Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduzione al Corso
M Q
Marco Perugini
Milano-Bicocca
1 Lezione: I
Programma Odierno
Struttura, argomenti, e stile del corso Laboratorio di metodologie quantitative Esami Panoramica dei temi trattati Concetti statistici di base I
2 Lezione: I
Software Statistico
Il programma SPSS verra usato per condurre i calcoli necessari alle analisi SPSS verra utilizzato nei laboratori Varie fonti offrono guide pratiche a SPSS
http://www.spsstools.net/spss.htm
6 Lezione: I
Laboratorio I
Il corso ha a latere un laboratorio di 18 ore Il laboratorio vale 3 CFU e prevede delle attivita pratiche. Insieme al laboratorio di metodologie qualitative (3 CFU, secondo semestre) ed alla partecipazione a studi ed esperimenti (2 CFU, 10 ore) fornisce il credito complessivo del Laboratorio Metodologico (8 CFU) Lo scopo del Laboratorio e di imparare ad eseguire ed interpretare praticamente le analisi statistiche studiate a lezione. Il laboratorio essenziale per acquisire le appropriate conoscenze pratiche del software SPSS e per apprendere il come utilizzare in contesti concreti di ricerca le tecniche studiate a lezione Dovrebbe iniziare la settimana del 25 Ottobre, diviso in tre turni pomeridiani Pi avanti fornir ulteriori dettagli e le modalit discrizione
7 Lezione: I
Libri di Testo
Il libro di riferimento :
Barbaranelli, C. Analisi dei Dati: Tecniche Multivariate per la Ricerca Psicologica e Sociale
I lucidi delle lezioni possono essere scaricate (dopo la lezione) dal sito web Vi saranno altre letture che verranno inserite di volta in volta sul sito web In generale: Il programma e definito da cio che si fa a lezione Cio che si fa a lezione, potr essere nellesame Cio che NON si fa a lezione, NON sara nellesame
8 Lezione: I
Esami I
Lesame e composto da: Risposte a scelta multipla: Principalmente di teoria e concetti Domande aperte Si chiedera di rispondere a domande riguardanti i risultati di analisi condotte su SPSS. Tutti possono integrare il voto con lesame orale Lesame orale puo alzare o abbassare il voto (ma di molto poco) Data primo appello: 11 gennaio Risultati per il fine settimana, verbalizzazione 18 gennaio (10.30) Appello successivo: 15 febbraio 10.30
9 Lezione: I
Considerazioni Pratiche I
Il modo migliore per studiare le varie tecniche statistiche di utilizzarle Utilizzarle significa esercitarsi con SPSS Durante il laboratorio verrano forniti database su cui esercitarsi Distinzione tra padroneggiare e conoscere Le nozioni che dovete padroneggiare sono quelle affrontate piu in dettaglio e riguardano anche aspetti concreti di scelte, interpretazioni, ed argomentazioni relativamente ad analisi statistiche
10 Lezione: I
Considerazioni Pratiche II
Le nozioni da padroneggiare saranno tipicamente esaminate sia da domande a scelta multipla che da domande aperte Riguarderanno aspetti relativi anche al come si interpretano i risultati Per padroneggiare non basta la conoscenza teorica ma serve anche la capacita di applicarla a casi concreti di ricerca Il laboratorio puo essere molto daiuto al riguardo
11 Lezione: I
Analisi delle strutture dei dati e misure: Analisi Fattoriale Analisi della validita predittiva: Regressione multipla Analisi della struttura dei casi: Cluster analysis Logica, applicazione, e interpretazione delle analisi Laboratorio: Esecuzione delle analisi in SPSS (software statistico)
13 Lezione: I
Per studiarlo in modo scientifico, vogliamo quantificarlo Quantificare significa misurare (misurazione implicita ed esplicita) Se misuriamo qualcosa, vogliamo sapere anzitutto quali sono le dimensioni sottostanti al fenomeno Vogliamo perci studiarne la struttura sottostante (Analisi Fattoriale) Vogliamo anche sapere se la misura affidabile (Attendibilit)
Seconda parte
14 Lezione: I
Vogliamo perci studiare la misura in relazione ad altre misure (o eventi) che essa dovrebbe prevedere (regressione multipla) Ci anche se gli eventi da predire sono dicotomici/binari (regressione logistica) Vogliamo capire come diverse misure predicono diversi criteri con implicazioni teoriche (modelli di validit predittiva)
Quarta parte
Vogliamo infine anche vedere come le persone possono essere raggruppate in base alle loro similarit rispetto a delle misure (Cluster Analysis)
15 Lezione: I
16 Lezione: I
17 Lezione: I
Media
E il punto di equilibrio di una distribuzione di dati, coincide con il valore atteso e, se la distribuzione normale, anche il valore pi probabile, cio la speranza matematica.
