Seminario di Metodologia della Ricerca Psicologica - PowerPoint PPT Presentation

About This Presentation
Title:

Seminario di Metodologia della Ricerca Psicologica

Description:

... On the problem of the most efficient tests of statistical hypothesis, in Philosophical transaction of the Royal Society of London, A231, pp 289-337. Cohen, J ... – PowerPoint PPT presentation

Number of Views:190
Avg rating:3.0/5.0
Slides: 92
Provided by: Bolz150
Category:

less

Transcript and Presenter's Notes

Title: Seminario di Metodologia della Ricerca Psicologica


1
Seminario di Metodologia della Ricerca
Psicologica
  • MARIAGRAZIA BENASSI
  • ROBERTO BOLZANI
  • SARA GIOVAGNOLI

Magritte, Age of Reason
2
Metodologia della Ricerca
  • Non indica semplicemente i metodi e le tecniche
    da utilizzare nella ricerca ma lattività critica
    che si applica ai diversi prodotti della ricerca
    (Boudon, 1991)
  • Aspetto normativo della metodologia limportanza
    di fare buone ricerche

3
Ricerca scientifica
  • Scopo generare e controllare teorie
    metodologicamente corrette
  • Aderenza alla realtà empirica di riferimento
  • Riduzione dei costi e degli errori

4
Programma del corso
  • I PARTE (3cfu) Elementi di statistica
    inferenziale
  • Misura Tipi di variabili e scale di misurazione
  • Procedura della statistica inferenziale
  • Logica del test statistico
  • Errori nell'interpretazione dei risultati del
    test statistico
  • Disegni di ricerca
  • Metodi di campionamento
  • Fallacia nel campionamento
  • Affidabilità e validità

5
Programma del corso
  • II Parte (3 cfu) Procedure statistiche avanzate
  • 1. Analisi della correlazione2. Analisi
    fattoriale3. Analisi discriminante e cluster
    analysis4. Modelli non parametrici5. Metanalisi

6
Modalità desame
  • Orale
  • 3 cfu I Parte
  • 6 cfu I II Parte

7
Bibliografia
  • I Parte
  • Bolzani R., Canestrari R. (1994) Logica del test
    statistico. Milano, Casa Editrice Ambrosiana.
    (Cap. 2)
  • Bolzani R. (1999) Problemi di statistica. Milano,
    Casa Editrice Ambrosiana. (Cap. 2)
  • Bolzani R. Benassi M (2003)Tecniche
    Psicometriche. Roma, Carocci Editore (Cap. 1)
  • McBurney DH (1986) Metodologia della ricerca
    psicologica. Bologna, Il Mulino. (Cap. da 3 a 10)
  • Mucciarelli G, Celani G (a cura di) (2002) Quando
    il Pensiero Sbaglia. Torino, Utet Libreria (Cap.
    3, 4, 5)
  • II Parte
  • Bolzani R., Canestrari R. (1994) Logica del test
    statistico. Milano, Casa Editrice Ambrosiana.
    (Cap. 5)
  • Bolzani R. (1999) Problemi di statistica. Milano,
    Casa Editrice Ambrosiana. (Cap. 4, 5)
  • Bolzani R. Benassi M (2003)Tecniche
    Psicometriche. Roma, Carocci Editore (Cap. 7, 8)

8
Strumenti
  • Diapositive e esercizi sul sito di Psice-Pagine
    Insegnamenti
  • Lezioni e esercitazioni on-line disponibili sulla
    piattaforma A3

9
Piattaforma A3
  • Registrazione
  • atutor.psice.unibo.it/registrazione/
  • Id PsicologiaFreq
  • Passwordpoqevipe36
  • Mail e matricola
  • http//atutor.psice.unibo.it

10
Piattaforma A3
  • Moduli didattici e esercitazioni
  • Chat (orari di ricevimento CESENA)
  • Forum

11
Verifiche
  • Pre-appelli per frequentanti (1 per ogni parte
    per 1cfu) durante il corso (15 Marzo 5 Aprile)
  • Appelli ufficiali (esame orale)

