Riassunti di Metodi Quantitativi della ricerca sociale

Metodi quantitativi per la ricerca sociale

Survey research

Survey research (inchiesta campionaria) include il questionario standardizzato e l'estrazione di un campione dalla popolazione di riferimento in un ambito spazio-temporale. Si utilizza un approccio nomologico per identificare tendenze generali e fornire una visione stilizzata dei fatti sociali, analizzando grandi quantità di dati in matrici statisticamente analizzabili.

La survey è theory laden, perché il ricercatore appartiene a una comunità scientifica con cui condivide una pre-teoria. Inoltre, esiste una teoria a base predicativa.

La survey può essere usata per:

• Hypothesis testing
• Exploratory research
• Theory-building

Teoria

La teoria può essere:

• A base predicativa: termini, definizioni, schemi classificatori con cui osserviamo, grand theories, non falsificabili. Es. Parsons.
• A base enunciativa: sistemi di enunciati generali legati da relazioni logiche e empiriche. Ipotesi sottoponibili a test empirici, quasi teorie o middle range theories. Es. teoria equilibrio di Barnard-Simon-March.
• Pre-teoria: orientamenti culturali, tradizioni, paradigmi. Es. tradizione sociologica comprendente Weber.

Esperimento

L'esperimento è il modo migliore per studiare le relazioni causali poiché si controllano meglio le variabili. Si basano sui canoni di Mill (1843):

• Concordanza
• Differenza
• Concordanza & Differenza: es. between subjects, gruppo di controllo e gruppo sperimentale
• Residuo
• Variazione concomitante: base dell’analisi multivariata

Tuttavia, nelle scienze sociali è difficile fare esperimenti perché:

• Difficile controllo delle variabili confondenti: multicausalità/multifattorialità, relazioni multiverso, variabili interagiscono tra loro, intenzionalità dell’agire dell’essere umano, variabile non sotto controllo
• Bisogno di tempo per vedere i risultati
• Questione deontologica

A differenza della survey, l'esperimento offre:

• Controllo diretto
• Molti dati
• Analisi covarianza (metodo delle variazioni concomitanti di Mill)

Poll vs Survey

Un poll è una raccolta di opinioni su temi contingenti, commissionata da un soggetto esterno alla comunità scientifica per finalità pratiche, non per conoscenza scientifica.

Studiare i comportamenti con la survey

Secondo Machlup, ci sono problemi se i dati survey possano effettivamente dare risposte adeguate, a causa delle razionalizzazioni ex post e del problema di fedeltà delle risposte (response bias). Lazarsfeld sviluppò "The art of asking why" come base per la Reasons Analysis (Likert, ecc.).

Ricerca economica e survey

Boulier & Goldfarb (1998) identificano vari usi delle survey:

1. Fatti e comportamenti, attuali o passati (postura empirista)
2. Previsioni soggettive di fatti socio-economici futuri per rilevare premesse decisionali
3. Valutazioni beni non-market, es. beni ambientali
4. Giustificazione del proprio comportamento (Reasons analysis)
5. Previsione del proprio comportamento
6. Previsione del proprio comportamento in una situazione ipotetica
7. Disposizioni soggettive: atteggiamenti, valori, rappresentazioni, salienze
8. Misurazione di conoscenze possedute dagli intervistati

Fare/usare survey

Quando si usano le survey, è importante fare attenzione a:

• Documentazione sulla costruzione del dato (campionamento, rilevazione, ecc.)
• Studi sull’accuratezza del dato
• Attenzione alle serie storiche
• Valutare il trade-off tra analisi di dati già raccolti e nuove rilevazioni
• Formazione sulle tecniche più avanzate di analisi dei dati
• Valutare precisione degli strumenti di misurazione

Analisi secondaria

Consiste nell'analisi di dati già raccolti per precedenti ricerche o di dati di fonte amministrativa. Non è analisi terziaria, che non impiega la matrice, né produce articoli.

