Laboratorio di Metodologia Modulo: Metodologie Quantitative Cristina Zogmaister cristina.zogmaister@unimib.it Ricevimento: lu 13-14 (preannunciarsi via email) email per altri giorni / orari P.zza dell'Ateneo Nuovo, 1 (U6) - stanza 3113

Struttura del Laboratorio di metodologia 2 moduli metodologie quantitative; metodologie qualitative) al termine dei quali avverrà la registrazione del laboratorio Frequenza obbligatoria (minimo 4 incontri) Assignment

Obiettivo Mettere in pratica le conoscenze teoriche acquisite nel corso di Metodologie Quantitative (prof. Marco Perugini) Analisi Fattoriale (PCA) Analisi di Regressione Non è un corso di statistica Non vi spiegherò i concetti della statistica, vedremo insieme come condurre praticamente le analisi statistiche Non è un corso di SPSS La conoscenza di SPSS è un prerequisito del corso

Risorse per imparare a usare SPSS I laboratori del nostro ateneo o il vostro PC Il software è disponibile sulla pagina del corso Licenze: PC Mac SPSS / help / esercitazione La biblioteca: manuali introduttivi a SPSS

Struttura del corso 6 incontri – frequenza obbligatoria (4 lezioni) Controllo presenza a inizio lezione Presenza fino al termine della lezione 2 assignment [PCA + AF] Entrambi devono ottenere una valutazione almeno sufficiente Registrazione a giugno/luglio [crediti: 3 + 3 + 2] Orario: 15.30 – 18.30 [15.30 – 18.15 con una sola pausa di 15 minuti]

Orari degli incontri

Contenuti 1. Introduzione 2. Analisi Fattoriale (PCA): introduzione 3. Analisi Fattoriale: approfondimenti [+ assignment 1] 4. Analisi di Regressione: introduzione 5. Analisi di Regressione: la moderazione [+ assignment 2] 6. Analisi di Regressione: la mediazione

L’incontro di oggi Sona Systems – il software di gestione dei crediti Inserimento o aggiornamento account Le misure implicite (SC-IAT) Le misure esplicite (questionari) Introduzione a SPSS

Sona-systems: Il sistema di gestione degli esperimenti http://milano-bicocca.sona-systems.com/

Cliccare su “New Participant”

Coloro che già sono iscritti nel sistema: fare la login e poi aggiornare il proprio profilo

Inserite i vostri dati e cliccate su “Request Account”

A questo punto… la vostra iscrizione verrà confermata via email. Nell’email riceverete una password associata al vs. nome utente. Conservate questa password, vi verrà richiesta ogni volta vogliate accedere al sistema (login). Se entro 2 ore, non avete ricevuto la mail di conferma, spedire una mail a juliette.richetin@unimib.it

Con ID e password, entrate nel sistema

Per iscriversi agli studi: Prima - rispondere a un breve questionario. Per cominciare il questionario cliccare su Start Prescreen Entrando nel sistema vedrete gli studi disponibili. Inoltre sarete informati automaticamente via email sui nuovi studi Tipi di studi in laboratorio: il sistema permette di fissare degli appuntamenti per venire a fare un esperimento. on-line: il sistema serve per guidarvi direttamente sullo studio on-line e registra la vostra partecipazione Per partecipare a un esperimento, cliccare su Study sign-in, verrà data indicazione degli studi disponibili e della ricompensa per la partecipazione (CFU o più raramente denaro) scegliere lo studio al quale si desidera partecipare Scegliere l’orario di partecipazione

Attenzione: Se non si può partecipare a uno studio per cui ci si è registrati, è necessario cancellare la prenotazione o avvertire la persona responsabile dell’esperimento Oltre 4 “No-Shows” senza avvertire, potrete essere rimossi dal sistema. Tutorial su sona systems tra i materiali del corso

Esempi: misure esplicite ed implicite Attenzione: negli assignment userete i dati che raccogliamo ora (con dati di scarsa qualità le analisi sono molto più difficili!!!)

Le misure implicite IAT (Greenwald, McGhee & Schwartz, 1998) Obiettivo: misurare l’autostima implicita Operazionalizzazione: associazione automatica tra il sé e la valenza positiva Che categorie usiamo?

IAT autostima Associazione “io – positivo” (e “altri – negativo”) Io Altri Positivo Negativo Io-Positivo Altri-Negativo Altri Io Altri-Positivo Io-Negativo Differenza RT 5° - 3°

Limite dello IAT autostima: presenza della categoria “altri” Come risolvere il problema? SC-IAT (Karpinski e Steinman, 2003) (creato principalmente per superare la natura bipolare dello IAT) Io Positivo Negativo

Struttura del SC-IAT

Ora rispondiamo a uno SC-IAT Trascinare la cartella PRIMA LEZIONE sul desktop. Aprire prima lezione sul desktop. Fare doppio click su ESERCITAZIONE.exp Risponderete allo SC-IAT e a una misura d’autostima esplicita (il vostro anonimato è protetto – utilizzerete un file dati in cui le vostre risposte non potranno essere riconosciute)

Impressioni? Uno dei due blocchi era più facile? In uno dei due blocchi avete fatto meno errori? La struttura: PRIMO BLOCCO: Positivo – io Negativo SECONDO BLOCCO: Positivo Negativo – io Calcolo del punteggio: ?

