Scarica L’ABC del programma SPSS e più Sbobinature in PDF di Metodologia della ricerca solo su Docsity!
L’ABC DEL PROGRAMMA SPSS:
SPSS è un software di statistica che consente l'analisi dei dati della ricerca psicologica. Le finestre principali di spss: 1.1-La finestra data editor: è una matrice dati. La prima finestra che viene aperta automaticamente quando si avvia una sessione di spss è quella denominata data editor. Il Data editor è un foglio elettronico di spss che contiene i dati che devono essere analizzati. I dati che verranno inseriti costituiscono il dataset con (corpo dati) su cui verranno eseguite le analisi statistiche. La finestra data editor offre due modalità di visualizzazione dei dati:
- data view (Visualizzazione dati): per ogni colonna visualizza i dati effettivi relativi ad una variabile quando presenti. -> caso x variabile -variable view (Visualizzazione variabili): Visualizza per ogni riga una serie di informazioni di definizione delle variabile ad esempio il nome o l'etichetta che sono stati assegnati (Name); il tipo di variabile:se stringa o dati numerici (type); il valore assegnato ai dati mancanti (missing). In entrambe le visualizzazioni sopra descritte è possibile aggiungere, modificare ed eliminare le informazioni contenute nel file di dati. È possibile in ogni momento modificare un dataset già esistente o appena creato sul data editor. Le modifiche possono riguardare:
- l'attribuzione di un nome-etichetta ad una variabile;
- l'inserimento di una nuova variabile;
- l'inserimento di nuovi soggetti;
- l'eliminazione di variabili e/o di soggetti. Per i nserire una nuova variabile , si Seleziona la colonna accanto alla quale si vuole inserire la variabile e successivamente: -Data (dati) -> insert variable (inserisci variabile): Verrà così inserita una nuova colonna, con tutte le celle sottostanti vuote. A questo punto si può procedere alla definizione della variabile e all'inserimento di nuovi dati. La procedura per l 'inserimento di un nuovo soggetto è simile: si Seleziona la riga sopra la quale si vuole inserire un nuovo soggetto e quindi: -data (dati) -> insert case (inserisci caso). Colora si voglia annullare l'inserimento, di un soggetto o di una variabile, si possono annullare i comandi selezionando: -edit (modifica) -> Undo insert case o variable (annulla inserisci caso o variabile). Volendo invece eliminare un soggetto o una variabile si seleziona la corrispondente riga o colonna nel caso della variabile e si preme il tasto canc della tastiera oppure: -Edit -> clear (cancella) Se si desidera tagliare una riga o una colonna : -edit -> cut (taglia) Se si vuole incollare in un'altra posizione la colonna o la riga tagliata, si posiziona il cursore nel punto del data editor prescelto e successivamente: -edit -> paste (incolla)
1.2-La finestra output-viewer: Riporta i risultati (output) delle analisi statistiche che sono state eseguite. La finestra viewer viene aperta automaticamente la prima volta che viene eseguita un'operazione che genera un output. È possibile ovviamente salvare e copiare l’output, tutto o in parte, o anche modificarlo, cancellando ad esempio le parti che non interessano. Per questo tipo di operazioni si utilizzano le opzioni del menu edit. Per selezionare tutto l'output si procede cliccando: -edit -> select all (seleziona tutto). 1.3-La finestra Syntax: Permette di salvare ciò che è stato fatto e di lasciare traccia risparmiando tempo. È possibile salvare i comandi utilizzati in una sessione di analisi dei dati (creando un file di sintassi) in modo da poter ripetere il tipo di analisi effettuata anche successivamente all'apertura di una nuova sessione. Un file di sintassi è un semplice file di testo all'interno del quale si possono scrivere i comandi in linguaggio spss per preparare i dati e per eseguire su di essi trasformazioni ed analisi di diverso tipo. Per aprire una finestra di sintassi è possibile utilizzare i comandi del menu file , selezionando: -file -> new -> syntax I comandi contenuti nella sintassi possono essere modificati, incollando nuove parti o togliendone altre che non sono più di interesse. L'attivazione della sintassi e quindi l'esecuzione dei comandi che essa contiene, avviene tramite il tasto-icona Run (esegui). Spss consente l'utilizzo simultaneo di più di una finestra di sintassi e più di una Output viewer, ma solo di un dataset (finestra data editor) per volta. 1.4.I menù e i comandi spss: Il programma contiene tutti i suoi comandi all'interno di una carie di menù che sono posti in alto sullo schermo. Diversi menù e i diversi comandi che si contengono sono: a)- barra dei menu relativa alla finestra data editor b)- barra dei menu relativa alla finestra output-viewer c)- barra dei menu relativa alla finestra syntax a) barra dei menu relativa alla finestra data editor: -file (documento): Al suo interno troviamo le opzioni relative all'apertura, al salvataggio, alla stampa e alla chiusura dei file e del programma. -edit (modifica): I comandi relativi alla modifica dei dati presenti nelle finestre -data (dati): contiene i comandi per definire le variabili, selezionare richiamare i dati o le variabili presenti nella finestra data editor. -transform (trasforma): contiene una serie di comandi utili per la trasformazione dei dati e per la creazione di nuove variabili. -analyze (analizza): contiene i comandi per eseguire le principali funzioni di analisi dei dati come ad esempio il calcolo delle medie, delle frequenze,... -graphs (grafici): consente l'accesso ai comandi riguardanti tutte le funzioni relative grafici. -utilities (strumenti): vi sono raccolte le informazioni sulle variabili dei file data.
