R² è significativo le 3 variabili spiegano insieme il 23% della varianza del turnover. Il turnover dipende da quantitative, qualitative e engagement, in particolare all’aumentare del qt e ql aumenta il turnover e all’ aumentare dell’engagement diminuisce il turnover. Si vede il coefficiente standardizzato a prescindere dal segno e poi lo si interpreta. Bisogna aumentare l’engagement (-0.336): all’aumentare di un’unità dell’engagement diminuisce di -0.336 il turnover. Le persone che hanno paura di perdere il lavoro e le sue caratteristiche se ne vogliono andare, le persone con un alto engagement vogliono restare.

Confronto medie: test t

• Confrontare medie tra campione e popolazione. Test t perché all’aumentare di N test z e t si assomigliano, il test t è più conservativo. Analizza-confronto medie- test T campione unico. Tra le medie c’è una differenza significativa, in particolare il campione ha una media di stress più elevata della popolazione.
• Test per campioni indipendenti uomo-donna. Non c’è differenza significativa tra le due medie dato che 0.8 non è minore di 0.05.
• Test T per campioni appaiati. La j. i qualitativa ha media maggiore della j. i. quantitativa.

Test Anova

• O.3 > di 0.05 perciò lo stress non dipende dalla mansione, non c’è differenza significativa tra i gruppi. Il test post-hoc consente di confrontare i gruppi per coppie, mi informa lì dove c’è differenza significativa tra quali gruppi esiste.

Correlazione

• C’è correlazione positiva tra j.i quantitativa e stress, all’aumentare della QT aumenta lo stress.

Chi quadro

• Associazione tra genere e mansione. C’è associazione tra il genere e la mansione (p=0.05) in particolare gli uomini svolgono la mansione di operaio e le donne tendenzialmente la mansione di impiegato. Devo vedere dove il Conteggio (reale) > conteggio atteso.

Variabili intervenienti

Le variabili intervenienti possono essere mediatori o moderatori. Il capitale psicologico ha 4 dimensioni (positive): autoefficacia, ottimismo, speranza, resilienza. Thriving come flourishing, la fioritura del soggetto. Il work engagement lavora sugli aspetti motivazionali. Chi si impegna di più ha performance migliori.

Test t campioni indipendenti

• Non c’è differenza significativa nei livelli di adaptability tra uomini e donne 0.2 < 0.05. Variabile di raggruppamento genere. (No opzioni da chiedere)

ANOVA

OCB (v.d.) dipendono da organizational size (var. ql. con 4 gruppi) 0.02 è minore di 0.05 quindi gli ocb dipendono dagli organizational size, in particolare c’è differenza tra i gruppi (0.06) in particolare le aziende dai 10 a 50 dipendenti hanno un livello di ocb maggiore rispetto alle aziende medie. (Fattore è v.i) Chiedere post hoc tukey, chiedere in opzioni statistiche descrittive e clicco continua poi ok.

Test t campioni appaiati

Self efficacy e optimism c’è correlazione significativa (0.00). Le persone si sentono più efficaci che ottimiste (guardo la media).

Test t per campione unico

Il campione ha un livello di engagement diverso in particolare minore rispetto alla media della popolazione.

Regressione lineare multipla

R² è significativo, le 4 v.i. spiegano il 21% della varianza. Per promuovere la cittadinanza organizzativa bisogna lavorare sul capitale psicologico soprattutto sull’autoefficacia (valore più alto). I livelli di ocb dipendono dalle dimensioni del capitale psicologico (4 var.). Nel test di regressione no opzioni da dare. R² e R² corretto sono simili perché tutte le v.i. hanno effetti significativi.

Correlazione

OCB è punteggio a test. I punteggi alle scale sono quantitativi. C’è correlazione significativa e positiva, ad alti livelli di engagement corrispondono alti livelli di OCB e viceversa.

La moderazione

Ha molto di applicativo, infatti il moderatore (z) può intervenire sulla relazione tra V.I e V.D. Z condiziona effetto di x su y, perciò l’effetto non è uguale su tutti i soggetti. Dal punto di vista manageriale è interessante, consente di lavorare da un punto di vista empirico sul diversity permettendo interventi mirati. Livelli = variabile quantitativa Dimensioni = variabile qualitativa. Il modello moderato è sempre un modello di regressione multipla è come se il moderatore fosse una v.i.

Stipendio e anzianità aziendale

"a" corrisponde allo stipendio di base delle donne che hanno iniziato a lavorare, a è significativo in questo caso non è come un punteggio di un questionario perciò si interpreta. Non mi interessa che è significativo beta. Vogliamo sapere l’effetto di x. Z è inserito come variabile perché vogliamo sapere l’effetto totale. Gli uomini partono da uno stipendio più alto e lo stipendio aumenta in modo proporzionale all’aumentare dell’anzianità aziendale tra uomini e donne. Guardo il grafico e le rette sono parallele. b = 804 stipendio di partenza delle donne. Lo stipendio aumenta di 72 euro sia per maschi che per femmine e c’è uno scarto di 253 euro (B relat.