

Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
L'analisi bivariata è una tecnica statistica utilizzata per studiare la relazione tra coppie di variabili. Determina se esiste una relazione di indipendenza o associazione tra due variabili e quantifica il grado di associazione mediante coefficienti. Esistono tre tipi di relazioni: indipendenza statistica, dipendenza e interdipendenza.
Tipologia: Schemi e mappe concettuali
1 / 2
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!


L’analisi bivariata serve a studiare la relazione fra coppie di variabili. Le sue funzioni sono: 1.Stabilire se date due variabili (x e y) esiste tra loro una relazione di indipendenza o di associazione; 2.In caso di associazione, quantificare (ove possibile) il grado di associazione tra coppie di variabili mediante coefficienti. Tipi di relazioni tra Variabili (Caratteri)
indice Chi-quadrato —> Misura l’interdipendenza tra due caratteri qualitativi sconnessi a partire da una cross tabulation indice V di Cramer —> Indice relativo per misurare l’associazione (interdipendenza) tra due caratteri qualitativi Il chi-quadrato ci informa circa la significatività della relazione tra due variabili, ma non ci dice nulla circa la sua intensità (o forza). Perché non è possibile utilizzare il Х2 come misura della forza di una relazione? Semplicemente perché i valori del Х2 sono direttamente proporzionali alla numerosità campionaria: tanto più numerosi sono i casi (più alte le frequenze osservate e attese) tanto più alto sarà il valore dell’indice. Per avere informazioni circa l’intensità della relazione tra due variabili è dunque necessario utilizzare misure di associazione. Le principali misure di associazione si basano però sul Х2, che appare sempre al numeratore o al denominatore. Le misure di associazione: il Phi Dato che il Х2 non può essere utilizzato come misura di associazione perché dipende dalla numerosità del campione la soluzione più semplice è quella di rapportarlo al numero di casi: la radice quadrata di questo rapporto è detta Phi: Ф. Tale indice però non è normalizzato, ossia non ha un campo di variazione compreso tra 0 e 1: il suo minimo teorico (che indica l’assoluta indipendenza delle variabili) è 0, ma il suo massimo varia a seconda delle dimensioni della tabella. Questo rende difficile sia la sua interpretazione che il raffronto con indici diversi (provenienti da altre popolazioni diversamente numerose).