La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Campionamento Campione: parte dellinsieme universo interessato dallipotesi di ricerca Popolazione di riferimento: insieme dei casi potenzialmente reperibili.

Presentazioni simili


Presentazione sul tema: "Campionamento Campione: parte dellinsieme universo interessato dallipotesi di ricerca Popolazione di riferimento: insieme dei casi potenzialmente reperibili."— Transcript della presentazione:

1 Campionamento Campione: parte dellinsieme universo interessato dallipotesi di ricerca Popolazione di riferimento: insieme dei casi potenzialmente reperibili (universo)

2 Determinato dallipotesi di ricerca e dalle variabili in gioco Determinante rispetto allanalisi e allinterpretazione dei risultati Campionamento

3 Caratteristiche da perseguire nella scelta del campione: adeguatezza rispetto allipotesi di partenza rappresentatività rispetto alla popolazione controllo della distorsione affidabilità Campionamento

4 Fattori di distorsione della stima campionaria : influenza i risultati della ricerca non è controllabile dal disegno sperimentale determinata dalla tecnica di campionamento utilizzata

5 Paradosso centrale del campionamento (Stuart, 1996) impossibilità di conoscere dallesame del campione se sia esso scevro di distorsioni

6 Distorsione da selezione Il campione è adeguato se e solo se non è influenzato da altre variabili che non siano quelle in studio Per assicurarci questa situazione occorre attuare un meccanismo di selezione casuale

7 Campionamento casuale consiste nella scelta di una campione attraverso un meccanismo casuale attraverso questo metodo è possibile conoscere le probabilità di selezione del campione Tecniche di Campionamento

8 Il campione casuale è privo di distorsioni dovute alla selezione è lunico tipo di campione sul quale è possibile fare inferenza statistica

9 Esistono diverse tecniche di campionamento Rimane fondamentale la spiegazione delle procedure di selezione che determinano i risultati della ricerca

10 Campionamento casuale semplice permette di selezionare un campione dalla popolazione in modo da avere la stessa probabilità per ogni possibile campione

11 Campionamento stratificato suddivide il campione in strati, ovvero in sottogruppi, le cui proporzioni corrispondono alla suddivisione della popolazione

12 per formare gli strati in modo casuale bisogna estrarre un campione casuale semplice da ogni strato incrementa la precisione del campionamento la corretta stratificazione dipende solo dalle conoscenze e dallabilità dello sperimentatore

13 Campionamento a grappoli nella prima fase la popolazione è suddivisa in gruppi - chiamati grappoli o cluster – ciascuno dei quali non ha caratteristiche diverse dagli altri nella seconda fase da tutti i grappoli ne viene selezionato casualmente uno

14 La differenza fra gli strati e i grappoli sta nel fatto che mentre la selezione casuale degli strati avviene a livello della popolazione la selezione casule dei grappoli avviene a livello di unità della popolazione comporta una perdita di precisione che può essere in taluni casi giustificata da ragioni economiche Naturalmente maggior variabilità esiste allinterno dei grappoli corrisponde a maggior precisione di campionamento

15 Campionamento a stadi Dopo aver selezionato due o più grappoli si seleziona allinterno di essi un individuo sempre attraverso un campionamento casuale semplice Oltre al caso descritto di due stadi si possono verificare ripartizioni a più stadi che determinano una maggior flessibilità del progetto a discapito della rappresentatività del campione

16 Campionamento Numerosità campionaria Va determinata a priori Dipende : da H0 e da H1 dalla potenza del test dalla minima differenza apprezzabile dalla varianza casuale da alpha

17 Confronto fra le tecniche di campionamento Casuale semplice: è alla base delle altre tecniche, è attuabile quando la popolazione è omogenea rispetto alla variabile in studio Stratificato: applica un metodo più preciso ma meno casuale A grappoli e a stadi: applica un metodo più casuale ma meno preciso

18 Fallacia nella Stima Campionaria e nel Test Statistico Ambiguità Fallacia Errore Una fallacia è un X che sembra Y, ma è Z (Johnson, 1987)

19 Campione e Inferenza Statistica E attraverso il campione che posso fare inferenze in campo statistico Non esiste inferenza senza fallacie così come non esiste campionamento senza errore Controllo dellerrore attraverso il metodo

20 Campione Rappresentativo Rappresenta la popolazione alla quale si riferisce ma non lo è né per caratteristiche né per numerosità. Campione Rappresentativo: »Controllo distorsione nella selezioneCasualità »Corrispondenza fra campione e popolazionePrecisione

