Corso Vittorio Emanuele II, 39 - Roma 0669207671

Psycho-social Disciplines (Academic Year 2008-2009) - Indirizzo Unico

Multivariate analysis


Credits: 4
Content language:Italian
Course description
Il corso introduce all’uso della statistica inferenziale per trarre conclusioni di una popolazione a partire da un campione, e presenta le principali tecniche di analisi multivariata dei dati adottate nella ricerca psicologica e sociale.
Prerequisites
Per sostenere l’esame è necessario che gli studenti abbiano familiarità con:
  • le procedure di quantificazione in Psicologia (attendibilità, validità, errore..)
  • concetti base di Statistica Descrittiva (distribuzione di frequenza, media, deviazione standard, standardizzazione, distribuzione normale, ecc.)
La conoscenza di questi concetti dovrebbe essere già stata acquisita sostenendo l’esame relativo a “La misura in Psicologia” del I anno del corso di Discipline Psicosociali.
Objectives
principali tecniche di analisi multivariata dei dati. Nello specifico, al termine del percorso formativo, gli studenti dovranno essere in grado di saper individuare le tecniche appropriate per l’analisi dai dati in diversi contesti di ricerca, e di usarle, con l’ausilio degli appropriati strumenti informatici, per giungere a conclusioni sulla base dei dati disponibili. Le tecniche di cui sarà richiesta la conoscenza, sia teorica che pratica, sono quelle maggiormente usate nella ricerca psicologica e sociale, e comprendono i test di verifica di ipotesi sulle medie di uno o più campioni (test z, test t di Student, Analsi della varianza), i test di verifica di ipotesi sulla forma di una distribuzione e sull’indipendenza o associazione tra due variabili (test Chi quadrato), le tecniche di regressione semplice e multipla, con cui analizzare relazioni quantitative e causali tra variabili di interesse, e le tecniche di analisi fattoriali, particolarmente utili per spiegare relazione in base ad un numero più limitato di fattori.
Program
Probabilità e principi di calcolo. Variabili casuali. Statistica inferenziale: popolazioni, campioni, indicatori e parametri descrittivi e loro stima. Distribuzioni campionarie. Intervalli di confidenza. Logica dei test di verifica delle ipotesi. Ipotesi sulla media di una popolazione. Decisioni statistiche ed errori. T di student per campioni piccoli. Verifica di ipotesi sulle differenze tra le medie di 2 popolazioni. Test di z e di t. Test per campioni indipendenti e dipendenti. Verifica di ipotesi sulle varianze. Verifica di ipotesi sulla forma di una distribuzione. Variabili categoriche. Test del Chi quadrato per la bontà dell’adattamento. Test dell’indipendenza tra variabili. Misure di associazione tra variabili: coefficiente di correlazione lineare. Regressione lineare, semplice e multipla. Calcolo dei parametri del modello (coefficienti di regressione) e test della loro significatività. Analisi della varianza spiegata. Analisi delle eventuali violazioni delle assunzioni del modello. Tecniche di analisi fattoriale delle relazioni tra variabili correlate. Fattori comuni e riduzione dell’informazione. Autovettori ed autovalori. Saturazioni. Principali metodologie utilizzabili per ridurre un insieme di variabili ad un sotto insieme di fattori latenti (analisi componenti principali, analisi fattori principali, massima verosimiglianza..), e per interpretare i fattori in relazione alle variabili iniziali (tecniche di rotazione dei fattori e di analisi delle saturazioni) L’analisi della varianza (ANOVA) per confrontare gruppi di medie. Versioni dell’ANOVA (ad una via vs fattoriale, tra i soggetti, dentro i soggetti e mista), ed assunzioni dei modelli.
Book
C. Barbaranelli,Analisi dei dati.LED Edizioni Universitarie, Milano, 2003.A.P. Ercolani,
A. Areni, e L. Leone,Statistica per la Psicologia. Vol. 2. Il Mulino, Bologna, 2002.
Exercises
Le esercitazioni fornite durante il corso conterranno alcune domande relative agli argomenti trattati nelle lezioni. In alcuni casi le domande saranno a risposta multipla, in altre saranno a risposta aperta e conterranno problemi da svolgere su piccoli insiemi di dati.
Professor
Stefano Puglisi Allegra
List of lessons
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli
Claudio Barbaranelli