X X=
N
18 Lezione: I
(X =
X)
X =
N
X2
s= s
2
19 Lezione: I
Errore di misura
Praticamente in ogni forma di misurazione, allaumentare dei casi osservati, diminuisce lerrore
Proiezioni votazioni politiche: aumentare delle sezioni scrutinate, diminuisce la forbice (lerrore) Costruzione questionario personalit o atteggiamento: allaumentare del numero di item (domande), diminuisce lerrore di misura. Test diagnostici medici: Nel dubbio si ripetono le analisi: allaumentare del numero di test, diminuisce lerrore di misura. Controllo Qualit prodotti: allaumentare dei prodotti testati, aumenta la precisione della stima della percentuale di difetti
20 Lezione: I
Errore e variabilit
Lerrore di stima non dipende solamente dalla numerosit, ma anche dalla variabilit del carattere osservato (la varianza della variabile oggetto di studio) Se tutti rispondono allo stesso modo, basta chiedere ad una sola persona! Tanto piu ce variabilita, tano piu necessitiamo di osservazioni (casi, risposte)
21 Lezione: I
Errore e variabilit
Assumiamo che quasi tutti gli studenti abbiano una media dei voti di 26.5
0.9 0.8 0.7 0.6 0.5
Media=26.5
Varianza=.5
Voti
24
26
18
21
20
19
22
23
V ot i
25
29
22 Lezione: I
30
27
28
Errore e variabilit
Quasi tutti i campioni possibili, anche se piccoli, daranno valori necessariamente vicini alla media vera (26.5)
0.9
Campione 1 Media=26.3
Voti
24
26
18
21
20
19
22
23
V ot i
Media campionaria
23 Lezione: I
25
29
30
27
28
Errore e variabilit
Assumiamo ora che vi sia grossa variabilit tra gli studenti
Media=26.5
0. 12 0. 1
0. 08
V oti
Varianza=4
0. 06
0. 04
0. 02
18
19
20
21
22
23
24
V ot i
25
26
27
28
29
24 Lezione: I
30
Errore e variabilit
I campioni, soprattutto se piccoli, possono scostarsi anche molto dalla media, creando molto errore
0. 12
Media popolazione=26.5
Campione 1 Media=28.3
V oti
0. 1
0. 08
0. 06
0. 04
0. 02
18
19
20
21
22
23
Media campionaria
25 Lezione: I
24
V ot i
25
26
27
28
29
30
Errore e variabilit
Lerrore aumenta allaumentare della variabilit del carattere osservato
0.35 0.3 0.25
Errore
6 varianza
10
11
26 Lezione: I
Lerrore standard
Dunque lerrore di stima (qualunque stima) Aumenta con laumentare della varianza della variabile Diminuisce con laumentare della numerosit Lerrore di stima e chiamato errore standard (standard error)
Errore standard
ES =
S n
Varianza
Numerosit
27 Lezione: I
Lerrore standard
Lerrore standard o standard error indica lerrore atteso che facciamo nel utilizzare un campione (con data numerosit e variabilit) per stimare una caratteristica della popolazione
Errore standard
ES =
S n
Varianza
Numerosit
28 Lezione: I
Lerrore standard
0.35 0.3 0.25
Errore
6 varianza
10
11
ES =
Errore m edio
S n
2
0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 2 3 4 5 6 7 8
9 10 11 12 13 14 15 16 17 18 Numerosita'
29 Lezione: I
30 Lezione: I