Jamovi

Il programma si presenta su doppia pagina: il lato sx sembra un file di excel, nel lato dx si vedono i risultati

quindi appaiono grafici e tabelle. Procedimento per utilizzarlo:

1. Si apre un file: il programma supporta molti tipi di file e ti da anche la possibilità di usare anche suoi

modelli (come ad esempio: Big 5 studio correlazione, Bugs per misure ripetute…) > Lui ha aperto Bugs.

2. Aperto il file: In questo specifico file abbiamo una riga per partecipante, nel 90% delle analisi che noi

dovremo fare il data set sarà strutturato in questa maniera. Qui per ogni partecipante abbiamo ad esempio

genere, provenienza e studi e poi diverse variabili a cui hanno dovuto rispondere (in questo caso sono 4

variabili).

3. Menu -> data -> setup: si apre una finestra dove bisogna inserire

1. nome breve e senza spazi (meglio mettere anche le descrizioni così ci ricordiamo le variabili),

2. meassure type dobbiamo indicare che tipo di variabile è (nominale, ordinane - a dx ho i livelli legati

ale risposte -, continua o ID - se si scombina l’odine dei campioni mi permette di andare all’ordine

originario)

3. Data type decimale, intero o testo

4. Missing value indica come visualizzo i valori mancanti, di base lascia la cella vuota

4. Menu -> data -> compute: quando voglio creare una nuova variabile, mi si apre una finestra:

1. nome ad esempio Media,

2. formula escono tutte le diverse formule matematiche che si possono usare, quindi clicco ad esempio

su media e nelle parentesi inserisco le variabili che voglio calcolare divise da una virgola (importante:

se ho delle celle vuote il programma in automatico non me le calcola, quindi se voglio che ne venga

tenuto conto devo scrivere all’interno delle parentesi “ingnore_missing = 1”)

5. Menu -> data -> trasform: lo uso quando voglio modificare una variabile ad esempio mi potrebbe

interessare ill valore logaritmico o la sua radice quadrata. Mi si apre una finestra:

1. nome della trasformazione

2. source variabile e scelgo la variabile

3. using transform ne inserisco una nuova e mi si apre una finestra dove escono le nuove trasformazioni

matematiche che posso selezionare

6. Menu -> data -> trasform: altra cosa che posso fare con questo strumento è suddividere il campione in

sottogruppi:

1. Nome della trasformazione che in questo caso sarebbe categorie

2. source variabile seleziono la variabile che mi interessa

3. using transform indico una variabile nuova e poi clicco nella nuova finestra che mi si è aperta su add

recode condition e poi qui creo le categorie: nella prima cella aggiungo ad esempio > 3 e nella

seconda cella tra virgolette inserisco il nome della categoria.

7. Menu -> data -> Filtres: mi serve per visualizzare immediatamente determinate categorie di campioni,

anche qui mi si apre una finestra:

1. Nome: inserisco nome della variabile ad esempio Genere e poi scrivo == (il doppio uguale serve per

chiedere un confronto) e poi tra virgolette inserisco ad esempio “maschi”, oppure uso al posto degli

uguali il simbolo maggiore e minore se voglio qualcosa sopra o sotto un certo valore.

2. Swipe con tasto in alto a dx della finestra posso attivare e disattivare il filtro

8. Menu -> Analyses -> Exploration > descrittive: ci apre un pannello che ci offre tre diverse possibilità:

1. Tab e ll a di f re qu en za : selezioniamo la variabile che ci interessa e subito sotto troviamo la parte

Frequency tables che ci da la frequenza di un determinato valore, ad esempio per regione.

2. Tabelle statistiche: selezioniamo la variabile che ci interessa, possiamo usare anche lo Split by così

differenzia il campione per le diverse categorie che vogliamo, infine scegliamo cosa spuntare in base a

quali dati vogliamo ottenere nella tabella:

1. simple size (N e Missing - celle vuote),

2. Central Tendenti (media, mediana, moda e somma),

3. Description (indici di variabilità: deviazione standard, minimo, massimo, varianza, range tra

minimo e massimo, S.E. Mean che è l’errore standard e IQR che è l’intervallo interquartile).

