Laboratorio di Metodologia
Modulo: Metodologie Quantitative
Cristina Zogmaister
[email protected]
Ricevimento: lu 13-14 (preannunciarsi via email)
email per altri giorni / orari
P.zza dell'Ateneo Nuovo, 1 (U6) - stanza 3113
Struttura del
Laboratorio di metodologia

2 moduli
metodologie quantitative;
 metodologie qualitative)
al termine dei quali avverrà la registrazione del
laboratorio


Frequenza obbligatoria (minimo 4 incontri)

Assignment
Obiettivo

Mettere in pratica le conoscenze teoriche acquisite
nel corso di Metodologie Quantitative (prof. Marco
Perugini)


→
Non è un corso di statistica
→
→
Analisi Fattoriale (PCA)
Analisi di Regressione
Non vi spiegherò i concetti della statistica, vedremo
insieme come condurre praticamente le analisi
statistiche
Non è un corso di SPSS
→
La conoscenza di SPSS è un prerequisito del corso
Risorse per imparare a usare SPSS

I laboratori del nostro ateneo o il vostro PC
 Il software è disponibile sulla pagina del corso
 Licenze:




PC
Mac
SPSS / help / esercitazione
La biblioteca: manuali introduttivi a SPSS
Struttura del corso

6 incontri – frequenza obbligatoria (4 lezioni)


Controllo presenza a inizio lezione
Presenza fino al termine della lezione

2 assignment [PCA + AF]



Entrambi devono ottenere una valutazione almeno
sufficiente
Registrazione a giugno/luglio [crediti: 3 + 3 + 2]
Orario: 15.30 – 18.30 [15.30 – 18.15 con una sola
pausa di 15 minuti]
Orari degli incontri
Contenuti






1. Introduzione
2. Analisi Fattoriale (PCA): introduzione
3. Analisi Fattoriale: approfondimenti [+
assignment 1]
4. Analisi di Regressione: introduzione
5. Analisi di Regressione: la moderazione [+
assignment 2]
6. Analisi di Regressione: la mediazione
L’incontro di oggi

Sona Systems – il software di gestione dei
crediti

Inserimento o aggiornamento account

Le misure implicite (SC-IAT)
Le misure esplicite (questionari)

Introduzione a SPSS

Sona-systems:
Il sistema di gestione degli esperimenti

http://milano-bicocca.sona-systems.com/
Cliccare su “New Participant”
Coloro che già sono iscritti nel sistema: fare la
login e poi aggiornare il proprio profilo
Inserite i vostri dati
e cliccate su “Request Account”
A questo punto…




la vostra iscrizione verrà confermata via email.
Nell’email riceverete una password associata al vs.
nome utente.
Conservate questa password, vi verrà richiesta ogni
volta vogliate accedere al sistema (login).
Se entro 2 ore, non avete ricevuto la mail di
conferma, spedire una mail a
[email protected]
Con ID e password, entrate nel sistema
Per iscriversi agli studi:


Prima - rispondere a un breve questionario.
Per cominciare il questionario cliccare su Start Prescreen

Entrando nel sistema vedrete gli studi disponibili.
Inoltre sarete informati automaticamente via email sui nuovi studi

Tipi di studi




in laboratorio: il sistema permette di fissare degli appuntamenti per venire a
fare un esperimento.
on-line: il sistema serve per guidarvi direttamente sullo studio on-line e
registra la vostra partecipazione
Per partecipare a un esperimento, cliccare su Study sign-in,



verrà data indicazione degli studi disponibili e della ricompensa per la
partecipazione (CFU o più raramente denaro)
scegliere lo studio al quale si desidera partecipare
Scegliere l’orario di partecipazione
Attenzione:

Se non si può partecipare a uno studio per cui ci si è
registrati, è necessario cancellare la prenotazione
o avvertire la persona responsabile dell’esperimento

Oltre 4 “No-Shows” senza avvertire, potrete essere
rimossi dal sistema.

Tutorial su sona systems tra i materiali del corso
Esempi:
misure esplicite ed implicite
Attenzione: negli assignment userete i
dati che raccogliamo ora
(con dati di scarsa qualità le analisi
sono molto più difficili!!!)
Le misure implicite

IAT (Greenwald, McGhee & Schwartz, 1998)

Obiettivo: misurare l’autostima implicita

Operazionalizzazione: associazione
automatica tra il sé e la valenza positiva

Che categorie usiamo?
IAT autostima

Associazione “io – positivo” (e “altri –
negativo”)

IAT autostima
Io
Positivo
Io-Positivo
Altri
Altri-Positivo
1.
2.
3.
4.
5.
Altri
Negativo
Altri-Negativo
Io
Io-Negativo
Differenza RT
5° - 3°
Limite dello IAT autostima: presenza della
categoria “altri”

Come risolvere il problema?

SC-IAT (Karpinski e Steinman, 2003)
(creato principalmente per superare la natura
bipolare dello IAT)
Io
Positivo
Negativo
Struttura del SC-IAT
Ora rispondiamo a uno SC-IAT

Trascinare la cartella PRIMA LEZIONE sul desktop.

Aprire prima lezione sul desktop.

Fare doppio click su ESERCITAZIONE.exp

Risponderete allo SC-IAT e a una misura d’autostima esplicita

(il vostro anonimato è protetto – utilizzerete un file dati in cui le
vostre risposte non potranno essere riconosciute)
Impressioni?

Uno dei due blocchi era più facile?
In uno dei due blocchi avete fatto meno errori?

