• Non ci sono risultati.

Elementi di Psicometria con Laboratorio di SPSS 1 06-Relazioni tra due o più variabili vers. 1.2 (29 ottobre 2014) Germano Rossi

N/A
N/A
Protected

Academic year: 2021

Condividi "Elementi di Psicometria con Laboratorio di SPSS 1 06-Relazioni tra due o più variabili vers. 1.2 (29 ottobre 2014) Germano Rossi"

Copied!
28
0
0

Testo completo

(1)

Elementi di Psicometria con Laboratorio di SPSS 1

06-Relazioni tra due o più variabili vers. 1.2 (29 ottobre 2014)

Germano Rossi 1

germano.rossi@unimib.it

1 Dipartimento di Psicologia, Università di Milano-Bicocca

2014-2015

(2)

Una, due, più variabili

Descrivere 1 variabile è utile per conoscere quella variabile Ma più spesso abbiamo la necessità di lavorare con due o più variabili

Quantitativa Qualitativa Quantitativa A - Grafici a dispersio-

ne; correlazione

C Qualitativa C - Istogrammi con va-

riabili indipendenti; ta- bella con medie, ds

B - Tabella di contin-

genza; grafici a barre

(3)

B - Qualitativa e Qualitativa

In questa categoria (2 o più variabili entrambe qualitative) ricadono i grafici a barre e le tavole di contingenza

Tavola di contingenza: la tabella mostra le frequenze di due (o più) variabili incrociate fra loro; in base al numero di variabili considerato si possono chiamare “tabella a doppia entrata”, “a tripla entrata”. . . .

Grafico a barre: il grafico considera 2 categorie

contemporaneamente; le barre distinguono le categorie tramite

colori o “texture”; le barre possono essere affiancate o “impilate”

(4)

Tabella a doppia entrata

Le tabelle a doppia entrata, incrociano due variabili categoriali Ogni cella contiene la frequenza con cui due elementi (che appartengono contemporaneamente a categorie di due variabili) compaiono nello stesso caso statistico

Si chiamano anche tabelle di contingenza perché ogni frequenza equivale alla contingenza di due valori su variabili diverse per lo stesso caso statistico

Genere Maschi Femmine

Ascolta Rock 9 8

Country . . . . . .

9 casi statistici sono maschi (prima variabile) e ascoltano musica rock

(seconda variabile)

(5)

Tabella a doppia entrata

Esempio

Se abbiamo la seguente distribuzione di dati (ascoltomusica.xls):

M F M F F M M M F F M M F F M M F F M M M M F F M F M F M M

| | | | | | | | |

R R C R C R R C C C R C R R C C R R C C C R R C R R R C R R

Genere Maschi Femmine

Ascolta Rock 9 8

Country . . . . . .

9 sono le co-occorrenze di M(aschio) e R(ock), ovvero si sono 9 casi statistici

in cui la categoria Maschi appare in contigenza/concomitanza alla categoria

rock; 8 quelle in cui rock compare associate a Femmine

(6)

Tabella a doppia entrata: Spss

Calcoliamo le frequenze con il comando Analizza | Statistiche descrittive | Tavole di contingenza...

Poi spostiamo Genere nelle Colonne e Musica nelle Righe

E premiamo OK

(7)

Tabella a doppia entrata: Spss

(8)

Tavola di contingenza: %

In una tabella a doppia entrata, i totali di ogni riga e di ogni colonna si chiamano totali marginali

sui totali marginali si possono calcolare le proporzioni o le percentuali per ogni cella

Le percentuali posso essere relative ai totali di riga o di colonna ma anche calcolate sul totale di tabella (poco usata)

La scelta (riga o colonne) dev’essere basata sul confronto che si

vuol fare e su quale variabile si vuol analizzare rispetto all’altra

La variabile che si seleziona diventa il totale di confronto su cui

calcolare proporzioni e percentuali

(9)

Tavola di contingenza: % di colonna

Se di colonna, la somma delle percentuali di ogni colonna deve dare 100

Se le somme non danno 100 (perché le % sono arrotondate), si

“aggiusta” la frequenza più elevata

Maschi Femmine Totale

f % f % f %

Nessuna 3 5.9 1 4.0 4 5.3

Solo Classica 2 3.9 0 2 2.6

Solo Rock 36 70.6 16 64.0 52 68.4

Entrambe 10 19.6 8 32.0 18 23.7

Totali 51 100.0 25 100.0 76 100.0

In questo caso possiamo confrontare fra loro i maschi e le femmine sullo stesso tipo di

musica ascoltata

(10)

Tavola di contingenza: % di riga

Se di riga, la somma delle percentuali di ogni riga deve dare 100 In genere è meglio usare le percentuali di colonna, perché più facili da leggere

Maschi Femmine Totale

f % f % f %

Nessuna 3 75.0 1 25.0 4 100

Solo Classica 2 100.0 0 2 100

Solo Rock 36 69.2 16 30.8 52 100

Entrambe 10 55.6 8 44.4 18 100

Totali 51 67.1 25 32.9 76 100

In questo caso possiamo confrontare fra loro le scelte musicali all’interno del genere

(11)

Tavola di contingenza: % con Spss

Dopo aver selezionato le variabili, prima di premere OK, scegliamo Celle. . .