Gli obiettivi sono:

• Controllare i risultati di ricerche fatte da altri
• Unire matrici diverse
• Rispondere a domande nuove con dati vecchi

Classificazione survey (tempo)

• Analisi Cross-sectional: indagine sincronica, molti casi in un solo punto temporale.
• Analisi di Trend: rilevazioni trasversali ripetute nel tempo sullo stesso argomento e stessa popolazione in più waves su campioni composti da casi diversi ma comparabili tra loro; studia i mutamenti nel tempo. Es. Istat sui consumi delle famiglie / European values survey.
• Panel prospettico: stesso campione intervistato periodicamente in waves al t1 e t2; studia le dinamiche individuali; problemi logoramento e interferenze. Es. ILFI.
• Analisi di coorte: rilevazioni periodiche su un insieme di persone che condividono una caratteristica o un’esperienza in comune. Es. età, periodo, coorte.
• Analisi longitudinale retrospettiva: simile cross-sectional, un campione intervistato una sola volta ma su domande che vertono il passato oltre che il presente per surrogare la mancanza di dati sul passato; problema di memoria telescoping bias.

UDR, RIS, UDA

• UDR: Unità di rilevazione a cui si associa uno stato di una proprietà; può essere un individuo, un gruppo.
• RIS: Rispondente, a volte coincide con UDR se è individuale, se è collettivo può essere interno o esterno (proxy subject).
• UDA: Unità di analisi, può coincidere con UDR o essere l’aggregazione di più UDR (unità ecologica).

Ricerca quantitativa

La ricerca quantitativa non è quantofrenia: attenzione eccessiva per gli aspetti procedurali a scapito della riflessione teorica e visione riduttiva della conoscenza scientifica. I dati statistici sono spiegati solo se vengono anche realmente interpretati in modo dotato di senso concreto (Weber).

Oggettivismo: modello deduttivo-nomologico / induttivo statistico ≠ Soggettivismo ≠ Approccio condizionale della spiegazione statistica. Secondo Weber, la spiegazione di un fenomeno sociale complesso è sempre parziale e dipende dal punto di vista dell’osservatore, anche se non tutte sono empiricamente valide. Interpretare la relazione tra le variabili alla luce di motivazioni dei soggetti agenti.

Lazarsfeld e il linguaggio delle variabili

Insieme di concetti, termini, procedure capaci di fornire alla ricerca empirica un impianto metodologico unitario. Le variabili sono i building blocks della ricerca quantitativa. Ogni questione nella ricerca sociale può essere chiarita con le seguenti domande:

• Quante variabili sono incluse nell’analisi concettuale?
• Qual è la natura specifica di queste variabili?
• In che modo sono interrelate?

Origine delle variabili

• Top-down: traduzione termini osservativi di una proprietà astratta dalla proprietà a una variabile, dalla proprietà a più variabili, indicatori semplici, dalla proprietà a più indicatori semplici a indicatore composto, cioè variabile di sintesi.
• Bottom-up: sintesi automatica di una nuova variabile da variabili già registrate in matrice e sua interpretazione teorica.

Proprietà

Le proprietà da rilevare devono essere soggette a un'operazione di chiarificazione concettuale (concept analysis), ovvero la proprietà deve essere definita in base a:

• Chiarezza (clarity): aspetto intensionale
• Estensione (extension): dominio a cui la definizione si applica
• Rilevanza teorica (systematic import): rapporto tra proprietà e quadro teorico della ricerca

Fallacia di Reificazione: è un errore molto diffuso, ovvero ci si dimentica che le definizioni sono sempre convenzionali e valide in un definito ambito di discorso, raccontano solo alcuni aspetti sempre parziali e non coincidono o esauriscono il fenomeno da studiare.

Tipi di proprietà

• Individuali: motivazioni, atteggiamenti, valori, conoscenze, credenze, caratteristiche socio-economiche ecc.
• Globali: UDR=UDA
• Aggregate: UDA=sommaUDR
• Di contesto: proprietà collettive inserite in profili individuali

Dalla proprietà alla variabile: definizione operativa

Definizione operativa (Hempel): complesso di regole e convenzioni che stabiliscono come una proprietà (piano teorico) deve essere rilevata su un dominio di referenti (piano empirico).

Proprietà → almeno una variabile

Stato sulla proprietà → modalità a cui è assegnato un codice alfanumerico

Passaggi

• Traduzione proprietà in domande (proprietà complessa divisa in più indicatori)
• Scelta formati di risposta
• Somministrazione questionario (cati, capi, papi, cawi)
• Assegnazione dei casi alle modalità
• Individuazione tipo di scala per ciascuna variabile
• Piani di codificazione delle modalità

Formulazione questionario

• Linguaggio semplice: sintassi semplici, domande concise e chiare, no ambiguità.
• Prima le domande che dividono il campione
• Focalizzarsi sull’arco temporale
• Evitare espressioni enfatizzanti, domande con risposta non univoca, presunzioni di risposta, tecnicismi, domande imbarazzanti
• Ordinare le domande secondo criteri psicologici.