21 Questione di Metodo Errori non campionari sono eliminabili Errore campionario controllabile in quanto misurabile Piano di campionamento: modalità di selezione e parametri/stimatori da misurare

22 Precisione e Casualità Tanto più cerchiamo di controllare la precisione tanto più facilmente possiamo selezionare un campione non casuale La rappresentatività è data dalla differenza tra stima campionaria e parametro della popolazione The surer you want to be the less you have to demand (Alan Stuart, 1968)

23 Errori legati alla Dimensione del Campione La dimensione ottimale del campione è quella per cui lerrore di campionamento non va oltre una certa soglia Efficienza: precisione per unità di costo Può esser controllata solo nel caso del campionamento probabilistico

24 Omogeneità e Numerosità Più n si avvicina a N più lerrore di campionamento diminuisce Maggiore è la variabilità della stima campionaria minore è laffidabilità

25 Esempi di fallacie collegate a distorsioni nel campionamento –Principio inficiato: Casualità –Principio inficiato: Idoneità –Principio inficiato: Numerosità adeguata

26 Fallacia e Principio di Casualità Se il campionamento non è probabilistico non può esser considerato rappresentativo della popolazione studiata. Le conclusioni a cui portano i risultati del campione non saranno facilmente identificabili in una variabile. Esempio: applicazione di più test statistici sullo stesso campione per diverse dimostrazioni

27 Disegno sperimentale: si ipotizza la diversità fra tre campioni indipendenti riguardo i punteggi ottenuti in un questionario che misura il QI Gruppo 1Gruppo 2Gruppo

28 T test: Confronto: 1 con 2, 1 con 3, 3 con 2. Tre risultati diversi ciascuno dei quali non è indipendente dallaltro: T1= p=0.005, T2 = p>0.05, T3=4.21 p=0.001 Anova: crea matematicamente confronti indipendenti e dà un unico risultato: F= 10.23, p<0.001

29 Applicazione di test univariati su esperimenti multivariati Disegno sperimentale è multivariato ovvero le variabili sono fra loro interdipendenti: Esempio: due scale di misurazione dellintelligenza Supponiamo di confrontare due gruppi in base ai punteggi ottenuti alle due scale

30 Dai test univariati abbiamo due risultati diversi: F1= 2.1 p>0.05 F2 = 6.04 p=0.024 Che possono avere solo valore descrittivo Dal test multivariato ho un unico risultato Calcolato sulla base dellinterdipendenza fra le due variabili F = 4.17 p=0.032 Che ha valore dimostrativo

31 Fallacia e Principio di Idoneità Quando le variabili misurate sul campione sono troppo eterogenee i risultati non danno nessuna indicazione oppure danno indicazioni fallaci rispetto alla popolazione generale Esempi: regressione su gruppi non omogenei, paradosso di Simpson

32 Regressione su gruppi non omogenei Misura della relazione fra due parametri X e Y in campione composto da due popolazioni diverse con valori medi nei due parametri diversi Il coefficiente R 2 è altissimo e la relazione è significativa dal punto di vista dellanalisi statistica che non tiene conto della diversità fra le due subpopolazioni

33 Paradosso di Simpson Immaginiamo di dover confrontare lefficacia di due diverse terapie (Terapia A, Terapia B) nel miglioramento di un particolare stato patologico

34 Tutti i soggettiMiglioratiNon migliorati Percentuale di migliorati Terapia A20 50 Terapia B La terapia B è la più efficace perché produce miglioramento nel 60% dei casi, mentre la terapia A arriva solo al 50%.

35 … Considerando la differenza fra maschi e femmine nelle due terapie…

36 Solo maschiMiglioratiNon miglioratiPercentuale di migliorati Terapia A Terapia B3730 Solo femmineMiglioratiNon miglioratiPercentuale di migliorati Terapia A8280 Terapia B21970 sia nei maschi che nelle femmine è la terapia A a produrre una percentuale maggiore di miglioramenti e non la terapia B

37 Fallacia e Adeguatezza della Numerosità Quando il campione non è sufficientemente numeroso per quel tipo di variabile presa in esame e per quel tipo di differenza che si vuole misurare si può concludere erroneamente che non ci siano differenze. Esempio: numerosità non sufficiente

