Seminario di Metodologia della Ricerca Psicologica

(1)

Seminario di Metodologia

della Ricerca Psicologica

MARIAGRAZIA BENASSI ROBERTO BOLZANI

SARA GIOVAGNOLI

(2)

Metodologia della Ricerca

• Non indica semplicemente i metodi e le tecniche da utilizzare nella ricerca ma l’attività critica che si applica ai diversi prodotti della ricerca (Boudon, 1991)

• Aspetto normativo della metodologia:

l’importanza di fare buone ricerche

(3)

Ricerca scientifica

• Scopo: generare e controllare

teorie metodologicamente corrette

– Aderenza alla realtà empirica di riferimento

– Riduzione dei costi e degli errori

(4)

Programma del corso

I PARTE (3cfu) Elementi di statistica inferenziale 1. Misura: Tipi di variabili e scale di misurazione 2. Procedura della statistica inferenziale

3. Logica del test statistico

4. Errori nell'interpretazione dei risultati del test statistico 5. Disegni di ricerca

6. Metodi di campionamento 7. Fallacia nel campionamento 8. Affidabilità e validità

(5)

II Parte (+3 cfu) Procedure statistiche avanzate

1. Analisi della correlazione 2. Analisi fattoriale

3. Analisi discriminante e cluster analysis 4. Modelli non parametrici

5. Metanalisi

Programma del corso

(6)

Modalità d’esame

Orale

3 cfu I Parte

6 cfu I + II Parte

(7)

Bibliografia

 I Parte:

• Bolzani R., Canestrari R. (1994) Logica del test statistico. Milano, Casa Editrice Ambrosiana. (Cap. 2)

• Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. (Cap. 2)

• Bolzani R. Benassi M (2003)Tecniche Psicometriche. Roma, Carocci Editore (Cap. 1)

• McBurney DH (1986) Metodologia della ricerca psicologica. Bologna, Il Mulino.

(Cap. da 3 a 10)

• Mucciarelli G, Celani G (a cura di) (2002) Quando il Pensiero Sbaglia. Torino, Utet Libreria (Cap. 3, 4, 5)

 II Parte:

• Bolzani R., Canestrari R. (1994) Logica del test statistico. Milano, Casa Editrice Ambrosiana. (Cap. 5)

• Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. (Cap. 4, 5)

• Bolzani R. Benassi M (2003)Tecniche Psicometriche. Roma, Carocci Editore (Cap. 7, 8)

(8)

Strumenti

• Diapositive e esercizi sul sito di Psice-Pagine Insegnamenti

• Lezioni e esercitazioni on-line disponibili sulla piattaforma A3

(9)

Piattaforma A3

• Registrazione

atutor.psice.unibo.it/registrazione/

Id: PsicologiaFreq

Password:poqevipe36

» Mail e matricola

• http://atutor.psice.unibo.it

(10)

Piattaforma A3

• Moduli didattici e esercitazioni

• Chat (orari di ricevimento CESENA)

• Forum

(11)

Verifiche

• Pre-appelli per frequentanti (1 per ogni parte per 1cfu): durante il

corso (15 Marzo; 5 Aprile)

• Appelli ufficiali (esame orale)

(12)

PRE-REQUISITI

• Logica della dimostrazione sperimentale

• Distribuzioni di Probabilità

• Test parametrici e non parametrici

(13)

Note sulla teoria della Misura in

Psicologia

Definizione di Misura:

misurare significa attribuire agli elementi di un insieme le

caratteristiche di un sistema di riferimento tali per cui queste

caratteristiche siano rappresentative

rispetto alle caratteristiche dell’insieme

(14)

Per definire il rapporto (funzione di

omeomorfismo) fra l’insieme misurato e il sistema di riferimento occorre che sia definibile:

• Il sistema relazionale empirico (oggetto)

• Il sistema relazionale di riferimento (strumento)

(15)

• le relazioni fra gli elementi dell’insieme misurato sono riprodotte (omeomorfe) dagli elementi

dell’insieme misurante

• permette di fare operazioni fra gli elementi

dell’insieme e quindi di meglio comprendere le caratteristiche delle parti rispetto all’insieme stesso

• permette di condividere e quindi confrontare le informazioni di insiemi diversi in base a un

linguaggio comune

(16)

CRITICITA’:

a. Precisione dello strumento b. Determinazione dell’Oggetto c. Generalizzazione

(17)

Precisione dello strumento

• Non c’è mai corrispondenza perfetta fra i due sistemi (misurante-misurato)

• Lo strumento di misura deve essere in grado di dare anche una stima

dell’errore di misura

• La stima viene data attraverso

l’intervallo di tolleranza che è definibile solo se sono definiti i metodi di

(18)

Statistica inferenziale Statistica inferenziale

Falsificazione Ho Falsificazione Ho

INTERVALLO DI CONFIDENZA:

rappresenta la zona attorno al parametro stimato entro cui ci aspettiamo, con una probabilità 1‑, di trovare il parametro relativo a un nuovo campione.