alternativa della scala di risposta. La codifica dei dati è un'operazione intermedia Nel passaggio da un questionario compilato ad una matrice dati e dovrebbe seguire alcune regole che, oltre a facilitare l'inserimento dei dati, consentono una immediata lettura della matrice dati anche a chi non ha condotto personalmente le somministrazioni. Quando misuriamo qualcosa, trasformiamo una serie di eventi in numeri, cioè cerchiamo di stabilire una corrispondenza biunivoca tra numeri ed eventi. Le scale più utilizzate nella ricerca statistica sono: nominali, ordinali, ad intervalli e a rapporti equivalenti. Le prime due vengono definite non-parametriche , mentre le seconde parametriche. -Scala nominale: i valori dei dati rappresentano categorie senza alcun ordine intrinseco. Le variabili nominali possono essere valori di stringa o numerici che rappresentano categorie distinte, ad esempio 1 = maschio,2= femmina.
- scala ordinale: i valori dei dati rappresentano categorie con qualche ordine intrinseco. Le variabili ordinali possono essere i valori di stringa un numerici che rappresentano categorie distinte ad esempio 1=basso,2=medio,3=alto. -Scala ad intervalli equivalenti: è un sistema di classificazione nel quale i valori dei dati consentono di stabilire una relazione di distanza tra più oggetti misurati, a partire da uno 0 fissato in modo arbitrario e stabilendo una unità di misura costante. La scala ad intervalli equivalenti non consente di sapere la quantità effettiva di una caratteristica misurata su di essi ma stabilisce la loro posizione e la loro distanza reciproca lungo la scala.
- scala rapporti equivalenti: sistema di classificazione che, a differenza del precedente, consente di eseguire operazioni aritmetiche sui valori della Scala, essendo l'origine della Scala uno 0 assoluto. Misura la quantità effettiva di una caratteristica. LA CODIFICA DEI DATI: Nella pianificazione della codifica dei dati è opportuno tenere presente alcune regole:
- le variabili devono essere rappresentate in formato numerico perché facilita la gestione dei dati;
- È bene assegnare ad ogni soggetto un numero identificativo progressivo in modo da avere una corrispondenza tra il soggetto del file dati ed il questionario relativo allo stesso soggetto. Per la scelta dei codici numerici da assegnare le categorie di risposta si deve tenere presente che: è consigliabile una coerenza nella scelta dei codici ed è consigliabile una omogeneità dei codici con il tipo di risposta è rappresentato. Inserimento dei dato direttamente in SPSS: La finestra dei dati è simile ad un foglio di lavoro Excel, con Celle organizzate in righe e in colonne. Le colonne contengono le variabili. Ciascuna colonna rappresenta una variabile come ad esempio ogni voce del questionario. Le righe rappresentano i soggetti (i casi). Ogni persona che risponde ad un questionario, rappresenta un caso. La cella contiene il valore del soggetto nella variabile corrispondente. Definizione delle variabili: Il metodo più comune per l'inserimento dei dati consiste nel definire una alla volta le variabili e inserire i dati successivamente. Pertanto, prima ancora di inserire i dati, è
necessario pianificare il proprio dataset, ovvero il file nel quale verranno salvati i dati sotto forma di variabili. Il primo problema da affrontare per definire il dataset è la codifica dei dati, ovvero la traduzione delle informazioni in dati inseribili in spss. La prima cosa da fare è definire la prima variabile ( prima colonna). Per fare ciò si deve cliccare sul foglio visualizzazione variabili ( variable view ) e nella prima Cella Name dobbiamo inserire il nome della variabile, che non dovrà superare il formato di 8 caratteri. A questo punto si deve cliccare sulla cella corrispondente alla colonna Type (tipo) nella riga della variabile e quindi sul pulsante disponibile all'interno della Cella; verrà così aperta la finestra di definizione della variabile Variable type (tipo di variabile). Se si seleziona l'opzione Numeric (numerico), si possono anche decidere la quantità di cifre del numero e dei decimali. Oltre a definire il tipo di dati, con la scheda di visualizzazione delle variabili è possibile impostare anche le etichette (label) dei valori dei dati. Queste etichette descrittive saranno utilizzate negli output statistici e nei grafici. Poniamo il caso di voler definire le etichette dei valori da assegnare la variabile sesso impiegata nella nostra ricerca. Dobbiamo quindi procedere a:
- definire l'etichetta della variabile: clicchiamo sulla cella dell'etichetta ( Label) nella riga della variabile e digitiamo l'etichetta descrittiva (sesso). Poiché la variable label viene visualizzata nei risultati delle analisi, è importante che sia chiara per permettere una immediata lettura di questi;
