LA SCALA DI AUTORITARISMO DI DESTRA DI ALTEMEYER: UN’ANALISI CON IL MODELLO DI RASCH PER LA COSTRUZIONE DI UNA VERSIONE ITALIANA
Di Giuseppe Giampaglia e Michele Roccato
1. INTRODUZIONE
L’approccio all’autoritarismo dello psicologo canadese Bob Altemeyer (1981; 1988; 1996; 1998) è, secondo gran parte degli studiosi che si occupano dell’argomento, fra quelli attualmente più soddisfacenti, sia dal punto di vista teoretico, sia da quello metodologico (Christie, 1991; 1993; Corey Bulter, 2001; Duckitt, 1993; Smith 1997). Sviluppato nel corso di un filone di indagini che, frutto di un impegno teorico-empirico praticamente esclusivo, dura incessantemente da oltre trent’anni, esso si propone di rifondare gli studi sull’autoritarismo, allo scopo di superare i limiti teorico-empirici delle indagini sulle tendenze psicologiche a diventare seguaci dei leader antidemocratici condotte a partire da La personalità autoritaria (Adorno, Frenkel Brunswik, Levinson & Sanford, 1950). Fra tali limiti, ricordiamo soprattutto l’imprecisione delle concettualizzazioni, l’inadeguatezza degli strumenti di rilevazione utilizzati, la complessiva debolezza metodologica delle ricerche condotte ed il fatto che esse siano quasi sempre costituite da studi one-shot difficilmente generalizzabili e di minimo impatto cumulativo (per una rassegna, rimandiamo a Roccato, in stampa).
La prospettiva di Altemeyer tenta di superare tali carenze attraverso la concettualizzazione di un nuovo costrutto, il Right-Wing Authoritarianism (RWA), definito dalla covariazione di tre attitudinal cluster:
La sottomissione autoritaria: un alto grado di sottomissione e di accettazione delle affermazioni e delle azioni delle autorità, che vengono percepite come pienamente legittime nel dirigere la società.
L’aggressività autoritaria: una predisposizione a nuocere (fisicamente, psicologicamente, economicamente, socialmente) a varie persone ed a vari gruppi (soprattutto ai bersagli convenzionali dell’ostilità sociale). L’aggressività è autoritaria se è accompagnata dalla
credenza che le autorità percepite come legittime la approvino, o dalla convinzione che essa serva a preservarle.
Il convenzionalismo: un alto grado di accettazione delle convenzioni sociali, che sono percepite come appoggiate dalle autorità costituite e dall’intera società. Gli autoritari credono generalmente nella legge di Dio; sono contrari ad un sistema di valori individualizzato; sono estremamente tradizionalisti dal punto di vista sessuale; sono patriottici e “all’antica”; considerano le norme sociali come assolute e, per natura, immutabili; sono convinti di vivere in un mondo di peccatori che andrebbe purificato1.
Lo strumento costruito da Altemeyer per rilevare il Right-Wing Authoritarianism è la RWA Scale: nella sua forma più recente (Altemeyer, 1998) essa è una scala Likert a nove categorie di risposta tutte semanticamente ancorate, bilanciata e costituita da 30 item (in tale versione sono in realtà 32, ma i primi due non vengono utilizzati nel calcolo del punteggio individuale di autoritarismo, perché hanno esclusivamente la funzione di familiarizzare il rispondente con i contenuti delle voci dello strumento ed il loro formato).
Altemeyer ha proceduto alla validazione delle varie versioni della sua scala utilizzando esclusivamente i principi della Teoria Classica dei Test (TCT) e testandone l’attendibilità mediante l’ di Cronbach ed alcuni controlli test-retest; gli indici all’uopo calcolati variano in funzione dei soggetti intervistati e della versione della scala somministrata, risultando comunque generalmente compresi fra .81 e .97, con una correlazione media fra gli item pari a .18 (cfr. Altemeyer, 1996). Lo studioso canadese considera la sua scala sostanzialmente undimensionale in base non solo ai risultati ottenuti con il calcolo dell’ di Cronbach, ma anche a quelli derivati dall’analisi fattoriale esplorativa. Lo strumento sembra infatti strutturarsi su un solo fattore o su due fattori molto correlati (fra .40 e .70 con estrazione Principal–factor e rotazione Promax, software BMDP), in grado di spiegare il 25-35% della varianza totale. Nelle soluzioni bifattoriali, il primo fattore tende ad essere saturato dagli item autoritari ed il secondo da quelli antiautoritari. Non siamo invece a conoscenza di analisi fattoriali confermative eseguite sulla scala.
La RWA Scale è stata tradotta e validata in numerose versioni in lingua non inglese: fra esse, ricordiamo lo spagnolo (Seoane & Garzón, 1992), il russo (McFarland, Ageyev &
1 In italiano Right-Wing Authoritarisnism deve essere tradotto come autoritarismo di destra. Per semplicità, come fa Altemeyer, nel corso di questo lavoro faremo ad esso riferimento indifferentemente in termini di autoritarismo di destra e di autoritarismo.
Abalakina, 1992), l’ebraico e l’arabo (Rubinstein, 1996). Non esistono però attualmente adattamenti alla lingua e alla cultura italiane: nel nostro paese sono state fatte solo alcune somministrazioni di una traduzione della versione 1988 della scala, senza tuttavia sottoporre quest’ultima a un’adeguata serie di test statistici. I valori di emersi in tali somministrazioni sono comunque dell’ordine di quelli dello strumento originario, oscillando fra .81 e .85 (persone non impegnate politicamente), fino ad arrivare a .90 (militanti politici) (cfr. Converso e Roccato, 1996; Roccato, 1997; Roccato, Re & Sclauzero, 2000).
Con il presente lavoro si tenta di superare questa lacuna, offrendo così un contributo ad una versione italiana della RWA Scale che sia soddisfacente dal punto di vista psicometrico. A tale scopo, un nostro adattamento alla lingua ed alla cultura italiane dell’ultima versione pubblicata della RWA Scale di Altemeyer (1998) è stato sottoposto a 353 studenti dell’Università di Torino (81 maschi e 272 femmine, età media pari a 20.41 anni)2. I soggetti sono stati reclutati a lezione, con il consenso dei docenti. La partecipazione alla ricerca è stata volontaria ed anonima; la compilazione dei questionari – che ha richiesto circa 20 minuti – è avvenuta in aula, ed è stata seguita da una breve restituzione. Si è scelto di fondare la validazione dello strumento sul modello di Rasch per item con categorie ordinate, utilizzando per le elaborazioni statistiche il software Rumm2010 (Andrich, Sheridan & Luo, 2001). Le ragioni di tale scelta vengono esposte nel paragrafo successivo. Nel terzo paragrafo si illustrerà la struttura del modello, a cui seguirà un’analisi delle strategie applicate e dei risultati ottenuti. Una riflessione complessiva concluderà il lavoro.
