Scarica Riassunti corso LAB SPSS e più Schemi e mappe concettuali in PDF di Metodologia Della Ricerca Psicologica solo su Docsity!
SPSS : S tatistical P ackage for S ocial S cince. E’ usato per conservare i dati in formato elettronico e per manipolarli (ad es.; descrivere i dati attraverso frequenze o medie), per esaminare le relazioni tra i dati (ad es.: regressioni) oppure per confrontare i gruppi con l’ANOVA. Scale di misurazione (Stevens):
- nominale (più semplice): variabili qualitative non ordinabili. Le variabili sono categorie che hanno eventualmente differente valore stabilito arbitralmente (ad es.: M o F). Si possono ottenere informazioni sull’uguaglianza/differenza tra gli elementi e fare analisi descrittive minime. Le variabili sono ordinate in base allo loro grandezza, dunque si possono ottenere informazioni sulla loro posizione o ordine, ma non sulla loro differenza (ad es.: titolo di studio);
- ordinale: variabili qualitative ordinabili;
- ad intervalli: variabili quantitative. La distanza tra gli elementi è sempre la stessa (ad es.: temperatura). Non c’è uno 0 fissato;
- a rapporti (più complessa): variabili quantitative. Lo 0 è fisso e significativo (ad es.: età); gli elementi possono essere ordinati ed hanno una distanza fissa tra loro. Un database può essere creato in due modi:
- inserendo i dati direttamente in SPSS;
- importandoli da un file Excel.
I casi sono i soggetti, le diadi o i gruppi siglati con i numeri, che va da 1 fino al totale dei componenti. SPSS crea 3 file differenti, tra loro indipendenti, che vanno salvati singolarmente: editor dei dati “.sav”, leggibile solo da SPSS. I dati si possono visualizzare in modalità: “visualizzazione dati” (elenco dei casi) o “visualizzazione variabili”, ovvero l’elenco delle variabili distinte in:
- nome: non più lungo di 64 caratteri senza caratteri speciali e spazi tra le parole
- tipologia della variabile (numerico, stringa, data, valuta, ecc…)
- larghezza: massima grandezza dei valori della variabile che saranno visualizzati
- decimali dopo la virgola da visualizzare
- etichetta: descrizione della variabile, scritta direttamente in SPSS
- “missing”: numeri mancanti o non completati da non considerare. Generalmente sono usati valori molto distanti dalla distribuzione della variabile
- colonne: ampiezza delle celle da visualizzare nella visualizzazione dati
- allineamento dei dati: destra, sinistra o centro
- scala di misura della variabile: attribuita automaticamente da SPPS (nominale, ordinale o scala, che comprende “ad intervalli” o “a rapporti) foglio di output “.spv”, leggibile solo da SPSS. Il file output compare automaticamente quando si apre un file dati. A sinistra, si trova la sintesi cronologica delle operazioni eseguite, che inizia con “output” diviso in “Log”, che è la descrizione della stringa di comando necessaria per eseguire le azioni ed altre sottocategorie a seconda delle operazioni richieste, ad esempio “frequenze”. A destra, invece, si
visualizzeranno i risultati delle operazioni effettuate e gli avvisi qualora si siano state effettuate operazioni scorrette. foglio di sintassi “.sps”, leggibile attraverso software di lettura come WordPad. FILE ➔ NUOVO ➔ SINTASSI A destra si scrivono i comandi di sintassi, mentre a sinistra sarà visualizzato l’elenco dei comandi in ordine cronologico. I “Log” possono essere copiati nel foglio di sintassi. Per eseguire la sintassi è necessario selezionarla e poi cliccare la freccia verde presente nella toolbar. Una volta eseguita la sintassi, i risultati delle analisi statistiche saranno visualizzati nel foglio di output. ➢ Il comando “ ordina casi ” è una funzione che consente di ordinare i casi del database secondo un criterio stabilito a priori. DATI ➔ ORDINA CASI ➔ scegliere la variabile in base a cui ordinare i dati* ➔ OK A sinistra si visualizzeranno le variabili, mentre a destra, nello spazio bianco, compariranno le variabili che si selezioneranno per eseguire le operazioni. E’ possibile visualizzare i dati in modo “ascendente” o “discendente”*. Per selezionare una variabile e “trasportarla” a destra è necessario selezionarla e poi cliccare la freccia rivolta verso destra per spostarla nell’altro riquadro. ➢ Il comando “ aggiungi casi ” consente di unire due file che contengono le stesse variabili, ma casi diversi. Si usa quando due persone lavorano sulla stessa raccolta dati, ma con soggetti diversi (le variabili restano le stesse). DATI ➔ UNISCI FILE ➔ AGGIUNGI CASI ➔ selezionare la voce “file SPSS esterno” (per aggiungere casi bisogna aver creato un altro file SPSS da aggiungere al principale. Non è possibile aggiungere un file .xls ad uno SPSS) ➔ cerca ➔ selezionare il file .sav da unire ➔ CONTINUA ➔ comparirà una finestra divisa in due parti: a destra le variabili del nuovo database, mentre a sinistra le variabili escluse dal database finale ➔ OK ➢ Il comando “ aggiungi variabili ” consente di unire due file che contengono gli stessi casi, ma variabili diverse. Si usa quando due persone lavorano sulla stessa raccolta dati, ma con soggetti diversi (i soggetti sono gli stessi). DATI ➔ UNISCI FILE ➔ AGGIUNGI VARIABILI ➔ selezionare la voce “file SPSS esterno” da aggiungere al file principale. Non è possibile aggiungere un file .xls ad uno SPSS) ➔ cerca ➔ selezionare il file .sav da unire ➔ CONTINUA ➔ comparirà una finestra divisa in due parti: a destra le variabili del nuovo database, mentre a sinistra le variabili escluse dal database finale ➔ OK
- ricodificare un intervallo di valori in un valore nuovo da stabilire;
- dal valore più piccolo fino ad un limite scelto arbitrariamente, in un valore nuovo;
- ricodificare dal valore massimo della distribuzione ad un nuovo valore.
➢ Le analisi descrittive sono analisi monovariate (comprendono un’unica variabile) e sono:
- frequenze : ANALIZZA ➔ STATISTICHE DESCRITTIVE ➔ FREQUENZE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra, attraverso la freccia nel mezzo, la variabile che si vuole analizzare ➔ cliccare su “statistiche” in alto a destra se si vogliono selezionare altre analisi oltre alle frequenze (indici di tendenza centrale: media, mediana, media e somma - valori percentili: quartili o percentili - indici di dispersione: DS, varianza, intervallo, MIN, MAX ed errore standard della media o asimmetria/curtosi) ➔ CONTINUA ➔ cliccare su “grafici”* solo se necessari ➔ INCOLLA
- il tipo di grafico dipende dalla scala di misurazione della variabile: ad esempio, una variabile nominale utilizza un grafico a torta. L’analisi delle frequenze, inoltre, permette di verificare che tutti i dati inseriti siano stati inseriti nel modo corretto, altrimenti si troverà qualcosa di innaturale nei risultati. E’ possibile effettuare un’analisi delle frequenze su tutti i tipi di variabili a prescindere dalla scala di misura, anche se sono più opportune per le variabili qualitative. Quando si visualizza la tabella delle frequenze, bisognerà distinguere tra:
- frequenza percentuale: calcolata sul totale dei soggetti, che includerà anche i missing , ovvero chi non ha risposto all’item;
- frequenza percentuale valida: calcolata sul totale dei soggetti che hanno risposto all’item che si sta studiando;
- distribuzione di frequenza : calcolabile su tutte le variabili;
- percentuali : calcolabile su tutte le variabili;
- indicatori di tendenza centrale (solo variabili quantitative): ANALIZZA ➔ STATISTICHE DESCRITTIVE ➔ DESCRITTIVE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra, la variabile che si vuole analizzare ➔ cliccare su “opzioni” in alto a destra ➔ selezionare le analisi necessarie (media, somma, DS, MIN/MAX, varianza, curtosi, e asimmetria) ➔ CONTINUA ➔ INCOLLA
- indicatori di dispersione. Dopo il comando INCOLLA è necessario selezionare la sintassi e lanciare il comando dalla freccia verde presente nella toolbar per poter visualizzare il file di output! Qualora si abbiano inserito dei dati errati, le analisi andranno rifatte da capo in quanto SPSS non le aggiorna se si cambiano i dati. Come descrivere le variabili presenti nel file dati?:
- qualitative (nominali ed ordinali): le modalità della variabile indicano modi in cui può presentarsi un fenomeno, ma non le quantità (ad es.: il genere è una variabile qualitativa nominale poiché non si può stabilire un ordine, il titolo di studio, invece è una variabile qualitativa ordinale poiché si può stabilire un ordine tra i vari gradi di studio).