Quindi scegliamo Per

riga, Colonna o Totale

(in base a quello che

vogliamo ottenere)

(12)

Tavola di contingenza: % con Spss

Tavola di contingenza Musica * Genere

Genere

Femmine Maschi Totale

Musica

Country

Conteggio 5 8 13

% entro Musica 38,5% 61,5% 100,0%

% entro Genere 38,5% 47,1% 43,3%

% del totale 16,7% 26,7% 43,3%

Rock

Conteggio 8 9 17

% entro Musica 47,1% 52,9% 100,0%

% entro Genere 61,5% 52,9% 56,7%

% del totale 26,7% 30,0% 56,7%

Totale

Conteggio 13 17 30

% entro Musica 43,3% 56,7% 100,0%

% entro Genere 100,0% 100,0% 100,0%

% del totale 43,3% 56,7% 100,0%

(13)

Grafico a barre multiple

Analizza | Statistiche descrittive | Tavole di contingenza...

Mettere in righe la variabile da rappresentare

In colonne la variabile delle barre

Selezionare sia

Grafici a barre

raggruppate sia

Sopprimi tabelle

Dare OK

(14)

Grafico a barre multiple

In SPSS, con questa

questa procedura,

non è possibile avere

le %, ma solo le

frequenze

(Conteggio)

È necessario usare

una procedura più

complessa

(15)

Grafico a barre multiple

Grafici | Finestre legacy | A barre

(16)

Grafico a barre multiple

(17)

Grafico a barre impilate

Grafici | Finestre legacy | A barre

(18)

Grafico a barre impilate

(19)

A - Quantitativa e quantitativa

In questa categoria ricadono i grafici che utilizzano una variabile quantitativa sia in ascissa sia in ordinata

Grafico a linea: il grafico è come un istogramma in cui i valori in ascissa sono considerati come categorie e quelli in ordinata come valori; l’uso di una linea al posto delle barre ne evidenzia

maggiormente la natura quantitativa

Grafico a dispersione: entrambe le variabili sono considerate come quantitative e vengono rappresentate su un piano cartesiano

Tabella con una quantitativa ricodificata in fasce: una delle

variabile viene raggruppata in intervallo di classe e considerata

come “categoriale”

(20)

Grafico a linee

Grafico basato sulla Fig 6.2 dello Howitt

Software diversi

producono formati diversi (qui il grafico è quadrato e non rettangolare) Si possono aggiungere più linee per mostrare più variabili diverse (purché siano confrontabili, ad es.

aziende diverse)

(21)

Grafico a dispersione

●●

● ●

● ●

50 100 150

−15 −10 −5 0 5 10 15

Grafico XY/Grafico a dispersione

Ortodossia

Grafico bivariato (I/R)

Utilizza il principio del

piano cartesiano

Ogni punto rappresenta

la contingenza di un

valore su una variabile e

il valore sull’altra per un

determinato soggetto

Può aiutare a capire se

due variabili hanno un

andamento lineare simile

o fra loro proporzionale

Riferimenti

Documenti correlati

curtosi (o kurtosis): quanto la curva dei nostri dati è più piatta o più acuta di quella della

Confrontare variabili diverse fra loro non è possibile se non usando la stessa scala di misura e lo stesso metro.. È come decidere se 3 banane sono di più di 3 arance Sono cose

Per ora vedremo la correlazione lineare prodotto-momento di Bravais-Pearson più conosciuta come correlazione di Pearson e a cui ci si riferisce per antonomasia quando si parla

Un modo generalmente usato per avere la rappresentatività è quella della selezione casuale dei casi statistica dalla popolazione Questi campioni sono chiamati campioni casuali

Se la correlazione trovata nel nostro campione di partenza è compresa nel 95% attorno alla media di 0, allora la nostra correlazione sarà non significativa ovvero casualmente

In pratica, ogni volta abbiamo 1) ipotizzato di conoscere una popolazione 2) estratto K campioni di ampiezza N 3) calcolato la statistica e 4) la deviazione standard delle

Tutte le volte che capits di confrontare fra loro due variabili misurate sullo stesso campione (ad es. situazioni prima/dopo) abbiamo un campione dipendente, in quanto la

e un valore grande indica una grossa oscillazione attorno allo 0 Anche in questo caso, se potessimo estrarre un numero infinito di coppie di campioni, potremmo calcolare