12
PRE-REQUISITI
  • Logica della dimostrazione sperimentale
  • Distribuzioni di Probabilità
  • Test parametrici e non parametrici

13
Note sulla teoria della Misura in Psicologia
  • Definizione di Misura
  • misurare significa attribuire agli elementi di
    un insieme le caratteristiche di un sistema di
    riferimento tali per cui queste caratteristiche
    siano rappresentative rispetto alle
    caratteristiche dellinsieme di partenza

14
  • Per definire il rapporto (funzione di
    omeomorfismo) fra linsieme misurato e il sistema
    di riferimento occorre che sia definibile
  • Il sistema relazionale empirico (oggetto)
  • Il sistema relazionale di riferimento (strumento)

15
  • le relazioni fra gli elementi dellinsieme
    misurato sono riprodotte (omeomorfe) dagli
    elementi dellinsieme misurante
  • permette di fare operazioni fra gli elementi
    dellinsieme e quindi di meglio comprendere le
    caratteristiche delle parti rispetto allinsieme
    stesso
  • permette di condividere e quindi confrontare le
    informazioni di insiemi diversi in base a un
    linguaggio comune

16
  • CRITICITA
  • Precisione dello strumento
  • Determinazione dellOggetto
  • Generalizzazione

17
Precisione dello strumento
  • Non cè mai corrispondenza perfetta fra i due
    sistemi (misurante-misurato)
  • Lo strumento di misura deve essere in grado di
    dare anche una stima dellerrore di misura
  • La stima viene data attraverso lintervallo di
    tolleranza che è definibile solo se sono definiti
    i metodi di misurazione e se la misura è empirica

18
Statistica inferenzialeFalsificazione Ho
INTERVALLO DI CONFIDENZA rappresenta la zona
attorno al parametro stimato entro cui ci
aspettiamo, con una probabilità 1-?, di trovare
il parametro relativo a un nuovo campione. Ha la
stessa estensione dell'intervallo attorno
all'ipotesi nulla. Se nell'intervallo di
confidenza cade il valore di H0 non si può
respingere l'ipotesi nulla.
19
Statistica inferenzialeFalsificazione Ho
INTERVALLO DI TOLLERANZA rappresenta la zona
attorno al parametro stimato entro cui ci
aspettiamo, con una probabilità 1-?, che cada un
nuovo caso.
20
Determinazione delloggetto
  • Semplicità della teoria
  • Conformità alle leggi o alle regolarità della
    natura
  • Semplicità come Falsificabilità
  • Universalità della teoria
  • Parsimonia

21
Generalizzazione
  • Scopo della misura
  • Punto di partenza e di arrivo di ogni misurazione

22
SCALE DI MISURA
  • Classificazione Stevensiana
  • sistema di riferimento sistema dei numeri reali
    R
  • Va da una classe più semplice a una classe più
    complessa

23
SCALE DI MISURA
  • Classificazione Stevensiana
  • Scale nominali
  • Scale ordinali
  • Scale intervalli
  • Scale rapporto

24
Scale Nominali
  • la relazione fra gli eventi è la categorizzazione
  • le categorie sono distinte in base alla sola
    operazione di uguaglianza o differenza
  • La proprietà dei R corrispondente è la
    cardinalità
  • Gli eventi sono raggruppabili in classi
    mutualmente esclusive
  • Le operazioni statistiche possibili sono il
    calcolo delle frequenze, test non parametrici.
  • I parametri descrittivi tipici sono moda e
    mediana

25
Scale Ordinali
  • Gli elementi dellinsieme sono oltre che
    sottoposti a categorizzazione anche ordinati
    gerarchicamente seguendo una relazione di
    asimmetria
  • i numeri sono disposti in modo tale da riflettere
    lordine di graduatoria degli elementi
  • Non è possibile quantificare la distanza fra gli
    elementi
  • La proprietà dei R corrispondente è lordinalità
  • Le operazioni statistiche possibili sono il
    calcolo delle frequenze, test non parametrici
  • I parametri descrittivi tipici sono moda e
    mediana