La struttura:


Positivo – io

PRIMO BLOCCO:
Negativo

SECONDO BLOCCO: Positivo
Negativo – io
Calcolo del punteggio: ?
Una scala di autostima:
la scala Self Liking-Competence (SLCR) di Tafarodi e Swann
Un criterio per validare la scala
d’autostima: la discrepanza delle capacità

Premere
6
Altre “tipiche” misure
esplicite
Alcune domande di atteggiamento (verso gli
alcoolici)
-- Una scala di motivazione
-
Cognizioni esplicite legate al consumo di
alcoolici
Premere 7
 Atteggiamenti espliciti verso gli alcoolici
 altre domande importanti per validare le
misure di atteggiamento esplicito
 Il DMQ-R: Motivazioni sottostanti al consumo
di alcoolici
 (ricordate: serviranno nell’assignment)
La logica delle misure a cui avete risposto:

SC-IAT autostima

Misure esplicite:





Criteri “comportamentali”



Questionario autostima
Questionario atteggiamento alcoolici ed analcolici
Questionario norme sociali alcoolici ed analcolici
Questionario motivazione alcoolici
Valutazione capacità
Consumo di alcoolici
Negli assignment esaminerete:


Le strutture fattoriali delle scale (autostima, motivazione al consumo di
alcoolici)
Validità predittiva delle misure esplicite ed implicite (analisi di regressione)
Terminato l’esperimento

Rinominate la cartella complessiva della
prima lezione con il vostro numero di
matricola (es. PRIMA LEZIONE 123456)

Inserire LA CARTELLA COMPLESSIVA nella
cartella
\\lib\psico\corsi\zogmaister\consegna
SPSS – PASW Statistics 18
Le analisi effettuate a lezione possono
essere fatte (eventualmente con
piccolissime variazioni) anche con
versioni precedenti di SPSS.
Iniziamo a usare SPSS
Lanciare SPSS (PASW Statistics 18)
 3 finestre importanti:



Finestra DATI
Finestra OUTPUT
Finestra SINTASSI
Iniziamo a usare SPSS

La finestra DATI:


Visione DATI
Visione VARIABILI
Cliccando sulle due
“linguette” in basso a
sinistra è sempre possibile
passare da una modalità
all’altra.
Visone dati:
I dati sono in una matrice casi x variabili: ogni riga contiene i dati relativi ad un soggetto per tutte
le variabili, ogni colonna contiene i valori di una variabile per tutti i casi.
Variabili
casi
Creare un file dati in SPSS
Iniziamo a inserire dei dati nella matrice:
Prima definiamo le variabili e poi inseriamo i valori.
Ora salviamo il nostro file col nome “sociodemo.sav”
In alto a sinistra in tutte le schermate è presente la barra degli strumenti.
Apre files
di SPSS
già
esistenti.
Salva
il file.
Permette di visualizzare
i valori delle variabili o
le “etichette dei valori”
assegnate; (cfr.
diapositive successive.)
Le analisi statistiche e la finestra di
OUTPUT

Quali sono le caratteristiche del nostro campione?





Frequenze per genere
Analisi descrittive età (età minima e massima, media e
deviazione standard)
Frequenze titolo di studio e residenza
Analisi descrittive reddito e famiglia (minimo e massimo,
media e deviazione standard)
Rappresentiamo GRAFICAMENTE queste caratteristiche
Alcune analisi più approfondite

Uso della funzione ‘seleziona casi’ per
individuare i partecipanti con più di 35 anni


Analisi separate per maschi e femmine


Caratteristiche di questi partecipanti
Frequenze separate delle età
(torniamo al campione completo)
Funzione ricodifica in una nuova
variabile
Per cambiare i valori di una variabile secondo regole nostre
creando una nuova variabile che contenga i valori ricodificati.
Creare la nuova variabile redd_f a partire da Reddito,
facendo corrispondere ai valori inferiori a 200.000 il valore 1 (al quale
attribuiamo l’etichetta ‘basso’)
e ai valori superiori assegna 2 (al quale attribuiamo l’etichetta ‘alto’)
Funzione ricodifica nella stessa variabile
i nuovi valori vengono usati per sostituire i valori “vecchi” nella stessa variabile.
Ricodificare la variabile Età
ai valori inferiori a 35viene sostituito il valore 1;
ai valori tra 35 e 54 viene sostituito il valore 2;
ai valori superiori a 55 viene sostituito il valore 3.
Funzione ricodifica nella stessa variabile
Ricodifica nella stessa variabile
Funzione calcola
Per eseguire operazioni matematiche sui valori di una o più variabili e di creare una
nuova variabile con i valori calcolati.
Creare una nuova variabile di nome “red_med” – con etichetta “Reddito medio per
persona del nucleo familiare” – eseguendo il rapporto tra i valori della variabile reddito e
i corrispondenti valori della variabile famiglia.
Funzione calcola
La variabile redd_med è stata creata sulla base dei valori delle altre due variabili già esistenti.
Salvataggio della sintassi
La funzione “incolla” permette di produrre un file di testo contenente la sintassi che descrive
l’operazione che si sta eseguendo; successivamente è possibile salvare il file così creato per poter
eseguire la sintassi nuovamente ed effettuare la medesima operazione. Risulta una funzione
importante se si ha bisogno di tenere traccia delle analisi eseguite o se si deve descrivere in modo
efficace e trasparente ad altri ricercatori le operazioni eseguite.
Ora calcoliamo alcune statistiche
Aprire il file dati1_2.sav
 Qual è l’altezza media del campione?
 Qual è l’altezza media delle donne?



E degli uomini?
l’altezza media dei due sessi è significativamente
diversa?
L’altezza è legata al peso?