2. LASCELTADELMODELLODIMISURAZIONE
Il modello di Rasch (1960/1980) affonda le sue radici nel lavoro di Thurstone (1959; Edwards & Thurstone, 1952) ed è stato elaborato in primo luogo da Samejima (1969; 1975), Wright (Wright & Masters, 1982) e Andrich (1978; 1985) che ne hanno declinato le proprietà fondamentali, e successivamente da Bock (1975) e McCullagh (1980; 1985). Il passaggio dalla versione per item dicotomici a quella per item politomici è stato possibile grazie ai contributi fondamentali di Andersen (1977) e di Andrich (1978; 1995), che hanno rispettivamente legittimato e reso operativo l’uso della serie dei numeri interi e quindi delle
comuni scale Likert nella classificazione degli oggetti con i criteri proposti da Rasch, criteri che hanno d’altra parte ispirato uno dei più recenti e fecondi filoni di misurazione nelle scienze sociali, che da lui prende appunto il nome.
Coerentemente con il nostro obiettivo principale, che è quello di esplorare la possibilità di un adattamento al contesto italiano della RWA Scale impiegando il modello di Rasch, in questo lavoro se ne richiameranno i tratti essenziali concentrando l’attenzione su quegli aspetti che ci sembrano più rilevanti per la nostra linea di ragionamento.
Innanzitutto, le ragioni della scelta. Considerato che la scala di Altemeyer è costituita da item con più categorie ordinate, occorre impiegare un modello che soddisfi almeno i seguenti requisiti (Andrich, 1995; 1996). Primo, la posizione dell’oggetto deve essere invariante rispetto a differenti partizioni del continuo: indipendentemente dal numero di categorie di risposta, la misurazione del fenomeno dovrà produrre sempre gli stessi risultati (Jansen & Roskam, 1986; Roskam & Jansen, 1989).
Secondo, l’ordine delle categorie previsto dal ricercatore (e che di norma riproduce la sequenza dei numeri interi) dovrebbe essere interpretato come “ipotesi falsificabile” (Andrich, 1996): la struttura dei dati, per ragioni che sono state solo in parte investigate (Giampaglia, 2000; Mannarini, 1997), può però manifestare una sequenza di categorie diversa da quella ipotizzata. Di conseguenza, è importante che il modello utilizzato sia pronto a cogliere ed a trattare adeguatamente eventuali divergenze tra formato di risposta ipotizzato e formato empiricamente accertato.
Terzo, la rilevazione deve essere condotta con i criteri della “misurazione fondamentale”, che tendono a riprodurre quelli utilizzati nelle scienze esatte e, più specificamente, nella fisica.
Orbene, il modello di Rasch, oltre ad essere congruente con i criteri della “misurazione fondamentale” (Andrich, 1996), soddisfa anche gli altri due requisiti, in quanto è stato provato che 1) rispetta l’invarianza della misurazione (la posizione dell’oggetto sul continuo rimane invariante allorquando è misurata in differenti unità, cioè impiegando partizioni del continuo differenti, anche se con unità più piccole si raggiunge una maggiore precisione della stima); e 2) è in grado di evidenziare e di correggere (entro certi limiti) eventuali divergenze tra il numero di categorie previsto per la misurazione e il numero di categorie emerso dall’analisi dei dati (Andrich, 1995).
Quest’ultima proprietà è particolarmente rilevante nel nostro caso, dal momento che gli item della scala originaria di Altemeyer hanno ciascuno ben nove categorie, e ciò fa aumentare enormemente la probabilità di riscontrare delle sostanziali differenze tra il formato di risposta previsto prima della somministrazione e il formato emerso dai dati.
A tutt’oggi, sembra che il modello di Rasch sia l’unico in grado di effettuare un controllo analitico a livello di singola categoria in termini di discriminazione, che a nostro avviso rappresenta la principale fonte di differenza tra i due formati. Con l’approccio di Rasch è possibile individuare le categorie che “non funzionano” perché non discriminano a sufficienza gli oggetti, così come è possibile, seguendo percorsi che esamineremo nel prosieguo di questo lavoro, pervenire a soluzioni più che accettabili rispetto al problema della carenza o assenza di discriminazione.
Partendo dal presupposto che la presenza di categorie poco o niente affatto discriminanti in un formato di risposta abbassa il fit del modello e forza l’analisi in una direzione errata, in questo lavoro si perseguirà l’obiettivo di controllare l’adeguatezza del formato utilizzato da Altemeyer applicando il modello di Rasch per item con categorie ordinate.
Procederemo ora alla descrizione del modello, per poi passare all’esame dei risultati ottenuti seguendo differenti strategie.
3. LASTRUTTURADELMODELLODI RASCH
Incominciamo dalla sua struttura logica. Come per la versione destinata ad item dicotomici, anche in quella per item con categorie ordinate la risposta del soggetto n all’item i è governata da due parametri: βn – che è la posizione dell’oggetto sul continuo – e δi – che è la posizione dell’item sullo stesso continuo (Cristante & Robusto, 1994; Giampaglia, 1995). La differenza principale rispetto alle consuete scale Likert consiste nel concettualizzare le categorie non come “picchetti” sulla retta che rappresenta la dimensione latente, bensì come intervalli, a loro volta separati da “soglie” (threshold). Ciascuna di queste cade nel punto in cui risultano uguali le probabilità di due categorie contigue; ad esempio, la soglia τ2, che divide la categoria ‘1’ dalla categoria ‘2’, cade in corrispondenza del punto in cui la probabilità di scegliere la prima è uguale a quella di preferire la seconda.
Per ogni item vi sono più soglie, tante quante sono le categorie di risposta meno uno. A ciascuna soglia è associato uno specifico parametro (δik) che regola la transizione dalla categoria k-1 alla categoria k e che è ottenuto qualificando “a livello locale” (cioè, di singola soglia) la posizione dell’item (δi); operativamente, il parametro della soglia è calcolato semplicemente sommando al parametro δi il valore della specifica soglia τik (che separa la categoria k-1 dalla categoria k dell’item i).
Da questi cenni si può trarre una prima conclusione: la risposta all’item i è ora governata dal confronto (cioè, dalla differenza) tra il parametro βn e il parametro δi + τik (al posto del parametro δi, come invece accade nella versione dicotomica), in quanto bisogna tener conto della presenza di più due categorie di risposta e quindi delle rispettive soglie.
Poiché le categorie sono ordinate, le soglie che le separano dovrebbero di norma seguire lo stesso ordine. È tuttavia possibile osservare un ordine diverso da quello “naturale” (ipotizzato), allorquando c’è qualche anomalia nei dati: di solito l’anomalia è riconducibile o a un problema di dimensionalità dei dati (caso meno frequente: cfr. Giampaglia, 2000) oppure ad una carenza di discriminazione di una o più categorie.
È importante notare che l’assegnazione di numeri interi alle categorie di risposta in questo modello non è giustificata, come avviene invece nelle scale Likert, dall’ipotesi di uguaglianza delle distanze tra soglie (o categorie: cfr. Bock, 1975), bensì dall’assunto di uguaglianza delle discriminazioni alle soglie. E il modello di Rasch evidenzia la violazione di questo secondo assunto mostrando, come appena detto, un disordine nella sequenza delle soglie.
