slides laboratori - lezione iv agg 20191104 laboratorio 4.pdf(6(5&,=,2 surydwh d frqiurqwduh oh...
TRANSCRIPT
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Università degli Studi di BergamoDipartimento di Scienze Umane e SocialiCorso di Laurea in Scienze Psicologiche
LABORATORI DI STATISTICA SOCIALELezione IV
Prof. Andrea Greco
Dott.ssa Roberta Adorni
Dott.ssa Giulia Fusi
Dott. Nicola Palena
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata• La ANOVA (analisi della varianza) serve a verificare se le medie di 3 o più
distribuzioni sono differenti tra loro o se sono da considerarsi uguali
• Si basa sulla distribuzione F di Fisher, cioè su una distribuzione di probabilità che riflette il rapporto tra variabili aleatorie
• Come qualsiasi test usato per la verifica di ipotesi, la ANOVA si basa sulla verifica di un’ipotesi alternativa (H1) contro un’ipotesi nulla (H0)
H0 = le medie sono uguali e qualsiasi differenza minima che possiamo riscontrare è dovuta al casoH1 = le medie sono significativamente differenti tra loro e ciò non è dovuto ad una variabilità casuale
• La probabilità p associata alla F rappresenta quanto è probabile (da 0 a 1) che il risultato ottenuto sia casuale. Per convenzione:
p > 0.05 risultato abbastanza probabile da poter essere stato ottenuto casualmente, quindi considerato non significativop < 0.05 risultato poco probabile, assunto come non casuale e considerato significativo
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata• OBIETTIVO: verificare che la media di una certa variabile sia differente tra tre o più
campioni differenti
• ESEMPIO 1: vogliamo sapere se il punteggio medio alla scala «Soddisfazione di Vita» sia uguale (H0) o differente (H1) tra persone con differente stato civile (es. sposati, single ecc.).
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• Dalla finestra di dialogo che compare:
Portare la variabile di interesse «sodvita» nel riquadro «DependentVariables»
Inseriamo la variabile di raggruppamento (STCIV) nel riquadro «Grouping Variable»
Le analisi verranno svolte automaticamente (compaiono a destra)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata• Selezioniamo anche varie opzioni aggiuntive:
Testiamo l’assunto dell’uguaglianza delle varianze («Assumption Checks, Equality of variances»), clicchiamo su Variances e selezioniamo entrambe le opzioni (Welch’s e Fisher’s), ed infine selezioniamo la tabella Descrittive («Descriptives table»)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• Infine, clicchiamo sulla sezione Post-Hoc test, e selezioniamo «Tukey».
Aggiungiamo nelle statistiche relative la «mean difference» e «report
significance»
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA UnivariataValore F, gradi di libertà e probabilità della statistica che risulta significativa (p <.05).
Se l’assunto dell’uguaglianza delle varianze è rispettato, guardiamo la riga del Fisher’s F; in caso contrario, la riga del Welch’s F.
Dato che l’ANOVA è significativa, siamo autorizzati a guardare i post-hoc.
Descrittive (numerosità, media e deviazione standard) per i 5 livelli della variabile «Stato Civile»
Significatività per il test dell’assunto dell’uguaglianza delle varianze. Il test NON è significativo, pertanto l’assunto è rispettato (di conseguenza, dobbiamo guardare la riga del Fisher’s F)
DUNQUE il livello di soddisfazione nella vita cambia in base allo stato civile. Ma come faccio a sapere quale gruppo si differenzia dagli altri? Necessità di condurre test post-hoc
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA UnivariataP value dei confronti post-hoc della categoria Celibe\Nubile, con quelle presenti in colonna
La differenza tra medie alla scala Ottimismo tra chi è celibe\nubile e coniugato è di -0.503 (è più basso nei celibi\nubili). Il confronto è significativo (p = 0.012, ovvero inferiore a 0.05), suggerendo che chi è coniugato ha un maggior livello di benessere rispetto a chi è single.
L’Unico confronto significativo è quello tra chi è Coniugato e chi è Single. Pertanto, i livelli di soddisfazione nella vita si differenziano solo tra questi 2 gruppi.