38 Fallacia e principio della causalità Attraverso il test statistico non è possibile stabilire relazioni causali ma solo differenze. Il test è tutto sbilanciato nel senso di falsificare H0. Esempio: due eventi prossimi in senso temporale vengono considerati luno la causa dellaltro. Utilizzando un campione opportuno per dimensioni e rappresentatività qualsiasi idea sarebbe dimostrata. Ma siamo interessati a dimostrare idee qualsiasi o differenze interessanti dal punto di vista clinico? Stabilire a priori le caratteristiche del campione significa assicurare la validità delle idee che si intende dimostrare Post hoc, ergo propter hoc

39 Campionamento Mappa concettuale Domande in itinere

40 Validità nella ricerca Nellambito ricerca sperimentale: caratteristiche di falsificabilità, generalizzabilità, replicabilità o appropriatezza nella descrizione e nellutilizzo dei test statistici

41 Validità di un test In ambito psicometrico: attributo del test che permette di stabilire se il test stesso misura quello che effettivamente vuol misurare. caratteristiche: la struttura del test deve essere unitaria e le relazioni fra il test e altri test che misurano costrutti teorici analoghi.

42 Validità Validità interna sono stabilite in modo appropriato le relazioni fra le variabili in studio sono escluse dal disegno sperimentale quelle variabili confondenti

43 Validità Esempi di minaccia alla validità interna: Effetto regressione (studi longitudinali) Leffetto apprendimento: alcuni fenomeni se studiati in momenti successivi sono influenzati dalla consapevolezza del compito e dalla conoscenza della prova maturazione degli individui

44 Validità Compito dello sperimentatore è quello di misurare leffetto del fenomeno sia in relazione al ripetersi delle prove che indipendentemente dalle ripetizioni

45 Validità Esempio: disegno sperimentale di Solomon per il controllo delleffetto trattamento, apprendimento e maturazione. Suddivisione in gruppi: Il primo gruppo (I gruppo – sperimentale) è sottoposto a pretest-trattamento e posttest Il secondo gruppo (II gruppo - di controllo) è sottoposto a pretest e posttest senza trattamento Il terzo gruppo (III gruppo - sperimentale) è sottoposto a trattamento e post-test. Il quarto gruppo (IV gruppo – di controllo) è sottoposto solo a post-test.

46 Validità a Variabili confondenti: fonte di minaccia principale per la validità interna in quanto non controllabili dallo sperimentatore sono spesso distinte in sistematiche e asistematiche.

47 Validità Variabili sistematiche si riferiscono a quelle variabili che in ogni piano della ricerca agiscono in modo incontrollato. Variabili asistematiche sono caratteristiche di situazioni particolari di quel disegno di ricerca e solo di quello Tuttavia … dipende sempre dal disegno di ricerca

48 Validità Un esempio di varibili asistematiche sono quelle legate alla mortalità o ai drop-out dei soggetti del campione (studi longitudinali). Mortalità: perdita non recuperabile di soggetti del campione durante il corso della ricerca. Drop-out: o le mancate risposte a una parte della ricerca o la perdita recuperabile di soggetti nel corso della ricerca analisi statistiche della popolazione che allinterno del campione non ha terminato la ricerca

49 Validità Un esempio di analisi per controllare la mortalità e i drop-out è quella che viene definita Intention- to-treatment- analysis che, in modi diversi a seconda del metodo che viene seguito, confronta la popolazione di soggetti che ha terminato lo studio con quella che non lo ha terminato.

50 Validità c Relazioni fra le variabili Nel disegno sperimentale il controllo della validità interna si effettua soprattutto sulla conoscenza delle relazioni fra le variabili Diversi sono i tipi di variabili che sono utilizzati nelle ricerche sperimentali. Solitamente si indagano gli effetti che una variabile definita fattore determina su una variabile definita dipendente.

51 Validità La distinzione fra variabili dipendenti e fattori deve essere indagata dallo sperimentatore in base allipotesi che vuole verificare. Sebbene alcuni casi presentino una chiara distinzione fra le variabili molte situazioni si caratterizzano per relazioni più ambigue.

52 Validità I casi di chiara relazione causale fra variabile dipendente e fattore sono dette relazioni genuine. Ne è un esempio la relazione fra altezza e peso. I casi in cui la relazione è genuina ma bidirezionale ovvero entrambe le variabili possono essere considerate influenti luna sullaltra, sono definiti da una relazione mutua. Quando invece non sono chiare le definizioni fra le variabili allora la relazione si definisce spuria. (Un esempio è dato dallutilizzo di farmaci in base alla gravità della patologia).