D’altra parte, il punteggio individuale diventa con questa impostazione di facile interpretazione: esso è semplicemente il numero delle soglie superate dal soggetto, per cui 0 corrisponde a nessuna soglia superata, 1 ad una soglia superata, 2 a due soglie superate, e così via. Nello score non c’è alcun riferimento alle distanze tra le soglie. Tuttavia, il modello è anche in grado di fornire l’informazione sulle distanze – e dunque sulla misura in cui l’assunto base delle scale Likert viene violato – attraverso la differenza tra soglie successive: il “peso” di ogni categoria (cioè, l’ampiezza dell’intervallo corrispondente a ciascuna categoria) è in tal modo determinato dalla differenza tra le soglie che la delimitano, e può liberamente variare da una categoria all’altra di un dato item, così come da un item all’altro. In tal modo, ogni item può esprimere uno specifico pattern di soglie, collocate a distanza variabile, e tale pattern può variare – e di norma varia – da un item all’altro.
Questa seconda precisazione sembra più che opportuna, dal momento che una precedente versione di questo modello – il Rating Scale Model (RSM), dovuto allo stesso Andrich (1978) – stimava un unico pattern di soglie, uguale per tutti gli item; così, prescindendo dalla specificità dei singoli item, si presupponeva che fosse costante l’interazione tra formato di risposta e batteria degli item.
Stranamente, sebbene il RSM fosse di portata meno generale della versione più recente del modello di Rasch, nel comparare modelli con più categorie ordinate la letteratura specializzata fa quasi esclusivamente riferimento (e spesso in termini critici) ad esso, depotenziando così la proposta complessiva di Andrich.
Passiamo adesso all’espressione formale del modello di Rasch per item con categorie ordinate. Ne esistono varie forme, tutte equivalenti alla seguente (Andrich, 1995):
P{Xni = x} = (1/γni) exp [κix + x(βn - δi)] x = 0,1,2,…,m
dove il primo membro dell’equazione indica la probabilità che il soggetto n fornisca una risposta x all’item i, X è una variabile casuale che può assumere valori interi successivi, corrispondenti ai valori interi delle categorie, βn è la posizione sul continuo del soggetto n, δi è la posizione sullo stesso continuo dell’item i, κix è il coefficiente della categoria x dell’item i ed è definito come l’opposto della somma delle soglie τik (κix = –
k x
1 ik), e γni = k m
0exp[ik + k(n- i)]è un fattore di normalizzazione che assicura che la somma delle probabilità relative alle singole categorie di ciascun item sia uguale a uno; si assume inoltre, senza alcuna perdita di generalità, che la somma dei valori delle soglie per
ciascun item i sia uguale a zero:
m k k 1 = 0.Il modello di misurazione fin qui illustrato ha alcune proprietà che lo rendono molto interessante per i nostri fini. Innanzitutto, esso soddisfa il criterio della oggettività specifica (Rasch, 1961; 1977), criterio che, attraverso l’uso di statistiche sufficienti, permette di separare la stima dei parametri dei soggetti (βn) dalla stima dei parametri degli item (δi)3.
3 Le statistiche sufficienti sono le informazioni necessarie alla stima dei parametri β
n e δi : per i primi, esse sono costituite dal punteggio complessivo fatto registrare da ciascun soggetto; per i secondi, analogamente, sono
La separazione delle stime è una proprietà del modello, non dei dati, e rimane in piedi se il fit è accettabile, cioè se il modello si adatta sufficientemente ai dati. Essa rappresenta una caratteristica estremamente utile, perché consente di effettuare confronti tra i soggetti, tra gli item, e tra soggetti e item. Questi confronti sono detti invarianti perché, all’interno della classe dei soggetti, escludono l’interferenza degli item (la stima delle posizioni dei soggetti non sarà influenzata dalla specificità degli item utilizzati per la misurazione), così come, simmetricamente, all’interno della classe degli item escludono l’interferenza dei soggetti (la stima delle posizioni degli item non sarà influenzata dalla peculiarità del campione di soggetti coinvolti nella rilevazione).
Una seconda conseguenza dell’indipendenza delle stime consiste nel fatto che, per individuare la posizione degli item, non occorre fare alcuna ipotesi sulla distribuzione dell’atteggiamento da misurare (βn) nella popolazione. Tale distribuzione può essere studiata dopo che sono stati stimati i parametri degli item.
Un’altra proprietà, pure rilevante per la nostra analisi, riguarda la sensibilità del modello in esame rispetto al numero delle categorie. Esplicitandola, possiamo sostenere che, in una situazione in cui c’è congruenza tra dati e modello, utilizzando item con m + 1 categorie, se (aggregando) riduciamo il numero delle categorie a m' < m + 1, il fit tenderà a peggiorare (Andersen, 1977; Andrich, 1995; Jansen & Roskam, 1986; Rasch, 1966). Si tratta di una caratteristica a quanto si sappia esclusiva del modello di Rasch, che ha il pregio di consentire un controllo del formato di risposta di ciascun item a livello di singola categoria. Discrimina la categoria x dell’item i? C’è uno scarto tra quanto avevamo ipotizzato e quanto è invece emerso dai dati? Questo è il tipo di problema a cui riconduce questa proprietà e, a dispetto della leggerezza con cui certi ricercatori combinano le categorie nelle indagini empiriche, non è affatto una questione di poco conto, in quanto la presenza di una o più categorie poco o per niente discriminanti in un formato di risposta non è ininfluente sul fit e sui principali risultati (stima dei parametri dei soggetti e degli item). Ecco tra l’altro perché, in situazioni di questo tipo, e solo in tali situazioni, l’aggregazione delle categorie non significative diventa un’operazione necessaria, se si vuole da una parte migliorare il fit e dall’altra ottenere risultati più aderenti alla realtà.
costituite dal punteggio totale di ciascun item. Per la stima dei parametri non è dunque rilevante il “profilo” individuale, cioè il modo in cui è stato ottenuto il punteggio.
Una quarta e ultima proprietà si vuole qui richiamare, che è anche un secondo modo di considerare la sensibilità del modello rispetto al numero delle categorie di risposta. Poiché il denominatore dell’equazione del modello contiene tutte le soglie, la probabilità di una risposta in qualsiasi categoria dipende non solo dalla posizione delle soglie che delimitano la categoria, ma anche dalla posizione di tutte le altre soglie (Andrich, de Jong & Sheridan, 1997). Insomma, ad ogni soglia il soggetto può fare – ed è supposto che faccia – una valutazione globale di tutte le categorie prima di rispondere.
Questa circostanza ci consente di aggiungere un’osservazione che riteniamo molto importante ai fini di una corretta interpretazione del funzionamento del modello di Rasch. A differenza di quanto spesso sostenuto dalla letteratura corrente (si veda per tutti Wright & Masters, 1982), il modello non è strutturato come una sorta di percorso ad ostacoli con livelli di difficoltà crescenti (steps) ovvero come una scala con gradini sempre più “difficili”: esso è invece un processo di risposta simultaneo, genuinamente probabilistico, in cui il soggetto di volta in volta (ad ogni soglia) decide il suo comportamento tenendo contemporaneamente presenti tutte le possibilità che gli si offrono (Andrich, 1997). L’unico vincolo, imposto dal modello, riguarda la struttura dei pattern di risposta: questi devono essere strettamente coerenti con i criteri che presiedono allo scalogramma di Guttman e quindi devono per principio escludere configurazioni di risposta che rappresentino “errori” (ad es. risposta corretta ad un item più difficile ed errata ad uno meno difficile).