- definire le etichette dei valori assumibili dalla variabile 2 punti che chiamo sulla cella valori (values) nella riga della variabile con la quale possiamo assegnare le etichette “ maschio” e “femmina” rispettivamente ai valori numerici 1 e 2. Per fare ciò in mettiamo il valore dei dati nel campo, value e l'etichetta descrittiva nel campo value label. Poi premiamo Add per memorizzare l'etichetta dei valori dei dati. Al termine premiamo ok. Il foglio Variable View consente di impostare altri parametri delle variabili oltre a quelli sopra descritti, tra i quali importante alla definizione dei valori mancanti Missing. Poiché infatti in ogni raccolta dati è probabile che ci sia qualche informazione mancante, Bisogna decidere nella codifica un valore specifico per indicare il programma quando non è possibile inserire le informazioni nella matrice dati. Cliccando nella cella corrispondente alla colonna missing della variabile Se apre una finestra attraverso cui si possono definire i valori mancanti per la variabile. La finestra attivata consente di definire i valori mancanti in diversi modi, in particolare: -Discrete missing values ( valori mancanti discreti): in questa casella vanno inseriti i valori discreti che devono essere considerati missing; Nel nostro caso potremmo utilizzare il valore 9 per tutte le variabili. Tale valore è comunemente utilizzato ed è quindi una convenzione che risulta utile quando si devono leggere dati codificati in altre persone. Infine, una volta che sono state definite le variabili, si può iniziare ad inserire i dati seguendo lo schema di codifica predisposto. CAP.3: APERTURA DEI FILE DATI: Apertura del file dati in formato Excel:
File -> Read text data ( leggi dati testuali) Nel campo tipo file è già preimpostata l'estensione del file di testo. Una volta selezionato il file di dati testuali da leggere, verrà aperta l’importazione guidata di testo, costituita da 6 step guidati dal programma. Questa importazione guidata viene comunque aperta in automatico dal programma anche se per aprire un file dati testuale si utilizza il comando Open descritto al precedente paragrafo. Nel primo passo il file di dati viene visualizzato nella finestra di anteprima. Sarà sufficiente fare clic su avanti per definire un nuovo formato. Nel secondo passo vengono richieste informazioni sulle variabili. Le variabili sono simili ai campi di un database, e in un file Excel o nel data editor sono rappresentate una per ogni colonna. Alla fine premiamo il pulsante avanti per passare allo step successivo. Nel terzo passo vengono richieste informazioni sui casi del database. Ogni persona che risponde ad un questionario, ad esempio, rappresenta un caso. Ad ogni caso corrisponde una riga nel set dei dati. In questo passo va specificato, nella prima casella in alto, da che riga iniziano i valori dei dati. Nell' importazione guidata di testo è necessario, inoltre, indicare il numero di variabili da leggere per ciascun soggetto. È possibile scegliere fra tre opzioni:
- All of the case: per importare tutti i casi del file dati;
- The first… Cases: per importare i primi”n” casi;
- A random percentage of the cases: per importare un campione casuale (random). Nel quarto passo viene illustrata nell'anteprima in basso la soluzione usata dalla procedura “importazione guidata di testo” per leggere il file dati che si sta importando. Nel caso si abbia un file del tipo a formato fisso le cui variabili in un anziano separate tra loro da nessun carattere o simbolo, questo step presenterà l'anteprima (data preview) come un set di dati consecutivi e potrebbe essere complicato stabilire dove le variabili iniziano e terminano. In questo caso è possibile inserire, modificare o cancellare le linee verticali che dovranno delimitare le variabili nel data preview. È importante tener presente che l'importazione guidata di testo presume che la presenza di delimitatori consecutivi nel file dati in testuale indichi dati mancanti. Nel quinto passo viene specificato il nome è il formato di dati che verrà usato dall'importazione guidata di testo per leggere tutte le variabili che saranno incluse nel file di dati finale. Nel caso volessimo modificare il formato di una variabile, dobbiamo cliccare sulla stessa Nella finestra di anteprima; una volta evidenziata è possibile scegliere il formato desiderato mediante l'elenco a tendina che può essere attivato dal riquadro data format e assegnare un nome diverso Alla variabile inserendola nel campo Variable name. Il sesto passo è il passo finale dell' importazione guidata di testo. In questo Step è possibile, attraverso il primo riquadro in alto, salvare le specifiche impostazioni selezionate e utilizzarli in seguito per la lettura di file di dati testuali simili.