53 Validità Validità esterna insieme di caratteristiche della ricerca che permettono di generalizzare i risultati ottenuti dalla ricerca alla popolazione generale che rappresenta il campione analizzato

54 Validità Validità di costrutto riguarda la teoria di riferimento che si vuole testare tramite la ricerca. Per verificare la validità del costrutto teorico alla base della ricerca occorre che sia possibile tradurre il costrutto stesso in variabili misurabili.

55 Diversi passi: Elaborazione preoperativa del costrutto. Misurazione. Verifica adeguatezza in base alle variabili sudiate. Costrutti confondenti. Sono quei costrutti che possono essere determinanti rispetto al costrutto in studio e che interferiscono con esso in modo non controllato dallo sperimentatore. Validità

56 Validità statistica o predittiva si riferisce alla verifica statistica delle ipotesi sperimentali in ogni suo passo, dalla formulazione dellipotesi al controllo degli errori di I e II tipo e alla verifica della relazione fra le variabili dipendenti e i fattori Sovrapposizione fra validità statistica e validità interna (validità predittiva)

57 Validità Validità ecologica Il concetto di validità ecologica è stato introdotto nellambito della ricerca psicologica per sottolineare limportanza della distinzione fra comportamento investigato in laboratorio e comportamento reale del soggetto nella realtà abituale. Il valore di questo concetto è verificabile in alcune condizioni teoriche particolari nelle quali interessa valutare la differenza fra ambienti diversi di stimolazione.

58 Validità Artefatti al pari delle variabili confondenti sono fattori legati al soggetto o allo sperimentatore che inficiano i risultati della ricerca e che inducono a conclusioni erronee in modo non controllato dallo sperimentatore stesso.

59 Validità a Fattori legati al ricercatore LEffetto Rosenthal: lo sperimentatore in modo inconsapevole riesce a trasmettere al soggetto le proprie aspettative riguardo ai risultati della ricerca e quindi alterandone il comportamento a proprio favore. Questo effetto si elimina utilizzando un disegno sperimentale a doppio cieco ovvero tenendo alloscuro chi conduce la ricerca delle ipotesi sperimentali.

60 Validità LEffetto Pigmallione è lo studio delleffetto Rosenthal nel campo delleducazione. Grazie a questo effetto più un soggetto è percepito da chi lo valuta in senso positivo più sarà in grado di ottenere una valutazione positiva.

61 Validità Altri fattori non espliciti e legati a desiderabilità sociale Controllo: figure alternative che conducono la ricerca

62 Validità b Fattori legati al soggetto i soggetti sono fiduciosi quando si pongono in modo genuino rispetto alla ricerca; i soggetti buoni sono quelli che intendono confermare quella che credono essere lipotesi dello sperimentatore; i soggetti negativi sono quelli che vogliono invece disconfermare lo sperimentatore; i soggetti apprensivi pensano di essere valutati dallo sperimentatore e quindi rispondono in modo da dare unimmagine positiva di sé.

63 Validità c Fattori legati alla situazione sperimentale Riguardano tutti quei comportamenti che il soggetto mette in atto a causa delle aspettative e delle modifiche che genera la situazione sperimentale che alterano la prestazione del soggetto nel compito. Esempio: Effetto placebo

64 Validità di un test Americal Psychological Association quattro aspetti: il contenuto, la validità esterna, la validità rispetto a un criterio e il costrutto. Ogni questionario o test psicometrico deve essere sottoposto a una verifica della validità nella quale sono valutate le caratteristiche del test su un campione appositamente creato.

65 Validità di un test Validità di contenuto La validità di contenuto misura quanto gli item del test misurano dellargomento che il test si propone di misurare. Per valutare la validità di contenuto ci si affida al giudizio di esperti e alla letteratura che sullargomento ha elaborato materiale a riguardo.

66 Validità di un test Validità interna la validità interna misura quanto gli item del test misurano lo stesso costrutto, ovvero la loro correlazione. Ci si aspetta, infatti, che gli item di un test siano fortemente correlati fra loro. La validità interna viene solitamente valutata tramite lanalisi fattoriale che permette di identificare le dimensioni misurate dal questionario e la correlazione fra le dimensioni e gli item.