26
Scale Intervalli
  • alle caratteristiche delle prime due scale si
    aggiunge anche la definizione della distanza fra
    ogni elemento dellinsieme
  • costanza degli intervalli fra le diverse classi
  • non viene definito lo zero assoluto
  • Con queste scale sono possibili solo le
    operazioni di somma e sottrazione
  • Test statistici parametrici
  • I parametri descrittivi tipici sono media e
    varianza

27
Scale Rapporto
  • oltre ad esserci una costanza fra le classi è
    anche definito un valore di zero assoluto non
    arbitrario
  • applicabili le operazioni matematiche di
    moltiplicazione e divisione
  • Test statistici parametrici
  • I parametri descrittivi tipici sono media e
    varianza

28
SCALE DI MISURA
  • Critiche alla classificazione stevensiana
  • non comprende tutte le possibili classi di
    eventi.
  • Rigidità nellaccostamento scala-statistica

29
Variabili
  • Eventi empirici oggetto della misura
  • Possono essere parte di categorie e assumere
    diversi valori

30
VARIABILI
  • CRITICITA
  • Aderenza fra sistema numerico e sistema empirico
  • Metodo di misurazione sintetico o analitico

31
TIPI DI VARIABILI
  • Classificazione in base al ruolo nel disegno
    sperimentale
  • Relazione causale
  • Variabile dipendente
  • Fattore
  • Variabile confondente

32
TIPI DI VARIABILI
  • Classificazione in base alle caratteristiche
  • Variabili qualitative
  • Variabili quantitative
  • Classificazione in base alla distribuzione
  • Variabili gaussiane
  • Varibili non gaussiane

33
VARIABILI E SCALE DI MISURA
  • OPERAZIONI STATISTICHE POSSIBILI
  • Scelta è dettata da
  • dal disegno sperimentale
  • dallipotesi sperimentale
  • dal tipo di variabili

34
VARIABILI E SCALE DI MISURA
  • OPERAZIONI STATISTICHE POSSIBILI
  • Dal disegno sperimentale
  • Multivariato
  • Univariato

35
VARIABILI E SCALE DI MISURA
  • OPERAZIONI STATISTICHE POSSIBILI
  • Dallipotesi sperimentale
  • Inferenza (rapporti di causa-effetto
    generalizzabili)
  • Descrizione (esplorazione di un fenomeno di
    diversa complessità)

36
VARIABILI E SCALE DI MISURA
  • OPERAZIONI STATISTICHE POSSIBILI
  • Dal tipo di variabili
  • Se a distribuzione gaussiana allora test
    parametrici
  • Se a distribuzione non gaussiana allora test non
    parametrici

37
VARIABILI E SCALE DI MISURA
  • OPERAZIONI STATISTICHE POSSIBILI
  • Criticità
  • criteri decisionali rigidi
  • ambiguità della situazione
  • Soluzioni
  • - motivazioni del criterio

38
Statistica Descrittiva
  • La statistica DESCRITTIVA rappresenta
    sinteticamente i diversi valori relativi ai
    soggetti di un determinato gruppo (media,
    frequenza, percentuale etc.)
  • Oggetto riguarda esclusivamente i soggetti
    esaminati
  • Processo il processo sulla quale è basata va
    dalla raccolta dei dati alla descrizione alla
    successiva formulazione di unidea da verificare
  • Misura i test statistici sono di tipo
    esplorativo utilizzano modelli matematici molto
    raffinati ma non hanno valore dimostrativo. I
    parametri che utilizzano non sono basati sul
    calcolo probabilistico.