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• ESEMPIO 2: vogliamo sapere se il punteggio medio alla scala «Ottimismo» sia uguale (H0) o differente (H1) tra persone con differente stato civile (es. sposati, single ecc.)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze NON è significativo → usiamo il test di Fisher’sFLa statistica F risulta NON significativa (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Ottimismo» sia uguale tra persone con differente stato civile
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• ESEMPIO 3: vogliamo sapere se il punteggio medio alla scala «Soddisfazione di Vita» sia uguale (H0) o differente (H1) tra persone con diverse situazioni di convivenza (variabile CHIVIV)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze è significativo → usiamo il test di Welch’sLa statistica risulta NON significativa (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Soddisfazione di vita» sia uguale tra persone con diverse situazioni di convivenza
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• ESEMPIO 4: vogliamo sapere se il punteggio medio alla scala «Ottimismo» sia uguale (H0) o differente (H1) tra persone con diverse situazioni di convivenza (variabile CHIVIV)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze NON è significativo → usiamo il test di Fisher’sLa statistica risulta NON significativa (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Ottimismo» sia uguale tra persone con diverse situazioni di convivenza
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• ESEMPIO 5: vogliamo sapere se il punteggio medio alla scala «Soddisfazione di Vita» sia uguale (H0) o differente (H1) tra persone con diverso grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze NON è significativo → usiamo il test di Fisher’sLa statistica risulta NON significativa (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Soddisfazione di vita» sia uguale tra persone con diverso grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• ESEMPIO 6: vogliamo sapere se il punteggio medio alla scala «Ottimismo» sia uguale (H0) o differente (H1) tra persone con diverso grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze NON è significativo → usiamo il test di Fisher’sLa statistica risulta NON significativa (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Ottimismo» sia uguale tra persone con diverso grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• Esempio 7: vogliamo sapere se il punteggio medio alla scala «Soddisfazione di Vita» sia uguale (H0) o differente (H1) tra persone appartenenti a diverse fasce d’età (3 fasce d’età individuate in base ai terzili)
• Esempio 8: vogliamo sapere se il punteggio medio alla scala «Ottimismo» sia uguale (H0) o differente (H1) tra persone appartenenti a diverse fasce d’età (3 fasce d’età individuate in base ai terzili)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Calcolare la variabile ETA’ divisa in gruppi
Nella sezione delle statistiche descrittive (Analyses –Exploration –Descriptives) individuare i terziliper suddividere l’età in 3 classi
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Calcolare la variabile ETA’ divisa in 3 gruppi
Calcolare la nuova variabile usando la funzione «Transform»
Cliccando «create new transform» si apre la finestra in cui definire la funzione che ricodifica l’età in base ai terzili
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze Non è significativo → usiamo il test di Fisher’s per entrambe le variabiliLe statistiche risultano NON significative (p >.05) → le analisi si concludono quiPossiamo affermare che il punteggio medio alla scala «Soddisfazione di vita» e il punteggio medio alla scala «Ottimismo» sia uguale tra persone appartenenti a diverse fasce d’età
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• Esempio 9: vogliamo sapere se il punteggio medio alla scala «Ottimismo» sia uguale (H0) o differente (H1) tra persone appartenenti a diverse fasce d’età (4 fasce d’età individuate in base ai quartili)
• Esempio 10: vogliamo sapere se il punteggio medio alla scala «Soddisfazione di Vita» sia uguale (H0) o differente (H1) tra persone appartenenti a diverse fasce d’età (4 fasce d’età individuate in base ai quartili)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Calcolare la variabile ETA’ divisa in gruppi
Nella sezione delle statistiche descrittive (Analyses –Exploration –Descriptives) individuare i quartili per suddividere l’età in 4 classi
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Calcolare la variabile ETA’ divisa in 4 gruppi
Calcolare la nuova variabile usando la funzione «Transform»
Cliccando «create new Transform» si apre la finestra in cui definire la funzione che ricodifica l’età in base ai quartili
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
Il test dell’assunto dell’eguaglianza delle varianze NON è significativo nel caso della variabile «Ottimismo» (usiamo il test di Fisher’s), ma lo è nel caso della variabile «Soddisfazione di vita» (usiamo il test di Welch’s)La statistica risulta NON significativa (p >.05) in entrambi i casiPossiamo affermare che il punteggio medio alla scala «Soddisfazione di vita» e il punteggio medio alla scala «Ottimismo» sia uguale tra persone appartenenti a diverse fasce d’età