67 Validità di un test Validità rispetto a un criterio La validità rispetto a un criterio misura quanto il questionario è in relazione a altre misure (che fanno da criterio) che si ipotizza essere legate ad esso. Questa validità viene verificata tramite lanalisi della correlazione fra il questionario e il criterio ed è valutata tramite il coefficiente di correlazione che indica il tipo e la forza della relazione fra i due.

68 Validità di un test Validità rispetto a un criterio Validità predittiva nella quale ha rilievo la dimensione temporale, quindi è la forza con cui il test è in grado di prevedere il rendimento futuro del criterio. Validità concorrente nella quale il test e il criterio sono valutati allo stesso tempo

69 Validità di un test Validità di costrutto La validità di costrutto si verifica tramite una serie di osservazioni e dati che forniscono una informazione sulle caratteristiche del costrutto

70 Validità di un test Allinterno della validità di costrutto vengono distinte: validità convergente: esprime il grado di accordo tra due o più misure di uno stesso costrutto validità discriminante: valuta il grado di divergenza fra costrutti diversi Entrambi i tipi di validità vengono espressi tramite coefficienti di correlazione

71 Validità di un test Mappa concettuale Domande in itinere

72 Attendibilità misura laccuratezza della misurazione si esprime come capacità nella misura di produrre sempre gli stessi risultati in rapporto alla stima dellerrore casuale

73 Attendibilità Il coefficiente o indice di attendibilità misura il rapporto fra la precisione di misura e lerrore. Ha valori compresi tra 0 (massima inadeguatezza) e 1 (massima precisione). Può essere calcolato attraverso indici di correlazione diversi a seconda del tipo di dati che sono considerati.

74 Attendibilità Stime dellattendibilità Esistono diversi metodi per il calcolo degli indici di attendibilità ciascun dei quali produce risultati diversi in quanto basato su considerazioni teoriche particolari.

75 Attendibilità Test paralleli : agli stessi soggetti sono somministrati due forme parallele di un test (ovvero che misurano lo stesso costrutto e hanno la stessa struttura) in tempi di somministrazione vicini tra loro. Lattendibilità è calcolata attraverso un indice di correlazione fra i due punteggi. limite: misura linterscambiabilità dei due test che non sono mai realmente equivalenti

76 Attendibilità Test-retest : agli stessi soggetti è somministrato lo stesso questionario ma in tempi diversi. È calcolata la correlazione fra le due misure. Questa attendibilità ha laccezione di stabilità nel tempo. limite: decisione del tempo che intercorre fra una prova e laltra che è difficile da stabilire e che inevitabilmente misurato sugli stessi soggetti dovrebbe esser considerato come misura ripetuta.

77 Attendibilità Split-half : divide il test a metà e valuta la correlazione fra le due parti. Va applicato quando il test è suddivisibile in due parti equivalenti che misurano lo stesso costrutto. Lattendibilità deve essere considerata sul test completo quindi occorre correggere la stima effettuata sulle singole parti. limite: la divisione split-half è sempre arbitraria.

78 Attendibilità: coerenza interna Coerenza interna : grado di accordo fra più misure riguardanti lo stesso costrutto teorico ottenute in una stessa somministrazione. Può esser calcolata come relazione fra gli items, fra gli items e il totale, fra gli items e le sottoscale e fra le sottoscale.

79 Indici di coerenza interna Coefficiente di Kuder-Richardson (KR-20) si applica nel caso in cui gli items siano dicotomici valuta la coerenza interna del test

80 Alpha di Cronbach Si applica con scale a intervalli equivalenti ed è il coefficiente più utilizzato in ambito psicometrico. Confronta la varianza prodotta dagli items con al varianza totale. Valuta quindi quanto sono intercorrelati fra loro gli items. Indici di coerenza interna

81 L 2 di Guttman si pone in alternativa allAlpha di Cronbach e misura anche la covarianza rispetto al primo Indici di coerenza interna

82 Attendibilità Fattori che influenzano lattendibilità lunghezza del test (ovvero numerosità degli items) numerosità del campione rappresentatività del campione modalità di somministrazione del test tipologia degli item

83 Attendibilità Mappa concettuale Domande in itinere Esempio Esempio Spss


Scaricare ppt "Campionamento Campione: parte dellinsieme universo interessato dallipotesi di ricerca Popolazione di riferimento: insieme dei casi potenzialmente reperibili."

Presentazioni simili


Annunci Google