10 Quasi esperimenti Giulio Vidotto Raffaele Cioffi.

Slides:



Advertisements
Presentazioni simili
ANALISI della VARIANZA FATTORIALE
Advertisements

Corso “lettura critica” degli studi clinici.
La sperimentazione clinica
Presupposti alla lezione
ERRORI L'errore è presente in ogni metodo analitico e può essere dovuto a cause diverse. L’errore può essere definito come la differenza tra il valore.
Elementi di statistica Elementi di statistica M. Dreucci Masterclasses LNF Elementi di statistica M. Dreucci.
Descrizione dei dati Metodi di descrizione dei dati
Metodologia della ricerca EPG PSICOMETRIA II
Ricerca non sperimentale: La ricerca survey (inchiesta)
Levels of constraint I vincoli (o livelli di costrizione) sono i condizionamenti impiegati dalla ricerca.
Disegni ad un solo fattore within subjecst
Corso di Pedagogia sperimentale Lezione 1
Raccolta dei dati e relazioni tra variabili
Università degli Studi di Cagliari
Iterazione enumerativa (for)
Metodi di ricerca in Psicologia dello Sviluppo
Che cosa intendiamo per Dinamica della combustione? Che cosa intendiamo per Dinamica? Comportamenti che variano nel tempo.
CRITERI DI MISURA AFFIDABILITA’: le informazioni ottenute dalle misurazioni devono essere coerenti e stabili nel tempo e tra osservatori diversi VALIDITA’:
Metodi di ricerca in Psicologia
Metodi della ricerca in Psicologia
Progettare una ricerca: approcci e metodologie
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
Conoscere luomo per valorizzare latleta: la valutazione funzionale integrata LE ALTERNATIVE SCIENTIFICHE AL DOPING C o r s o a n n u a l e d i a g g i.
Piccoli esperimenti “casalinghi”
Teorie e tecniche di psicologia clinica
I disegni di ricerca.
Statistica economica (6 CFU)
STATISTICA PER LE DECISIONI DI MARKETING
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
Le distribuzioni campionarie
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
Statistica economica (6 CFU)
STATISTICA PER LE DECISIONI DI MARKETING
Metodologia della ricerca sociale lorenzo bernardi
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Esempio (d)istruttivo.
Variabili temporali Analisi statistica
Come costruire una mappa concettuale
Psicologia come scienza:
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Teoria: si postulano delle relazioni tra eventi, comportamenti, etc. per spiegare un fenomeno. Le teorie possono derivare da problemi con altre teorie,
I “ferri del mestiere”: metodi di ricerca in Psicologia dello Sviluppo
Aspetti Principali: Metodo scientifico
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
Analisi della varianza Resistenza di una fibra sintetica: essa è legata alla percentuale di cotone che potrà però variare tra il 10 e il 40% perché il.
Istituto Comprensivo Rignano-Incisa Tirocinante TFA: G. Giuliani
Corso di Laurea in Scienze e tecniche psicologiche
Disegni ad un fattore tra i soggetti. Disegni ad un solo fattore between Quando i livelli del trattamento possono influenzarsi reciprocamente è necessario.
METODI E STRUMENTI DELLA SCIENZA POLITICA
TRATTAMENTO STATISTICO DEI DATI ANALITICI
analisi bidimensionale #2
Accademia europea dei pazienti sull'innovazione terapeutica Lo scopo e i fondamenti della statistica negli studi clinici.
STATISTICA P IA F ONDAZIONE DI C ULTO E R ELIGIONE C ARD. G. P ANICO Azienda Ospedaliera CORSO DI LAUREA IN INFERMIERISTICA Sr. Margherita Bramato.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
Informatica Problemi e algoritmi. una situazione che pone delle domande cui si devono dare risposte. Col termine problema o situazione problematica s’indica.
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
I disegni sperimentali e il controllo 1. Procedure del controllo 2. Disegni monofattoriali 3. Disegni multifattoriali.
Dipartimento di Economia, Management e Istituzioni APPPLICAZIONI AZIENDALI MEDIANTE FOGLIO ELETTRONICO 4° modulo: Calcoli statistici, Regressione Prof.
Ipotesi operative TeoriaEsperienza diretta e/o personale Quesito Piano esecutivo Scelta popolazione Scelta strumenti Scelta metodi statistici Discussione.
4. Controllo Giulio Vidotto Raffaele Cioffi. Indice: 4.1 Strategie generali 4.2 Strategie specifiche 4.3 Ripetizione 4.4 Metodi per aumentare la validità.
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica
La funzione CASUALE. Gli istogrammi.
INTRODUZIONE ALL’ANALISI DELLA VARIANZA
6 Inchiesta Giulio Vidotto Raffaele Cioffi. Indice: 6.1 Come si prepara un questionario 6.2 Come somministrare un questionario 6.3 Campionamento.
Logica Lezione 11, Annuncio Non si terrà la lezione di Lunedì 16 Marzo.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
5 Ricerca non sperimentale Giulio Vidotto Raffaele Cioffi.
Il percorso delle discipline scientifiche ۷ Descrizione dei fenomeni ۷ Scoperta di leggi ۷ Costruzione di teorie ۷ Formulazione e test di ipotesi.
PARAGONE CON I RISULTATI SPERIMENTALI Dobbiamo correlare i parametri  ed s con variabili sperimentali. Per fare questo assumiamo che la costante di equilibrio.
Transcript della presentazione:

10 Quasi esperimenti Giulio Vidotto Raffaele Cioffi

Indice: 10.1 La differenza principale tra quasi esperimenti e veri esperimenti 10.2 Disegni con gruppo di controllo non equivalenti 10.3 Disegni senza gruppo di controllo 10.4 Disegni per verificare cambiamenti nello sviluppo

10.1 La differenza principale tra quasi esperimenti e veri esperimenti Un vero esperimento è caratterizzato dal fatto che lo sperimentatore può controllare completamente chi, cosa, quando, dove e come effettuare la sperimentazione. In un vero esperimento è possibile assegnare i soggetti alle condizioni sperimentali. Nei veri esperimenti possiamo manipolare le variabili.

Permette allo sperimentatore il massimo controllo per escludere le ipotesi alternative, o le variabili indipendenti alternative, come causa della differenza tra due gruppi o condizioni. Consente quindi il massimo controllo in quanto tutte le altre potenziali variabili indipendenti sono state eliminate attraverso l’assegnazione casuale dei soggetti alle diverse condizioni.

In un quasi esperimento lo sperimentatore non può controllare l’assegnazione dei soggetti alle condizioni. I soggetti da assegnare alle diverse condizioni sono selezionati da gruppi già esistenti. La variabile indipendente in un quasi esperimento è chiamata variabile del soggetto, visto che è la variabile caratteristica in base alla quale sono stati selezionati i soggetti, come, per esempio il genere. Sono chiamati ex post facto dal momento che è eseguito dopo dopo che i gruppi sono stati formati.

Nei quasi esperimenti osserviamo categorie di soggetti. Lascia aperta la possibilità che altre differenze esistano tra la condizione sperimentale e quella di controllo, e così permette ad altre potenziali differenze di rimanere. La presenza di variabili non controllate e confuse riduce la validità interna di un quasi esperimento ma non lo rende necessariamente non valido. Dal momento che in un quasi esperimento non si hanno gruppi randomizzati, essi hanno anche un’applicazione più debole del metodo delle differenze.

L’impossibilità di collocare a caso i soggetti nei gruppi riduce la validità interna dell’esperimento. La validità esterna di un quasi esperimento può essere, invece, più alta di quella di un vero esperimento condotto sullo stesso problema; se il quasi esperimento studia soggetti o situazioni che sono più appropriate alla questione che interessa rispetto a quello che potrebbe fare un vero esperimento. Un quasi esperimento, comunque, è preferibile ad un metodo non sperimentale.