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
ESERCIZIO: provate a confrontare le medie delle scale «Soddisfazione di vita a 6 mesi» e «Ottimismo a 6 mesi» in funzione delle variabili di gruppo già prese in considerazione• stato civile (STCIV)• Chi vive con te (CHIVIV)• Grado di istruzione (ISTR)• Fascia d’età basata sui terzili• Fascia d’età basata sui quartili
UNIVERSITÀ DEGLI STUDI DI BERGAMO
ANOVA Univariata
• Le analisi basate sul confronto fra le medie delle variabili di interesse hanno prodotto poche differenze significative, quindi
passiamo a un altro modo di esplorazione dei dati tramite le correlazioni
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
La correlazione è una misura del grado di concordanza tra due serie di valoriIn altri termini, esprime la relazione tra due variabili, consentendo una valutazione sull’entità del legame tra esse, ovvero il loro grado di indipendenza
Il coefficiente di correlazione, in particolare, è una misura dell’associazione lineare tra due variabili:
o Positiva - all’aumentare della variabile A aumenta la variabile B
o Negativa - all’aumentare di A diminuisce Bo Uguale a 0 - non vi è relazione lineare tra le due
variabili
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Coefficiente di correlazione (r)
Può assumere tutti i valori compresi tra -1 e +1Il valore assoluto del coefficiente di correlazione indica l’intensità della relazione• 0: nessuna relazione• 1: relazione lineare perfettaIl segno indica la direzione della relazione • Segno positivo: relazione positiva (all’aumentare di A
aumenta B)• Segno negativo: relazione negativa (all’aumentare di A
diminuisce B)
Valori di r vicini a +1 indicano che le variabili hanno una forte relazione positiva, vicino a 0 che hanno poca relazione e vicini a -1 indicano una forte relazione negativa
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
Concordanza:• è la misura della varianza comune a due
variabili che correlano (ossia quanta variabilità condividono le due variabili)
• si ottiene elevando al quadrato il coefficiente di correlazione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione: step per le analisi• STEP 1- scegliere le variabili da correlare• STEP 2- scegliere il tipo di coefficiente di
correlazione da calcolare e il test di significatività (a una o due code a seconda che si conosca o meno il segno negativo/positivo della correlazione)
• STEP 3- analizzare i risultati controllando: entità, segno e significatività delle correlazioni richieste
Ricorda H0: correlazione =0H1: correlazione ≠ 0
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Scelta del coefficiente di Correlazione• Il coefficiente di correlazione più comunemente impiegato nella
statistica applicata alle scienze sociali è quello di Pearson, rappresentato con una r. E’ adatto per variabili che siano misurate su scale ad intervalli o rapporti equivalenti
• Coefficiente di Spearman: da utilizzare nel caso in cui le due variabili siano misurate su scala ordinale, o una su scala ordinale e l’altra su scala a intervalli, oppure misurate su scala ad intervalli uguali o a rapporti ma con distribuzione non normale. Rappresenta la versione non parametrica del coefficiente di Pearson, i valori delle due variabili vengono ordinati in ordine crescente per ciascun caso, e sui ranghi viene calcolato il coefficiente di Pearson
• Coefficiente di Kendall: appropriato per variabili ordinali (si applica nelle stesse condizioni del coefficiente di Spearman), quando il numero di ranghi uguali è elevato
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Scelta del coefficiente di Correlazione
• r di Pearson → variabili misurate su scale a intervalli o rapporti equivalenti
• rho di Spearman → variabili misurate su scale ordinali
• Tau di Kendall → variabili misurate su scale ordinali quando il numero di ranghi uguali è elevato
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Nella ricerca psicologica, usiamo le convenzioniproposte da Cohen (1988) per interpretare le dimensioni dell’effetto o effect size
(si ricordi il Cohen’s d visto per il t-test, per un riassunto dei principali indicisi veda la tavola 10 in Appendice al libro)
r < .10 → effetto trascurabile
.10 ≤ r ≤ .30 → effetto piccolo
.30 ≤ r ≤ .50 → effetto moderato
r ≥ .50 → effetto grande
Correlazione – da ricordare
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione• OBIETTIVO: verificare se esiste una relazione lineare tra due o più
variabili (H1) oppure se non c’è relazione lineare tra di esse (H0)
• ESEMPIO 1: vogliamo sapere se i punteggi alla scala «Soddisfazione di Vita» e «Ottimismo» correlino fra loro oppure no
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione• Dalla finestra di dialogo che
compare:
Portare le variabili di interesse «sodvita» e «ottimismo» nel riquadro a destra
Selezionare il coefficiente di correlazione più appropriato
Selezionare le opzioni che permettono di visualizzare le significatività
Le analisi verranno svolte automaticamente
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• Emerge una correlazione significativa (p < .001), quindi possiamo rifiutare H0 e considerare la correlazione ≠ 0, concludendo che i punteggi alle scale di «soddisfazione di vita» e «ottimismo» correlano fra di loro