Per le variabili nominali, oltre che le frequenze si può calcolare solo la moda; per quelle ordinali, moda e mediana. La moda sarà visualizzata nella tabella di output “statistiche” attraverso la voce “modalità”.
- quantitative (ad intervalli ed a rapporti): le modalità della variabile indicano una quantità diversa dello stesso fenomeno (ad es.: età). Per le variabili quantitative, oltre che le frequenze si può calcolare: moda, media, mediana, campo di variazione e DS. Per descrivere una variabile quantitativa è necessario riportare sempre media, DS, MIN e MAX. ➢ L’ analisi bivariata descrive due variabili insieme, ovvero la distribuzione della prima congiuntamente alla distribuzione della seconda. ANALIZZA ➔ STATISTICHE DESCRITTIVE ➔ TABELLE DI CONTINGENZA ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra le variabili che si vogliono analizzare: una andrà nella sezione “righe” e l’altra in “colonne”: l’ordine non è importante ➔ cliccare su “celle” solo se: si è interessati alle percentuali di riga, di colonna e totale per visionare le percentuali congiunte delle variabili ➔ CONTINUA ➔ INCOLLA Nelle celle le variabili sono descritte congiuntamente. 45 su 90 = 50% delle femmine con diploma di maturità sul tot. femmine 45 su 93 = 48,4% delle femmine con diploma di maturità sul tot. di coloro che hanno un diploma 45 su 176 = 25,6% delle femmine con diploma di maturità sul tot. complessivo dei partecipanti ➢ Il calcolo del punteggio complessivo serve a costruire di una nuova variabile che inglobi più parti (ad es.: più item di una variabile, ovvero, un questionario). TRASFORMA ➔ CALCOLA VARIABILE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ impostare il nome della nuova variabile ➔ cliccare su “tipo ed etichetta” solo se: si vuole ulteriormente specificare l’etichetta ➔ CONTINUA ➔ cliccare dalla parte destra della finestra “tutto” in “gruppo di funzioni” ➔ spuntare da “funzioni e variabili speciali”: “Mean” con doppio click ➔ selezionare e trasportare a destra le variabili da aggregare, divise dalla virgola ➔ INCOLLA Per verificare che la nuova variabile sia stata creata è necessario andare in “visualizzazione variabili” e verificare che al termine dell’elenco sia stata aggiunta.
➢ Il Chi-quadrato (𝞆²) studia l’associazione di due variabili qualitative per verificare se è presente un’associazione statisticamente significativa tra di esse. In “visualizzazione variabile” si può guardare la modalità di risposta alle domande dalla cella “valori”, cliccando sulla freccina al lato della cella stessa. Dato che le variabili sono qualitative, potrò capire le possibili risposte (ad es.: vivi ancora con i genitori? “si” - “no”). ANALIZZA ➔ STATISTICHE DESCRITTIVE ➔ TABELLA DI CONTINGENZA ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra le variabili che si vogliono analizzare: una andrà nella sezione “righe” e l’altra in “colonne”: l’ordine non è importante ➔ cliccare su “statistiche” in alto a destra ➔ spuntare la voce “chi-quadrato” e “Phi e V di Cramer” qualora di volesse conoscere anche la dimensione dell’effetto ➔ CONTINUA ➔ cliccare su “celle” in alto a destra ➔ spuntare la voce:
- “conteggi osservati”
- “percentuali di riga”
- “percentuali di colonna”
- “percentuali totali” solo se: richiesto dalla domanda di ricerca ➔ CONTINUA ➔ INCOLLA Qualora l’analisi sia significativa, si può definire anche di quanto, grazie alla V di Cramer: il punteggio atteso (“punteggio previsto”) e quello osservato (“conteggio”) permettono di specificare meglio l’associazione delle variabili. ➢ La correlazione studia l’associazione tra due o più variabili quantitative, cioè variabili per cui si possa calcolare media e DS. ANALIZZA ➔ CORRELAZIONE ➔ BIVARIATA ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra le variabili che si vogliono analizzare ➔ cliccare su “opzioni” in alto a destra e spuntare:
- “medie e DS”
- valori mancanti: “escludi casi listwise” oppure “escludi casi pairwise” ➔ CONTINUA ➔ INCOLLA I valori mancanti ( missing ) possono essere trattati con:
- Metodo pairwise: i coefficienti di correlazione sono calcolati per ogni coppia di variabili su tutti i
dati disponibili per quella coppia. Si escluderanno i casi che presentano valori mancanti ( missing ). La numerosità sulla quale sarà condotta l’analisi varierà di volta in volta. Usare quando il ricercatore nella domanda di ricerca esplicita un interesse per l’associazione tra coppie di variabili, ovvero per il legame tra diverse coppie di variabili. Spuntata di default da SPSS. Non è detto che la correlazione sia condotta su tutta la numerosità campionaria (N): questo lo si può notare nella tabella delle correlazioni sotto la voce “N listwise”: se il numero coincide con N è stata condotta su tutto il campione altrimenti solo su un numero determinato di soggetti;
- Metodo listwise: i coefficienti di correlazione sono calcolati solo sui casi che hanno valori validi su
tutte le variabili che si vogliono studiare. Usare quando il ricercatore nella domanda di ricerca è interessato a verificare la presenza dell’associazione in generale, tra tutte le variabili incluse nella domanda di ricerca. Non è detto che la correlazione sia condotta su tutta la numerosità campionaria (N): questo lo si può notare nella tabella delle statistiche descrittive sotto “N” di ogni variabile per ogni riga. Inoltre, lo si può notare anche nella tabella delle correlazioni sotto la voce “N”. ➢ La regressione semplice studia la relazione lineare tra una o più variabili esplicative quantitative o qualitative (V.I.: cause) ed una variabile criterio, sempre quantitativa (V.D.: effetto). Ha un solo predittore-variabile esplicativa, che si pensa essere la causa dell’associazione delle variabili. ANALIZZA ➔ REGRESSIONE ➔ LINEARE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra la variabile dipendente e quella indipendente ➔ cliccare su “statistiche” in alto a destra* ➔ spuntare la voce “descrittive”, che corrisponde a media, DS e correlazione ➔ CONTINUA ➔ INCOLLA
- “stime” (dei coefficienti di regressione): dà il valore esatto del coefficiente di regressione
corrispondente ad ogni predittore;
- “adattamento del modello”: dà informazioni sul modello di regressione generale, ovvero a quanto
corrisponde l’R² della regressione. RISULTATI : Se è presente correlazione tra le variabili (lo si può verificare nella tabella “correlazioni”) ha senso verificare se c’è una variabile-causa. La tabella “riepilogo del modello” e “ANOVA” danno informazioni sul modello di regressione in generale, ovvero se i predittori spiegano la V.D.:
- nella tabella “ANOVA" va osservata la significatività (Sign.) e la “F”. Se l’analisi è significativa, il
predittore spiega la V.D.;
- per capire quanto è grande l’effetto dei predittori sulla spiegazione della V.D. occorre leggere l’R²
adattato nella tabella “riepilogo del modello”;
- nella tabella “coefficienti”, per ogni predittore si potrà osservare il Beta standardizzato che descrive
la relazione tra la V.I. e la V.D. e se essa è significativa (Sign.). ➢ La regressione multipla ha almeno due predittori ed una V.D.. ANALIZZA ➔ REGRESSIONE ➔ LINEARE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra la variabile dipendente e quelle indipendenti ➔ cliccare su “statistiche” in alto a destra ➔ spuntare la voce:
- “descrittive” (che corrisponde a media, DS e correlazione)
- “diagnostiche di collinearità”* dato che la regressione è multipla ➔ CONTINUA ➔ INCOLLA
L’ ANOVA ( ANalysis Of VAriance ) serve per verificare un legame causale tra le variabili confrontando due o più medie (ad es.: se la soddisfazione familiare cambia prima e dopo il matrimonio). Tipologie: ANOVA fattoriale tra i soggetti; ANOVA a misure ripetute; ANOVA mista. ➢ L’ ANOVA fattoriale tra i soggetti verifica il legame-effetto causale di almeno 2 V.I. qualitative misurate su scala categoriale su una V.D. quantitativa misurata su scala cardinale. Le V.I. sono tra i soggetti, cioè il soggetto può appartenere ad un solo gruppo-condizione. ANALIZZA ➔ MODELLO LINEARE GENERALE ➔ UNIVARIATA ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra la V.D. ➔ trasportare a destra, attraverso la freccia nel mezzo, le V.I. nel riquadro “fattori fissi”* ➔ cliccare su “opzioni” a destra e spuntare:
- “statistiche descrittive” per confrontare successivamente medie e DS;
- "test di omogeneità” (Test di Levene) per verificare se le varianze sono omogenee;
- “stime della dimensione degli effetti” per valutare l’effect size ➔ CONTINUA ➔ cliccare su “post hoc” a destra solo se: una delle V.I. ha più di due livelli ➔ spostare le V.I. con più di due livelli a destra del riquadro ➔ spuntare il test post-hoc di Tukey ➔ CONTINUA ➔ cliccare su “grafici”**: nel riquadro “linee separate” va inserita la V.I. che ha meno livelli, mentre in “asse orizzontale” quella che ne ha di più ➔ cliccare su “aggiungi” ➔ CONTINUA ➔ INCOLLA
- in caso di ANOVA univariata, si inserirà nello stesso riquadro “fattori fissi”, l’unica V.D.. ** il grafico di profilo serve a capire i livelli di interazione tra le V.I.. Nell’ANOVA fattoriale ci si aspetta: ✓l’effetto principale per ciascuna della V.I. ✓ l’effetto di interazione tra le V.I. sulla V.D. RISULTATI :
- nella tabella “fattori tra i soggetti” vengono riportati i fattori (V.I.) del modello: per ciascun livello
della V.I. vengono contati i soggetti appartenenti;
- la tabella “statistiche descrittive”, se richiesta, riporta media e DS della V.D. rispetto alle V.I. e alla
loro interazione. Questa tabella è importante per commentare gli effetti di interazione significativi.
In questo caso, l’autostima ricevuta dal proprio padre varia in funzione se il soggetto ha o meno un partner;
- la tabella “Test di Levene”, se richiesta, permette di verificare che non sia violato il criterio di
omogeneità delle varianze, ovvero verifica l’ipotesi nulla che la varianza d’errore delle V.D. sia uguale tra i gruppi;
- nella tabella “Test di effetti tra i soggetti” vengono riportati gli effetti tra i soggetti.
Questa tabella permette di rispondere alla domanda di ricerca “c’è una differenza la V.D. in funzione dei vari livelli delle V.I.?”. Guardare il valore di F, la Sign. e l’Eta quadrato per ogni V.I. per verificare se c’è effetto di interazione. Solo se l’interazione è significativa, andranno commentati questi dati insieme al commento del valore delle medie presenti nella tabella delle statistiche descrittive risultati significativi
- il grafico aiuta a commentare l’interazione se significativa, in modo descrittivo:
In questo caso, l’analisi ha mostrato la presenza dell’effetto principale della V.I. “partner”, infatti, i giovani che ne hanno uno, hanno un maggiore livello di autostima (V.D). Tuttavia, questa tendenza cambia quando la V.I. “partner” entra in interazione con l’altra V.I. “autonomia ricevuta dal padre”: se il livello di autonomia ricevuto dal padre è medio, chi non ha il partner ha un livello di autostima maggiore rispetto a chi ce l’ha. Se si richiede anche il test post hoc (Tukey) per la V.D. che ha più livelli, otterremo anche: SI NO
punto) e si deve far riferimento direttamente alla Sig. della prima colonna “sfericità presunta” della tabella del Test di effetti entro i soggetti.
- il grafico va osservato solo se il fattore entro i soggetti è significativo, poiché aiuta a comprendere
in che modo il fattore entro i soggetti ha effetto sulla V.D. Commento del grafico: la depressione ha livelli più alti al t1(prima del trattamento) rispetto a t2(durante il trattamento) e t3(dopo il trattamento). Siccome c’è lontananza della media di t 1 rispetto alle due, sembrerebbe che la depressione al t 1 è maggiore rispetto alle due, che sembrano più simili. Va riportata la media della depressione nei vari t, che si trova nelle statistiche descrittive: Mdepressionet1 = 2, Mdepressionet2 = 2, Mdepressionet3 = 2, La Mdepressionet1 è quindi significativamente maggiore i quelle al t2 e al t 3. Non si può conoscere con certezza dove risieda la differenza tra i vari tempi (cioè è solo tra t 1 t 2 o tra t2 e t 3 ) poiché servirebbe un’analisi post-hoc per confrontare più medie alla volta, che però non possono essere richiesti nell’ANOVA a misure ripetute.