CAP.4: LA PULIZIA DEI DATI (screening) Prima di procedere all'analisi dei dati è fondamentale controllare che nel loro inserimento non siano stati commessi errori. È bene procedere pertanto ad un controllo (screening) dei dati inseriti, verificando che non ci siano ad esempio valori non previsti dovuti ad errori di battitura, Che non si sia un messaggio qualche variabile, che non ci siano spazi vuoti nel dataset,... Ci sono numerosi modi per controllare la precisione dell'inserimento dei dati; tra di essi uno dei più utilizzati è l 'analisi delle frequenze. L’ANALISI DELLE FREQUENZE: Analisi delle frequenze ci consente di vedere quante persone hanno risposto in un determinato modo ad una certa variabile. Si può effettuare l'analisi delle sequenze per scale di tipo:
- nominale: ossia variabili come il “sesso del soggetto”;
- Ordinale: come ad esempio “ordine di arrivo ad una gara”;
- ad intervalli: come le variabili misurate con scale di tipo Likert. Il calcolo delle frequenze ci consente di:
- verificare che i valori presenti rientrino nella gamma dei valori previsti per la variabile considerata;
- verificare l'eventuale presenza di case mancanti;
- verificare la distribuzione delle risposte relative ad una specifica variabile. Per attivare l'analisi delle frequenze procediamo come segue: Analyze -> descriptives statistics -> frequencies ed otteniamo la finestra che è composta da due campi principali: uno a sinistra contenente le variabili del dataset e uno vuoto a destra dove devono essere inserite le variabili da sottoporre ad analisi; e da una serie di pulsanti, una orizzontale e l'altra verticale. Le variabili delle quali si vuole conoscere la distribuzione delle frequenze vanno selezionate e portate nel campo di destra intitolato Variable (s). Quando si utilizza l'analisi delle frequenze per lo screening dei dati, si selezionano di solito tutte le variabili di interesse in, per verificare se le risposte inserite nel dataset rientrano nei valori consentiti dalle relative scale. Per la scelta delle funzioni opzionali si ricorre ai tre pulsanti che compaiono in basso: -statistics: Per avere informazioni riguardo le statistiche descrittive della variabile; -charts (grafici): Per realizzare nelle rappresentazioni grafiche; -format: per scegliere il formato di presentazione dei dati.
Statistics:
Cliccando sul pulsante delle statistiche si apre una finestra composta da 4 riquadri: -valori percentili: contiene opzioni per la divisione della distribuzione in quartili e percentili;
- tendenza centrale: è relativo al calcolo di indicatori di tendenza centrale come media, mediana, moda;
dati, probabilmente commessi nella fase di inserimento. Nel nostro esempio, avendo per l’item 1 una scala di risposte con valori compresi tra 1 e 7, se trovassimo nella prima colonna dei valori non compresi in questo range di risposta, avremmo un'indicazione di probabili errori nell'inserimento dei dati, che vanno identificati e corretti. Una volta individuato il soggetto al quale corrisponde l'errore, possiamo risalire al corrispondente questionario per vedere il valore Esatto da inserire nel data editor; in caso non disponessimo del valore esatto, possiamo correggere l'errore nel file dati sostituendo il valore errato con un valore mancante.
Dati mancanti:
Qualora ci fossero degli spazi vuoti nel dataset, il programma li riporta in tabella come missing; infatti, la tabella iniziale statistics del viewer riporta un riepilogo dove vengono indicati il numero di dati validi conteggiati e il numero di casi mancanti per la variabile analizzata. Possiamo inoltre indicare al programma di riportare come missing anche altri valori, oltre agli spazi vuoti; ciò è possibile attraverso il comando ricodifica. Con la tabella delle frequenze è pertanto possibile avere un immediato riscontro della percentuale di risposte mancanti. Esistono due tipi di missing: -system missing: celle vuote -missing: valori mancanti (99,999…)
Outlier:
Gli outlier sono dei valori anomali, ovvero dei soggetti che presentano valori estremamente elevati o estremamente bassi in una variabile e che pertanto non contribuiscono ad una distribuzione normale della stessa. RICERCA DELLE CELLE CON SPAZI VUOTI E VALORI ERRATI: La ricerca e l'individuazione di spazi vuoti o di valori errati può essere eseguita direttamente sul dataset, dove è anche possibile effettuare delle operazioni di correzione. Una volta che è stata individuata la presenza di errori attraverso l'analisi delle frequenze, è infatti necessario risalire ai soggetti ai quali essi si riferiscono, riprendere i loro dati originali e reinserire il caso corretto. Per l'individuazione degli spazi vuoti e dei valori errati nel file dati si procede selezionando l'intestazione della variabili interessata e successivamente: Edit -> Find Nella finestra che si apre va inserito il valore cercato nella casella Find what (trova cosa). Successivamente si procede nella ricerca con il tasto Find next (trova successivo). Il programma evidenzierà di volta in volta, sulla finestra data editor, la cartella contenente il valore ricercato, che può essere immediatamente modificato con la tastiera. Calcolo di nuove variabili: 1.unidimensionalità 2.capovolgere item controscalari; 3.calcolo indice riassuntivo Dopo ogni ricodifica è bene fare una statistica descrittiva:
frequenza -> in modo da vedere la media e la deviazione standard, per vedere se ci sono errori come valori fuori range. CAP 5: LA TRASFORMAZIONE E LE OPERAZIONI SUI DATI Sulle variabili del dataset è spesso necessario portare una serie di modifiche, finalizzate principalmente alla creazione di nuove variabili o alla creazione di file dati che contengano solo un sottogruppo dei soggetti del campione. In questo capitolo verranno presentati i comandi e le istruzioni più importanti per operare trasformazioni ed operazioni su file di dati, in particolare le operazioni riguardanti il calcolo e la ricodifica di variabili, la selezione è l'ordinamento dei casi, la sostituzione dei valori mancanti, La divisione è l'unione di due o più file. Il menù principale che consente di operare queste trasformazioni è transform , contenuto nel menu data. L’istruzione compute (calcola): Attraverso questo comando è possibile eseguire delle operazioni aritmetiche tra le variabili. Solitamente viene utilizzata per generare una nuova variabile che deriva dalla somma dei punteggi degli item che la costituiscono: si combinano variabili presenti nel file creandone di nuove. Per attivare questa funzione si seleziona: Transform -> compute (calcola) La prima cosa da fare è digitare il nome di massimo 8 lettere della nuova variabile da calcolare nel campo target variable. Si può procedere a questo punto in due modi: 1- nel campo di sinistra dove sono elencate le variabili si evidenziano una alla volta quelle che vogliamo, ad esempio, sommare e si portano nel campo numeric Expression (espressione numerica). Tra una variabile e l'altra va digitata tramite tastiera della figura l'operazione che si intende eseguire (ad esempio “+” per la somma). 2-Nel caso si vogliano eseguire funzioni particolari, come ad esempio la media dei valori degli item, queste possono essere selezionate dal campo Functions. Dall’elenco Functions selezioniamo la funzione MEAN (media) e si selezionano una alla volta le variabili dal campo a sinistra dove sono elencate e si portano nel campo numeric Expression. Tutte le variabili elencate all’interno della parentesi devono essere separate tra di loro da virgole. Alla fine si preme il tasto ok e si ottiene nella finestra dei dati una nuova colonna con l'intestazione della nuova variabile. Avendo creato una nuova variabile, è consigliabile seguire anche su di essa le analisi descrittive per verificare la sua distribuzione e le statistiche principali ( media, deviazione standard, ecc.). Per far ciò si può procedere selezionando dal menù analyze (Analizza) e dall'elenco statistiche descrittive il comando frequenze. Nella finestra compute sono presenti altri due pulsanti: -type e label (tipo ed etichetta): Apre una finestra in cui si può attribuire un'etichetta descrittiva alla nuova variabile. -if (se): Apre una finestra in cui possono essere specificate alcune condizioni restrittive in base alle quali effettuare l'operazione di trasformazione appena impostata.
La prima delle opzioni range consente di immettere il limite inferiore e superiore dell'intervallo di valori in cui si intende raggruppare la variabile originaria. All'intervallo sarà assegnato un nuovo valore della nuova variabile. Le successive due opzioni range , posizionate nella parte bassa di Old value , consentono di inserire intervalli di valori aperti: -inferiormente tutti i valori fino a…x) -superiormente (tutti i valori da.. x in poi) L’ultima opzione “all other values” ( tutti gli altri valori) è da utilizzare nel caso ci siano da ricodificare valori non inclusi nei range precedenti; questi appariranno eventualmente con la voce else nel campo a destra Old -> new. Dopo aver eseguito una qualunque delle operazioni citate e dopo aver specificato il nuovo e vecchio valore della variabile si preme il pulsante add: la ricodifica impostata verrà visualizzata nel campo a destra Old -> new. Gli altri due tasti presenti in finestra hanno lo scopo di: -remove (rimuovi: annullare una modifica impostata -change (cambia): cambiare i valori vecchi/nuovi. Dopo aver impostato la ricodifica e aver controllato l'esattezza dei valori, si preme continue e il programma tornerà alla finestra iniziale. Premendo Ok si avvia il comando e nel file dei dati verranno effettuate le sostituzioni richieste, direttamente nelle colonne delle variabili selezionate. 2-into different variables (in variabili differenti): Per sostituire un valore assunto da una variabile con un altro, modificando il suo nome o l'etichetta e originando una nuova variabile in una nuova colonna. Per aggiungere al dataset nuove variabili costituite da variabili ricodificate si può utilizzare questa opzione che è preferibile perché non modifica le variabili originali contenute nella finestra dati. In tal caso non si aggiungeranno nuove variabili in fondo alla matrice dei dati in memoria, senza perdere così l'informazione contenuta nella variabile originaria, cosa che succede invece utilizzando la modalità “recode into Same variables”. Questa procedura è utilizzata solitamente per invertire le scale di risposta di alcune variabili, come ad esempio domande di questionari formulate in negativo e si fa selezionando: Transform -> recode -> into different variables La prima cosa da fare è attribuire il nome alla variabile che stiamo per creare. Scrivendo il suo nuovo nome nel campo name nel riquadro output variable e premendo change , al punto interrogativo verrà sostituito il nome della nuova variabile. Ad esempio, si vuole procedere all'inversione delle modalità di risposta della variabile item 1 con scala di risposta tipo likert a 7 posizioni, dove 1 = molto d'accordo, 2 = abbastanza d'accordo, fino a 7 = per niente d'accordo. Dovremo invertire il valore 1 con il valore 7, il valore 2 con il 6 e il 3 con il 5, e così per tutti; il 4 va specificato uguale a se stesso. Cominciamo con la prima inversione specificando in Old value il vecchio valore 1 e in New value il nuovo valore 7,premendo infine add. Nella seconda inversione mettiamo il vecchio valore 2 e il nuovo valore 6, premendo infine add, e così per tutte le ripetizioni.
