Trasformazione dei dati: indici - 1 Come già visto in termini teorici, spesso le proprietà che si intende rilevare sono molto generali (es. religiosità

Presentazione sul tema: "Trasformazione dei dati: indici - 1 Come già visto in termini teorici, spesso le proprietà che si intende rilevare sono molto generali (es. religiosità"— Transcript della presentazione:

1 Trasformazione dei dati: indici - 1 Come già visto in termini teorici, spesso le proprietà che si intende rilevare sono molto generali (es. religiosità di un individuo) Per questo motivo, la proprietà generale viene scomposta in più dimensioni specifiche (es. frequenza con cui si prega, impegno nellassociazionismo religioso, ecc…) Per ogni dimensione specifica si costruisce una definizione operativa e si ricava, infine, una variabile. Una volta raccolte le informazioni può essere utile sintetizzare queste variabili in ununica nuova variabile, che corrisponderà alla proprietà più generale (nel nostro esempio, religiosità) INDICE

2 Trasformazione dei dati: indici - 2 La modalità di costruzione di un indice dipende dal tipo di variabili che abbiamo a disposizione: 1.Variabili cardinali = indice additivo (costruzione dellindice attraverso operazioni aritmetiche). Può essere usato anche con variabili ordinali trattare cardinalmente. 2.Variabili nominali = indice tipologico (costruzione dellindice attraverso operazioni logiche). Può essere usato anche con variabili ordinali, non trattate cardinalmente. La nuova variabile sarà cardinale La nuova variabile sarà nominale/ordinale

3 Trasformazione dei dati: indici - 3 Lindice additivo può essere calcolato sommando semplicemente i valori di due o più variabili. I = V1 + V2 + V3 + … + Vk Dove I è lindice, V1, V2, ecc… sono le variabili cardinali selezionate per costruire lindice. V1 = Quante volte frequenta la messa in un mese V2 = Quante volte al mese è impegnato in associazioni religiose V3 = Quanto ritiene debba essere importante il tema della famiglia nella politica italiana V1, V2 1 Mai, 2 Raramente, 3 Qualche volta, 4 Spesso, 5 Sempre V3 1 Per nulla importante, 2 Poco imp., 3 Né molto né poco imp., 4 Abbastanza imp., 5 Molto imp. V1V2V3V1+V2+V3 Caso 11135 Caso 21214 Caso 34329 Caso 455515 Caso 51113 Caso 62136 Indice I = campo di variazione 3÷15

4 Trasformazione dei dati: indici - 4 Spesso, però, le variabili che vogliamo sommare sono diverse tra loro, specie per due caratteristiche: 1.Direzione semantica. Prima della costruzione dellindice è necessario che tutte le variabili abbiano lo stesso ordine semantico e questo coincida con lordine che vogliamo dare allindice. Se ciò non accade, è necessario invertire i punteggi attraverso una ricodifica. 2.Campi di variazione. E necessario che tutte le variabili condividano lo stesso campo di variazione. Come sappiamo si può utilizzare la normalizzazione o la standardizzazione. La prima è più indicata per variabili con poche modalità (generalmente ordinali trattate come cardinali – cfr. esempi precedenti); la seconda, invece, è utile per variabili cardinali con molte modalità

5 Trasformazione dei dati: indici - 5 V1 = Quante volte frequenta la messa in un mese 5 Mai, 4 Raramente, 3 Qualche volta, 2 Spesso, 1 Sempre V2 = Quante volte al mese è impegnato in associazioni religiose 1 Mai, 2 Raramente, 3 Qualche volta, 4 Spesso, 5 Sempre V3 = Da 0 a 10, quanto ritiene debba essere importante il tema della famiglia nella politica italiana In questo caso sarà necessario ricodificare la variabile V1 (lordine semantico delle modalità è diverso da quello delle altre due variabili e dallorientamenteche si vuole dare allindice finale) Bisogna successivamente omogeneizzare i campi di variazione delle variabili. Si può decidere, ad esempio, di normalizzare la V3 per farla variare da 1 a 5, oppure normalizzare tutte le variabili affinché varino allinterno di una campo di variazione pari, ad esempio, a 1÷10

6 Trasformazione dei dati: indici - 6 RICODIFICA V1 = Quante volte frequenta la messa in un mese 5 Mai, 4 Raramente, 3 Qualche volta, 2 Spesso, 1 Sempre 1 Mai, 2 Raramente, 3 Qualche volta, 4 Spesso, 5 Sempre NORMALIZZAZIONE V1, V2 5 × (X – 1) / (5 – 1) V3 5 × (X – 0) / (10 – 0) V1V1_rV2V3V1r_nV2_nV3_nI Caso 151140022 Caso 2512001.250 Caso 324363.752.5036.25 Caso 41551055515 Caso 551100000 Caso 642131.2501.502.75 Indice I 0÷15

7 Trasformazione dei dati: indici - 7 Si può decidere, infine, di considerare alcune variabili, di quelle che compongono lindice, più importanti e, quindi, di farle valere di più nel computo. Detto in altri termini, è possibile associare un peso ad ogni singola variabile, affinché essa abbia un ruolo più importante nellindice finale. Lindice, in questo caso, assumerà la seguente formula: I = (P1 × V1) + (P2 × V2) + (P3 × V3) + … + (Pk × Vk) Dove I è lindice che si intende creare, V1, V2, ecc… sono le variabili che compongono lindice, e P1, P2, ecc… sono i pesi assegnati ad ogni variabile. Il peso può variare da 0 a +. Se il peso è pari a 1, la formula è uguale a quella presentata in precedenza.

8 Trasformazione dei dati: indici – 8 Variabili V1, V2 e V3 V1 = Quante volte frequenta la messa in un mese peso pari a 2 V2 = Quante volte al mese è impegnato in associazioni religiose peso pari a 3 V3 = Quanto ritiene debba essere importante il tema della famiglia nella politica italiana peso pari a 1 I_p = (2 x V1) + (3 x V2) + (1 x V3) V1V1_rV2V3V1r_nV2_nV3_nII_p Caso 1511400222 Caso 2512001.250 3.75 Caso 324363.752.5036.2518 Caso 4155105551530 Caso 5511000000 Caso 642131.2501.502.754 Indice I_p 0÷30

9 Contatti Domingo Scisci Università di Milano-Bicocca Via Bicocca degli Arcimboldi 8 20126 Milano Edificio U7/II Piano Stanza 207 Telefono: 02 64487513 Mail: domingo.scisci@unimib.itdomingo.scisci@unimib.it Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-Condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il sito web http://creativecommons.org/licenses/by-nc-sa/2.5/it/ o spedisci una lettera a Creative Commons, 171 Second Street, Suite 300, San Francisco, California, 94105, USA.