➢ L’ ANOVA mista presenta almeno 2 V.I. qualitative, almeno una tra ed almeno una entro i soggetti misurate su scala categoriale. La V.D. è quantitativa misurata su scala cardinale. Ad esempio, si vuole verificare se la percezione dell’ansia (V.D.) cambia prima, durante e dopo un trattamento (tempo = V.I.) e se essa è influenzata dal genere (V.I.). ANALIZZA ➔ MODELLO LINEARE GENERALE ➔ MISURE RIPETUTE ➔ siccome il fattore entro i soggetti non può essere inserito nel dataset, si deve inserire manualmente:
- scrivere il nome nel riquadro “nome fattore entro i soggetti” (ad es.: tempo)
- inserire il numero dei livelli, ovvero le modalità della V.I.
- cliccare su “definisci”, in basso a sinistra, per impostare a quale V.D. i livelli della V.I. si dovranno riferire: si troveranno già i livelli, poiché precedentemente impostati, quindi è necessario trasportare nel riquadro “variabili entro i soggetti” la V.D. da esaminare (ad es.: 1 = prima corrisponde a ANS1, 2 = durante corrisponde a ANS2 e 3 = dopo corrisponde a ANS3) ➔ trasportare la/le V.I. entro, nel riquadro “fattori tra i soggetti” ➔ cliccare su “grafici”: il fattore entro i soggetti, quello con più livelli, va nel riquadro “asse orizzontale”, mentre il fattore tra i soggetti, quello che ha meno livelli, va nel riquadro “linee separate” ➔ cliccare su “aggiungi” ➔ CONTINUA ➔ cliccare su “opzioni” e spuntare:
- “statistiche descrittive”: si otterrà media e DS dell’ansia nei 3 tempi
- “stima della dimensione degli effetti”: quanto la/le V.I. ha effetto sulla V.D., ovvero quanto il tempo incida sull’ansia
- “test di omogeneità”, poiché è presente almeno una V.I. tra i soggetti ➔ CONTINUA ➔ cliccare su “Medie EM” (medie marginali stimate) a destra ➔ spostare nel riquadro “visualizza medie per” le V.I. tra i soggetti ➔ CONTINUA ➔ INCOLLA RISULTATI :
- la tabella “Fattori entro soggetti” ricorda la divisione della V.D. (ad es.: ansia) per i livelli della V.I.
che è il fattore entro i soggetti (ad es.: tempo);
- la tabella “Fattori tra i soggetti” divide il fattore/i della V.I. tra i soggetti (ad es.: sesso) per i livelli
della variabile stessa (2: M e F) e conta quanti soggetti appartengono a ciascun gruppo;
- la tabella “Test di effetti entro i soggetti” permette di capire se il fattore entro i soggetti, ovvero la
V.I. ha un effetto significativo sulla V.D. (tempo su ansia). Il risultato del fattore entro i soggetti è presentato su righe diverse, dunque per capire quale riga guardare bisogna fare riferimento alla tabella “Test della sfericità di Mauchly”:
- se la colonna Sign. ha un valore >.005, quindi non significativa, ci si deve riferire alla prima riga della tabella del Test di effetti entro i soggetti, “sfericità presunta” e guardare la relativa Sign.. A questo punto, bisogna commentare le statistiche descrittive ed il grafico in merito a questo risultato.
- se la colonna Sign. ha un valore <.005, quindi è significativa, ci si deve riferire alla seconda riga della tabella del Test di effetti entro i soggetti, “Greenhouse-Geisser” e guardare la relativa Sign., che, se >.005 è significativa, quindi c’è un effetto significativo del fatto entro sulla V.D. (il tempo incide sulla depressione). Questo procedimento va svolto esclusivamente se la V.I. “entro” ha almeno 3 livelli. Se la V.I. ha solo 2 livelli, il Test di Mauchly non viene stimato (nella colonna Sign. ci sarebbe solo un punto) e si deve far riferimento direttamente alla Sig. della prima colonna “sfericità presunta” della tabella “Test di effetti entro i soggetti”.
