La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Seminario di Metodologia della Ricerca Psicologica MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI Magritte, Age of Reason.

Presentazioni simili


Presentazione sul tema: "Seminario di Metodologia della Ricerca Psicologica MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI Magritte, Age of Reason."— Transcript della presentazione:

1 Seminario di Metodologia della Ricerca Psicologica MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI Magritte, Age of Reason

2 Metodologia della Ricerca Non indica semplicemente i metodi e le tecniche da utilizzare nella ricerca ma lattività critica che si applica ai diversi prodotti della ricerca (Boudon, 1991) Aspetto normativo della metodologia: limportanza 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 desame 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

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 dellinsieme di partenza

14 Per definire il rapporto (funzione di omeomorfismo) fra linsieme 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 dellinsieme misurato sono riprodotte (omeomorfe) dagli elementi dellinsieme misurante permette di fare operazioni fra gli elementi dellinsieme e quindi di meglio comprendere le caratteristiche delle parti rispetto allinsieme 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 dellOggetto c.Generalizzazione

17 Precisione dello strumento Non cè mai corrispondenza perfetta fra i due sistemi (misurante-misurato) Lo strumento di misura deve essere in grado di dare anche una stima dellerrore di misura La stima viene data attraverso lintervallo di tolleranza che è definibile solo se sono definiti i metodi di misurazione e se la misura è empirica

18 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 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 delloggetto

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 dellinsieme sono oltre che sottoposti a categorizzazione anche ordinati gerarchicamente seguendo una relazione di asimmetria i numeri sono disposti in modo tale da riflettere lordine di graduatoria degli elementi Non è possibile quantificare la distanza fra gli elementi La proprietà dei R corrispondente è lordinalità 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 dellinsieme 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 nellaccostamento scala-statistica

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 dallipotesi sperimentale dal tipo di variabili

34 VARIABILI E VARIABILI E SCALE DI MISURA -OPERAZIONI STATISTICHE POSSIBILI – Dal disegno sperimentale Multivariato Univariato …

35 VARIABILI E VARIABILI E SCALE DI MISURA -OPERAZIONI STATISTICHE POSSIBILI – Dallipotesi sperimentale Inferenza (rapporti di causa-effetto generalizzabili) Descrizione (esplorazione di un fenomeno di diversa complessità)

36 VARIABILI E VARIABILI E SCALE DI MISURA -OPERAZIONI STATISTICHE POSSIBILI – Dal tipo di variabili Se a distribuzione gaussiana allora test parametrici Se a distribuzione non gaussiana allora test non parametrici

37 VARIABILI E VARIABILI E SCALE DI MISURA -OPERAZIONI STATISTICHE POSSIBILI – Criticità: -criteri decisionali rigidi -ambiguità della situazione Soluzioni: - motivazioni del criterio

38 rLa statistica DESCRITTIVA rappresenta sinteticamente i 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 unidea 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 R. Fisher,

40 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 ESEMPIO 1ESEMPIO 1: INDAGINE SULLA RELAZIONE FRA ALCOOLISMO E CIRROSI EPATICA ESEMPIO 2ESEMPIO 2: INDAGINE SULLA RELAZIONE FRA ETA E CAPACITA MNEMONICHE

42 Metodologia: teoria delle regole alla base del processo euristico Motivazioni dellesplicitazione delle regole: –Ragioni epistemologiche –Ragioni etiche –Ragioni politiche *** KR Popper (1934) La logica della scoperta scientifica, cap 2. Einaudi (1998)

43 RIGIDITA DEL PROCESSO DIMOSTRATIVO Regole di metodo come convenzioni Controllo Corroborazione Replicabilità Revisione

44 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 Loggettività della scienza sta nellintersoggettività delle asserzioni della scienza stessa.