Ha la stessa estensione dell'intervallo attorno all'ipotesi nulla.

Se nell'intervallo di confidenza cade il valore di H0 non si può respingere l'ipotesi nulla.

(19)

Statistica inferenziale Statistica inferenziale

Falsificazione Ho Falsificazione Ho

INTERVALLO DI TOLLERANZA:

rappresenta la zona attorno al parametro stimato entro cui ci aspettiamo, con una probabilità 1‑, che cada un nuovo caso.

(20)

• Semplicità della teoria

• Conformità alle leggi o alle regolarità della natura

• Semplicità come Falsificabilità

• Universalità della teoria

• Parsimonia

Determinazione

dell’oggetto

(21)

Generalizzazione

• Scopo della misura

• Punto di partenza e di arrivo di ogni misurazione

(22)

SCALE DI MISURA

Classificazione Stevensiana:

• sistema di riferimento: sistema dei numeri reali R

• Va da una classe più semplice a una classe più complessa

(23)

SCALE DI MISURA

Classificazione Stevensiana

• Scale nominali

• Scale ordinali

• Scale intervalli

• Scale rapporto

(24)

Scale Nominali

• la relazione fra gli eventi è la categorizzazione

• le categorie sono distinte in base alla sola operazione di uguaglianza o differenza

• La proprietà dei R corrispondente è la cardinalità

• Gli eventi sono raggruppabili in classi mutualmente esclusive

• Le operazioni statistiche possibili sono il calcolo delle frequenze, test non parametrici.

• I parametri descrittivi tipici sono moda e mediana

(25)

Scale Ordinali

• Gli elementi dell’insieme sono oltre che sottoposti a categorizzazione anche ordinati gerarchicamente seguendo una relazione di asimmetria

• i numeri sono disposti in modo tale da riflettere l’ordine di graduatoria degli elementi

• Non è possibile quantificare la distanza fra gli elementi

• La proprietà dei R corrispondente è l’ordinalità

• Le operazioni statistiche possibili sono il calcolo delle frequenze, test non parametrici

• I parametri descrittivi tipici sono moda e mediana

(26)

Scale Intervalli

• alle caratteristiche delle prime due scale si aggiunge anche la definizione della distanza fra ogni elemento dell’insieme

• costanza degli intervalli fra le diverse classi

• non viene definito lo zero assoluto

• Con queste scale sono possibili solo le operazioni di somma e sottrazione

• Test statistici parametrici

• I parametri descrittivi tipici sono media e varianza

(27)

Scale Rapporto

• oltre ad esserci una costanza fra le classi è anche definito un valore di zero assoluto non arbitrario

• applicabili le operazioni matematiche di moltiplicazione e divisione

• Test statistici parametrici

• I parametri descrittivi tipici sono media e varianza

(28)

SCALE DI MISURA

Critiche alla classificazione stevensiana:

1. non comprende tutte le possibili classi di eventi.

2. Rigidità nell’accostamento scala-

(29)

Variabili

• Eventi empirici oggetto della misura

• Possono essere parte di categorie e assumere diversi valori

(30)

VARIABILI

CRITICITA’

• Aderenza fra sistema numerico e sistema empirico

• Metodo di misurazione sintetico o analitico

(31)

TIPI DI VARIABILI

Classificazione in base al ruolo nel disegno sperimentale

Relazione causale

• Variabile dipendente

• Fattore

• Variabile confondente

(32)

TIPI DI VARIABILI

Classificazione in base alle caratteristiche

• Variabili qualitative

• Variabili quantitative

Classificazione in base alla distribuzione

• Variabili gaussiane

• Varibili non gaussiane

(33)

VARIABILI E

VARIABILI E SCALE DI MISURA

- OPERAZIONI STATISTICHE POSSIBILI –

Scelta è dettata da:

• dal disegno sperimentale

• dall’ipotesi sperimentale

• dal tipo di variabili

(34)