Commento del grafico: l’ansia al t 3 , cioè al temine del trattamento è più bassa dell’ansia provata al t 2 e al t 1 , ovvero durante e prima del trattamento. Unità sulla misurazione: sono necessarie scale di misurazione per la misurare i costrutti latenti. ➢ L’ analisi fattoriale permette di verificare se la risposta che i soggetti danno agli item dipende da un fattore latente (costrutto che si sta misurando) o se le risposte dipendono da più costrutti, quindi da sotto-dimensioni del costrutto indagato. Si vuole avere un’idea della correlazione tra le variabili osservate ed il costrutto latente, individuando un numero ridotto di costrutti fattoriali adeguati per sostituirne un numero più ampio. L’AF permette di passare dalle variabili osservate (item) alla variabile latente (costrutto indagato). L’AF inizia dal punto di vista statistico, dalla correlazione tra le variabili (matrice di correlazione) e termina con una matrice che contiene la relazione tra le variabili osservate e quelle latenti attraverso i seguenti passaggi:
- selezione delle variabili che appartengono alla stessa scala (ad es.: item della scala di autostima);
- calcolo della matrice di correlazione: la correlazione sarà positiva qualora le variabili correlino e quindi misurino lo stesso costrutto;
- scelta del metodo di estrazione dei fattori (Fattorizzazione dell’asse principale);
- scelta del numero dei fattori da estrarre (criterio autovalore >1);
- interpretazione della matrice dei fattori ruotati se è scelto un unico fattore;
- rotazione dei fattori se sono scelti più fattori: ciò implica nella matrice di correlazione, la lettura dei fattori ruotati. ANALIZZA ➔ RIDUZIONE DELLE DIMENSIONI ➔ FATTORE ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra gli item che misurano la scala ➔ cliccare su “descrittive” in alto a destra e spuntare:
- “descrittive univariate”: media e DS di ogni item selezionato per l’analisi
- “soluzione iniziale”, già presente di default
- “coefficienti” (di correlazione) tra gli item della scala CONTINUA ➔ cliccare su “estrazione” in alto a destra e spuntare “metodo Fattorizzazione dell’asse principale” sempre ➔ CONTINUA ➔ cliccare su “rotazione” in alto a destra e spuntare il “metodo oblimin diretto”* sempre ➔ INCOLLA **FACOLTATIVO: per mettere in ordine le saturazioni solo se ci 2 o più fattori, cliccare su “opzioni” e spuntare la voce “ordinato per dimensione” ed eventualmente anche “elimina coefficienti piccoli” se si vogliono escludere i valori fino a .20 (più grandi potrebbero essere utili per l’interpretazione dell’AF) ➔ INCOLLA
- siccome al momento dell’impostazione dell’analisi non si conosce il numero di fattori che saranno estratti, qualora ne venisse estratto soltanto uno, comparirà un messaggio nella tabella “varianza totale spiegata” che non è stato possibile effettuare la rotazione dei fattori data la presenza di un unico fattore.
** in questo caso andrà ricordato che se si spunta “ordinato per dimensione” gli item non saranno più nell’ordine della scala, ma saranno mostrati da quello con saturazione maggiore a quello con saturazione inferiore. RISULTATI :
- la tabella “statistiche descrittive”, se richiesta, riporta media e DS degli item che compongono la
scala e l’N su cui è stata svolta l’AF. Se gli item hanno una risposta su una scala Likert 1-5 la media dovrà essere contenuta tra quei valori;
- la tabella “matrice di correlazione” va osservata per capire se sono presenti tante correlazioni vicine
allo 0. Se così fosse, gli item non sarebbero correlati tra loro e quindi non misurerebbero lo stesso costrutto;
- la tabella “comunalità” sintetizza quanto ogni item ha in comune con gli altri prima e dopo
l’estrazione dei fattori;
- la tabella “varianza totale spiegata” serve a verificare quanti fattori sono stati estratti rispetto al
criterio autovalore >1 ed il metodo di estrazione degli stessi. La voce “% di varianza” in “caricamenti somme dei quadrati di estrazione” riassume quanta varianza spiega ciascun fattore estratto. La voce “% cumulativa” in “caricamenti somme dei quadrati di estrazione” riassume quanta varianza spiegano congiuntamente i fattori estratti. In questo caso, con il metodo di estrazione della Fattorizzazione dell’asse principale sono stati selezionati due fattori attraverso il criterio autovalore >1, che spiegano rispettivamente il 38,76% e l’8,39% della varianza (45,15% totale).
