Riassunto esame Psicologia, prof. Fulcheri, libro consigliato La survey in psicologia, Ortalda

MATRICE DEI DATI

Si intende una tabella di almeno due dimensioni che contiene informazioni interpretate e codificate.

Si dicono dati/valori i contenuti di ogni cella. Si definisce anche matrice CxV (casi x variabili).

(In SPSS: statistica, riassumi, frequenze)

ANALISI DEI DATI

L’applicazione delle procedure statistiche serve per ridurre in modo sintetico la quantità di dati

raccolti e mostrare le relazioni più significative tra le variabili e trovare criteri di lettura dei

fenomeni studiati. Se la ricerca è di tipo esplorativo, si iniziano ad analizzare le variabili prese

singolarmente, si possono mettere in relazione tra loro sia rimanendo a livello descrittivo che

ipotizzando l’esistenza di relazioni di dipendenza o di causa-effetto passando così ad un piano

esplicativo. Infine si può ipotizzare che queste relazioni siano attribuibili a proprietà latenti che non

si sono considerate e si passa ad un livello di interpretazione in cui si cercano variabili latenti che

possono governare i fenomeni osservati. I due piani (descrittivo ed esplicativo) non sempre sono

scindibili: quando si utilizzano tecniche di analisi descrittive il più delle volte si fornisce

un’implicita interpretazione dei dati.

Data editor: compare immediatamente all’attivazione di SPSS e permette di introdurre dati o di

richiamare dati già immagazzinati in un system file per analizzarli o correggerli.

Finestra di output: in cui vengono inviati i risultati delle procedure in esecuzione e gli eventuali

messaggi di errore.

Finestra grafici: attuata automaticamente dal programma quando si richiedono procedure di analisi

grafica.

Finestra di sintassi: aperta quando si vuole scrivere un programma di istruzione SPSS.

DESCRIZIONE

Raccontare ciò che si osserva sia considerando le variabili singolarmente sia valutandone la

covariazione a due a due senza stabilire un rapporto causa-effetto, sia studiando l’intreccio di

relazioni tra più variabili con l’intenzione di formulare una sintesi. Una buona descrizione

9

scaturisce da un efficace equilibrio tra osservazione generale e particolare (troppi dettagli o troppo

facili da generalizzare rendono inutile una descrizione); per quanto ogni ricercatore voglia essere il

più possibile imparziale nel riportare i risultati, li descriverà e in parte li trasformerà in informazioni

utilizzando i propri criteri di rilevanza.

SPIEGAZIONE

Analisi sulle entità osservate e ipotesi su relazioni che possono intercorrere tra loro. Spiegare

significativa mettere in relazione un effetto (variabile dipendente) con una o più cause (variabile

dipendente). Ciò che si ipotizza e non si può direttamente rilevare è la relazione diretta di causa e

effetto tra due o più fenomeni. L’ipotesi di casualità è introdotta dal ricercatore a partire da una

covariazione di fenomeni (con l’aumento di una aumenta la seconda variabile). Nella covariazione

le due variabili assumono valori diversi in modo parallelo ma ciò non implica necessariamente una

causalità. La causa include anche l’elemento di direzionalità dell’azione e il legame diretto (il

variare di una variabile è dovuto e non solo associato al variare dell’altra).

INTERPRETAZIONE

Spiegare ciò che appare il risultato di meccanismi nascosti che possono essere osservabili più o

meno direttamente.

ANALISI MONOVARIATA

Descrizione mediante variabili categoriali

Per trattare le variabili singolarmente con uno scopo descrittivo si deve distinguere tra categoriali (si

inizia di solito con l’analisi del calcolo delle frequenze), ordinali, cardinali (analisi media e

dispersione).

Calcolo frequenze

Le tabelle di frequenza (o tavole di contingenza) sono lo strumento più comune per descrivere dati

che si distribuiscono all’interno di un numero limitato di categorie.

(SPSS: statistica, riassumi, frequenza)

la prima colonna mostra le etichette delle modalità delle variabili, la seconda il numero di codifica

delle modalità, la terza il numero di soggetti che ha scelto quella modalità, la quarta la percentuale

sul totale (si ottiene dividendo la singola frequenza per il totale dei casi e moltiplicando x 100), la

quinta le percentuali calcolate sul totale dei casi validi escludendo i missing, la sesta le percentuali

cumulative calcolate sulla colonna delle percentuali dei casi validi.

Misure di tendenza centrale e dispersione

Per descrivere una variabile categoriale è possibile utilizzare la moda (valore della modalità con il

maggior numero di frequenze); solitamente si considera anche una misura di variabilità dei soggetti

intono a questo valore.

Descrizione mediante variabili ordinali

L’indicatore di tendenza centrale è la mediana (valore della variabile al di sotto e al di sopra del

quale si trovano rispettivamente il 50% dei casi); la misura di dispersione è data dalla distanza tra il

1° e il 3° quartine: tre valori che dividono la distribuzione ordinata in tre parti uguali (il 1° quartine

al di sotto del quale cade il 25% delle osservazioni, il 2° al di sotto del quale cade il 50% e il 3° al di

sotto del quale cade il 75%).