VARIABILI E

Dal disegno sperimentale

• Multivariato

• Univariato

• …

(35)

VARIABILI E

Dall’ipotesi sperimentale

• Inferenza (rapporti di causa-effetto generalizzabili)

• Descrizione (esplorazione di un fenomeno di diversa complessità)

(36)

VARIABILI E

Dal tipo di variabili

• Se a distribuzione gaussiana allora test parametrici

• Se a distribuzione non gaussiana allora test non parametrici

(37)

VARIABILI E

Criticità:

- criteri decisionali rigidi

- ambiguità della situazione

Soluzioni:

- motivazioni del criterio

(38)

• La statistica DESCRITTIVA rappresenta sinteticamente i r diversi valori relativi ai soggetti di un determinato gruppo (media, frequenza, percentuale etc.)

• Oggetto: riguarda esclusivamente i soggetti esaminati

• Processo: il processo sulla quale è basata va dalla raccolta dei dati alla descrizione alla successiva formulazione di un’idea da verificare

• Misura: i test statistici sono di tipo esplorativo: utilizzano modelli matematici molto raffinati ma non hanno valore

dimostrativo. I parametri che utilizzano non sono basati sul calcolo probabilistico.

Statistica Descrittiva

(39)

Statistica Inferenziale

• Oggetto: l'esistenza di relazioni fra una generica variabile

dipendente e un insieme di variabili indipendenti (fattori)

• Processo: procede secondo una sequenza di operazioni ben

definita e rigida

• Logica di tipo falsificazionista

• Misura: calcolo probabilistico

(40)

Inferenza: regole Inferenza: regole

RELAZIONE FRA FATTORI E VARIABILE DIPENDENTE

IPOTESI E TEST STATISTICO SEGUONO UNA LOGICA DI TIPO CAUSA-EFFETTO

TUTTAVIA:

• I RISULTATI NON SONO VINCOLATI DA QUESTA LOGICA

• LE CONCLUSIONI NON VENGONO ACCETTATE SE SOSTENGONO UNA LOGICA CAUSA-EFFETTO

(41)

Inferenza: regole Inferenza: regole

ESEMPIO 1: INDAGINE SULLA

RELAZIONE FRA ALCOOLISMO E CIRROSI EPATICA

ESEMPIO 2: INDAGINE SULLA

RELAZIONE FRA ETA’ E CAPACITA’

MNEMONICHE

(42)

Inferenza: regole Inferenza: regole

Metodologia: teoria delle regole alla base del processo euristico

Motivazioni dell’esplicitazione delle regole:

– Ragioni epistemologiche – Ragioni etiche

– Ragioni politiche

*** KR Popper (1934) La logica della scoperta scientifica, cap 2. Einaudi (1998)

(43)

Inferenza: regole Inferenza: regole

RIGIDITA’ DEL PROCESSO DIMOSTRATIVO

Regole di metodo come convenzioni

Controllo

Corroborazione

Replicabilità

Revisione

(44)

Inferenza: regole Inferenza: regole

Controllo

• Coerenza interna (confronto logico delle conclusioni)

• Indagine sulla forma logica (teoria empirica, scientifica o tautologica)

• Confronto con altre teorie

• Confronto mediante le applicazioni empiriche

(45)

Inferenza: regole Inferenza: regole

L’oggettività della scienza sta nell’intersoggettività delle

asserzioni della scienza stessa.

(46)

Inferenza: regole Inferenza: regole

T e s t S t a t i s t i c o

( s t i m a d e l p a r a m e t r o ) R a c c o l t a D a t i e D e s c r i z i o n e V a r i a b i l i

S c e l t a C a m p i o n e c a s u a l e e i d o n e o F o r m u l a z i o n e H o

I d e a G e n e r a l e I p o t e s i S p e r i m e n t a l e

(47)

(1)

Formulazione Idea sperimentale (H1):

generale e falsificabile ipotesi di differenza

Inferenza: regole

(48)

Inferenza: regole Inferenza: regole

(2)

Formulazione di H0 da falsificare complementare a H1

ipotesi di uguaglianza

(49)

Inferenza: regole Inferenza: regole

(3)

Raccolta del Campione

Idoneo a confermare l'idea

Rappresentativo dell'intera popolazione (casuale, sufficientemente ampio) Conforme alle richieste del test che si

(50)

Inferenza: regole Inferenza: regole

(4)