Resta da fornire qualche indicazione sul controllo della congruenza tra dati e modello. Premesso che il superamento di tale controllo è una conditio sine qua non per la validità dei risultati – l’invarianza delle stime, come si è sopra detto, decade se il fit non raggiunge livelli accettabili – possiamo notare che non sono poche le misure proposte a questo scopo (Miceli, 2001; Molenaar, 1983; Smith, 2000). Nessuna di esse tuttavia specifica le condizioni necessarie e sufficienti per la valutazione dell’adeguatezza del modello, risultando tutte dirette a rilevare specifiche violazioni delle aspettative teoriche (Andrich, 1985). Il modo più semplice ed efficace di effettuare questo controllo consiste probabilmente nel confrontare, utilizzando il criterio del χ2, la distribuzione delle risposte osservate con quella delle risposte attese, calcolate queste ultime con l’impiego della funzione logistica del modello (per approfondimenti, rinviamo a Andrich, 1988).
In pratica, le operazioni di controllo dovrebbero iniziare con l’esame della probabilità del χ2 relativa a tutto il set di item. Se la probabilità non raggiunge il livello minimo di .05 (ma
si tratta di un valore soggettivo), si procede con l’esplorazione analitica dei singoli item considerando almeno due criteri, la probabilità del χ2 (non inferiore a .05) e il residuo (compreso tra –2 e +2, anche qui si tratta di valori soggettivi); gli item misfitting vengono progressivamente eliminati fino a quando non si raggiungono valori accettabili in riferimento ai tre criteri sin qui menzionati.
È buona norma controllare, ad ogni prova, anche la coerenza interna del set di item attraverso l’uso dell’alfa di Cronbach, nonché la capacità, da parte della batteria in esame, di “separare” i soggetti impiegando un coefficiente – il person-separation index (PSI) – che è simile all’alfa ma è sensibile al potere discriminante delle categorie di risposta (in sostanza, si ipotizza che una minore separazione tra i soggetti sia la conseguenza di una ridotta capacità discriminante delle categorie) 4.
L’ultima operazione consiste nell’esaminare attentamente la sequenza delle soglie di ogni item, con l’obiettivo di individuare le categorie che non discriminano (segnalate da soglie adiacenti invertite). Nel caso siano presenti, occorrerà aggregare tali categorie al fine di migliorare il fit (sia a livello di batteria che a livello di singolo item) e l’analisi dei risultati.
Nel paragrafo che segue si applicherà il modello di Rasch così come sin qui descritto alla validazione della scala di autoritarismo di destra di Altemeyer.
4. STRATEGIEDIANALISI EVALUTAZIONEDEIRISULTATI
Utilizzando come principali criteri di valutazione il complessivo del modello e quello dei singoli item, si sono inizialmente eliminati, uno alla volta, i dodici item più anomali della scala originaria di Altemeyer. È stato così possibile ottenere una batteria di 18 item che, presentando un elevato valore della probabilità associata al ed essendo in grado di soddisfare contemporaneamente quattro dei cinque criteri indicati nel paragrafo precedente5, è stata considerata una base sufficientemente solida per permettere l’affinamento dell’analisi. Si è allora proceduto ad analizzare sistematicamente l’ordinamento delle soglie di ogni singolo item, procedendo ad aggregare le categorie poco o niente affatto discriminanti (delimitate
4 Orientativamente, la soglia minima di accettabilità del PSI è pari a .70. Si veda in proposito il manuale del software utilizzato in questo lavoro, preparato da Andrich, Sheridan e Luo (2001).
5 L’unico non completamente soddisfatto è quello relativo ai residui di alcuni item: gli item 6, 9, 11 e 29 hanno infatti mostrato residui superiori a +2.
quindi da soglie disordinate) con quelle immediatamente precedenti o successive. Tali aggregazioni sono state diverse item per item, ma è stato mantenuto costante il numero delle categorie su tutti gli item: si è pertanto passati da una batteria comprendente 18 item a 9 categorie ad una costituita da 18 item a 8 categorie. In tal modo, il numero di item con soglie ordinate è passato da 2 a 7, ottenendo parallelamente un lieve miglioramento della probabilità associata al complessivo. La Tabella 1 mostra le principali statistiche relative alle due prove con 18 item, rispettivamente a 9 ed a 8 categorie di risposta.
INSERIRE QUI TABELLA 1
A questo punto si è scelto di diversificare la strategia, percorrendo due strade differenti. La prima si è concentrata esclusivamente sulle sette voci che, nella batteria con 18 item a 8 categorie, presentavano soglie ordinate, tentando di ottenere una scala che massimizzasse il numero delle categorie, anche a prezzo di una perdita consistente di item. Con la seconda si è invece tentato di trattenere il maggior numero possibile di item, anche se ciò poteva comportare una drastica riduzione del numero di categorie di risposta. Va notato che la prima via – qui definita “sintattica” – è più fedele al funzionamento del modello di Rasch: esso, infatti, non consentirebbe l’aggregazione di categorie per gli item che presentano soglie completamente ordinate (cfr. par. 3). La seconda – definita via “semantica” – è invece più fedele alle ragioni sostantive del lavoro di Altemeyer, che non pare avere motivi solidamente fondati per scegliere il formato con 9 piuttosto che uno con un minor numero di categorie (Altemeyer, 1988; 1996).
Validazione della Scala RWA: via “sintattica”
La Tabella 2 mostra che, seguendo la “via sintattica”, è possibile – eliminando ben 25 item ma aggregando solo due categorie di risposta – ottenere una scala costituita da 5 item a 8 categorie che soddisfa completamente o quasi completamente tutti i criteri scelti: gli unici non del tutto soddisfatti sono rappresentati dal PSI (che rasenta la soglia di .70) e dal residuo dell’item 25, che è leggermente superiore alla soglia di +2 (cfr. Tabella 3). Considerato che il PSI è un indice fortemente sensibile al numero di voci della scala e che il residuo dell’item è solo di poco superiore a +2, la scala così ottenuta sembra in prima battuta “tecnicamente” soddisfacente: essa viene presentata in Appendice.
Le Tabelle 3 e 4 ne mostrano i dettagli. Come si nota, il valore affettivo degli item ha un range piuttosto ristretto, essendo compreso fra -.440 logit e +.332 logit; le probabilità del chi quadrato relative ai singoli item sono tutte maggiori del livello minimo di accettabilità (.05). Inoltre, le soglie di tutti gli item risultano ordinate.
INSERIRE QUI TABELLE 3 E 4
La Figura 1 mostra infine la distribuzione congiunta dei soggetti e degli item sul medesimo continuum, l’autoritarismo di destra. Si nota che la scala così ottenuta è in grado di discriminare sufficientemente le posizioni individuali di circa metà dei rispondenti, ma non riesce a raggiungere quelli che hanno un livello di autoritarismo superiore a +.332 logit (32 soggetti) od inferiore a -.440 logit (143 soggetti). In sintesi, è molto poco informativa (solo cinque item) e con un targetting molto carente.
INSERIRE QUI FIGURA 1
Validazione della Scala RWA: via “semantica”
La Tabella 5 mostra che, seguendo la “via semantica”, è possibile pervenire – eliminando 16 item e procedendo item per item all’aggregazione delle categorie di risposta meno discriminanti – alla costruzione di una scala costituita da 14 item, ciascuno dei quali caratterizzato da 4 possibilità di risposta. Rispetto alla precedente, questa scala è molto più informativa (14 vs. 5 item) e caratterizzata da un range maggiore (56 vs. 40 in raw score).