4. Poi le tabelle posso copiarle e incollare su excel.

3. Plots (grafici): selezioniamo la variabile che ci interessa e poi possiamo scegliere come visualizzarla

(con i 3 puntini in alto a dx, si può modificare la visualizzazione del grafico), anche qui possiamo

utilizzare spilt by e si dividono i valori nello stesso grafico:

1. Bar Post mi da il grafico della tabella di frequenza

2. Istogrammi e densità per vedere se la variabile è distribuita o meno

3. Per esportarla clicco col tasto destro e la esporto

Anteprima parziale del testo

Scarica Programma Jamovi - appunti e più Appunti in PDF di Statistica solo su Docsity!

Jamovi

Il programma si presenta su doppia pagina: il lato sx sembra un file di excel, nel lato dx si vedono i risultati quindi appaiono grafici e tabelle. Procedimento per utilizzarlo:

Si apre un file : il programma supporta molti tipi di file e ti da anche la possibilità di usare anche suoi modelli (come ad esempio: Big 5 studio correlazione, Bugs per misure ripetute…) > Lui ha aperto Bugs.
Aperto il file : In questo specifico file abbiamo una riga per partecipante, nel 90% delle analisi che noi dovremo fare il data set sarà strutturato in questa maniera. Qui per ogni partecipante abbiamo ad esempio genere, provenienza e studi e poi diverse variabili a cui hanno dovuto rispondere (in questo caso sono 4 variabili).
Menu -> data -> setup : si apre una finestra dove bisogna inserire
1. nome breve e senza spazi (meglio mettere anche le descrizioni così ci ricordiamo le variabili),
2. meassure type dobbiamo indicare che tipo di variabile è (nominale, ordinane - a dx ho i livelli legati ale risposte -, continua o ID - se si scombina l’odine dei campioni mi permette di andare all’ordine originario)
3. Data type decimale, intero o testo
4. Missing value indica come visualizzo i valori mancanti, di base lascia la cella vuota
Menu -> data -> compute : quando voglio creare una nuova variabile, mi si apre una finestra:
1. nome ad esempio Media,
2. formula escono tutte le diverse formule matematiche che si possono usare, quindi clicco ad esempio su media e nelle parentesi inserisco le variabili che voglio calcolare divise da una virgola (importante: se ho delle celle vuote il programma in automatico non me le calcola, quindi se voglio che ne venga tenuto conto devo scrivere all’interno delle parentesi “ingnore_missing = 1”)
Menu -> data -> trasform : lo uso quando voglio modificare una variabile ad esempio mi potrebbe interessare ill valore logaritmico o la sua radice quadrata. Mi si apre una finestra: 1. nome della trasformazione 2. source variabile e scelgo la variabile 3. using transform ne inserisco una nuova e mi si apre una finestra dove escono le nuove trasformazioni matematiche che posso selezionare
