Campionamento Campione: parte dell’insieme universo interessato dall’ipotesi di ricerca Popolazione di riferimento: insieme dei casi potenzialmente reperibili (universo)

Campionamento Determinato dall’ipotesi di ricerca e dalle variabili in gioco Determinante rispetto all’analisi e all’interpretazione dei risultati

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

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

Paradosso centrale del campionamento (Stuart, 1996) impossibilità di conoscere dall’esame del campione se sia esso scevro di distorsioni

Distorsione da selezione Campionamento 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

Tecniche di Campionamento 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 Il campione casuale è privo di distorsioni dovute alla selezione è l’unico tipo di campione sul quale è possibile fare inferenza statistica

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

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

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

Tecniche di Campionamento: Campionamento stratificato 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 dall’abilità dello sperimentatore

Tecniche di Campionamento 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

Tecniche di Campionamento: Campionamento a grappoli 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 all’interno dei grappoli corrisponde a maggior precisione di campionamento

Tecniche di Campionamento Campionamento a stadi Dopo aver selezionato due o più grappoli si seleziona all’interno 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

Numerosità campionaria 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

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

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

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 dell’errore attraverso il metodo

Campione Rappresentativo Rappresenta la popolazione alla quale si riferisce ma non lo è né per caratteristiche né per numerosità. Campione Rappresentativo: Controllo distorsione nella selezione Casualità Corrispondenza fra campione e popolazione Precisione

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

Precisione e Casualità “The surer you want to be the less you have to demand” (Alan Stuart, 1968) 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

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

Omogeneità e Numerosità Più n si avvicina a N più l’errore di campionamento diminuisce Maggiore è la variabilità della stima campionaria minore è l’affidabilità

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

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

Disegno sperimentale: si ipotizza la diversità fra tre campioni indipendenti riguardo i punteggi ottenuti in un questionario che misura il QI Gruppo 1 Gruppo 2 Gruppo 3 99 102 89 100 103 92 98 107 75 96 87 101 110 90

T test: Confronto: 1 con 2, 1 con 3, 3 con 2 T test: Confronto: 1 con 2, 1 con 3, 3 con 2. Tre risultati diversi ciascuno dei quali non è indipendente dall’altro: T1= -3.45 p=0.005, T2 = 1.742 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

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

Dai test univariati abbiamo due risultati diversi: F1= 2. 1 p>0 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 dell’interdipendenza fra le due variabili F = 4.17 p=0.032 Che ha valore dimostrativo

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

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 R2 è altissimo e la relazione è significativa dal punto di vista dell’analisi statistica che non tiene conto della diversità fra le due subpopolazioni

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

Tutti i soggetti Migliorati Non migliorati Percentuale di migliorati Terapia A 20 50 Terapia B 24 16 60 La terapia B è la più efficace perché produce miglioramento nel 60% dei casi, mentre la terapia A arriva solo al 50%.

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

Solo maschi Migliorati Non migliorati Percentuale di migliorati Terapia A 12 18 40 Terapia B 3 7 30 sia nei maschi che nelle femmine è la terapia A a produrre una percentuale maggiore di miglioramenti e non la terapia B Solo femmine Migliorati Non migliorati Percentuale di migliorati Terapia A 8 2 80 Terapia B 21 9 70

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

Fallacia e principio della causalità “Post hoc, ergo propter hoc” 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 l’uno la causa dell’altro. 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

Campionamento Mappa concettuale Domande in itinere

Validità nella ricerca Nell’ambito ricerca sperimentale: caratteristiche di falsificabilità, generalizzabilità, replicabilità o appropriatezza nella descrizione e nell’utilizzo dei test statistici

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.

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

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

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

Validità Esempio: disegno sperimentale di Solomon per il controllo dell’effetto 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.

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.

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

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 all’interno del campione non ha terminato la ricerca

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.

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.

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

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 l’una sull’altra, 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 dall’utilizzo di farmaci in base alla gravità della patologia).

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

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.  

Validità 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 Validità statistica o predittiva si riferisce alla verifica statistica delle ipotesi sperimentali in ogni suo passo, dalla formulazione dell’ipotesi 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)

Validità Validità ecologica Il concetto di validità ecologica è stato introdotto nell’ambito della ricerca psicologica per sottolineare l’importanza 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.

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.  

Validità a Fattori legati al ricercatore L’Effetto 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 all’oscuro chi conduce la ricerca delle ipotesi sperimentali.

Validità L’Effetto Pigmallione è lo studio dell’effetto Rosenthal nel campo dell’educazione. 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.

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

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 l’ipotesi 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 un’immagine positiva di sé.  

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

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.

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

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 l’analisi fattoriale che permette di identificare le dimensioni misurate dal questionario e la correlazione fra le dimensioni e gli item.

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 l’analisi 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.

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

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

Validità di un test All’interno 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

Validità di un test Mappa concettuale Domande in itinere

Attendibilità misura l’accuratezza della misurazione si esprime come capacità nella misura di produrre sempre gli stessi risultati in rapporto alla stima dell’errore casuale

Attendibilità Il coefficiente o indice di attendibilità misura il rapporto fra la precisione di misura e l’errore. 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.

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

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. L’attendibilità è calcolata attraverso un indice di correlazione fra i due punteggi. limite: misura l’interscambiabilità dei due test che non sono mai realmente equivalenti

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 l’accezione di stabilità nel tempo. limite: decisione del tempo che intercorre fra una prova e l’altra che è difficile da stabilire e che inevitabilmente misurato sugli stessi soggetti dovrebbe esser considerato come misura ripetuta.

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. L’attendibilità deve essere considerata sul test completo quindi occorre correggere la stima effettuata sulle singole parti. limite: la divisione split-half è sempre arbitraria.

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.

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

Indici di coerenza interna 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 L2 di Guttman si pone in alternativa all’Alpha di Cronbach e misura anche la covarianza rispetto al primo

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

Attendibilità Mappa concettuale Domande in itinere Esempio Esempio Spss