10.2 Disegni con gruppo di controllo non equivalenti Se un esperimento prevede un gruppo sperimentale e un gruppo di controllo ma i soggetti non vengono assegnati a caso ai due gruppi abbiamo un disegno con gruppo di controllo non equivalente. Questo è il più tipico dei disegni quasi sperimentali. La difficoltà di questo disegno è la scelta del modo di confrontare i risultati del gruppo sperimentale con quelli del gruppo di controllo dato che i due gruppi non sono equivalenti si dall’inizio.

Disegno con un gruppo di controllo non equivalente e due accertamenti (prima e dopo) Il disegno con un gruppo di controllo non equivalente e due accertamenti (prima e dopo) è un tipico disegno quasi-sperimentale, schematizzato nella seguente maniera:

Dal momento che i soggetti non sono assegnati a caso ai due gruppi, non si hanno buoni ragiono per ritenere che i due gruppi sono equivalenti prima del trattamento sperimentale. L’interpretabilità dei quasi - esperimenti con gruppi di controllo non equivalenti e due accertamenti (prima e dopo) è variabile. L’interpretazione del quadro dei risultati dipende dalla possibilità di attribuirli a eventuali differenze fra i gruppi o a qualche altro aspetto dell’esperimento. Un quadro desiderabile con questo disegno è...

R Prova pre- trattamento Prova post- trattamento Gruppo sperimentale Gruppo di controllo

Nel grafico precedente quindi, è possibile mettere in evidenza un “effetto” dalla manipolazione sulla variabile sul gruppo sperimentale rispetto al gruppo di controllo. La rappresentazione di un tipo di risultati che non può essere chiaramente interpretato è effettuabile con il grafico successivo.

R Prova pre- trattamento Prova post- trattamento Gruppo di controllo Gruppo sperimentale

Un altro quadro sperimentale (e non interpretabile), comune con i disegni con un gruppo di controllo non equivalente e due accertamenti (prima e dopo), è rappresentato da un incremento di entrambi i gruppi (di controllo e sperimentale) con le stesse proporzioni. Graficamente si ha...

R Prova pre- trattamento Prova post- trattamento Gruppo sperimentale Gruppo di controllo

Un altro quadro, spesso interpretabile, dei disegni con un gruppo di controllo non equivalente e due accertamenti (prima e dopo), è rappresentato da un andamento positivo per il gruppo sperimentale, ed un andamento invariato per quello di controllo (con prova di pre- trattamento con livello più basso del gruppo sperimentale). Graficamente si avrà...

R Prova pre- trattamento Prova post- trattamento Gruppo di controllo Gruppo sperimentale

Disegno fattoriale misto con una variabile non manipolata Il disegno fattoriale misto con una variabile non manipolata prevede una variabile entro i soggetti ed una tra i soggetti. La variabile presa in considerazione è di per se allo stato puro (non manipolata).

10.3 Disegni senza gruppo di controllo Talvolta non è possibile ottenere un gruppo di controllo che si presti utilmente al confronto con il gruppo sperimentale. In tal caso si può usare un disegno che consenta di confrontare in gruppo con se stesso nel tempo.

Disegni senza gruppi di controllo Disegni a serie temporali interrotte Disegni con trattamento ripetuto

Disegni a serie temporali interrotte Un modo per migliorare il disegno con un gruppo e due prove (prima e dopo) è quello di considerare le tendenze dei dati prima e dopo il trattamento anziché le medie dei dati stessi. Nella situazione ideale la linea di base prima del cambiamento dovrebbe essere piatta e stabile, e dovrebbe essere seguita da una transizione brusca o graduale ad un nuovo livello dopo il trattamento. Graficamente si avrà...

rispostarisposta Prima del trattamentoDopo il trattamento

Gli esperimenti a serie temporali interrotte sono simili per disegno e interpretazione a molti disegni con soggetti singoli e agli studi con metodi non sperimentali. Si evidenziano nelle serie temporali alcune tipologie di dati: –dati basali: osservazioni della variabile effettuate senza alcun intervento, –dati sull’intervento: osservazioni della variabile effettuata contemporaneamente alla manipolazione della variabile, –re test: osservazioni effettuate a distanza di tempo dall’interruzione della modificazione della variabile.