- la tabella “matrice dei fattori” va interpretata solo quando è estratto un unico fattore. Essa spiega la
relazione tra l’item ed il fattore estratto;
- se sono stati estratti più fattori, va richiesta la rotazione dei fattori* se non già richiesto nel
momento dell’impostazione dell’analisi, per capire quanto i fattori correlino tra loro. In questo caso, compariranno altre 3 tabelle:
- la matrice del modello mostra i valori di saturazione nei due o più fattori estratti rispetto all’item: va selezionata la saturazione più alta per ciascun item rispetto al fattore interessato:
➢ L’ analisi dell’attendibilità (coerenza interna - Alpha di Cronbach) verifica l’accordo tra più misure indipendenti dello stesso costrutto ottenute nello stesso momento di somministrazione con uno stesso metodo, al fine di affermare se lo strumento usato è affidabile ed attendibile. E’ una caratteristica psicometrica dello strumento. ANALIZZA ➔ SCALA ➔ ANALISI DI AFFIDABILITÀ ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra gli item di cui si vuole calcolare l’attendibilità ➔ cliccare su “statistiche” in alto a destra e spuntare tutte le voci dell’opzione “descrittive per” ➔ CONTINUA ➔ INCOLLA RISULTATI :
- la tabella “riepilogo elaborazione casi” dà informazione sulla grandezza di N (“casi validi”) e su
quanto questa grandezza ammonta in percentuale rispetto al 100% totale del campione;
- la tabella “statistiche di affidabilità” fornisce il valore dell’Alpha di Cronbach * e su quanti elementi
(item) è stato calcolato;
- la tabella “statistiche degli elementi” fornisce media e DS per ciascun item;
- la tabella “statistiche elemento-totale” riporta come il singolo item si rapporta rispetto all’intera
scala. Il valore da tenere in considerazione per eliminare un item dalla scala è presente nella colonna “Alpha di Cronbach se viene eliminato l’elemento”: se l’Alpha aumentasse con l’eliminazione di quell’item rispetto al suo valore di partenza, sarebbe opportuno eliminarlo affinché aumenti il valore della coerenza interna: In questo caso, sarebbe opportuno eliminare l’item 5 per far sì che la coerenza interna aumenti;
- la tabella “statistiche scala” non va interpretata!
Valori coerenza interna ***** : 0 < 𝛂 <
- ottima: 𝛂 >.90;
- buona: .80< 𝛂<.90;
- discreta: .70< 𝛂<.80;
- sufficiente: .60< 𝛂<.70;
- insufficiente per affermare la consistenza interna: >. ➢ Trasformare le variabili presenti nel file dati per:
- ridurre il numero delle modalità di risposta (ad es.: si vuole sintetizzare la variabile “età” in due modalità: “giovani” e “vecchi”) TRASFORMA ➔ RICODIFICA IN VARIABILI DIFFERENTI ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra l’item da ricodificare ➔ indicare il nuovo nome della variabile e l’eventuale etichetta specificativa ➔ cliccare su “modifica” (la nuova variabile sarà visibile nella schermata centrale) e impostare:
- “valori vecchi e nuovi” per impostare i valori nuovi: a destra si visualizzeranno i valori vecchi, mentre a sinistra si dovranno inserire quelli nuovi
- cliccare su “aggiungi” una volta che è stato scelto il nuovo valore. Si potrà visualizzare il nuovo valore assegnato in basso a destra. Se si dimentica di assegnare un nuovo valore alla nuova variabile, SPSS di default, assegnerà i valori precedenti alla ricodifica. ➔ CONTINUA ➔ OK Per verificare che la nuova variabile sia stata creata e ricodificata è necessario andare in “vista variabile” e verificare che al termine dell’elenco sia stata aggiunta. A questo punto, si deve inserire alla voce “valori” il nuovo nome da associare alla variabile sintetizzatrice: questo cambiamento si noterà direttamente nelle tabelle di output di SPSS.
- invertire la direzione delle modalità di risposta in item che misurano il costrutto in direzione opposta rispetto a quella attesa: l’item è considerato reversed quando misura la sotto-dimensione del costrutto in modo opposto; questo è definibile a fronte della teoria (ad es.: punteggi alti di risposta all’item “mio padre insiste con me perchè le cose vengano fatte a modo suo” non indicano alta autonomia, ma bassa). TRASFORMA ➔ RICODIFICA IN VARIABILI DIFFERENTI ➔ nella finestra di dialogo comparirà l’elenco delle variabili del database ➔ trasportare a destra l’item da ricodificare ➔ indicare il nuovo nome della variabile e l’eventuale etichetta specificativa ➔ cliccare su “modifica” (la nuova variabile sarà visibile nella schermata centrale) e impostare:
- “valori vecchi e nuovi” per impostare i valori nuovi: a destra si visualizzeranno i valori vecchi, mentre a sinistra si dovranno inserire quelli nuovi
- cliccare su “aggiungi” una volta che è stato scelto il nuovo valore. Si potrà visualizzare il nuovo valore assegnato in basso a destra.