Abbiamo due opzioni: -copy old value: Consente di mantenere il valore originale senza ricodificarlo. Nel nostro caso abbiamo utilizzato questa opzione per mantenere il valore medio 4 perché non è necessaria la ricodifica di questa modalità di risposta se si vuole invertire una scala da 1 a 7. -output variables are strings : Permette di definire le nuove variabili ricodificare come variabili stringa, ossia alfanumeriche. Alla fine delle impostazioni premiamo continue e, una volta nella finestra principale, Ok per dar corso alla creazione della nuova variabile che apparirà automaticamente nella finestra dati nell'ultima Colonna. L’istruzione count (conta): Con questa procedura si può riassumere in una nuova variabile la frequenza con cui un dato valore è presente in una lista di variabili. Ad esempio, vogliamo calcolare per ogni soggetto della ricerca-esempio, quante volte è stata fornita la modalità di risposta 4 (Né d'accordo né in disaccordo) agli item del questionario somministrato. Procediamo selezionando:+ Transform -> count (conta) Nella finestra che appare si seleziona la o le variabili di cui si vuole contare una modalità e si trasporta nel campo Numeric Variables. A questa variabile va assegnato un nuovo nome, da inserire nella casella target variable. Premiamo poi il tasto define values ( Definisci valori) per definire il valore delle modalità da contare. Ci appare una nuova finestra nella quale dobbiamo inserire il valore della modalità da contare nel riquadro value (scriviamo “4”); premendo infine il tasto add , nel riquadro values to count apparirà il dato prescelto. Con il tasto continue si torna alla finestra iniziale e con Ok si avvia il conteggio. L'esito del conteggio richiesto apparirà nell’ultima colonna che avrà ora il nome da noi scelto in precedenza. L’istruzione replace missing values (sostituisci i valori mancanti): Le osservazioni mancanti possono creare problemi durante l'analisi dei dati e non è possibile eseguire correttamente alcune operazioni statistiche se i dati presentano valori mancanti. L'opzione replace missing values consente di creare nuove variabili in base a quelle esistenti, sostituendo per ogni soggetto i valori mancanti con Stime calcolate in base a uno dei metodi disponibili. I nuovi nomi di variabile verranno attribuiti automaticamente dal programma nel dataset e saranno costituiti dai primi 6 caratteri della variabile esistente dalla quale sono stati creati, seguiti da un trattino basso (_) e da un numero sequenziale. Per la variabile età, ad esempio, il nome della nuova variabile sarà “eta_1 “. Per sostituire i valori mancanti si procede scegliendo dal menù: Transform -> replace missing values Portiamo la variabile interessata dal campo a sinistra a quello di destra; quindi selezioniamo il metodo che desideriamo utilizzare per la sostituzione dei valori mancanti attraverso l'elenco a tendina che si attiva dal campo Method (metodo). L’istruzione select cases (seleziona casi): Può essere necessario effettuare delle analisi limitandole ad una sola parte del campione, ad
-organize output by groups (organizza risultati per gruppi): Consente di rappresentare i risultati dell’output separatamente per ogni sottogruppo. -sort the file by grouping variables (ordina documento per variabili di raggruppamento): Consente di ordinare i casi per valori crescenti delle variabili di raggruppamento, qualora il file dati non sia già ordinato con tale criterio. Esempio: poniamo il caso di voler condurre analisi separate in base ai valori previsti per la variabile sesso dei soggetti; potremmo Infatti voler vedere se le medie delle risposte date ai item del questionario sono più elevate per i maschi o per le femmine. Per procedere al confronto tra i due sottogruppi selezioniamo l'opzione compare groups. Successivamente dall'elenco delle variabili selezioniamo sex e la spostiamo nel riquadro al centro. Una volta terminate le impostazioni premiamo ok ed il programma tornerà sulla finestra data editor. Da adesso in poi ogni calcolo che richiederemo sarà condotto separatamente ed i risultati saranno separati per i gruppi determinati dalla variabile sesso, maschi e femmine. L’istruzione Merge File (unisci file): Con questa istruzione è possibile aggiungere nuovi casi o nuove variabili al file originale attraverso i comandi add cases e add variables. 1-add cases (aggiungi casi): L'opzione Aggiungi casi consente di unire il file dati di lavoro con un secondo file dati contenente le stesse variabili ma casi diversi. Data -> merge file (unisci file) -> add cases (aggiungi casi) Si ottiene una finestra che permette di cercare il file da aprire e unirlo al file dati di lavoro. Una volta selezionato il file dati da aprire, si preme il tasto apri e si vedrà apparire una nuova finestra. In essa sono presenti due campi affiancati: -In quello di sinistra vengono riportate le variabili non appaiate, Ossia le variabili che non sono presenti in entrambi i file da unire e che quindi può essere necessario escludere dal nuovo file dati Unito. -Nel campo di destra, variables in new working data file (variabili nel nuovo file data), sono riportate le variabili che saranno presenti nel nuovo file dati di lavoro, Ovvero le variabili da includere nel nuovo file dati Unito. Alla fine delle operazioni si preme ok e si otterrà il file dati con il numero di casi è aggiornato secondo quanto richiesto. 2-add variables (aggiungi variabili): L'opzione Aggiungi variabili consente di unire il file dati di lavoro con un file da di esterno contenente gli stessi Casi, Ma variabili diverse. Per procedere si seleziona: data -> merge file -> add variables e si ottiene una finestra simile a quella precedente. In essa compaiono due campi:
- il primo contiene le variabili da escludere dal nuovo file dati Unito. La lista contiene per default i nomi delle variabili del file dati esterno che sono uguali a quelli del file dati di lavoro. -Nel secondo campo sono presenti le variabili da includere nel nuovo file dati Unito. Per default, tutti i nomi di variabile univoci in entrambi i file dati verranno inclusi nella lista.