Applicazione del TEST STATISTICO indipendenza

riferimento alle distribuzioni teoriche (continuità, normalità ..)

in grado di falsificare tipi determinati di ipotesi nulle

(51)

Inferenza: regole Inferenza: regole

(5)

SIGNIFICATIVITÀ

Probabilità di respingere l'ipotesi nulla pur essendo questa vera

Il suo limite è stabilito a priori

(livello di significatività normalmente 0.05 o 0.01)

(52)

Inferenza: regole Inferenza: regole

(6a)

Falsificazione di H0

& dimostrazione di H1

(6b)

Non falsificazione di H0

& riflessioni sulla ricerca***

***NON SI PUO’ DIMOSTRARE H0***

(53)

Inferenza: regole Inferenza: regole

Attraverso la distribuzione dell’ipotesi nulla vengono individuate due zone:

• una zona attorno all'ipotesi nulla in cui non è possibile escludere, in base al risultato ottenuto, che l'ipotesi nulla sia vera

• La rimanente regione riguarda una zona in cui è estremamente improbabile ottenere un risultato sperimentale se è vera l'ipotesi nulla

(54)

Inferenza: regole

(55)

ERRORI DI MISURA

Misurare implica sempre un errore 

• ineliminabile

• di diversa origine

• può essere quantificabile

Occorre identificare e misurare anche

Inferenza: regole

(56)

ERRORI DI MISURA

Errori di metodo – controllo tramite evitamento

Errori di decisione – controllo tramite stima

Inferenza: regole

(57)

ERRORI DI DECISIONE

H0 vera H1 falsa

H0 falsa H1 vera Respingo H0 errore I tipo



corretto

Non respingo H0 corretto errore II tipo



Inferenza: regole

(58)

Errore alpha

• Errore relativo alla probabilità di falsificare H0 quando H0 è vera

• Legato alla significatività del test

• Il suo valore è determinato a priori (<=0.05 o 0.01)

• Legato a errore beta

ERRORI DI DECISIONE

(59)

ERRORI DI DECISIONE

Errore beta

• Errore relativo alla probabilità di non falsificare H0 quando H0 è falsa

• Legato alla potenza del test

• Il suo valore è determinato a priori

• Legato a errore alpha

(60)

• Potenza del test: probabilità di

respingere H0 quando H0 è falsa. È data da 1‑

• Dipende :

 da H0 e da H1

 dalla numerosità del campione

 dalla minima differenza apprezzabile

 dalla varianza casuale

Inferenza: regole

(61)

(6b)

Non respingo H0

 l'ipotesi nulla è “vera” o meglio le differenze analizzate da H1 sono troppo piccole

 scarsa potenza del test:

• il campione ha varianza elevata

 scarsa numerosità del campione

 il campione non soddisfa le condizioni relative alla distribuzione

 il campione non è rappresentativo dell'intera popolazione

 non sufficiente separazione fra H0 e H1

Inferenza: regole

(62)

Inferenza: regole Inferenza: regole

La forza dell’effetto (effect size) Indice della relazione fra la

variazione dovuta al fattore

considerato e la variazione totale del modello (dovuta alla somma fra variabilità del fattore e

variabilità errore)

(63)

La forza dell’effetto (effect size) Parametro: Partial Eta squared

Utile per il confronto fra diversi studi perché è indipendente dalla

numerosità

Permette di confrontare campioni di numerosità diversa

Non è associato alla probabilità di errore ovvero alla significatività

Inferenza: regole

(64)

Un esempio: nell’analisi della

covarianza è possibile calcolare la potenza del test (observed power) e la forza dell’effetto (partial Eta squared)

Inferenza: regole Inferenza: regole

Tests of Between-Subjects Effects Dependent Variable: memory

3611.944^b 1 3611.944 62.235 .000 .640 62.235 1.000

83910.134 1 83910.134 1445.801 .000 .976 1445.801 1.000

3611.944 1 3611.944 62.235 .000 .640 62.235 1.000

2031.300 35 58.037

257557.000 37

5643.243 36

Source

Corrected Model Intercept

età Error Total

Corrected Total

Type III Sum

of Squares df Mean Square F Sig.

Partial Eta Squared

Noncent.

