3. Risultati
3.2. Individuazione dei profili motivazionali
L’individuazione dei profili motivazionali è stata effettuata tramite una procedura di
Cluster Analysis a due step condotta sui punteggi ottenuti dai partecipanti nelle
sotto-scale B-WISDM, calcolati come media delle risposte agli item che saturavano su ciascun fattore. Un primo tentativo di clusterizzazione ha dato una soluzione confusa e non interpretabile, attribuita al floor effect del fattore weight control e al ceiling effect del fattore taste, i quali, appunto, mostravano punteggi fortemente sbilanciati verso valori bassi o alti. È stato dunque deciso di escludere questi due fattori dalla successiva Cluster
Analysis. In base alle indicazioni di Bergman (1998), dalla iniziale procedura gerarchica
sono state selezionate le soluzioni plausibili in base ai parametri relativi al ESS. Osservando il grafico in figura 4.2, si nota come il valore di ESS spiegato scenda in maniera abbastanza costante al diminuire del numero di cluster estratti, sebbene dalla soluzione a 4 cluster in poi abbia un valore troppo basso: queste soluzioni sono state ritenute non ottimali a priori, in quanto spiegavano una porzione di varianza inferiore al 40%, quindi non sono state ulteriormente indagate.
Figura 4.2 – Rappresentazione grafica del error sum of squares (ESS) per le soluzioni da 9 a 1 cluster: il valore di ESS è riportato in ordinata, il numero di cluster estratti in ascissa.
Capitolo 2 – Studio 1
47
Prendendo in considerazione l’incremento di ESS, invece, sono state scartate le soluzioni che estraevano più di 7 cluster, proprio perché un incremento pressoché identico di ESS aumenta la complessità della soluzione senza apportare un beneficio evidente in termini esplicativi. Similmente, dato che la soluzione a 7 cluster non mostrava un incremento di ESS così differente dalla soluzione a 6 cluster, anche quest’ultima è stata scartata dalle successive analisi. Dunque, le soluzioni ritenute plausibili sono state quella a 7 cluster e quella a 5 cluster.Sulle due soluzioni è stata condotta la procedura non gerarchica K-means, calcolando gli indici di qualità interna. Tali indici, però, non hanno permesso di individuare la soluzione migliore, dato che Gamma e G(+) suggerivano la soluzione a 7 cluster, mentre
C-index e point-biserial correlation suggerivano quella a 5 cluster [C-index7=0.19,
C-index5=0.19; G(+)7=0.04, G(+)5=0.06; Gamma7=0.67, Gamma5=0.65; pbr7=0.32, pbr5=0.35]. Entrambe le soluzioni sono rappresentate in figura 4.3. Tra esse, la soluzione a 5 cluster è stata scelta come soluzione ottimale per una serie di ragioni basate su criteri diversi dagli indici di qualità. Innanzitutto, l’identificazione di 7 cluster non contribuiva in modo consistente all’incremento di ESS spiegato, sebbene esso fosse ovviamente maggiore nella soluzione più ampia che non in quella più ristretta (ESS7=56.83; ESS5=53.02). In secondo luogo, due dei cluster identificati nella soluzione a 7, ovvero K5 e K6, avevano dimensioni molto ridotte, contando soltanto 23 e 37 membri ciascuno (rispettivamente il 6.2% e 9.9% dell’intero campione). Infine, osservando i profili emergenti nelle due soluzioni, è stato notato che tre cluster della soluzione a 7 rimanevano praticamente identici nella soluzione a 5 cluster: i rapporti tra i livelli dei diversi fattori motivazionali nei cluster K1, K2 e K5 erano del tutto paragonabili a quelli dei cluster C1, C2 e C5, infatti i profili risultavano largamente sovrapponibili. Dei quattro cluster rimanenti, K6 e K7 mostravano profili confusi e non particolarmente discriminabili tra loro, dato che la maggior parte dei fattori avevano livelli molto simili. Nella soluzione a 5 cluster, invece, la riaggregazione dei membri di questi due cluster con i membri di K3 e K4 ha dato luogo ai profili C3 e C4, molto più discriminabili tra loro e di più facile interpretazione. Queste considerazioni, dunque, hanno condotto a ritenere la soluzione a 5 cluster come quella ottimale.
Capitolo 2 – Studio 1
48
Figura 4.3 – Cluster Analysis: soluzioni a 7 cluster (a) e 5 cluster (b). Sull’asse delle ascisse si trovano i fattori della scala B-WISDM, sull’asse delle ordinate la scala di risposta.
Note. Auto = Automaticity; LoC = Loss of control; Cra = Craving; Tol = Tolerance; AfAt = Affiliative
attachment; Cog = Cognitive enhancement; Cue = Cue exposure/associative processes; Affect = Affective enhancement; Soc = Social/environmental goads.
Capitolo 2 – Studio 1
49
Il numero di membri dei cluster era compreso tra 64 e 81 fumatori ciascuno, quindi i profili erano abbastanza comparabili in fatto di dimensioni. Osservando i profili sono state individuate due macro-categorie qualitativamente differenti, distinguibili in base al rapporto tra le sotto-scale della B-WISDM entro i singoli cluster. Una categoria comprendeva i cluster C1, C2 e C3, caratterizzati da livelli più elevati nei fattori SDM rispetto ai PDM. I fumatori membri di questa macro-categoria sono stati definiti “fumatori sociali” perché i livelli motivazionali più elevati erano relativi ai fattori sociali (i.e., social/environmental goads) o, comunque, a motivazioni estrinseche e situazionali (i.e., cue exposure/associative processes). L’altra macro-categoria, che comprendeva i cluster C4 e C5, era caratterizzata da livelli simili per ciascuno dei fattori motivazionali, e i suoi membri sono stati definiti “fumatori fortemente motivati”, non perché avessero livelli motivazionali più elevati degli altri cluster, ma a causa dell’assenza di distinzione tra fattori. Se le due macro-categorie presentavano differenze in termini qualitativi, i cluster entro ciascuna di esse erano distinguibili principalmente a livello quantitativo, dato che i loro profili risultavano fortemente sovrapponibili.Sebbene questa distinzione tra macro-categorie possa essere utile ad una interpretazione sintetica dei profili, non permette di descrivere esaustivamente i cluster emersi che, comunque, mostrano caratteristiche peculiari proprie non riducibili alle definizioni attribuite alle categorie. Ad esempio, i cluster C1 e C5 possono essere considerati profili opposti dato che il primo mostra livelli bassi e il secondo livelli alti in tutti i fattori motivazionali. I cluster C3 e C4, pur essendo stati attribuiti a due macro-categorie differenti, mostrano livelli molto simili nei fattori motivazionali primari di dipendenza, ma C3 è caratterizzato da livelli più elevati nei fattori motivazionali. Infine, indipendentemente dalla macro-categoria, i fattori SDM mostrano una certa variabilità tra i profili, variabilità che invece si riduce ad una sostanziale dicotomizzazione nel caso di social/environmental goads: questa motivazione è risultata molto elevata per i cluster C2, C3 e, in misura leggermente inferiore, C5, mentre ha mostrato livelli molto più bassi e praticamente identici per i cluster C1 e C4.
In ogni caso, l’approccio tipologico adottato in questo studio sembra far emergere quella distinzione tra fattori motivazionali primari e secondari di dipendenza (i.e., PDM e SDM) che non è emersa nelle analisi di dimensionalità sulla scala B-WISDM. Infatti, i rapporti tra i livelli dei fattori riconducibili a PDM restano praticamente identici in ognuno dei
Capitolo 2 – Studio 1