Discipline psicosociali (Anno Accademico 2014/2015)

Psicometria e analisi dei dati

Docenti video: Anna Paola Ercolani - Università "La Sapienza" di Roma (Roma - Italia), Giulio Vidotto - Università di Padova (Padova - Italy), Claudio Barbaranelli - Università "La Sapienza" di Roma (Roma - Italia)

Lezione n. 1: La misura del comportamento - cosa misuriamo? La misura in psicologia Il concetto di misura Conclusioni		Anna Paola Ercolani
Lezione n. 2: Attendibilità e validità delle misure Errore di misura Conclusioni Attendibilità Validità Conclusioni		Anna Paola Ercolani
Lezione n. 3: Strumenti di misura in psicologia I test di intelligenza I test di Personalità Le scale di misura degli atteggiamenti La Psicofisica		Giulio Vidotto
Lezione n. 4: Le scale nominali e le scale ordinali Scala nominale Scala ordinale Conclusione		Giulio Vidotto
Lezione n. 5: Le scale ad intervalli equivalenti e le scale a rapporti equivalenti Scala ad intervalli equivalenti Scala a rapporti equivalenti Conclusioni		Giulio Vidotto
Lezione n. 6: Distribuzioni di frequenza e rappresentazioni grafiche Distribuzioni di frequenza Rappresentazioni grafiche Tabelle di frequenza		Anna Paola Ercolani
Lezione n. 7: Indicatori di tendenza centrale Moda Mediana Media Confronto media e mediana Confronto moda, media e mediana		Anna Paola Ercolani
Lezione n. 8: Indicatori di posizione Quartili Decili Centili Conclusioni		Anna Paola Ercolani
Lezione n. 9: Indicatori di dispersione Campo di variazione Differenza Interquartile Scostamento semplice medio Varianza Scarto quadratico medio o deviazione standard Coefficiente di variazione		Anna Paola Ercolani
Lezione n. 10: Distribuzione normale e standardizzazione delle misure Standardizzazione Distribuzione normale Distribuzione normale standard		Giulio Vidotto
Lezione n. 11: Un esempio di analisi dei dati nella ricerca in psicologia Un esmpio di analisi dei dati nella ricerca in psicologia Fine		Giulio Vidotto
Lezione n. 12: La statistica inferenziale: concetti di base Popolazione e campione Proprietà dei campioni e del campionamento. Parametri e indicatori Stima dei parametri Distribuzione campionaria Uso della Distribuzione Campionaria (DC) nell'inferenza statistica; intervalli di confidenza e errore standard t di Student per piccoli campioni Gradi di libertà (GDL)		Claudio Barbaranelli
Lezione n. 13: La verifica delle ipotesi: principi generali Ipotesi statistiche e ipotesi sulle medie Logica della verifica di ipotesi: decisioni e valore critico Decisioni probabilistiche, rischi delle inferenze e tipi di errori Formulazione delle ipotesi: ipotesi bidirezionali vs monodirezionali Verifica di ipotesi sulla media di 1 campione: esempio (parte 1) Determinazione parametri DCM e decisione (esempio parte 2) Piccoli campioni: test con t di student		Claudio Barbaranelli
Lezione n. 14: La verifica delle ipotesi sulle differenze tra le medie Campioni indipendenti. Formulazione delle ipotesi e modello di riferimento. Distribuzione campionaria delle differenze tra le medie (DCDM): costruzione, proprietà ed uso di z per la verifica delle ipotesi Esempio uso di z per verifica (campioni grandi n>30) Campioni piccoli: il test con t di Student Campioni non indipendenti Esempio di test delle differenze delle medie di campioni correlati Verifica ipotesi sulle varianze		Claudio Barbaranelli
Lezione n. 15: La verifica delle ipotesi sulla forma della distribuzione Introduzione. Variabili categoriche e tipo di stima La stima della forma: caso di un campione.Esempio di problema. Distribuzione di frequenze e formulazione delle ipotesi Il test del chi quadrato. Bontà dell'adattamento. Confronto frequenze empririche vs attese. Logica e formula Chi quadro Esempio di uso del test nel problema: ipotesi, calcolo frequenze e del Chi quadro. Decisione. Limiti di applicabilità del test. Il caso di 2 campioni: verifica della relazione tra 2 variabili. Tabelle a doppia entrata o tavole di contingenza. Frequenze marginali. Ipotesi Calcolo delle frequenze teoriche e svolgimento del test Formula abbreviata per Chi quadrato. Esempio di calcolo		Claudio Barbaranelli
Lezione n. 16: La correlazione lineare Relazione tra più variabili: forma della relazione (diagrammi di dispersione); relazioni lineari. Intensità e direzione della relazione. Coefficiente di correlazione lineare r di Pearson. Concordanza e discordanza. Formule di calcolo di r. Covarianza. Formula per calcoli manuali. Verifica di ipotesi su r. Rapporto di r con t di student Esempio (con uso della formula di r per calcoli manuali) Relazione tra 2 variabili dicotomiche (coefficiente phi). Relazione tra una variabile dicotomica ed una continua (coefficiente di correlazione "punto-biseriale"). Relazione tra 2 variabili su scala ordinale (coefficiente rho di Spearman: correlazione tra i ranghi).		Claudio Barbaranelli