L’istruzione sort cases (ordina i casi): Questa istruzione ci permette di ordinare i casi o i soggetti, ovvero le righe del nostro file dati, sulla base dell'ordine assunto dei valori di una o più variabili del set di dati. È possibile ordinare i casi in modo crescente o decrescente. Data -> sort cases (ordina i casi) All'interno della finestra troviamo il consueto elenco variabili sulla sinistra è un campo centrale, denominato sort by ( scegli per), nel quale riportiamo le variabili in base alle quali vogliamo ordinare i casi. CAP.6: FREQUENZE INCROCIATE (TABELLE A DOPPIA ENTRATA): Il capitolo presenta la funzione crosstabs utile per confrontare in un'unica tabella le frequenze di due variabili nominali o ordinali. Non siamo più in presenza di una sola variabile, ma attraverso questa funzione si può fare un confronto fra le modalità assunte da più variabili contemporaneamente. Nel corso delle analisi che si conducono solitamente sui dati può essere necessario studiare la co-occorrenza di due o più frequenze, ovvero verificare l'andamento delle frequenze di due o più variabili per studiare quanto alla presenza di una certa modalità di risposta riguardante una variabile, si associa una modalità di risposta su un'altra variabile che ci interessa studiare in relazione alla prima. Esempio: Supponiamo di voler conoscere quanti soggetti hanno scelto ognuna delle 7 alternative di risposta ad un item e tra essi quanti sono di sesso maschile o femminile. Questa statistica di associazione tra le variabili presenti in una ricerca può essere utile anche per verificare, Dopo la somministrazione, se il campionamento della popolazione ha rispettato un determinato criterio prefissato. Il comando crosstabs (tabelle incrociate): Attraverso il comando crosstabs è possibile incrociare, tramite tabella, due o più variabili della matrice dei dati allo scopo di ottenere un conteggio delle ricorrenze di determinati valori di una variabile confrontabili con quelli di un'altra variabile. Analyze -> descriptive statistics (statistiche descrittive) -> crosstabs (tabelle incrociate) L'elenco delle variabili presenti nella matrice dei dati e, come al solito, nel campo di sinistra, soltanto che ora dobbiamo selezionare due variabili, delle quali vogliamo incrociare le frequenze. Nei due campi a destra Row (righe) e column (colonne) dobbiamo inserire le variabili di interesse attraverso i pulsanti freccia posti alla loro sinistra. Esempio: vogliamo analizzare le distribuzioni di frequenza incrociate per le variabili sesso e la risposta ad un item (item 26) riguardante la percezione della propria capacità di farsi apprezzare dagli alunni. Inseriamo la variabile sex nel riquadro colonne e la variabile item 26 nelle righe, per ottenere una tabella doppia entrata. Se si inseriscono più variabili all'interno delle due Caselle righe e colonne la funzione crosstabs analizzerà tutti gli incroci possibili tra le variabili per riga e per Colonna. Prima di premere Ok, esaminiamo le opzioni che si possono attivare con i tre pulsanti posti in fondo alla finestra:
- statistics (statistiche): Le prime due opzioni che si incontrano in alto sono:
- se il residuo è minore di -2,nella cella in questione le frequenze osservate sono significativamente minori di quelle attese. Le tabelle successive dell’output sono relative al test del chi quadrato (chi-square test) e alla correlazione (symmetric measures). Nella prima tabella possiamo notare che il chi quadrato (pearson chi-square)Non è significativo in quanto la sua significatività, riportata nell'ultima colonna della tabella, È molto superiore alla soglia di 0,05. Ciò conferma quanto detto sopra riguardo alla assenza di associazione significativa tra le variabili. La significatività mi dice qual è la probabilità che ho di sbagliare se generalizzo il dato Dal Campione alla popolazione, vale a dire se è una regola o meno. Se è minore di 0,05 possiamo generalizzare perché al massimo sbagliamo nel 5% dei casi quando generalizziamo. Nella seconda tabella interessa solo rilevare che l'indice di correlazione (pearson’s R) è basso (R = 0,26), Ad ulteriore conferma degli risultati sopra emersi. Paste: Con questo pulsante è possibile tradurre i comandi e le opzioni che sono state impostate con i menù nella sintassi utilizzata dal programma. Per attivare l'analisi dalla finestra sintassi si dovrà premere il tasto Run. L'utilità di questa funzione deriva dal fatto che è più economica nei casi in cui si debba ripetere varie volte lo stesso comando per analisi successive. Dopo aver tradotto i comandi in sintassi con il