Una scala di autostima: la scala Self Liking-Competence (SLC-R) di Tafarodi e Swann

Un criterio per validare la scala d’autostima: la discrepanza delle capacità Premere 6

Altre “tipiche” misure esplicite Alcune domande di atteggiamento (verso gli alcoolici) - Una scala di motivazione

Cognizioni esplicite legate al consumo di alcoolici Premere 7 Atteggiamenti espliciti verso gli alcoolici altre domande importanti per validare le misure di atteggiamento esplicito Il DMQ-R: Motivazioni sottostanti al consumo di alcoolici (ricordate: serviranno nell’assignment)

La logica delle misure a cui avete risposto: SC-IAT autostima Misure esplicite: Questionario autostima Questionario atteggiamento alcoolici ed analcolici Questionario norme sociali alcoolici ed analcolici Questionario motivazione alcoolici Criteri “comportamentali” Valutazione capacità Consumo di alcoolici Negli assignment esaminerete: Le strutture fattoriali delle scale (autostima, motivazione al consumo di alcoolici) Validità predittiva delle misure esplicite ed implicite (analisi di regressione)

Terminato l’esperimento Rinominate la cartella complessiva della prima lezione con il vostro numero di matricola (es. PRIMA LEZIONE 123456) Inserire LA CARTELLA COMPLESSIVA nella cartella \\lib\psico\corsi\zogmaister\consegna

SPSS – PASW Statistics 18 Le analisi effettuate a lezione possono essere fatte (eventualmente con piccolissime variazioni) anche con versioni precedenti di SPSS.

Iniziamo a usare SPSS Lanciare SPSS (PASW Statistics 18) 3 finestre importanti: Finestra DATI Finestra OUTPUT Finestra SINTASSI

Iniziamo a usare SPSS La finestra DATI: Visione DATI Visione VARIABILI Cliccando sulle due “linguette” in basso a sinistra è sempre possibile passare da una modalità all’altra.

Variabili casi Visone dati: I dati sono in una matrice casi x variabili: ogni riga contiene i dati relativi ad un soggetto per tutte le variabili, ogni colonna contiene i valori di una variabile per tutti i casi. Variabili casi

Creare un file dati in SPSS

Iniziamo a inserire dei dati nella matrice: Prima definiamo le variabili e poi inseriamo i valori.

Ora salviamo il nostro file col nome “sociodemo.sav” In alto a sinistra in tutte le schermate è presente la barra degli strumenti. Permette di visualizzare i valori delle variabili o le “etichette dei valori” assegnate; (cfr. diapositive successive.) Apre files di SPSS già esistenti. Salva il file.

Le analisi statistiche e la finestra di OUTPUT Quali sono le caratteristiche del nostro campione? Frequenze per genere Analisi descrittive età (età minima e massima, media e deviazione standard) Frequenze titolo di studio e residenza Analisi descrittive reddito e famiglia (minimo e massimo, media e deviazione standard) Rappresentiamo GRAFICAMENTE queste caratteristiche

Alcune analisi più approfondite Uso della funzione ‘seleziona casi’ per individuare i partecipanti con più di 35 anni Caratteristiche di questi partecipanti Analisi separate per maschi e femmine Frequenze separate delle età (torniamo al campione completo)

Funzione ricodifica in una nuova variabile Per cambiare i valori di una variabile secondo regole nostre creando una nuova variabile che contenga i valori ricodificati. Creare la nuova variabile redd_f a partire da Reddito, facendo corrispondere ai valori inferiori a 200.000 il valore 1 (al quale attribuiamo l’etichetta ‘basso’) e ai valori superiori assegna 2 (al quale attribuiamo l’etichetta ‘alto’)

Funzione ricodifica nella stessa variabile i nuovi valori vengono usati per sostituire i valori “vecchi” nella stessa variabile. Ricodificare la variabile Età ai valori inferiori a 35viene sostituito il valore 1; ai valori tra 35 e 54 viene sostituito il valore 2; ai valori superiori a 55 viene sostituito il valore 3.

Funzione ricodifica nella stessa variabile

Funzione calcola Per eseguire operazioni matematiche sui valori di una o più variabili e di creare una nuova variabile con i valori calcolati. Creare una nuova variabile di nome “red_med” – con etichetta “Reddito medio per persona del nucleo familiare” – eseguendo il rapporto tra i valori della variabile reddito e i corrispondenti valori della variabile famiglia.

Funzione calcola La variabile redd_med è stata creata sulla base dei valori delle altre due variabili già esistenti.

Salvataggio della sintassi La funzione “incolla” permette di produrre un file di testo contenente la sintassi che descrive l’operazione che si sta eseguendo; successivamente è possibile salvare il file così creato per poter eseguire la sintassi nuovamente ed effettuare la medesima operazione. Risulta una funzione importante se si ha bisogno di tenere traccia delle analisi eseguite o se si deve descrivere in modo efficace e trasparente ad altri ricercatori le operazioni eseguite.

Ora calcoliamo alcune statistiche Aprire il file dati1_2.sav Qual è l’altezza media del campione? Qual è l’altezza media delle donne? E degli uomini? l’altezza media dei due sessi è significativamente diversa? L’altezza è legata al peso?