INSERIRE QUI TABELLA 5
Le Tabelle 6 e 7 mostrano le principali caratteristiche psicometriche della scala così ottenuta, che è presentata nell’Appendice del presente lavoro. Come si nota, questa versione appare soddisfacente almeno quanto la precedente per quel che concerne la sequenza delle soglie di ogni item, che risulta sempre ordinata: le quattro categorie mostrano pertanto di essere tutte perfettamente in grado di discriminare le posizioni dei soggetti. Essa pare tuttavia possedere qualche vantaggio in più: a) il maggior range del valore affettivo degli item, compreso fra –1.300 e +.792 logit, consente di discriminare anche i soggetti con un grado di autoritarismo più lontano dalle posizioni centrali (cfr. anche Figura 2); b) il residuo più elevato (quello dell’item 2) è di pochissimo superiore a quanto richiesto (2.060 rispetto a 2); c) com’era lecito attendersi in base al maggiore numero di item, in questa versione il PSI risulta superiore rispetto alla scala costituita da soli 5 item (.800 rispetto a .695).
INSERIRE QUI TABELLE 6 E 7
La Figura 2 mostra infine la distribuzione congiunta dei soggetti e degli item sul continuum di RWA. In questo caso le prestazioni migliori nella discriminazione dei soggetti vengono rese a favore di quei rispondenti che hanno un livello di autoritarismo medio o alto, mentre restano scoperti coloro i quali hanno un punteggio basso di RWA. Un confronto puntuale fra la distribuzione dei n e quella dei i mostra infatti che esistono 117 rispondenti (rispetto a un campione di 353) il cui grado di autoritarismo è inferiore a –1.300 logit, che è il valore affettivo dell’item meno coinvolgente fra quelli selezionati; all’estremo opposto, esistono invece solo 2 soggetti il cui grado di autoritarismo è superiore a .792 logit, che è il valore affettivo dell’item più “forte”. Questa versione della scala è di conseguenza in grado di discriminare sufficientemente la posizione individuale di 2/3 dei soggetti, mentre si rivela molto carente per la parte residua del campione.
INSERIRE QUI FIGURA 2
5. CONCLUSIONI
Prima di procedere al confronto tra la scala con cinque item a otto categorie di risposta e quella con quattordici item a quattro categorie, ci sembra interessante esaminare brevemente alcuni dei risultati conseguenti alle operazioni di aggregazione delle categorie, dal momento che queste operazioni hanno qui giocato un ruolo importante. A tale scopo, consideriamo solo la scala con quattordici item, certamente più ricca di informazioni di quella a cinque, e confrontiamone la versione nel formato originario (9 categorie) con la versione nel formato aggregato (4 categorie). Leggendo la Tabella 8, si può notare che:
Passando dalla scala a 9 categorie a quella a 4 categorie, il fit complessivo migliora, raggiungendo nella seconda valori decisamente accettabili (.269 vs. .019). Anche il fit a livello dei singoli item migliora notevolmente: nella scala a 4 categorie non vi è alcun item che non soddisfi sia il criterio del residuo che quello della probabilità del (con l’eccezione, come si è visto, dell’item 2, che ha un residuo di 2.060) mentre nell’altra ve ne sono ben 6 misfitting rispetto ad uno dei due criteri o ad entrambi.
L’ordinamento degli item, salvo alcune eccezioni, ha nella maggior parte dei casi subìto solo lievi variazioni. Sono invece cambiati i valori di i, ma questo si giustifica con la matematica del modello, che stima tali parametri sulla base dei valori delle soglie.
Le uniche eccezioni riguardano l’item 20 e l’item 2. Il primo (“Il nostro paese funzionerebbe molto meglio se molti gruppi di sobillatori finalmente tacessero ed accettassero di stare al posto che loro compete”) è balzato dal quarto al decimo posto, perdendo anche in termini di residuo (da .60 a .2.06) e di probabilità del (da .70 a . 56). Qui probabilmente è stato pagato il prezzo della violazione di un assunto del modello: pur avendo tutte le soglie in ordine (ed era l’unico tra i 14 item con nove categorie a presentarsi con questa caratteristica) e quindi non candidabile ad alcuna riduzione del numero delle categorie, per ragioni di uniformità dei formati di risposta è stato invece drasticamente ridimensionato, passando così da nove a quattro categorie. Il fit dell’item, come prevedibile (cfr. par. precedente), ne ha risentito, pur rimanendo a livelli accettabili. L’item 2 (“Gli omosessuali e le lesbiche sono sani e morali quanto gli eterosessuali”)
diventa un po’ più “facile”, passando dall’ottavo al quarto posto; migliora altresì il suo fit su entrambi i criteri. Premesso che le caratteristiche di questo item andrebbero ulteriormente investigate, specie a livello di specifiche classi di soggetti, l’unica ipotesi che qui possiamo avanzare, valida del resto per tutti gli item, è che una graduazione più netta delle alternative di risposta (quattro al posto di nove) abbia permesso di interpretare meglio le esigenze di discriminazione di questo campione di soggetti.
Il range dei valori di i diventa molto più ampio, passando dall’intervallo (.473, .253 logit, non riportato in tabella) all’intervallo (1.300, .792 logit), facendo così aumentare la possibilità di catturare un maggior numero di posizioni di soggetti sul continuo.
INSERIRE QUI TABELLA 8
Un’ulteriore fonte di informazioni, ai fini della valutazione finale, può essere rappresentata dal confronto, effettuato con una semplice matrice di correlazioni, tra tre versioni della scala di Altemeyer: quella originaria (30 item/9 categorie, espressa in raw score, senza trasformazione in logit e senza alcuna aggregazione)4, la versione risultata più
4 Oltre all’analisi fondata sul modello di Rasch, infatti, è stata parallelamente condotta un’elaborazione che ha seguito i principi della TCT. Dall’item analysis è emerso un pari a .85, mentre l’analisi fattoriale esplorativa della batteria nel suo formato originario (estrazione Maximum likelihood, rotazione Promax, software SPSS) ha mostrato una struttura analoga a quella evidenziata da Altemeyer.
soddisfacente (14 item/4 categorie, espressa in logit) e la versione meno informativa (5 item/8 categorie, espressa in logit).
La tabella 9 mostra che i coefficienti di correlazione sono tutti positivi, molto alti e significativi: l’andamento delle posizioni individuali stimate dalle tre differenti scale può di conseguenza essere considerato nel complesso sostanzialmente sovrapponibile.
INSERIRE QUI TABELLA 9
Ciò nonostante, il contributo del modello di Rasch per quanto concerne la stima delle posizioni individuali e la sua attendibilità è di gran lunga superiore a quello dell’approccio Likert: il modello consente infatti di fornire una mole di informazioni diagnostiche ineguagliabile anche rispetto al più fine degli approcci tradizionali. Esso è inoltre decisamente più flessibile, e quindi capace di modellare meglio la realtà, dell’approccio Likert standard; basti pensare al fatto che non si fonda sull’assunto – la cui irrealisticità è stata fra gli altri messa in evidenza da Amisano & Rinaldi (1988; Amisano, Rinaldi & Pampanin, 2002) – secondo cui gli intervalli fra le categorie debbano necessariamente essere uguali: questi non sono sottoposti ad alcun vincolo nel nostro modello, che anzi consente di valutarne anche l’ampiezza. Pertanto, le scale validate mediante i criteri di Rasch ci sembrano da preferire rispetto a quelle validate esclusivamente mediante analisi fattoriale e item analysis, ma anche rispetto ad altre scale per le quali sono stati impiegati modelli e tecniche di scaling tradizionali, che offrono molto meno in termini di informazioni, di controlli e di flessibilità.