39
Statistica Inferenziale
  • Oggetto l'esistenza di relazioni fra una
    generica variabile dipendente e un insieme di
    variabili indipendenti (fattori)
  • Processo procede secondo una sequenza di
    operazioni ben definita e rigida
  • Logica di tipo falsificazionista
  • Misura calcolo probabilistico

R. Fisher, 1890-1962
40
Inferenza regole
  • RELAZIONE FRA FATTORI E VARIABILE DIPENDENTE
  • IPOTESI E TEST STATISTICO SEGUONO UNA LOGICA DI
    TIPO CAUSA-EFFETTO
  • TUTTAVIA
  • I RISULTATI NON SONO VINCOLATI DA QUESTA LOGICA
  • LE CONCLUSIONI NON VENGONO ACCETTATE SE
    SOSTENGONO UNA LOGICA CAUSA-EFFETTO

41
Inferenza regole
  • ESEMPIO 1 INDAGINE SULLA RELAZIONE FRA
    ALCOOLISMO E CIRROSI EPATICA
  • ESEMPIO 2 INDAGINE SULLA RELAZIONE FRA ETA E
    CAPACITA MNEMONICHE

42
Inferenza regole
  • Metodologia teoria delle regole alla base del
    processo euristico
  • Motivazioni dellesplicitazione delle regole
  • Ragioni epistemologiche
  • Ragioni etiche
  • Ragioni politiche
  • KR Popper (1934) La logica della scoperta
    scientifica, cap 2. Einaudi (1998)

43
Inferenza regole
  • RIGIDITA DEL PROCESSO DIMOSTRATIVO
  • Regole di metodo come convenzioni
  • Controllo
  • Corroborazione
  • Replicabilità
  • Revisione

44
Inferenza regole
  • Controllo
  • Coerenza interna (confronto logico delle
    conclusioni)
  • Indagine sulla forma logica (teoria empirica,
    scientifica o tautologica)
  • Confronto con altre teorie
  • Confronto mediante le applicazioni empiriche

45
Inferenza regole
  • Loggettività della scienza sta
    nellintersoggettività delle asserzioni della
    scienza stessa.

46
Inferenza regole
47
Inferenza regole
  • (1)
  • Formulazione Idea sperimentale (H1)
  • generale e falsificabile
  • ipotesi di differenza

48
Inferenza regole
  • (2)
  • Formulazione di H0 da falsificare
  • complementare a H1
  • ipotesi di uguaglianza

49
Inferenza regole
  • (3)
  • Raccolta del Campione
  • Idoneo a confermare l'idea
  • Rappresentativo dell'intera popolazione
  • (casuale, sufficientemente ampio)
  • Conforme alle richieste del test che si intende
    utilizzare (distribuzione, indipendenza)

50
Inferenza regole
  • (4)
  • Applicazione del TEST STATISTICO
  • indipendenza
  • riferimento alle distribuzioni teoriche
    (continuità, normalità ..)
  • in grado di falsificare tipi determinati di
    ipotesi nulle

51
Inferenza regole
  • (5)
  • SIGNIFICATIVITÀ
  • Probabilità di respingere l'ipotesi nulla
  • pur essendo questa vera
  • Il suo limite è stabilito a priori
  • (livello di significatività normalmente 0.05 o
    0.01)

52
Inferenza regole
  • (6a)
  • Falsificazione di H0
  • dimostrazione di H1
  • (6b)
  • Non falsificazione di H0
  • riflessioni sulla ricerca
  • NON SI PUO DIMOSTRARE H0

53
Inferenza regole
  • Attraverso la distribuzione dellipotesi nulla
    vengono individuate due zone
  • una zona attorno all'ipotesi nulla in cui non è
    possibile escludere, in base al risultato
    ottenuto, che l'ipotesi nulla sia vera
  • La rimanente regione riguarda una zona in cui è
    estremamente improbabile ottenere un risultato
    sperimentale se è vera l'ipotesi nulla

54
Inferenza regole
55
ERRORI DI MISURA
Inferenza regole
  • Misurare implica sempre un errore ?
  • ineliminabile
  • di diversa origine
  • può essere quantificabile
  • Occorre identificare e misurare anche lerrore