Descrizione mediante variabili cardinali

La misura di tendenza centrale è la media; le tabelle di frequenza non sono adatte per rappresentare

le distribuzioni di variabili cardinali e metriche che possono assumere molti valori, a meno che non

siano opportunamente raggruppate in un numero limitato di classi (SPSS: trasforma, ricodifica).

Per descrivere sinteticamente la distribuzione di una cardinale si usano media, dispersione e indici

di forma (Curtosis che indica se la distribuzione è appuntita o piatta rispetto alla distribuzione

normale e Skewness che indica la simmetria di una distribuzione: se i valori si distribuiscono su una

coda più lunga verso i valori piccoli è asimmetria negativa, al contrario è positiva). 10

Le misure di dispersione dicono quanto si discostano i dati dalla media: la varianza (più è bassa ,

più i casi si distribuiscono attorno alla media, più è grande e più i casi sono dispersi) e deviazione

standard.

Per descrivere la variabile è utile considerare anche i valori estremi (minimo e massimo) e il range

(valore massimo – minimo). SPSS: statistica, riassumi, descrittive.

La ricodifica delle variabili

Per poter fornire risultati più incisivi ed efficaci sintetizzando le informazioni, a qualsiasi livello di

scala, è possibile ridurre il numero di classi aggregando le modalità. SPSS: trasforma, ricodifica, in

variabili diverse (è consigliabile mantenere la variabile originaria e costruirne una nuova con i

valori ricodificati).

E’ utile per raggruppare in classi la variabile età degli intervistati utilizzando classi di ampiezza

equivalenti (per es. 10 anni) o disomogenee.

Rappresentazioni grafiche

La rielaborazione grafica dei risultati descrittivi è indispensabile sia per la stesura di un rapporto di

ricerca scritto che ai fini di una presentazione orale. I grafici possono rappresentare dati categoriali,

ordinali, metriche e conteggi.

ANALISI BIVARIATA

Dopo aver analizzato le variabili singolarmente di solito si vede come possono essere messe in

relazione tra loro attraverso la relazione bivariata:

Controllare l’esistenza della relazione: si può dire che esiste e non è amputabile al caso

 quando si dispone di una statistica che ne stabilisce la significatività; il più noto test è il CHI

QUADRO che si usa con le categoriali e fornisce una misura di tipo inferenziale relativa

all’esistenza di una relazione.

Forza: quanto una relazione esistente è stretta, con quanta precisione la conoscenza dei

 valori di una variabile permette di precedere i valori di un’altra ad essa associata. Viene data

dai test di associazione (più noto è il coefficiente di correlazione che si usa con le cardinali).

Forma: se la relazione è lineare o curvilinea; si studia con l’analisi grafica e tecnica di

 regressione.

Direzione: modo in cui variano tra loro due variabili cardinali (se all’aumentare di una

 diminuisce l’altra la relazione è negativa, se all’aumentare di una aumenta l’altra è positiva).

Simmetria-asimmetria: le variabili possono essere entrambe causa-effetto; una relazione è

 definita asimmetrica quando è distinguibile facilmente una causa da un effetto.

Occorre inoltre valutare l’influenza eventuale di una terza variabile su una relazione a due:

Relazioni spurie: quando tra due variabili c’è covariazione in assenza di causazione; la covariazione

osservata va attribuita ad una terza variabile nascosta che agisce sulle due iniziali; quando le

variabili latenti sono osservabili si può controllare il loro effetto trasformandole in costanti e

suddividendo il campione. SPSS: dati, distingui, ripeti analisi per ogni gruppo

Relazioni soppresse: quando esiste nella realtà una relazione causale diretta tra due variabili, ma

non emerge da una prima analisi.

L’aspetto empirico – osservabile della causalità è la covariazione. Il concetto di causa è un concetto

teorico, sarà il ricercatore ad interpretare in termini esplicativi i risultati di un’analisi statistica; si

parla di spiegazione quando la relazione causa-effetto è diretta, si parla di interpretazione quando

interviene una variabile latente.

DESCRZIONE BIVARIATA

Un modo semplice per mettere in relazione due variabili, classificate in un numero limitato di

categorie, è di utilizzare le tabelle a doppia entrata (tavole di frequenza incrociata, o tabelle di

contingenza, cross tabulation). Per costruirla non è necessario identificare una dipendente e

un’indipendente. Gli unici requisiti sono: numero delle categorie di ogni variabile sia limitato e il

11

numero dei casi per ogni categoria sia sufficientemente ampio da riempire tutte le celle nella tabella

finale.

SPSS: statistica, riassumi, tavole di contingenza

Per avere le % di riga e colonna, ciccare sul pulsante celle nella videata tavole di contingenza e

attivare il calcolo delle % di riga e colonna.

Per capire se esiste effettivamente una relazione tra le due variabili, il test statistico più utilizzato è

2

il CHI QUDRO (X ) che varia tra 0 (non c’è relazione) e 1 (massima relazione). In SPSS si

seleziona da statistiche, tavole di contingenza.

Se non c’è relazione i casi si distribuiscono all’interno delle celle in modo indipendente,

mantenendo le proporzioni che i marginali hanno tra loro. Se esiste una relazione Il Chi assume un

valore positivo diverso da zero, ma perché tale valore sia significativo occorre che non sia dovuto al