106
Per tutti i casi di studio sopra citati, non è possibile affermare con certezza e decisione se la variabile CATI/CAWI è effettivamente proxy delle variabili socio-economiche trovate. Andrebbero fatte ulteriori valutazioni e considerazioni, come effettuato successivamente nel Paragrafo 5.6
5.5 Modello di regressione logistica con variabile endogena
107 Quindi, le variabili indipendenti considerate nella specificazione del modello, sono:
CLASSE_GIOVANI, CLASSE_ADULTI, TP_ABBON e AUCS_ABBON.
Anche in questa tipologia di analisi, per evitare un eventuale fenomeno di overfitting, si è scelto di calibrare il modello considerando il medesimo 9% delle osservazioni totali già utilizzate precedentemente nello studio della correlazione e nella regressione lineare.
L’equazione che esprime il modello di regressione logistica è la seguente:
ln ( CAWI
1-CAWI) =β0+β1CLASSE_GIOVANI+β2CLASSE_ADULTI+β3TP_ABBON+
+β4AUCS_ABBON
dove al numeratore, CAWI rappresenta la probabilità di aver risposto ad un’indagine web. Invece, al denominatore, 1-CAWI rappresenta la probabilità di aver risposto ad un’indagine telefonica.
Nell’esecuzione del seguente modello di regressione logistica mediante software SPSS, si è riscontrato che la variabile AUCS_ABBON fornisce dei problemi computazionali nella calibrazione del modello (Errore Standard=20087,76; Sign=
,999), dovuti al fatto che sono pochissime le osservazioni di chi dichiara di avere un abbonamento al servizio di car sharing rispetto la totalità del campione analizzato (0 e 4 osservazioni rispettivamente per CATI e CAWI). Per tale motivo, si è deciso di eliminare la variabile AUCS_ABBON per evitare di avere un modello poco stabile. Inoltre si è deciso di tener conto di un valore dell’intercetta pari a zero, in quanto essa risulta non esser significativa.
Pertanto, il modello di regressione logistica analizzato è il seguente:
108 ln ( CAWI
1-CAWI) =β1CLASSE_GIOVANI+β2CLASSE_ADULTI+β3TP_ABBON
L’output fornito dal software SPSS per il seguente modello di regressione è espresso nella Tab. 22:
B S.E. Wald gl Sign.
Fase 1 CLASSE_GIOVANI -1,509 ,321 22,081 1 ,000
CLASSE_ADULTI -1,467 ,195 56,302 1 ,000
TP_ABBON -,112 ,307 ,134 1 ,714
Tab. 22 - Tabella di regressione logistica multivariata.
Dalla seguente tabella, si evince che le variabili considerate, risultano esser tutte significative ad eccezione di TP_ABBON che presenta un valore di significatività maggiore al limite imposto, ovvero del 5%.
Per valutare meglio il ruolo della variabile TP_ABBON che è apparentemente in discrepanza con le analisi precedenti, sulla base di una discussione online14 presente in un forum di statistica, si è deciso di valutare, sempre in un’analisi di regressione logistica definita, in tal caso, univariata per la presenza di una sola variabile esplicativa, la singola variabile TP_ABBON. Il modello analizzato è il seguente:
ln ( CAWI
1-CAWI) =β1TP_ABBON
14 https://stats.stackexchange.com/questions/194855/significant-in-bivariate-regression-but-not-significant-in-multivariate-regress
109 L’output fornito dal software SPSS per il seguente modello di regressione è espresso nella Tab. 23:
B S.E. Wald gl Sign.
Fase 1 TP_ABBON -1,204 ,269 20,071 1 ,000
Tab. 23 - Tabella di regressione logistica univariata.
Si può riscontrare che la variabile TP_ABBON risulta esser non significativa nella regressione multivariata, invece, risulta esser significativa nella regressione univariata. Tale risultato può esser dovuto a eventuali fenomeni di multicollinearità. In pratica, la variabile TP_ABBON presa singolarmente può
predire la variabile TIPO_INTERV. Ma nel momento in cui vengono introdotte ulteriori variabili (ovvero CLASSE_GIOVANI e CLASSE_ADULTI), esse potrebbero essere delle variabili migliori nel predire la variabile dipendente e, di conseguenza, parte della varianza prevista della variabile TP_ABBON, viene attribuita alle restanti variabili esogene presenti nel modello, ovvero CLASSE_GIOVANI e CLASSE_ADULTI. Per tale motivo, si riduce il significato complessivo della variabile TP_ABBON come variabile sostituibile da TIPO_INTERV.
Quindi si può affermare che la variabile TIPO_INTERV può esser, presumibilmente, proxy delle variabili esogene CLASSE_GIOVANI, CLASSE_ADULTI e TP_ABBON, seppur quest’ultima sia una variabile con un ruolo in subordine rispetto alle altre due variabili. Per affermare con maggiore certezza tale riscontro, è opportuno valutare ulteriori considerazioni, come effettuato nel paragrafo successivo.
110
Dallo studio dei segni dei coefficienti della regressione logistica, si evince che i giovani e gli adulti, rispetto agli anziani, preferiscono rispondere ad un’indagine web piuttosto che telefonica. Questo risultato può esser giustificato dal fatto che tali categorie di persone intervistate, avendo un’età minore rispetto a quella degli anziani, e quindi, avendo vissuto nei periodi di diffusione in scala mondiale di strumenti informatici e di internet, abbiano, presumibilmente, maggiore dimestichezza nell’utilizzo del computer e del web, e quindi con più probabilità hanno risposto a un’indagine cawi e non cati.
Un’altra ipotesi che può giustificare il seguente risultato, può esser dovuto al fatto che i giovani e gli adulti potrebbero avere uno stile di vita meno sedentario rispetto a quello degli anziani, quindi, trovandosi meno tempo a casa, è meno probabile che abbiano risposto al telefono per effettuare un’indagine di tipo cati.
Inoltre, si può tenere presente che il sondaggio telefonico viene effettuato attraverso chiamata a telefono fisso, il quale è diventato, specialmente negli ultimi decenni con l’avvento del cellulare e degli smartphones, un accessorio sempre meno presente nelle case, specialmente in quelle composte da giovani e adulti. Al contrario, nelle abitazioni composte da anziani, il telefono fisso rimane un mezzo di comunicazione ancora molto utilizzato. Ciò può giustificare il fatto che gli adulti e gli anziani, non avendo un telefono fisso a casa, abbiano, con più probabilità, risposto ad un sondaggio web piuttosto che telefonico.
Spostando l’attenzione, in questo caso, sul segno del coefficiente della variabile TP_ABBON, esso risulta esser positivo. Si evince, quindi, che gli intervistati che hanno dichiarato di esser abbonati al servizio di trasporto pubblico locale, rispondono maggiormente ad un’indagine CAWI e non CATI. Ciò può esser dovuto
111 al fatto che, tali individui, siano più pratici nell’utilizzo del computer e nella navigazione web in quanto potrebbero non solo acquistare o rinnovare l’abbonamento online, ma anche verificare gli orari dei mezzi in tempo reale tramite app/sito web, oppure, perché, potrebbero condurre una stile di vita più attivo e meno sedentario, e quindi trovandosi meno tempo a casa, non hanno risposto alla chiamata del sondaggio telefonico.