• La correlazione è positiva (r > 0)
• L’entità dell’associazione lineare tra le due scale (effectsize) è piccola (r = 0.22)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESEMPIO 2: vogliamo sapere se i punteggi alla scala «Ottimismo» e «Ottimismo a 6 mesi» correlino fra loro oppure no
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• Emerge una correlazione significativa (p < .001), quindi possiamo rifiutare H0 e considerare la correlazione ≠ 0, concludendo che i punteggi alle scale di «ottimismo» e «ottimismo a 6 mesi» correlano fra di loro
• La correlazione è negativa (r < 0)
• L’entità dell’associazione lineare tra le due variabili (effectsize) è forte (r = -0.5)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESEMPIO 3: vogliamo sapere se i punteggi alla scala «Soddisfazione di vita» e «Soddisfazione di vita a 6 mesi» correlino fra loro oppure no
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi accettiamo H0 e consideriamo la correlazione = 0, concludendo che i punteggi alle scale di «Soddisfazione di vita» e «Soddisfazione di vita a 6 mesi» non correlano fra di loro
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESEMPIO 4: vogliamo sapere se i punteggi alla scala «Ottimismo» correlano con l’età oppure no
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi accettiamo H0 e consideriamo la correlazione = 0, concludendo che i punteggi alla scala di «Ottimismo» non correlano con l’età
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESEMPIO 5: vogliamo sapere se i punteggi alla scala «Ottimismo» correlano con le variabilio Genere
o Lavoro
o Stato civile
o Chi vive con te
o Grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi concludiamo che i punteggi alla scala di «Ottimismo» non correlano con il genere
N.B. In questo caso abbiamo considerato una variabile misurata su scala ad intervalli e una variabile categoriale e dicotomica (con due soli livelli di valori), parliamo quindi di correlazione punto-biseriale
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione è significativa (p < .05), quindi possiamo rifiutare H0 e considerare la correlazione ≠ 0, concludendo che i punteggi alla scala di «ottimismo» correlano con la condizione lavorativa
• La correlazione è positiva (rho > 0)
• L’effect size è debole (rho = 0.1)
N.B. Anche in questo caso abbiamo una correlazione punto-biseriale
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi concludiamo che i punteggi alla scala di «Ottimismo» non correlano con lo stato civile
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi concludiamo che i punteggi alla scala di «Ottimismo» non correlano con la situazione di convivenza
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• La correlazione NON è significativa (p > .05), quindi concludiamo che i punteggi alla scala di «Ottimismo» non correlano con il livello di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESERCIZIO 1: vogliamo sapere se i punteggi alla scala «Soddisfazione di vita» correlano con le variabilio Genereo Lavoroo Stato civileo Chi vive con teo Grado di istruzione
N.B. La correlazione è definita dal grado di concordanza tra 2 valori, quindi indipendentemente dal numero di variabili che selezioniamo nella finestra per la correlazione, questa sarà calcolata sempre tra 2 variabiliPosso generare una matrice di correlazione unica per tutti i confronti, e interpretare i risultati delle coppie di variabili che mi interessano
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESERCIZIO 2: vogliamo sapere se i punteggi alla scala «Soddisfazione di vita a 6 mesi» correlano con le variabilio Genere
o Lavoro
o Stato civile
o Chi vive con te
o Grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Correlazione
• ESERCIZIO 1: vogliamo sapere se i punteggi alla scala «Ottimismo a 6 mesi» correlano con le variabilio Genere
o Lavoro
o Stato civile
o Chi vive con te
o Grado di istruzione
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Dataset: lezione_lab4
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
o Indipendente: Maschi vs. Femmine
o Dipendente: Ansia
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
o Indipendente: Maschi vs. Femmine
o Dipendente: Ansia
• Che test possiamo utilizzare?
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
o Indipendente: Maschi vs. Femmine
o Dipendente: Ansia
• Che test possiamo utilizzare? t-test
• Esploriamo per prima cosa la distribuzione (per vedere se è normale) e se ci sono degli outliers
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
Skewness e kurtosisconfermano il grafico: i dati sono distribuiti in maniera normale
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
o Indipendente: Maschi vs. Femmine
o Dipendente: Ansia
• Che test possiamo utilizzare? t-test
• Esploriamo per prima cosa la distribuzione (per vedere se è normale) e se ci sono degli outliers i dati sono distribuiti in maniera normale. Ma outliers?
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Quali sono la nostra variabile indipendente e quella dipendente?
o Indipendente: Maschi vs. Femmine
o Dipendente: Ansia
• Che test possiamo utilizzare? t-test
• Esploriamo per prima cosa la distribuzione (per vedere se è normale) e se ci sono degli outliers i dati sono distribuiti in maniera normale. Ma outliers?