Nel nostro caso, dunque, la vera alternativa sembra essere quella tra le due scale ottenute mediante l’applicazione del modello di Rasch. Esistono, a nostro parere, ragioni sia statistiche, sia sostantive, sia infine legate alla tradizione della ricerca psicologica e sociale, per preferire quella costituita da 14 item a 4 categorie di risposta rispetto a quella composta da 5 item a 8 categorie. Fra le prime, gioca indubbiamente un ruolo la sua superiorità nei test di fit, oltre al fatto che la classificazione che permette è più fine, offrendo un range sul continuo pari a 14*4=56 punti contro i 5*8=40 della sua “rivale”. Fra le ragioni sostantive, è utile rilevare che, a differenza di quella con 5 item, la scala con 14 item è almeno in parte bilanciata, essendo costituita da 9 voci pro-tratto e 5 contro: Essa può pertanto consentire più agevolmente di depurare i punteggi ottenuti dalle tendenze idiosincratiche dei rispondenti nell’utilizzo dei questionari6. Per quanto concerne infine le ragioni legate alla tradizione della
6 Si tratta di un problema estremamente rilevante per la ricerca psicologica e sociale: “Nella risposta che un individuo fornisce a uno strumento di rilevazione come una scala Likert o un termometro [dei sentimenti], esiste (…) una componente idiosincratica che non ha nulla a che fare con la posizione dell’individuo stesso sul
ricerca, ci sembra indubitabile che una scala costituita da 14 item a 4 categorie di risposta sia più vicina agli standard delle indagini condotte nelle nostre discipline rispetto ad una scala costituita da soli 5 item, anche se dotata di un formato di risposta con ben 8 categorie.
Sulla base delle considerazioni che precedono, non possiamo che valutare con maggiore favore la scala con 14 item a 4 categorie. Riteniamo tuttavia che lo sviluppo di una scala di autoritarismo di destra per il contesto italiano, che voglia partire dalle acquisizioni di Altemeyer tenendo nel contempo presenti i nostri risultati, richieda ulteriore lavoro, diretto soprattutto a integrare il set di 14 item con altri meno “forti”, che siano in grado di coprire adeguatamente le posizioni dei soggetti con un minor grado di autoritarismo.
Bibliografia
Adorno, T. W., Frenkel-Brunswik, E., Levinson, D. J., & Sanford, R. N. (1950). The authoritarian personality. New York: Harper Books.
Altemeyer, B. (1981). Right-wing authoritarianism. Winnipeg: University of Manitoba Press. Altemeyer, B. (1988). Enemies of freedom: Understanding Right-wing authoritarianism. San
Francisco: Jossey-Bass.
Altemeyer, B. (1996). The authoritarian specter. Cambridge: Harvard University Press.
Altemeyer, B. (1998). The other “authoritarian personality”. Advances in Experimental Social Psychology, 30, 47-92.
Amisano, E., & Rinaldi, G. (1988). Confronto tra forme diverse di “chiusura” degli items Likert. In A. Marradi (Ed.), Costruire il dato (pp. 44-62).Milano: Angeli.
Amisano, E., Rinaldi, G., & Pampanin, E. (2002). Sono equidistanti le categorie di una scala Likert?. In A. Marradi & G. Gasperoni, Costruire il dato 3. Le scale Likert (pp. 95-122). Milano: Angeli.
Andersen E. B. (1977). Sufficient statistics and latent trait models. Psychometrika, 42, 69-81.
Andrich D. (1978). A rating formulation for ordered response categories. Psychometrika, 43, 561-573.
Andrich, D. (1985a). An elaboration of Guttman scaling with Rasch models for measurement. In N. B. Tuma (Ed.), Sociological metodology (pp.33-80). San Francisco: Jossey-Bass. Andrich, D. (1985b). A latent trait model for items with response dependencies: Implications
for test construction and analysis. In S. E. Embretson (Ed.), Test design. Developments in psychology and psychometrics (pp.245-275). Orlando: Academic Press.
continuum o sui continua che interessano il ricercatore ma dipende solo dal modo di usare lo strumento. Come esistono insegnanti di manica larga e insegnanti di manica stretta, così esistono individui che “propendono” per l’accordo e individui che propendono per il disaccordo indipendentemente dal contenuto delle domande. E come esistono insegnanti che utilizzano un ampio spettro di voti e insegnanti che utilizzano un piccolo spettro di voti, così esistono individui che tendono ad utilizzare tutta la scala di risposta e individui che tendono ad utilizzarne solo una porzione” (Ricolfi, 1999, p. 255-256). Si tratta di quelle che Luca Ricolfi definisce rispettivamente
inflazione additiva e inflazione moltiplicativa, ricomprendendole entrambe sotto l’etichetta problema di Marradi,
dal nome dello studioso che per primo ha formalizzato tali questioni (Marradi, 1979; 1980; 1992). Le loro conseguenze sono particolarmente gravi se si sottopongono dati da esse inquinati a procedure di analisi fattoriale, dal momento che è possibile dimostrare matematicamente che la dimensionalità delle soluzioni risulta essere artificiosamente aumentata di una o due unità. Quel che è più grave, i risultati ottenuti confondono fra loro le dimensioni derivanti dal problema di Marradi e quelle “reali”, il che ha pesanti effetti sull’interpretazione dei risultati e sul calcolo dei punteggi fattoriali individuali.
Andrich, D. (1988). Rasch models for measurement. Beverly Hills: Sage.
Andrich, D. (1995). Models for measurement, precision, and the nondichotomization of graded responses, Psychometrika, 60, 7-26.
Andrich, D. (1996). Measurement criteria for choosing among models with graded responses. In A. von Eye & C. C. Clogg (Eds.), Categorical variables in developmental research (pp. 3-35). New York: Academic Press.
Andrich, D., de Jong, J. H. A. L., & Sheridan, B. E. (1997). Diagnostic opportunities with the Rasch model for ordered response categories. In J. Rost & R. Langeheine (Eds.), Applications of latent trait and latent class models in the social sciences (pp. 59-70). Berlin: Waxmann.
Andrich, D., Sheridan, B., & Luo, G. (2001). RUMM2010: Rasch Unidimensional Measurement Model (versione 3.3) [Computer software]. Perth, Western Australia: Rumm Laboratories.
Bock R. D. (1975). Multivariate statistical methods in behavioral research, New York: McGraw-Hill, cap. 8.
Christie, R. (1991). Authoritarianism and related constructs. In J. P. Robinson, P. R. Shaver & L. S. Wrightsman (Eds.), Measures of personality and social psychological attitudes (pp.501-571). San Diego: Academic Press.