Menu -> data -> trasform : altra cosa che posso fare con questo strumento è suddividere il campione in sottogruppi: 1. Nome della trasformazione che in questo caso sarebbe categorie 2. source variabile seleziono la variabile che mi interessa 3. using transform indico una variabile nuova e poi clicco nella nuova finestra che mi si è aperta su add recode condition e poi qui creo le categorie: nella prima cella aggiungo ad esempio > 3 e nella seconda cella tra virgolette inserisco il nome della categoria.
Menu -> data -> Filtres : mi serve per visualizzare immediatamente determinate categorie di campioni, anche qui mi si apre una finestra: 1. Nome: inserisco nome della variabile ad esempio Genere e poi scrivo == (il doppio uguale serve per chiedere un confronto) e poi tra virgolette inserisco ad esempio “maschi”, oppure uso al posto degli uguali il simbolo maggiore e minore se voglio qualcosa sopra o sotto un certo valore. 2. Swipe con tasto in alto a dx della finestra posso attivare e disattivare il filtro
Menu -> Analyses -> Exploration > descrittive : ci apre un pannello che ci offre tre diverse possibilità:
1. Tabella di frequenza: selezioniamo la variabile che ci interessa e subito sotto troviamo la parte Frequency tables che ci da la frequenza di un determinato valore, ad esempio per regione.
2. Tabelle statistiche: selezioniamo la variabile che ci interessa, possiamo usare anche lo Split by così differenzia il campione per le diverse categorie che vogliamo, infine scegliamo cosa spuntare in base a quali dati vogliamo ottenere nella tabella:
  1. simple size (N e Missing - celle vuote),
  2. Central Tendenti (media, mediana, moda e somma),
  3. Description (indici di variabilità: deviazione standard, minimo, massimo, varianza, range tra minimo e massimo, S.E. Mean che è l’errore standard e IQR che è l’intervallo interquartile).
  4. Poi le tabelle posso copiarle e incollare su excel.
3. Plots (grafici): selezioniamo la variabile che ci interessa e poi possiamo scegliere come visualizzarla (con i 3 puntini in alto a dx, si può modificare la visualizzazione del grafico), anche qui possiamo utilizzare spilt by e si dividono i valori nello stesso grafico:
  1. Bar Post mi da il grafico della tabella di frequenza
  2. Istogrammi e densità per vedere se la variabile è distribuita o meno
  3. Per esportarla clicco col tasto destro e la esporto