• Per cercare gli outliers si crea una nuova variabile dei valori di «ansia» trasformati in punti Z, con la formula Z(ansia)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntiveAttraverso le statistiche descrittive vediamo che non ci sono valori > |3|, quindi desumiamo che non ci sono outliers
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 1: Vogliamo sapere se il punteggio sulla scala «ansia» è ‘uguale’ (H0) o diverso (H1) tra maschi e femmine.
• Possiamo quindi procedere al t-test vero e proprio
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Selezioniamo Independent
sample t-test• Spostiamo «ansia» nel
riquadro per variabile dipendente
• «sesso» per variabile indipendente (groupingvariable)
• Poi selezioniamo tutte le spunte nei quadratini rossi
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
Il test di Levene non è significativo, in quanto > .05. Per questa ragione, possiamo dire che il presupposto dell’omoschedasticità è rispettato
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
Possiamo quindi guardare la riga «Student’s t», e dal momento che p è maggiore di .05, non possiamo rifiutare H0. Concludiamo quindi che non c’è abbastanza evidence per dire che i maschi hanno un livello d’ansia differente dalle femmine.
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 2: Vogliamo sapere se il punteggio alla scala «supporto emotivo» sia ‘uguale’ (H0) o differente (H1) tra chi è pensionato e chi lavora.
• Seguire tutti i passaggi precedenti
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Sia skewness che kurtosis sono
«fuori dalla norma» secondo Barbaranelli.
• Il problema è che skewness è sostanziale e negativa, kurtosiselevata e positiva
• Si possono provare diverse formule e vedere qual è la migliore
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Con la trasformazione SQRT(K-
X) tutto torna nella norma
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Abbiamo INDUBBIAMENTE degli
outliers
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Abbiamo INDUBBIAMENTE degli
outliers• Proviamo quindi a fare le analisi
sia includendo tutti i partecipanti che escludendo gli outliers filtro: -3 < Z(supp_emotivo) < 3
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Dal momento che l’omoschedasticità è rispettata, si può guardre Student’s t
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• È presente una differenza significativa tra chi è in pensione e chi lavora
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Le statistiche descrittive mostrano che chi è in pensione ha un supporto emotivo maggiore
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• ATTENZIONE! Quando si trasformano le variabili, è sulle variabili trasformate che si fanno le analisi. Le statistiche descrittive però, devono concentrarsi sulle variabili non trasformate, altrimenti è difficile interpretare i risultati
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• ATTENZIONE! Quando si trasformano le variabili, è sulle variabili trasformate che si fanno le analisi. Le statistiche descrittive però, devono concentrarsi sulle variabili non trasformate, altrimenti è difficile interpretare i risultati
t-test
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• ATTENZIONE! Quando si trasformano le variabili, è sulle variabili trasformate che si fanno le analisi. Le statistiche descrittive però, devono concentrarsi sulle variabili non trasformate, altrimenti è difficile interpretare i risultati
descrittive
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Le conclusioni non cambiano anche escludendo gli outliers
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 3: Vogliamo sapere se il punteggio alla scala «ansia» sia ‘uguale’ (H0) o differente (H1) in base allo stato civile.
• Seguire tutti i passaggi precedenti
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Cominciamo con il
solo test di Levene
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Levene’s test, non significativo,
quindi assumiamo omoschedasticità
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Il test non è significativo, quindi ha poco senso guardare i post-hoc
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 4: Vogliamo sapere se il punteggio alla scala «supporto pratico» sia ‘uguale’ (H0) o diverso (H1) in base alla variabile «convivenza».
• Seguire tutti i passaggi precedenti
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• Sia skewness che kurtosis sono
ok
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• No outlilers
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• No outlilers• Levene’s ok, quindi si può usare
Fisher
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• No outlilers• Levene’s ok, quindi si può usare
Fisher
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive• C’è una differenza
significativa tra le medie
• Possiamo procedere con i post-hoc
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• L’unica differenza significativa è tra chi vive da solo e chi vive con coniugi o compagno/a e figli
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Esercitazione 5: Vogliamo sapere se le variabili psicologiche riportate nel dataset non sono in (cor)relazione tra loro (H0) oppure sì (H1)
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive
• Ci sono varie correlazioni significative, esploriamole!Ricordate: r < .01 → effetto trascurabile
.011 ≤ r ≤ .03 → effetto piccolo
.031 ≤ r ≤ .05 → effetto moderator ≥ .051 → effetto grande
UNIVERSITÀ DEGLI STUDI DI BERGAMO
Esercitazioni aggiuntive