Christie, R. (1993). Some experimental approaches to authoritarianism: II. Authoritarianism and punitiveness. In W. F. Stone, G. Lederer & R. Christie (Eds.), Strenght and weakness. The authoritarian personality today (pp.99-118). New York; [etc.]: Springer-Verlag. Converso, D., & Roccato, M. (1996). L’altra faccia della solidarietà: uno studio psicosociale
dell’autoritarismo. In P. Amerio (Ed.), Forme di solidarietà e linguaggi della politica (pp. 163-209). Torino: Bollati Boringhieri.
Corey Bulter, J. (2000). Personality and Emotional Correlates of Right-Wing Authoritarianism. Social Behavior and Personality, 28, 1-14.
Cristante, F. & Robusto, E. (1994). Tre generalizzazioni del modello logistico semplice di Rasch per l’analisi degli item. In F. Cristante (Ed.), Strumenti di analisi degli item (pp. 11-36). Padova: TPM Edizioni.
Duckitt, J. (1993). Right-Wing Authoritarianism among white South African students: Its measurement and correlates. Journal of Social Psychology, 133, 553-563.
Edwards A. L. & Thurstone L. L. (1952). An internal consistency check for scale values determined by the method of successive intervals, Psychometrika, 17,169-180.
Giampaglia, G. (1995a). L’analisi degli items nella costruzione delle scale di atteggiamento con l’approccio di Rasch. Sociologia e ricerca sociale, 47-48, 205-229.
Giampaglia, G. (1995b). L’approccio di Rasch alla costruzione delle scale di atteggiamento, Napoli: Edizioni Napolitane del Sebeto.
Giampaglia, G. (2000). Il trattamento dei “non so” come problema di dimensionalità. Alcune riflessioni in margine ad uno studio sulle categorie di risposta. Sociologia e ricerca sociale, 61, 77-86.
Jansen, P. G. W. & Roskam, E. E. (1986). Latent trait models and dichotomization of graded responses. Psychometrika, 51, 69-91.
Mannarini, S. (1997). Analisi secondo l’Extended Logistic Model (ELM). Un contributo di studio della versione italiana delle scale Internal, Powerful Others, Chance di Levinson. TPM, 4, 57-66.
Marradi, A. (1979). Dimensioni dello spazio politico in Italia. Rivista Italiana di Scienza Politica, IX, 263-296.
Marradi A. (1980). Concetti e metodo in scienza politica. Firenze: Giuntina. Marradi, A. (1992). L’analisi monovariata, Milano: Angeli.
McCullagh, P. (1980). Regression models for ordinal data. Journal of the Royal Statistical Society, Series B. 42, 109-142.
Nijkamp, H. Lielner, & N. Wrigley (Eds.), Measuring the unmeasurable (pp. 39-49). Dordrecht, The Netherlands: Martinus Nijhoff.
McFarland, S. G., Ageyev V. S., & Abalakina M. (1992). Authoritarianism in the former Soviet Union. Journal of Personality and Social Psychology, 63, 1004-1010.
Miceli, R. (2001). Percorsi di ricerca e analisi dei dati. Torino: Bollati Boringhieri.
Molenaar, I. W. (1983), Some improved diagnostics for failure of the Rasch model. Psychometrika, 48, 49-72.
Rasch, G (1961). On general laws and the meaning of measurement in psychology. In J. Neyman (Ed.), Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 4, pp. 321-334). Berkeley: University of California Press. Rasch, G. (1966). An individualistic approach to item analysis. In P. F. Lazarsfeld & N. W.
Henry (Eds.), Readings in mathematical social science (pp. 89-108) . Chicago: Science Research Associates.
Rasch, G. (1977). On specific objectivity: an attempt at formalizing the request for generality and validity of scientific statements. Danish Yearbook of Philosophy 14, 58-94.
Ricolfi, L. (1999). Destra e sinistra? Studi sulla geometria dello spazio elettorale. Torino: Omega Edizioni.
Roccato, M. (1997). Autoritarismo de derechas y adolescencia. Psicología política, 14, 61-76. Roccato, M. (in stampa). Le tendenze antidemocratiche. Psicologia sociale dell’autoritarismo.
Torino: Edizioni di comunità.
Roccato, M., Re, M., & Sclauzero S. (2000). Autoritarismo, nazionalismo e patriottismo. Uno studio su militanti politici italiani. Articolo sottoposto per la pubblicazione a Rassegna di Psicologia.
Roskam, E. E. & Jansen, P. G. W. (1989). Conditions for Rasch-dichotomizability of the unidimensional polytomous Rasch model. Psychometrika, 54, 317-332.
Rubinstein, G. (1996). Two peoples in one land: A validation study of Altemeyer’s Right-wing authoritarianism scale in the Palestinian and Jewish societies in Israel. Journal of Cross-Cultural Psychology, 27, 216-230.
Samejima F. (1969). Estimation of latent ability using a response pattern of graded scores , Psychometric Monograph , 34.
Seoane, J., & Garzón, A. (1992). Creencias sociales contemporaneas, autoritarismo y humanismo. Psicología Política, 5, 27-52.
Smith, M. B. (1997). The Authoritarian Personality: A Re-Review 46 Years Later. Political Psychology, 18, 159-163.
Smith, R. M. (2000). Fit analysis in latent trait measurement models. Journal of Applied measurement, 1, 199-218.
Thurstone L. L. (1959). The measurement of values, Chicago: University of Chicago Press.
L’adattamento italiano della versione 1998 della RWA Scale
Item
14 item4 categorie 8 categorie5 item A. Le autorità hanno generalmente ragione sulle cose, mentre chi si
ribella loro lo fa soprattutto per ignoranza.
B. Al momento del matrimonio le donne dovrebbero promettere obbedienza al marito.
1. Il nostro Paese ha disperatamente bisogno di un leader energico che spazzi via gli stili di vita radicali e peccaminosi che rischiano di rovinarci.
X
2. Gli omosessuali e le lesbiche sono sani e morali quanto gli eterosessuali. *
X 3. Molti di quelli che criticano le autorità, siano esse quelle del
governo o quelle ecclesiastiche, creano soltanto dubbi inutili nella testa della gente.
4. Non c’è dubbio che gli atei e chi non accetta le prescrizioni delle religioni ufficiali sono rispettabili esattamente come chi crede in Dio e va in chiesa regolarmente. *
5. Il nostro Paese potrà uscire dalla sua crisi solo tornando ai suoi valori tradizionali, dando il potere a un leader forte e zittendo i sobillatori che diffondono idee sbagliate.
6. Non c’è assolutamente niente di male nell’esistenza dei campi per nudisti. *
X 7. Il nostro Paese ha davvero bisogno di liberi pensatori che abbiano il
coraggio di sfidare le tradizioni, anche se questo può dar fastidio a molti. *
8. Il nostro Paese è condannato alla distruzione se non elimineremo la corruzione che sta erodendo la nostra fibra morale e i nostri valori tradizionali.
9. Tutti hanno diritto ad avere il proprio stile di vita, le proprie credenze religiose e le proprie preferenze sessuali, anche se ciò li rende diversi da chiunque altro. *
10. I valori e i modi di essere all’antica sono sempre i migliori per
vivere. X
11. Bisogna ammirare chi ha sfidato la legge e la maggioranza combattendo per il diritto all’aborto, i diritti degli animali e per abolire la preghiera a scuola. *
X
12. Il nostro Paese ha soprattutto bisogno di un leader forte e determinato che spazzi via il male e ci riporti sulla retta via.