56
ERRORI DI MISURA
Inferenza regole
  • Errori di metodo controllo tramite evitamento
  • Errori di decisione controllo tramite stima

57
ERRORI DI DECISIONE
Inferenza regole
58
ERRORI DI DECISIONE
  • Errore alpha
  • Errore relativo alla probabilità di falsificare
    H0 quando H0 è vera
  • Legato alla significatività del test
  • Il suo valore è determinato a priori (lt0.05 o
    0.01)
  • Legato a errore beta

59
ERRORI DI DECISIONE
  • Errore beta
  • Errore relativo alla probabilità di non
    falsificare H0 quando H0 è falsa
  • Legato alla potenza del test
  • Il suo valore è determinato a priori
  • Legato a errore alpha

60
Inferenza regole
  • Potenza del test probabilità di respingere H0
    quando H0 è falsa. È data da 1-?
  • Dipende
  • da H0 e da H1
  • dalla numerosità del campione
  • dalla minima differenza apprezzabile
  • dalla varianza casuale

Primit
61
Inferenza regole
  • (6b)
  • Non respingo H0
  • l'ipotesi nulla è vera o meglio le differenze
    analizzate da H1 sono troppo piccole
  • scarsa potenza del test
  • il campione ha varianza elevata
  • scarsa numerosità del campione
  • il campione non soddisfa le condizioni relative
    alla distribuzione
  • il campione non è rappresentativo dell'intera
    popolazione
  • non sufficiente separazione fra H0 e H1

62
Inferenza regole
  • La forza delleffetto (effect size)
  • Indice della relazione fra la variazione dovuta
    al fattore considerato e la variazione totale del
    modello (dovuta alla somma fra variabilità del
    fattore e variabilità errore)

63
Inferenza regole
  • La forza delleffetto (effect size)
  • Parametro Partial Eta squared
  • Utile per il confronto fra diversi studi perché è
    indipendente dalla numerosità
  • Permette di confrontare campioni di numerosità
    diversa
  • Non è associato alla probabilità di errore ovvero
    alla significatività

64
Inferenza regole
  • Un esempio nellanalisi della covarianza è
    possibile calcolare la potenza del test (observed
    power) e la forza delleffetto (partial Eta
    squared)

65
ERRORI DI DECISIONE
  • Tuttavia
  • La potenza del test a posteriori è calcolata
    sulla differenza misurata e non sulla minima
    differenza apprezzabile

66
Inferenza regole
  • Logica falsificazionista
  • Un sistema empirico per essere scientifico deve
    poter esser confutato dallesperienza
  • Asimmetria fra verificabilità e falsificabilità
  • Limite alpha funge da sbarramento

67
Inferenza regole
  • CRITICHE
  • Essendo asimmetrico le ipotesi nulle non
    falsificate non vengono prese in considerazione
  • Rigidità nella scelta
  • Arbitrarietà di Alpha
  • Il problema della numerosità
  • Non permette di analizzare direttamente ipotesi
    alternative

68
Inferenza regole
  • Possibili errori dalla logica falsificazionista
  • Non valutazione della Potenza del test
  • Confronto fra i valori di p relativo ad alpha
  • Utilizzo della logica falsificazionista per
    confermare H0
  • La significatività indica una differenza ma non è
    né un indice di senso né un indice di forza

69
esercizio1
  • Analizza larticolo dal punto di vista delle
    variabili in studio e dei test statistici
    applicati.
  • Lindice di capacità di lavoro in operatori
    sanitari, Giornale Italiano di Medicina del
    lavoro e Ergonomia, p. 355-358

70
Domande
  • Quale è lipotesi sperimentale?
  • Eespressa chiaramente? E semplice e generale?
  • Quali sono le variabili in studio?
  • Sono identificabili? Fanno riferimento a un
    disegno sperimentale univariato o multivariato?
    Quali le dipendenti e i fattori? Che scala
    rappresentano?
  • Quale è la statistica applicata?
  • I test sono parametrici o non?
  • Cè una corrispondenza fra test utilizzato e tipo
    di variabile?
  • E visibile la distribuzione di probabilità della
    dipendente?