Survey research - Processo

I. Progettazione della ricerca

• Problem choosing
• Setting domande
• Ipotesi di ricerca

II. Rilevazione delle informazioni

• Pre-test / selezione e contatto dei rispondenti
• Raccolta informazioni
• Costruzione del codebook
• Data entry
• Wild code check

III. Framing dei dati

• Costruzione matrice dati
• Sintesi di variabili derivate (indici e tipologie) / aggregazione casi
• Unione con altri data set (merging) e integrazione con altri dati (variabili di contesto)

IV. Analisi dei dati

Usa strumenti elaborati in diverse discipline ma ha un impianto unitario a partire dal saggio di Pearson “On lines and planes of closest fit to a system of points in space” 1901.

Oggetti di studio:

• Traduzione delle proprietà in variabili
• Tipi di scala delle variabili
• Matrici dati (input)
• Analisi multivariata
• Tecniche di analisi (T)
• Condizioni di applicabilità di una tecnica
• Criteri di valutazione degli output delle tecniche (output)
• Storia dell’analisi dei dati

V. Esposizione dei risultati

Campionamento (sampling)

Il campione deve rappresentare la popolazione per poter generalizzare i risultati all’intera popolazione tramite l’inferenza.

Problemi dell’inferenza:

• Infiniti potenziali campioni
• In uno studio si analizza un solo campione
• Ogni campione rappresenta la pop in maniera imperfetta, a volte più e a volte meno
• Impossibile determinarne l’errore

Tipi di campionamento:

• Campionamento causale/probabilistico: procedura rigorosa basata sul caso. Tutte le unità hanno probabilità di estrazione nota a priori e ≠ 0. Occorre avere una lista completa della popolazione e non ridondante. Non garantisce la rappresentatività ma evita che la procedura di selezione sia di per sé fonte di distorsione sistematica delle stime.
• Causale semplice: tutte le unità hanno = probabilità di essere estratte Senza ripetizione (in blocco): se n/N<0,05 no differenza tra i due. Con ripetizione (bernoulliano).
• Stratificato: la pop è divisa in base ad una o più variabili. Proporzionale (autoponderato) o Non proporzionale: va successivamente operata una ponderazione tramite i pesi per correggere la rappresentatività.
• A grappoli: A stadi: tra cui quello per aree.
• Haphazard sampling: il caso ci guida in maniera non regolata.
• Purposive sampling: procedura non basata sulla causalità, non probabilista. Per quote, A valanga, A scelta ragionata.

Errori possibili e minacce alla rappresentatività:

• Errore di Campionamento (accidentale): incertezza che il campione rappresenti la popolazione.
• Errori sistematici (non accidentali):
• Di copertura: popolazione ≠ lista di campionamento.
• Mancata risposta totale (cadute): non raggiungibilità di alcuni casi o alla loro indisponibilità, nei commenti ai risultati bisogna sempre tenerne conto.
• Mancata risposta parziale: indisponibilità di alcuni a rispondere a parte di domande.

Errori

• Errore sistematico: si presenta costantemente in tutte le rilevazioni ma una volta scoperta la fonte e il grado di distorsione l’errore diventa prevedibile.
• Errore accidentale (random error): varia imprevedibilmente.

X = τ (true score) + β (bias sistematico) + ε (errore accidentale)

Lazarsfeld: interpretazione empirica di un concetto

Fasi dal piano teorico alla rilevazione empirica: operativizzazione.

Alcune proprietà sono sfaccettate e non possono essere rilevate direttamente con una sola variabile, quindi occorre scomporre il concetto in dimensioni e poi in indicatori che saranno operativizzati in variabili che a loro volta possono essere sintetizzate in uno o più indici:

1. Imagery (rappresentazione figurata)
2. Concept specification
3. Selection of indicators
4. Formation of indices

Sostruzione: interpretazione teorica di indicatori che sono già presenti nei dati, si parte dalle variabili e si vede se vi è un concetto comune a quell’insieme di variabili → Fattore Latente

Indicatori

Concetto → Un insieme di elementi che sono misurati tramite indicatori operativizzati in variabili.