Parameter

Observed Power^a

(65)

ERRORI DI DECISIONE

Tuttavia…

• La potenza del test a posteriori è calcolata sulla differenza misurata e non sulla minima differenza

apprezzabile

(66)

Inferenza: regole Inferenza: regole

Logica falsificazionista

Un sistema empirico per essere scientifico deve poter esser confutato dall’esperienza Asimmetria fra verificabilità e falsificabilità

Limite alpha funge da sbarramento

(67)

Inferenza: regole Inferenza: regole

CRITICHE

• Essendo asimmetrico le ipotesi nulle non

falsificate non vengono prese in considerazione

• Rigidità nella scelta

• Arbitrarietà di Alpha

• Il problema della numerosità

• Non permette di analizzare direttamente

(68)

Inferenza: regole Inferenza: regole

Possibili errori dalla logica falsificazionista:

• Non valutazione della Potenza del test

• Confronto fra i valori di p relativo ad alpha

• Utilizzo della logica falsificazionista per confermare H0

• La significatività indica una differenza ma non è né un indice di senso né un indice di forza

(69)

esercizio1

• Analizza l’articolo dal punto di vista delle variabili in studio e dei test

statistici applicati.

“L’indice di capacità di lavoro in ope ratori sanitari”, Giornale Italiano di

Medicina del lavoro e Ergonomia, p. 3 55-358

(70)

Domande

• Quale è l’ipotesi sperimentale?

– E’espressa chiaramente? E’ semplice e generale?

• Quali sono le variabili in studio?

– Sono identificabili? Fanno riferimento a un disegno sperimentale univariato o multivariato? Quali le dipendenti e i fattori? Che scala rappresentano?

• Quale è la statistica applicata?

– I test sono parametrici o non?

– C’è una corrispondenza fra test utilizzato e tipo di variabile?

– E’ visibile la distribuzione di probabilità della dipendente?

(71)

Inferenza: regole Inferenza: regole

La logica falsificazionista deriva da due approcci

– il p-value approach (PVA), di Fisher (1935)

– il fixed alpha approach (FAA), di Neyman e Pearson (1933)

Fisher 1890-1962

(72)

Inferenza: regole Inferenza: regole

Entrambi gli approcci condividono:

• l’utilizzo dell’ipotesi nulla H0

• l’utilizzo di un valore critico di probabilità p (p- value) e del livello  per determinare la probabilità del verificarsi di eventi dovuti al caso o ad errori di campionamento

(73)

METODO ALTERNATIVO ALLA LOGICA FALSIFICAZIONISTA

FAA di Neyman e Pearson

metodo per selezionare una ipotesi tra due ipotesi possibili H1 e H0

Inferenza: regole

(74)

• Oltre al valore di alpha si fissa anche quello di beta; di solito, rispettivamente 0.05 e 0.2

• Non si determina più la probabilità dei dati per H₀vera, ma la probabilità condizionata di H₀ e H₁ per quei dati osservati, da

confrontare con i valori posti di alpha e beta [e cioè, p(H₀, H₁ dati)].

Inferenza: regole

(75)

Inferenza: regole Inferenza: regole

…Tuttavia

• Non ci sono oggi test statistici basati sul FAA salvo calcoli probabilistici bayesiani

• Tutti i test sono basati sulla

falsificazione di H0 secondo la logica falsificazionista

(76)

Inferenza: regole Inferenza: regole

Consigli dell’ APA

– Chiarezza nella presentazione dei dati (presentazione dei casi, dei dati

mancanti e degli outliers) – Scelta di analisi semplici

– Rinunciare alla scelta dicotomica fra accettazione e rifiuto di H1 e riportare oltre al valore di p anche gli intervalli di confidenza e la forza dell’effetto

(77)

Inferenza: regole Inferenza: regole

Letture consigliate:

• Fisher RA (1935) The design of Experiments, Edimburgh, Oliver & Boyd; trad. it. La

programmazione degli esperimenti, Pisa, Nistri Lischi, 1954.

• Neyman J e Pearson ES (1933) On the problem of the most efficient tests of statistical hypothesis, in Philosophical transaction of the Royal Society of London, A231, pp 289-337.

• Cohen, J (1994) The Earth is round (p<0.05),

(78)

Disegno di ricerca

Definizione:

è il progetto nel quale sono

specificati i legami fra le variabili che si andranno ad analizzare e i possibili risultati che ci si aspetta di trovare ovvero il modo con cui si analizzano le variabili in studio.