Apro file “Big 5” perché è un data-set di correlazione

Menu -> Analyses -> Exploration > descrittive :
1. scelgo la variabile che mi interessa inserendola nella prima cella
2. tabelle statistiche: tolgo tutte le spunte e metto quella di normalità. > Mi escono due coefficienti W (= skewness) e P (p-value) , se mi esce il valore della p-value sotto lo 0,05 allora non è distribuito normalmente, se invece ha un valore superiore allora può essere considerata distribuita normalmente.
3. Se la variabile non è normalmente distribuita vado a vedere la distribuzione attraverso:
  - (^) la skewnes: se ha un valore tra -0.5 e 0.5 allora la curva è simmetrica, se maggiore o minore di 0. allora è negativa o positiva.
  - (^) La curtosi: se è più alta di 1 è più a punta, sotto -1 è molto piatta. Per normalizzare la curva si può provare ad utilizzare una scala logaritmica, radice quadrata o cubica, inversa o reciproca, così che posso fare dei test psicometrici.
4. Grafici a punti: Vado sul + grande in alto a dx > libreria di Jamovi, ci sono pacchetti che posso scaricare e installo “scatr” che permette di fare dei grafici a punti.
Menu -> Analyses -> Exploration > scatterplots : mi si apre una finestra che mi permette di inserire diverse variabili e poi fare un grafico per vedere le correlazioni tra queste variabili.
1. Spuntare sempre la linea di regressione che fa capire la pendenza.
2. spunto anche errore standard che fa capire quanto è l’errore della linea.
Menu -> Analyses -> Regressione > matrice di correlazione : mi si apre una finestra nella quale scelgo le variabili e il programma mi da tutte le possibili coppie.
1. Pearson: lo spunto per fare il test di Pearson, report significante e flag significant correlazione sono anche da spuntare (il secondo aggiunge degli asterischi sul valore della tabella nel caso in cui la correlazione sia significativa), spuntare anche la N che va sempre riportata.
2. Tabella: viene visualizzata la tabella, se c’è il meno nel valore allora sappiamo che la correlazione è negativa, mentre il numero mi indica la forza della relazione delle due variabili, esce anche il p-value che mi dice se effettivamente c’è una relazione tra le variabili.
3. Spearman: lo spunto per fare il test di Spearman, poi spunto report significante, flag significant correlazione e N.
4. Hypothesis: indico cosa mi aspetto, è più probabile che il p-value mi vada sotto lo 0,05 per ciò che ho proposto.
5. Intervallo di confidenza: da spuntare, dove esce 95% che indica la sicurezza con cui si afferma una cosa e la precisione e la significatività del valore. Sulla tabella uscita un intervallo che se attraversa lo zero allora non è statisticamente significativo, se entrambi i valori dell’intervallo sono sopra o sotto allora sarà significativo.
Menu -> Analyses -> Regressione > lineare : si apre una finestra e vogliamo vedere se una variabile indipendente può predire (quindi produce un effetto di causa) la variabile dipendente, abbiamo quindi solo due variabili.
1. Selezioniamo le variabili che ci interessano, quella dipendente nella prima cella e quella indipendente nella seconda.
2. Model fit: spunto sotto Fit meassures: R, R2, Adjusted R2 (basata sulla variabile dipendente)
3. Model Coefficients: spunto standardize estimate, confidence interval (se nella tabella vediamo che l’intervallo è a cavallo del numero uno sappiamo che non è significativo)
4. Tabelle: che appare grazie alla freccia in alt a xd, sono due: una con i valori generali uniti e una che suddivide i valori per le singole variabili indipendenti. Posso visualizzare un unico p-value che indica se c’è un’influenza di causa-effetto o meno, tenendo conto di tutte le variabili. Vedo poi lo standard Estimate che indica l’inclinazione, la quale indica la forza ci correlazione dei predditori con l’outcome
5. Fattori: in questa cella posso inserire anche le variabili non continue, quindi nominali, come il genere
6. Reference level: mi mostra i fattori che ho selezionato con le loro sotto-categorie da selezionare per indagare la differenza tra i due.
7. Estimate marginal Means: vedo la relazione di ciascun predittore con l’outcome e posso creare il grafico che mi mostra tale relazione (vedere l’area attorno alla linea quanto è larga, più lo è e meno relazione c’è). Le regressioni però solitamente si riportano solo attraverso tabelle.
8. Model Bulder: posso creare dei modelli concatenati aggiungendo predittori. Quindi nelle celle metto tutti i predittori, seleziono poi quello che credo che abbia una relazione maggiore con l’outcome e in seguito aggiungo gli altri predittori per vedere se la situazione cambia, così vedo se un modello predice più relazionabilità rispetto ad un’altra. Se c’è variabilità tra un modello e l’altro, in genere si tende a preferire il modello con più predittori.
Menu -> Analyses -> Regressione > ordinale : mi si apre tabella
1. Nella prima cella inserisco la variabile ordinale che vogliamo relazionare e nella cella sotto vedo quali potrebbero essere i predittori