Come primo passo, nell'analisi di una serie storica stazionaria, va identificata la natura del fenomeno rappresentato dalla sequenza di osservazioni a disposizione. Il processo di identificazione comporta un’attenta analisi della serie osservata al fine di delineare la relazione funzionale ottimale da associare alla serie (impatto che le variabili esaminate hanno sulla serie nel corso del tempo).

Il secondo aspetto da valutare è la possibilità di operare un processo di previsione, presumibilmente attendibile, per sequenze di dati futuri sulla base delle informazioni disponibili dalla sequenza osservata. Tradizionalmente, una serie storica in econometria specialmente, le cui realizzazioni vengono indicate con x t, si ipotizza essere costituita dall’aggregazione di quattro componenti non direttamente osservabili, secondo un modello additivo:

dove: T t = Trend, C t = Ciclo, S t = Stagionalità, A t = Accidentalità

Il Trend rappresenta una componente della serie che cambia nel corso del tempo senza presentare dei cicli prevedibili a priori; per la sua analisi non esistono tecniche sempre valide ed “immediate”. Il Ciclo è costituito dalle fluttuazioni di medio periodo intorno al trend; insieme al trend, è considerato la variabile di reale interesse nell’analisi di un andamento di una variabile osservata; si suddivide in: depressione, ripresa, espansione, regressione.

La Componente Stagionale esprime tutte le variazioni riscontrabili ad intervalli regolari e sistematici; essa è facilmente riscontrabile osservando l’eventuale correlazione tra un elemento della serie e gli elementi successivi (analisi della funzione di autocorrelazione). L'accidentalità, il residuo o ancora la Componente Accidentale è considerata “non spiegabile” attraverso i modelli utilizzati per interpretare le altre componenti, generata unicamente dal caso e, pertanto, non stimabile né prevedibile.

Disegno con trattamento ripetuto I disegni con trattamento ripetuto mirano ad aumentare la validità dell’esperimento effettuando il trattamento più di una volta. La risposta del soggetto viene misurata prima e dopo l’introduzione di un trattamento, che viene poi interrotto per ricominciare l’itero procedimento in un periodo successivo.

Questo disegno ha una limitazione ovvia: il trattamento deve essere tale da poter essere interrotto senza complicare l’analisi dei dati. Schematicamente... Graficamente…

ComportamentoComportamento Prima del trattamento (1) Dopo il trattamento (1) Prima del trattamento (2) Dopo il trattamento (2)

10.4 Disegni per verificare cambiamenti nello sviluppo In Psicologia dello Sviluppo, o anche nelle Scienze Sociali che studiano fenomeni in rapida evoluzione, si utilizzano i disegni per verificare cambiamenti. Ci sono due approcci al problema:

ricerca trasversale: con campioni di persone di età differenti osservati nella stessa unità di tempo. Il vantaggio dell’approccio trasversale è che tutti i gruppi di età possono essere sottoposti alla prova nello stesso periodo. Lo svantaggio però è che le persone di età diversa sono tutte nate in tempi diversi, così l’età si confonde con la data di nascita. Poiché ogni gruppo è nato in un anno diverso, è probabile che ci siano effetti di coorte (gruppo che ha alcune caratteristiche in comune, e così è trattato come un gruppo).

ricerca longitudinale: con campioni di età simile ed osservati nello scorrere del tempo. Il vantaggio di questo approccio è che tutte le persone avrebbero la stessa data di nascita, s così non ci sarebbero effetti di coorte. Ci sono due problemi principali nelle ricerche longitudinali: –problema pratico (durata di molti anni) –problema teorico (si può confondere l’età con il periodo in cui si svolge la prova).

Per ovviare ad entrambi i problemi sollevati dalle metodologie longitudinali e trasversali, si ricorre al disegno trasversale-longitudinale. Questo disegno sottopone alla prova individui presi da due o più coorti in due o più tempi di versi. Possiamo vedere le sequenze longitudinali seguendo le coorti nel tempo. Possiamo vedere gli effetti trasversali guardando le persone sottoposte alla prova in un dato anno.