(79)

Non c’è concordanza fra gli autori 2 linee

1. Formale: D.Sperimentali, D.Quasi sperimentali e D.Non sperimentali 2. Pragmatica: tutti i disegni sono

considerati sperimentali

Tipologie di disegni di

ricerca

(80)

DISEGNI SPERIMENTALI

sono caratterizzati dal controllo di tutte le variabili in gioco, del

campione raccolto con selezione

idonea e casuale e della procedura di raccolta e analisi dei dati

Tipologie di disegni di

ricerca

(81)

DISEGNI QUASI SPERIMENTALI

sono caratterizzati dal PARZIALE controllo di tutte le variabili in

gioco.

Tipologie di disegni di

ricerca

(82)

DISEGNI QUASI SPERIMENTALI

Tipologie di disegni di ricerca

I disegni con un solo campione sono quelli sui con un solo campione quali si effettuano diverse misure ma che si trattano non come misure ripetute ma come misure indipendenti.

Nei disegni con campioni non equivalenti con campioni non equivalenti l’assegnazione dei soggetti ai gruppi non avviene in modo casuale.

I disegni ex-post-facto sono riferiti a situazioni ex-post-facto nelle quali l’evento in studio si è già verificato.

(83)

DISEGNI NON SPERIMENTALI sono caratterizzati

dall’IMPOSSIBILITA’ del controllo sulle variabili in gioco, sul

campione sulla procedura di raccolta e analisi dei dati

Tipologie di disegni di

ricerca

(84)

DISEGNI NON SPERIMENTALI

• le ricerche di osservazione nelle quali ricerche di osservazione

l’attenzione è spostata sulla struttura del problema che si sta indagando

• le ricerche d’archivio nelle quali si fa ricerche d’archivio

riferimento a dati raccolti in passato in archivi

• le ricerche sui casi singoliricerche sui casi singoli

Tipologie di disegni di

ricerca

(85)

DISEGNI FATTORIALI

• sono presenti tutte le possibili combinazioni di fattori

• è possibile analizzare tutti gli effetti a cui i criteri di classificazione utilizzati fanno riferimento e tutte le possibili interazioni tra gli effetti principali

Tipologie di disegni di

ricerca

(86)

DISEGNI FATTORIALI

• disegni entro i soggetti o per prove

correlate nei quali la misura è effettuata sullo stesso campione

• disegni fra i soggetti nei quali è misurato l’effetto di una variabile in diversi gruppi

• disegni misti nei quali le condizioni fra i soggetti e entro i soggetti sono presenti

Tipologie di disegni di

ricerca

(87)

Esempi di disegni fattoriali

• entro i soggetti

• fra i soggetti

• misti

Tipologie di disegni di

ricerca

(88)

DISEGNO INCOMPLETO

• non è possibile utilizzare tutte le combinazioni dei fattori

• non è conveniente il disegno fattoriale perchè porterebbe

all'utilizzo di un numero totale di sottogruppi troppo grande

Tipologie di disegni di

ricerca

(89)

DISEGNI INCOMPLETI: non vengono utilizzati tutti i sottogruppi possibili ma solo quelli che permettono lo studio degli effetti principali.

• QUADRATO LATINO Utilizza un criterio di incompletezza ciclica uguale per tutte le interazioni possibili

• A BLOCCHI RANDOMIZZATI nel quale le classi di un certo fattore comprendono solo alcune sotto-classi, rappresentanti l'insieme

complessivo.

Tipologie di disegni di

ricerca

(90)

DISEGNI PERSONALIZZATI

• I tipi di disegno sperimentale esaminati sono solo una parte dei disegni utilizzabili.

• Il tipo di disegno è condizionato dall'ipotesi che vogliamo dimostrare e dal tipo di effetti che

riteniamo influenti.

• In tutte le analisi statistiche è possibile

personalizzare il modello di riferimento che rispecchia il disegno sperimentale utilizzato Esempio

Tipologie di disegni di

ricerca

(91)

Capitoli di riferimento

• Misura:

– Bolzani R. Benassi M (2003)Tecniche Psicometriche. Roma, Carocci Editore (Cap. 1)

– McBurney DH (1986) Metodologia della ricerca psicologica.

Bologna, Il Mulino. (Cap. 3)

• Statistica inferenziale, logica del test e errori di misura

– Bolzani R., Canestrari R. (1994) Logica del test statistico.

Milano, Casa Editrice Ambrosiana. (Cap. 2)

– Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. (Cap. 2)

Bologna, Il Mulino. (Cap. 5, 6)

• Disegni di ricerca

Bologna, Il Mulino. (Cap. 7, 8, 9, 10)