Assumption checks: importante come prima cosa è fare il test di normalità, quindi lo spunto, per vedere se posso svolgerlo, poi spunto anche l’omogeneità dei gruppi per vedere se davvero posso fare il test (se abbiamo un p sotto lo o,05 vuol dire che non c’è omogeneità e quindi non posso svolgerlo)
Additions statistic: spunto effect size, posso spuntare anche le descrittive (cosi mi esce una tabella con segnata la media, la mediana ecc…)
Hypothesis: seleziono “Group 1 = Group 2” per avere il test a due code e quindi capre se c’è dfferena o meno tra i due gruppi, mentre posso selezionare che il primo gruppo è maggiore o minore del secondo gruppo e svolgere il test a una coda.
Test: spunto Mann-whitney U per fare il test non parametrico, mentre le altre spunte le lascio come prima (solo non serve mettere l’effect size in questo caso).
Menu -> Analyses -> ANOVA > One-Way-ANOVA non parametrica : mi si apre una tabella
Seleziono la variabile dipendente e la variabile indipendente suddivisa in tre sottogruppi
Effect size: spuntare
Tabella: mi spunta un unico p-value che mi dice se la differenza è significativa o meno tra i 3 gruppi, ma non sappiamo quel gruppo è differente quindi
DSCF pairwise comparison: lo spunto così il software fa un t-test (o forse più probabile che faccia un Mann-whitney U, che non è parametrico) con tutte le possibili coppie e va a vedere se c’è una differenza significativa per ogni singola coppia. Sono comparazioni multiple, quindi più faccio comparazioni più è probabile che trovo una comparabilità proprio data dalla probabilità, il software ne tiene conto e quindi lo calcola.
Menu -> Analyses -> ANOVA > One-Way-ANOVA : mi si apre una tabella
Seleziono la variabile dipendente e la variabile indipendente suddivisa in tre sottogruppi
Assumption checks: importante come prima cosa è fare il test di normalità, quindi lo spunto, per vedere se posso svolgerlo, poi spunto anche l’omogeneità dei gruppi per vedere se c’è (se abbiamo un p sotto lo o,05 vuol dire che non c’è omogeneità) allora sotto Variances spunto “Assume equal", se non ci dovesse essere posso comunque svolgere il test l’importante che spunto sotto Variances “Don’t assume equal (Welch’s)”
Post-Hoc Tests: sotto Post-hoc test seleziono Games-Howell se ho spuntato prima Don’t assume equal (Welch’s), seleziono invece Turkey se prima ho spuntato Assume equal.
Statistics: spunto mean difference, report significance e flags significant comparison
Tabella: mi spunta un unico p-value che mi dice se la differenza è significativa o meno tra i 3 gruppi e nella tabella sotto mi fa vedere le varie relazioni tra i tre gruppi
Additions statistic: spunto le descrittive (cosi mi esce una tabella con segnata la media, la mediana ecc…), se spunto anche le descrittive plots mi da i grafici (ma non sono molto chiari)
Menu -> Analyses -> ANOVA > ANOVA : mi si apre una tabella
Inserisco un’unica variabile dipendente, mentre nei fattori inserisco due o più variabili indipendenti
Assumption checks: importante come prima cosa è fare il test di normalità, quindi lo spunto, per vedere se posso svolgerlo, poi spunto anche l’omogeneità dei gruppi per vedere se davvero posso fare il test.
Effect size: spunto partial n
Tabella: nella principale tabella trovo il p-value per ogni fattore, quindi vedo se c’è un effetto significativo per ogni fattore e se c’è un’interazione significativa tra i due fattori (quindi abbiamo tre p-value)
Post hoc test: inserisco tutti i fattori che voglio controllare nella cella (se so già che non sono significativi alcuni non ha senso usarli, uso solo quelli che prima mi hanno dato un buon p-value) così mi dice la differenza dei sottogruppi del campione, spunto sotto correction: bonferroni, mentre sotto Effect size spunto Cohen’s d.
Estimate marginal Means: per fare il grafico, seleziono le variabili che mi interessano da inserire nella cella, devo mettere sotto Plot lo standard Error per vedere se c’è differenza sgnificativa tra le varie condizioni (guardare se le barre di errore sii sovrappongono oppure no)
Menu -> Analyses -> t-test > Paired sample T-test : mi si apre una tabella
Inserisco le due variabili che vogliamo andare a comparare
Assumption checks: faccio il test di normalità per vedere se posso fare il test
Test: spunto student’s per fare il test parametrico
Tabella: controllo il p-value per vedere se c’è significatività
Additions statistic: spunto le descrittive (così mi esce una tabella con segnata la media, la mediana ecc…), spunto Effect size, e Description plots
Hypothesis: seleziono “Measure 1 = Measure 2” per avere il test a due code e quindi capre se c’è differenza o meno tra e due misure, mentre posso selezionare che la prima misura è maggiore o minore della seconda e svolgere il test a una coda.