71
Inferenza regole
  • La logica falsificazionista deriva da due
    approcci
  • il p-value approach (PVA), di Fisher (1935)
  • il fixed alpha approach (FAA), di Neyman e
    Pearson (1933)

Fisher 1890-1962
J. Neyman 1884-1981
E. Pearson 1885-1980
72
Inferenza regole
  • Entrambi gli approcci condividono
  • lutilizzo dellipotesi nulla H0
  • lutilizzo di un valore critico di probabilità p
    (p-value) e del livello ? per determinare la
    probabilità del verificarsi di eventi dovuti al
    caso o ad errori di campionamento

73
Inferenza regole
  • METODO ALTERNATIVO ALLA LOGICA FALSIFICAZIONISTA
  • FAA di Neyman e Pearson
  • metodo per selezionare una ipotesi tra due
    ipotesi possibili H1 e H0

74
Inferenza regole
  • Oltre al valore di alpha si fissa anche quello di
    beta di solito, rispettivamente 0.05 e 0.2
  • Non si determina più la probabilità dei dati per
    H0 vera, ma la probabilità condizionata di H0 e
    H1 per quei dati osservati, da confrontare con i
    valori posti di alpha e beta e cioè, p(H0, H1?
    dati).

75
Inferenza regole
  • Tuttavia
  • Non ci sono oggi test statistici basati sul FAA
    salvo calcoli probabilistici bayesiani
  • Tutti i test sono basati sulla falsificazione di
    H0 secondo la logica falsificazionista

76
Inferenza regole
  • Consigli dell APA
  • Chiarezza nella presentazione dei dati
    (presentazione dei casi, dei dati mancanti e
    degli outliers)
  • Scelta di analisi semplici
  • Rinunciare alla scelta dicotomica fra
    accettazione e rifiuto di H1 e riportare oltre al
    valore di p anche gli intervalli di confidenza e
    la forza delleffetto

77
Inferenza regole
  • Letture consigliate
  • Fisher RA (1935) The design of Experiments,
    Edimburgh, Oliver Boyd trad. it. La
    programmazione degli esperimenti, Pisa, Nistri
    Lischi, 1954.
  • Neyman J e Pearson ES (1933) On the problem of
    the most efficient tests of statistical
    hypothesis, in Philosophical transaction of the
    Royal Society of London, A231, pp 289-337.
  • Cohen, J (1994) The Earth is round (plt0.05),
    American Psychologist, 49, 12, pp 997-1003.

78
Disegno di ricerca
  • Definizione
  • è il progetto nel quale sono specificati i
    legami fra le variabili che si andranno ad
    analizzare e i possibili risultati che ci si
    aspetta di trovare ovvero il modo con cui si
    analizzano le variabili in studio.

79
Tipologie di disegni di ricerca
  • Non cè concordanza fra gli autori
  • 2 linee
  • 1. Formale D.Sperimentali, D.Quasi sperimentali
    e D.Non sperimentali
  • 2. Pragmatica tutti i disegni sono considerati
    sperimentali

80
Tipologie di disegni di ricerca
  • DISEGNI SPERIMENTALI
  • sono caratterizzati dal controllo di tutte le
    variabili in gioco, del campione raccolto con
    selezione idonea e casuale e della procedura di
    raccolta e analisi dei dati

81
Tipologie di disegni di ricerca
  • DISEGNI QUASI SPERIMENTALI
  • sono caratterizzati dal PARZIALE controllo di
    tutte le variabili in gioco.