46

47 (1) Formulazione Idea sperimentale ( H1 ): generale e falsificabile ipotesi di differenza

48 (2) Formulazione di H0 da falsificare complementare a H1 ipotesi di uguaglianza

49 (3) Raccolta del Campione Idoneo a confermare l'idea Rappresentativo dell'intera popolazione (casuale, sufficientemente ampio) Conforme alle richieste del test che si intende utilizzare (distribuzione, indipendenza )

50 (4) Applicazione del TEST STATISTICO indipendenza riferimento alle distribuzioni teoriche (continuità, normalità..) in grado di falsificare tipi determinati di ipotesi nulle

51 (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 (6a) Falsificazione di H0 & dimostrazione di H1 (6b) Non falsificazione di H0 & riflessioni sulla ricerca*** ***NON SI PUO DIMOSTRARE H0***

53 Attraverso la distribuzione dellipotesi 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

55 ERRORI DI MISURA Misurare implica sempre un errore ineliminabile di diversa origine può essere quantificabile Occorre identificare e misurare anche lerrore

56 ERRORI DI MISURA Errori di metodo – controllo tramite evitamento Errori di decisione – controllo tramite stima

57 ERRORI DI DECISIONE

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 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 : p robabilità 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 Primit

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

62 La forza delleffetto (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 delleffetto (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

64 Un esempio: nellanalisi della covarianza è possibile calcolare la potenza del test (observed power) e la forza delleffetto (partial Eta squared)

65 ERRORI DI DECISIONE Tuttavia… La potenza del test a posteriori è calcolata sulla differenza misurata e non sulla minima differenza apprezzabile

66 Logica falsificazionista Un sistema empirico per essere scientifico deve poter esser confutato dallesperienza Asimmetria fra verificabilità e falsificabilità Limite alpha funge da sbarramento

67 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 ipotesi alternative

68 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 larticolo dal punto di vista delle variabili in studio e dei test statistici applicati. Lindice di capacità di lavoro in operatori sanitari, Giornale Italiano di Medicina del lavoro e Ergonomia, p

70 Domande Quale è lipotesi sperimentale? –Eespressa 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? –Cè una corrispondenza fra test utilizzato e tipo di variabile? –E visibile la distribuzione di probabilità della dipendente?

71 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) J. Neyman E. Pearson Fisher

72 Entrambi gli approcci condividono: lutilizzo dellipotesi nulla H0 lutilizzo 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

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 H 0 vera, ma la probabilità condizionata di H 0 e H 1 per quei dati osservati, da confrontare con i valori posti di alpha e beta [e cioè, p(H 0, H 1 dati)].

75 …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 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 delleffetto

77 Letture consigliate: Fisher RA (1935) The design of Experiments, Edimburgh, Oliver & Boyd; trad. it. La programmazione degli esperimenti, Pisa, Nistri Lischi, 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 Cohen, J (1994) The Earth is round (p<0.05), American Psychologist, 49, 12, pp

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 cè 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 con un solo campione I disegni con un solo campione sono quelli sui quali si effettuano diverse misure ma che si trattano non come misure ripetute ma come misure indipendenti. con campioni non equivalenti Nei disegni con campioni non equivalenti lassegnazione dei soggetti ai gruppi non avviene in modo casuale. ex-post-facto I disegni ex-post-facto sono riferiti a situazioni nelle quali levento in studio si è già verificato. Esempio

83 DISEGNI NON SPERIMENTALI sono caratterizzati dallIMPOSSIBILITA 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 ricerche di osservazionele ricerche di osservazione nelle quali lattenzione è spostata sulla struttura del problema che si sta indagando ricerche darchiviole ricerche darchivio nelle quali si fa riferimento a dati raccolti in passato in archivi ricerche sui casi singolile ricerche 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 leffetto 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. Esempio 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) –McBurney DH (1986) Metodologia della ricerca psicologica. Bologna, Il Mulino. (Cap. 5, 6) Disegni di ricerca –McBurney DH (1986) Metodologia della ricerca psicologica. Bologna, Il Mulino. (Cap. 7, 8, 9, 10)


Scaricare ppt "Seminario di Metodologia della Ricerca Psicologica MARIAGRAZIA BENASSI ROBERTO BOLZANI SARA GIOVAGNOLI Magritte, Age of Reason."

Presentazioni simili


Annunci Google