X 13. Fra le migliori persone del nostro Paese ci sono quelli che sfidano il
governo, criticano la religione e ignorano le convenzioni sociali. * 14. Prima che sia troppo tardi bisogna tornare a seguire i precetti
religiosi sull’aborto, la pornografia ed il matrimonio e punire chi non li segue.
X X
15. Un po’ di censura su molte pubblicazioni farebbe solo bene, perché ci impedirebbe di imbatterci in materiali osceni e disgustosi. 16. Non c’è niente di male nel sesso prematrimoniale. *
17. Il nostro Paese migliorerà quando impareremo a rispettare le tradizioni e le autorità, e quando ci libereremo delle “mele marce” che ci stanno rovinando.
18. Non c’è un solo modo giusto di vivere: tutti devono costruirsi il proprio. *
X 19. Gli omosessuali e le femministe dovrebbero essere lodati per il loro
coraggio nello sfidare i valori tradizionali della famiglia. *
20. Il nostro Paese funzionerebbe molto meglio se molti gruppi di sobillatori finalmente tacessero ed accettassero di stare al posto che loro compete.
X X
21. Nel nostro Paese le autorità dovrebbero fermare le troppe persone radicali ed immorali che remano contro.
22. La gente dovrebbe crearsi un proprio sistema di valori su cosa è morale e immorale, e dare meno ascolto a ciò che dicono la Chiesa ed il Papa. *
23. Il nostro Paese ha soprattutto bisogno cittadini disciplinati che
seguano i leader nazionali. X X
24. Piuttosto che dare al governo il potere di esercitare la censura, è meglio permettere la diffusione di pubblicazioni oscene o rivoluzionarie. *
25. L’aumento dei reati sessuali e degli altri crimini dimostra che bisogna reprimere più duramente i comportamenti immorali se vogliamo salvare il nostro ordine sociale.
X X
26. Molte regole sull’autocontrollo e sul comportamento sessuale sono non necessariamente migliori o più morali di quelle seguite da altre persone. *
27. La situazione nel nostro Paese sta diventando così preoccupante da giustificare le maniere forti per eliminare i sobillatori e riportarci sulla retta via.
X
28. Il “posto di una donna” è dovunque essa voglia stare. L’epoca della sottomissione delle donne al marito ed alle convenzioni sociali deve finire per sempre. *
29. E’ molto positivo che oggi i giovani abbiano la libertà di protestare contro ciò che non condividono, e che si costruiscano le proprie regole di comportamento. *
X
30. Se il governo e la magistratura dessero l’ordine, sarebbe dovere di ogni cittadino contribuire a schiacciare la corruzione che avvelena il nostro Paese dall’interno.
Nota: gli item contrassegnati con A e B non vengono utilizzati nel computo dei punteggi individuali di RWA, avendo semplicemente la funzione di familiarizzare i rispondenti con i temi toccati dalla scala vera e propria. Gli item contrassegnati da * sono quelli controscalari. Nella seconda e nella terza colonna vengono indicati con una X gli item trattenuti nelle due versioni dell’adattamento.
TABELLA 1
Validazione della Scala RWA mediante il modello di Rasch: principali statistiche dopo la riduzione a 18 item
df P( PSI N. item con soglie
ordinate N. item con p( 2) insufficiente 18 item
9 categorie 84.992 72 .140 .856 2 N=0
8 categorie
TABELLA 2
Validazione della Scala RWA mediante il modello di Rasch. “Via sintattica”: principali statistiche
df P( PSI N. item con soglie
ordinate N. item con p( 2) insufficiente 5 item 8 categorie 20.773 20 .411 .695 5 N=0 TABELLA 3
Scala RWA
a 5 item e 8 categorie: caratteristiche degli item
SE Residuo P( Item20 -0.109 0.04 1.324 1.562 0.811 Item14 0.332 0.04 0.531 1.648 0.795 Item23 0.354 0.04 0.394 3.419 0.477 Item25 -0.440 0.03 2.202 6.738 0.128 Item17 -0.138 0.03 -0.219 7.406 0.092 Media dei i: 0.000
Deviazione standard dei i: 0.339
TABELLA 4
Scala RWA a
5 item e 8 categorie: ordinamento delle soglie
1 2 3 4 5 6 7 Item14 -.307 -.274 -.217 -.118 .040 .274 .602 Item17 -.610 -.495 -.292 -.035 .239 .495 .697 Item20 -1.064 -.459 -.236 -.162 -.008 .459 1.470 Item23 -1.077 -.604 -.267 .002 .270 .604 1.072 Item25 -.526 -.215 -.099 -.064 .003 .215 .686 TABELLA 5
Validazione della Scala RWA mediante il modello di Rasch. “Via semantica”: principali statistiche
df P( PSI N. item con soglie
ordinate N. item con p( 2) insufficiente 14 item
TABELLA 6
Scala RWA
a 14 item e 4 categorie: caratteristiche degli item
SE Residuo P( Item23 0.301 0.09 -0.315 1.640 0.796 Item25 -1.300 0.08 -0.746 2.284 0.675 Item2 -0.248 0.07 2.060 2.367 0.660 Item17 -0.276 0.07 -0.044 2.460 0.642 Item12 0.346 0.08 -0.931 2.775 0.585 Item18 0.711 0.09 0.652 2.804 0.580 Item20 0.281 0.08 1.976 2.912 0.561 Item14 0.119 0.08 -0.454 4.784 0.292 Item11 -0.534 0.08 1.808 5.242 0.244 Item10 -0.111 0.08 1.976 6.115 0.169 Item1 -0.045 0.08 -1.689 6.521 0.141 Item6 -0.063 0.07 0.848 7.303 0.097 Item29 0.792 0.09 1.953 7.383 0.093 Item27 0.028 0.08 -1.167 7.455 0.090
Media dei i: 0.000
Deviazione standard dei i: 0.524
TABELLA 7
Scala RWA
a 14 item e 4 categorie: ordinamento delle soglie
1 2 3 Item1 -1.392 .241 1.151 Item2 -.996 -.472 1.469 Item6 -.971 .471 .500 Item10 -1.813 -.616 2.429 Item11 -1.596 -.541 2.138 Item12 -1.957 .132 1.825 Item14 -1.516 -.004 1.521 Item17 -1.457 .224 1.233 Item18 -.560 .051 .509 Item20 -.740 .095 .646 Item23 -2.509 .183 2.326 Item25 -1.680 -.141 1.821 Item27 -1.864 -.012 1.876 Item29 -1.524 .597 .927 TABELLA 8
Validazione della Scala RWA mediante il modello di Rasch: principali statistiche del modello a 14 item e diverso numero di categorie di risposta
df P( PSI N. item con soglie ordinate N. item con p(2) insufficiente 14 item 9 categorie 80.178 56 .019 .834 1 4 14 item 4 categorie 62.045 56 .269 .800 14 0
TABELLA 9
Correlazioni fra tre versioni della scala di Altemeyer RWA 30 item 9 categorie (Raw score) RWA 14 item 4 categorie (Logit) RWA 5 item 8 categorie (Logit) RWA 30 item 9 categorie 1 .897* .799* RWA 14 item 4 categorie 1 .834* RWA 5 item 8 categorie 1 * Sig.<.001