82
Tipologie di disegni di ricerca
  • DISEGNI QUASI SPERIMENTALI

I disegni con un solo campione sono quelli sui
quali si effettuano diverse misure ma che si
trattano non come misure ripetute ma come misure
indipendenti.   Nei disegni con campioni non
equivalenti lassegnazione dei soggetti ai gruppi
non avviene in modo casuale.   I disegni
ex-post-facto sono riferiti a situazioni nelle
quali levento in studio si è già
verificato. Esempio
83
Tipologie di disegni di ricerca
  • DISEGNI NON SPERIMENTALI
  • sono caratterizzati dallIMPOSSIBILITA del
    controllo sulle variabili in gioco, sul campione
    sulla procedura di raccolta e analisi dei dati

84
Tipologie di disegni di ricerca
  • DISEGNI NON SPERIMENTALI
  • le ricerche di osservazione nelle quali
    lattenzione è spostata sulla struttura del
    problema che si sta indagando
  • le ricerche darchivio nelle quali si fa
    riferimento a dati raccolti in passato in archivi
  • le ricerche sui casi singoli

85
Tipologie di disegni di ricerca
  • DISEGNI FATTORIALI
  • sono presenti tutte le possibili combinazioni di
    fattori
  • è possibile analizzare tutti gli effetti a cui i
    criteri di classificazione utilizzati fanno
    riferimento e tutte le possibili interazioni tra
    gli effetti principali

86
Tipologie di disegni di ricerca
  • DISEGNI FATTORIALI
  • disegni entro i soggetti o per prove correlate
    nei quali la misura è effettuata sullo stesso
    campione
  • disegni fra i soggetti nei quali è misurato
    leffetto di una variabile in diversi gruppi
  • disegni misti nei quali le condizioni fra i
    soggetti e entro i soggetti sono presenti

87
Tipologie di disegni di ricerca
  • Esempi di disegni fattoriali
  • entro i soggetti
  • fra i soggetti
  • misti

88
Tipologie di disegni di ricerca
  • DISEGNO INCOMPLETO
  • non è possibile utilizzare tutte le combinazioni
    dei fattori
  • non è conveniente il disegno fattoriale perchè
    porterebbe all'utilizzo di un numero totale di
    sottogruppi troppo grande 

89
Tipologie di disegni di ricerca
  • DISEGNI INCOMPLETI non vengono utilizzati tutti
    i sottogruppi possibili ma solo quelli che
    permettono lo studio degli effetti principali.
  • QUADRATO LATINO Utilizza un criterio di
    incompletezza ciclica uguale per tutte le
    interazioni possibili 
  • A BLOCCHI RANDOMIZZATI nel quale le classi di un
    certo fattore comprendono solo alcune
    sotto-classi, rappresentanti l'insieme
    complessivo.
  • Esempio

90
Tipologie di disegni di ricerca
  • DISEGNI PERSONALIZZATI
  • I tipi di disegno sperimentale esaminati sono
    solo una parte dei disegni utilizzabili.
  • Il tipo di disegno è condizionato dall'ipotesi
    che vogliamo dimostrare e dal tipo di effetti che
    riteniamo influenti.
  • In tutte le analisi statistiche è possibile
    personalizzare il modello di riferimento che
    rispecchia il disegno sperimentale utilizzato
  • Esempio

91
Capitoli di riferimento
  • Misura
  • Bolzani R. Benassi M (2003)Tecniche
    Psicometriche. Roma, Carocci Editore (Cap. 1)
  • McBurney DH (1986) Metodologia della ricerca
    psicologica. Bologna, Il Mulino. (Cap. 3)
  • Statistica inferenziale, logica del test e errori
    di misura
  • Bolzani R., Canestrari R. (1994) Logica del test
    statistico. Milano, Casa Editrice Ambrosiana.
    (Cap. 2)
  • Bolzani R. (1999) Problemi di statistica. Milano,
    Casa Editrice Ambrosiana. (Cap. 2)
  • McBurney DH (1986) Metodologia della ricerca
    psicologica. Bologna, Il Mulino. (Cap. 5, 6)
  • Disegni di ricerca
  • McBurney DH (1986) Metodologia della ricerca
    psicologica. Bologna, Il Mulino. (Cap. 7, 8, 9,
    10)
Write a Comment
User Comments (0)
About PowerShow.com