Title: Seminario di Metodologia della Ricerca Psicologica
1Seminario di Metodologia della Ricerca
Psicologica
- MARIAGRAZIA BENASSI
- ROBERTO BOLZANI
- SARA GIOVAGNOLI
Magritte, Age of Reason
2Metodologia 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
3Ricerca scientifica
- Scopo generare e controllare teorie
metodologicamente corrette - Aderenza alla realtà empirica di riferimento
- Riduzione dei costi e degli errori
4Programma 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
5Programma del corso
- II Parte (3 cfu) Procedure statistiche avanzate
- 1. Analisi della correlazione2. Analisi
fattoriale3. Analisi discriminante e cluster
analysis4. Modelli non parametrici5. Metanalisi
6Modalità desame
- Orale
- 3 cfu I Parte
- 6 cfu I II Parte
7Bibliografia
- 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)
8Strumenti
- Diapositive e esercizi sul sito di Psice-Pagine
Insegnamenti - Lezioni e esercitazioni on-line disponibili sulla
piattaforma A3
9Piattaforma A3
- Registrazione
- atutor.psice.unibo.it/registrazione/
- Id PsicologiaFreq
- Passwordpoqevipe36
- Mail e matricola
- http//atutor.psice.unibo.it
10Piattaforma A3
- Moduli didattici e esercitazioni
- Chat (orari di ricevimento CESENA)
- Forum
11Verifiche
- Pre-appelli per frequentanti (1 per ogni parte
per 1cfu) durante il corso (15 Marzo 5 Aprile) - Appelli ufficiali (esame orale)
12PRE-REQUISITI
- Logica della dimostrazione sperimentale
- Distribuzioni di Probabilità
- Test parametrici e non parametrici
13Note 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
17Precisione 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
18Statistica 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.
19Statistica 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.
20Determinazione delloggetto
- Semplicità della teoria
- Conformità alle leggi o alle regolarità della
natura - Semplicità come Falsificabilità
- Universalità della teoria
- Parsimonia
21Generalizzazione
- Scopo della misura
- Punto di partenza e di arrivo di ogni misurazione
22SCALE DI MISURA
- Classificazione Stevensiana
- sistema di riferimento sistema dei numeri reali
R - Va da una classe più semplice a una classe più
complessa
23SCALE DI MISURA
- Classificazione Stevensiana
- Scale nominali
- Scale ordinali
- Scale intervalli
- Scale rapporto
24Scale 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
25Scale 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
26Scale 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
27Scale 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
28SCALE DI MISURA
- Critiche alla classificazione stevensiana
- non comprende tutte le possibili classi di
eventi. - Rigidità nellaccostamento scala-statistica
29Variabili
- Eventi empirici oggetto della misura
- Possono essere parte di categorie e assumere
diversi valori
30VARIABILI
- CRITICITA
- Aderenza fra sistema numerico e sistema empirico
- Metodo di misurazione sintetico o analitico
31TIPI DI VARIABILI
- Classificazione in base al ruolo nel disegno
sperimentale - Relazione causale
- Variabile dipendente
- Fattore
- Variabile confondente
32TIPI DI VARIABILI
- Classificazione in base alle caratteristiche
- Variabili qualitative
- Variabili quantitative
- Classificazione in base alla distribuzione
- Variabili gaussiane
- Varibili non gaussiane
33VARIABILI E SCALE DI MISURA
- OPERAZIONI STATISTICHE POSSIBILI
- Scelta è dettata da
- dal disegno sperimentale
- dallipotesi sperimentale
- dal tipo di variabili
34VARIABILI E SCALE DI MISURA
- OPERAZIONI STATISTICHE POSSIBILI
- Dal disegno sperimentale
- Multivariato
- Univariato
-
35VARIABILI E SCALE DI MISURA
- OPERAZIONI STATISTICHE POSSIBILI
- Dallipotesi sperimentale
- Inferenza (rapporti di causa-effetto
generalizzabili) - Descrizione (esplorazione di un fenomeno di
diversa complessità)
36VARIABILI 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
37VARIABILI E SCALE DI MISURA
- OPERAZIONI STATISTICHE POSSIBILI
- Criticità
- criteri decisionali rigidi
- ambiguità della situazione
- Soluzioni
- - motivazioni del criterio
38Statistica 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.