tasto paste è opportuno salvare il tutto. In tal modo, volendo effettuare l'incrocio di frequenze tra variabili diverse, sarà sufficiente richiamare la serie di comandi presenti nella finestra sintassi precedentemente salvata e cambiare il nome delle variabili da sottoporre alla funzione crosstabs, senza dover selezionare nuovamente tutti i comandi. CAP.7: IL CALCOLO DELLE STATISTICHE DESCRITTIVE Il calcolo delle statistiche descrittive di una variabile sono quei parametri come la media e la deviazione standard, che sintetizzano come sono distribuiti nel campione i valori che essa può assumere. Ciò consente al ricercatore di verificare quanto tali valori si distribuiscono secondo un andamento normale o viceversa se alcuni di essi sbilanciano la distribuzione. Alcuni concetti della statistica di base che servono a descrivere in modo più dettagliato i punteggi riportati da un gruppo di individui: -Media: Rappresenta un indicatore che sintetizza il valore centrale di un insieme di dati, misurati a livello di scala a intervalli o a rapporti equivalenti. Il calcolo della media è una statistica descrittiva di base: può essere definita come una misura di tendenza centrale, ovvero come una misura che ci informa di come in media è un gruppo, pur non fornendo cioè alcune informazione su come siano distribuiti i punteggi da cui essa deriva. Il calcolo della media è importante per avere una visione complessiva e generale delle risposte fornite ad un determinato item o ad una variabile. -Deviazione standard: Anche chiamata scarto quadratico medio, è una misura della dispersione dalla media, ovvero di quanti punteggi si discostano da questa.
-Varianza: È la media aritmetica dei quadrati degli scarti dai punteggi originali rispetto alla media e si ottiene dal quadrato della deviazione standard. -Errore standard della media: Misura quanto il valore della media Può variare nella stessa popolazione. -Punteggio standardizzato: È il risultato della divisione tra lo scarto dalla media del campione di un determinato punteggio e la relativa deviazione standard. Si ottiene un punteggio con media 0 e varianza pari a 1. La sua utilità risiede nei casi in cui è necessario confrontare il punteggio di un soggetto rispetto al resto di un campione. Il calcolo delle statistiche descrittive e la lettura dell’output: Per attivare Descriptives e la relativa finestra di dialogo, selezioniamo: Analyze -> descriptives statistics (statistiche descrittive) -> descriptives Dall'elenco delle variabili posto nel campo a sinistra selezioniamo la Variabile o le variabili di cui vogliamo conoscere le statistiche descrittive e le spostiamo nel campo Variables posto a destra. Trasportiamo, ad esempio, dai dati in nostro possesso e le variabili efficacia personale ed efficacia collettiva. Sotto l'elenco delle variabili compare l'opzione “Save standardized values as variables” (Salva valori standardizzati come variabili) che consente di salvare i punteggi standardizzati. Il nome delle variabili aggiunte nelle ultime colonne del file dati è composto dalla lettera “z” più le prime sette lettere del nome delle variabili originali. I punteggi standardizzati Z una volta calcolati possono essere impiegati per individuare i soggetti outlier nel file dati. Individuazione degli outlier: Per individuare gli outlier si deve:
- standardizzare i punteggi relative alla variabile da analizzare attraverso l'opzione descritta sopra;
- effettuare una distribuzione delle frequenze della nuova variabile standardizzata;
- individuare i punteggi che corrispondono ad un valore Z maggiore di tre in valore assoluto e considerarli come possibili valori anomali. Options: Il tasto Options, consente di richiedere alcune operazioni importanti. La finestra attivata presente in alto Due opzioni per la richiesta della media e della somma dei valori di tutti i casi, e tre riquadri all'interno dei quali troviamo le caselle per la selezione delle opzioni: -Dispersion : Per il calcolo dei valori minimo e massimo assunti dalla variabile, dell'intervallo e degli indici di dispersione (varianza, deviazione standard, errore standard), definiti rispetto alla media; -Distribution: Per la richiesta degli indici di asimmetria e curtosi allo scopo di verificare la normalità della distribuzione; -Display order (visualizza ordine): per ottenere, nella visualizzazione dell'output, le variabili nello stesso ordine con cui sono state selezionate, oppure in ordine alfabetico. Premiamo Continue per tornare alla finestra principale e, da questa, OK per avviare il calcolo i cui risultati verranno riportati.