Test: spunto Wicoxon rank per fare il test non parametrico e tengo spuntate le stesse altre cose.
Menu -> Analyses -> ANOVA > Repeated Measures ANOVA Fredman : se ho le variabili non normalmente distribuite, quindi poi mi si apre una tabella
Inserisco le tre variabili che voglio andare a confrontare nella prima cella, le quali devono avere tutte lo stesso fattore indagato
Tabella: mi dice i valori, ma non mi dice quali sono le coppie in relazione
Quindi spunto Pairwise comparison (Durbin-Canover), Descrittive e Descrittive plot, così che mi dice se ci sono relazioni tra tutte le possibili coppie di misure.
Menu -> Analyses -> ANOVA > Repeated Measures ANOVA : devo indicare il numero di fattori e il numero di livelli
Nella prima cella in alto inserisco i livelli dei tre fattori, nella seconda cella inserisco le tre variabili
Depended Variable label: inserisco stime temporal in questo caso
Effect size: spunto Partial n
Assumption checks: devo controllare test della sfericità (mi indica se la distanza tra ciascuna coppia è simile oppure no, devo controllare sia significativo o meno con il p-value, se non lo è devo spuntare sotto sfericità Greenhouse-geisser e posso togliere None).
Tabelle: mi da due tabelle, nella prima mi indica se c’è una differenza tra le tre variabili. Controllo i p- value.
Post-Hoc Tests: e spunto su corrections: Bonferroni.
Estimate marginal Means: per fare il grafico, devo mettere sotto Plot lo standard Error per vedere se c’è differenza significativa tra le varie condizioni (guardare se le barre di errore si sovrappongono oppure no)
Menu -> Analyses -> ANOVA > Repeated Measures ANOVA : con questo test posso andare a misurare cose ancora più complesse: devo indicare il numero di fattori e il numero di livelli:
nella prima cella in alto inserisco i livelli dei tre fattori,
nella seconda cella inserisco le tre variabili
nella terza cella in alto “Repeated Measure Factor”, posso scrivere i nuovi gruppi di fattori e mi aggiunge altri spazi per altre variabili
nella quarta cella: qui devo stare attenta a dargli in pasto le giuste variabili che vengono indicate.
Depended Variable label: inserisco stime temporal in questo caso
Effect size: spunto Partial n
Assumption checks: devo controllare test della sfericità (mi indica se la distanza tra ciascuna coppia è simile oppure no, devo controllare sia significativo o meno con il p-value, se non lo è devo spuntare sotto sfericità Greenhouse-geisser, tengo spuntata anche None se alcuni hanno sfericità), ora diventa importante guardare le line corrette perché per alcuni valor sarà corretto osservare la riga None e per altri fattori invece quella Greenhouse-geisser.
Post-Hoc Tests: spunto su corrections: Bonferroni, inserisco le due variabili che voglio andare a controllare nella cella. Inserisco nella cella anche la relazione tra le due variabili per essere sicura che c sia un’interazione tra le due (mi esce una tabella che mi fa tutte le possibili interazioni tra i punti che troviamo nel grafico, a noi in realtà interessano solo alcuni).
Estimate marginal Means: per andare a vedere se c’è interazione tra le variabili posso farlo osservando il grafico, devo mettere sotto Plot lo standard Error per vedere se c’è differenza sgnificativa tra le varie condizioni (guardare se le barre di errore si sovrappongono oppure no)
Menu -> Analyses -> ANOVA > Repeated Measures ANOVA : sempre con questo test posso andare a misurare la mixed ANOVA, e lo faccio aggiungendo il fattore di raggruppamento:
nella prima cella in alto inserisco i livelli dei tre fattori,
nella seconda cella inserisco le tre variabili
Nella tabella Between Subject Factors inserisco la variabile nominale, ad esempio genere
Assumption checks: devo controllare test della sfericità quindi la spunto e di conseguenza capisco se spuntare None o Greenhouse-Geisser, poi spunto anche l’omogeneità (che mi dice se c’è per ogni condizione ad esempio tra i maschi e le femmine in questo caso)
Tabelle: nella seconda tabella che è quella del Between subject Effects e controllo il p-value, nella tabelle principale vedo se c’è interazione nella relazione delle due variabili. Poi sempre utile andare a vederlo nel grafico.
Post-Hoc Tests: qui inserisco solo le variabili che hanno delle interazioni confermate dal p-value. Mi devo ricordare di spuntare nelle corrections: bonferroni.

Programma Jamovi - appunti, Appunti di Statistica

Documenti correlati

Anteprima parziale del testo

Scarica Programma Jamovi - appunti e più Appunti in PDF di Statistica solo su Docsity!

Jamovi