39Statistica 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
40Inferenza 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
41Inferenza regole
- ESEMPIO 1 INDAGINE SULLA RELAZIONE FRA
ALCOOLISMO E CIRROSI EPATICA - ESEMPIO 2 INDAGINE SULLA RELAZIONE FRA ETA E
CAPACITA MNEMONICHE
42Inferenza 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)
43Inferenza regole
- RIGIDITA DEL PROCESSO DIMOSTRATIVO
- Regole di metodo come convenzioni
- Controllo
- Corroborazione
- Replicabilità
- Revisione
44Inferenza 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
45Inferenza regole
- Loggettività della scienza sta
nellintersoggettività delle asserzioni della
scienza stessa.
46Inferenza regole
47Inferenza regole
- (1)
- Formulazione Idea sperimentale (H1)
- generale e falsificabile
- ipotesi di differenza
-
48Inferenza regole
- (2)
- Formulazione di H0 da falsificare
- complementare a H1
- ipotesi di uguaglianza
49Inferenza 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)
50Inferenza regole
- (4)
- Applicazione del TEST STATISTICO
- indipendenza
- riferimento alle distribuzioni teoriche
(continuità, normalità ..) - in grado di falsificare tipi determinati di
ipotesi nulle
51Inferenza 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)
52Inferenza regole
- (6a)
- Falsificazione di H0
- dimostrazione di H1
- (6b)
- Non falsificazione di H0
- riflessioni sulla ricerca
- NON SI PUO DIMOSTRARE H0
53Inferenza 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
54Inferenza regole
55ERRORI DI MISURA
Inferenza regole
- Misurare implica sempre un errore ?
- ineliminabile
- di diversa origine
- può essere quantificabile
- Occorre identificare e misurare anche lerrore
56ERRORI DI MISURA
Inferenza regole
- Errori di metodo controllo tramite evitamento
- Errori di decisione controllo tramite stima
57ERRORI DI DECISIONE
Inferenza regole
58ERRORI 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
59ERRORI 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
60Inferenza 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
61Inferenza 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
62Inferenza 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)
63Inferenza 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
64Inferenza regole
- Un esempio nellanalisi della covarianza è
possibile calcolare la potenza del test (observed
power) e la forza delleffetto (partial Eta
squared)
65ERRORI DI DECISIONE
- Tuttavia
- La potenza del test a posteriori è calcolata
sulla differenza misurata e non sulla minima
differenza apprezzabile
66Inferenza regole
- Logica falsificazionista
- Un sistema empirico per essere scientifico deve
poter esser confutato dallesperienza - Asimmetria fra verificabilità e falsificabilità
- Limite alpha funge da sbarramento
67Inferenza 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
68Inferenza 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
69esercizio1
- 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
70Domande
- 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?
71Inferenza 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
72Inferenza 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
73Inferenza regole
- METODO ALTERNATIVO ALLA LOGICA FALSIFICAZIONISTA
- FAA di Neyman e Pearson
- metodo per selezionare una ipotesi tra due
ipotesi possibili H1 e H0
74Inferenza 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).
75Inferenza 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
76Inferenza 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
77Inferenza 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.
78Disegno 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.
79Tipologie 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
80Tipologie 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
81Tipologie di disegni di ricerca
- DISEGNI QUASI SPERIMENTALI
- sono caratterizzati dal PARZIALE controllo di
tutte le variabili in gioco.
82Tipologie 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
83Tipologie 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
84Tipologie 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
85Tipologie 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
86Tipologie 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
87Tipologie di disegni di ricerca
- Esempi di disegni fattoriali
- entro i soggetti
- fra i soggetti
- misti
88Tipologie 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
89Tipologie 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
90Tipologie 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
91Capitoli 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)