Lezione n. 17: La regressione semplice Relazione lineare. Predittori e criteri. Scopi dell'analisi: spiegare e predire; conoscere la forma della relazione. Regressione semplice o bivariata. Ipotesi di dipendenza La forma della relazione lineare: equazione di regressione. Parametri. Linearità. Errori o residui. Identificazione della retta di regressione. Minimi quadrati. Esempio. Coefficienti di regressione, normali e standardizzati. Adeguatezza della soluzione. Devianza totale, spiegata e d'errore (residua). Coefficiente di determinazione R2. Coefficiente di alienazione. Errore standard della stima. Precisione della retta.		Claudio Barbaranelli
Lezione n. 18: La regressione multipla: Modello statistico e assunzioni Regressione multipla. Equazione di regressione ed interpretazione geometrica Coefficienti di regressione multipla (parziali) e modi per determinarli (Minimi quadrati multipli). Espressione matriciale dell'equazione Misure di associazione. Diagrammi di Venn. Correlazione semi-parziale e parziale. Coefficienti di regressione. Varianza spiegata. Coefficiente di determinazione multipla R2 e di correlazione multipla. Test di significatività di R2 e dei coefficienti di regressione. Assunzioni di base della regressione multipla Violazione delle assunzioni e modi per individuarle. Esame dei residui. Multicollinearità ed autocorrelazione. Test di Durbin-Watson Esame della distribuzione dei residui. Esempi.		Claudio Barbaranelli
Lezione n. 19: La regressione multipla: Approcci analitici Strategie analitiche di regressione. Regressione standard, gerarchica e statistica, e rispettivi ambiti d'impiego La Regressione standard La regressione gerarchica. Individuare il contributo dei singoli predittori La regressione statistica. Introduzione e varianti: Forward, backward e stepwise Critiche alla regressione statistica. Confronto tra le strategie di regressione. Scegliere la strategia. Conclusioni e limiti della regressione		Claudio Barbaranelli
Lezione n. 20: L’analisi fattoriale: il modello di base Scopi dell'analisi fattoriale. Variabili latenti. Dalla matrice delle correlazioni a quella delle saturazioni Modello teorico dell'analisi. Fattori comuni (F), saturazioni (a) ed unicità. Equazione del modello e versione matriciale Scomposizione della varianza osservata. Comunalità ed unicità. Correlazioni riprodotte e residue. Equazione fondamentale dell'analisi fattoriale Ricavare la matrice delle saturazioni. Analisi delle componenti principali. Autovettori ed autovalori Autovalori e varianza spiegata		Claudio Barbaranelli
Lezione n. 21: L’analisi fattoriale: il processo di estrazione dei fattori Metodi di estrazione dei fattori. Massimizzare la varianza vs la riproduzione di R. Requisiti di partenza. Analisi Componenti Principali (ACP) Analisi Fattori Principali (AFP). Stima delle comunalità iniziali. Altri metodi: Minimi quadrati ordinari e generalizzati. Massima verosimiglianza (Maximum likelihood). Test di bontà dell'adattamento. Stabilire il numero di fattori: metodi possibili. Mineigen Stabilire il numero di fattori: Scree Test degli autovalori Altri metodi per stabilere il numero dei fattori: Test statistico, % varianza spiegata, massima correlazione residua. Replicabilità della soluzione		Claudio Barbaranelli
Lezione n. 22: L’analisi della Varianza (ANOVA): il modello lineare Analisi della varianza (ANOVA): scopi e modelli Analisi della varianza univariata: disegni tra I soggetti ad un fattore. Modello lineare dell'ANOVA.. Scarti dalla media e scomposizione delle fonti di variazione (totale, tra i gruppi e dentro i gruppi). Gradi di libertà. Mean square. I confronti pianificati. Coefficienti ed ortogonalità dei confronti F di Fisher e test delle ipotesi. Assunzioni dell'ANOVA Esempio di ANOVA ad una via tra i soggetti I confronti tra le medie. Confronti post-hoc. Confronti simultanei e controllo dell'errore. Procedura HSD di Tukey. I confronti pianificati. Coefficienti ed ortogonalità dei confronti		Claudio Barbaranelli
Lezione n. 23: L’analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Disegni fattoriali. Definizione, concetti e vantaggi. Effetti principali ed interazione Esempio di design fattoriale. Medie marginali. Classi di ipotesi. Rappresentazione grafica dell'interazione Design tra I soggetti. Modello teorico. Stime campionarie. Scomposizione dei punteggi e scarti dalla media Somme dei quadrati (devianze) e scomposizione delle devianze. Calcolo delle varianze (MS) e degli F. Test delle ipotesi Esempio di analisi di un design fattoriale Analisi degli effetti principali Analisi dell'interazione e degli effetti semplici. Reinterpretazione dell'analisi degli effetti principali		Claudio Barbaranelli
Lezione n. 24: L’analisi della Varianza (ANOVA): i disegni entro i soggetti e misti Design entro i soggetti. Scomposizione della devianza Vantaggi e svantaggi del design entro i soggetti. Assunzioni. Sfericità. Esempio di design entro i soggetti 2 fattori entro i soggetti Design fattoriali misti Effect size Potenza statistica dei test		Claudio Barbaranelli

Menu secondario

Discipline psicosociali (Anno Accademico 2014/2015)

Psicometria e analisi dei dati

Videolezione

Login

Login

Menu secondario

Discipline psicosociali (Anno Accademico 2014/2015)

Psicometria e analisi dei dati

Videolezione