Post on 08-Jan-2019
Allegato 5
Aspetti metodologici e statistiche del Delphi
(di R. Locatelli e P. Ossola, Università dell’Insubria)
La metodologia Delphi (P. Ossola)
Il metodo Delphi nasce nel 1953 dal lavoro di un gruppo di ricercatori della Rand Corporation che
lo usarono per prevedere l’impatto della tecnologia nel welfare. Tale tecnica, oggi utilizzata per
diversi scopi, come la definizione di obiettivi, l’individuazione di possibili soluzioni ad un
problema, la valutazione della desiderabilità e fattibilità di possibili alternative, l’individuazione di
possibili strategie di azione, , la costruzione di possibili scenari di sviluppo e la formulazione di
previsioni, nonché per la pianificazione, è una metodologia tipica della ricerca sociale, che permette
di intervistare un panel di esperti chiamati ad esprimere in modo anonimo i propri pareri ed
opinioni su una determinata tematica, allo scopo di validarne alcuni tramite il confronto reciproco e
la condivisione progressiva. Si tratta di un metodo utile in particolare quando si ha l’esigenza di
descrivere scenari futuri in situazioni in cui manca il consenso o l’accordo sugli interventi e/o
soluzioni da adottare. Esso, infatti, mediante un processo di reiterazione controllata, permette una
previsione comune ed attendibile, evitando i c.d. effetti parassitari dell’interazione diretta tra le parti
(permette di evitare effetti di leadership relative al prevalere di una specifica professione o di
interessi di gruppo acquisiti o di forti personalità e di evitare la dominanza di opinioni e scontri di
opinione tra le parti, garantendo altresì l’anonimato ai singoli partecipanti in modo tale da
permettere ai rispondenti di esprimere la loro opinione evitando loro di compromettere la loro
reputazione).
In questa tecnica gli intervistati non sono compresenti fisicamente, ma interagiscono per mezzo di
una guida, l’intervistatore/il team di ricerca, che raccoglie e diffonde le informazioni dal patrimonio
conoscitivo del gruppo attraverso una serie di questionari intervallati da momenti di feedback di
verifica delle opinioni emerse. Il metodo considerato, infatti, è un metodo iterativo basato su più
fasi successive di raccolta dati (di solito si lavora su due o più rounds di consultazione degli
esperti), che coinvolge un panel di esperti contattati singolarmente di cui si garantisce l’anonimato.
Ruolo fondamentale in questa tecnica di ricerca sociale è ricoperto dall’intervistatore, il quale ha il
compito di mediare il confronto e la valutazione dei pareri raccolti favorendone la sintesi in ogni
fase con i risultati della precedente.
I questionari somministrati sono più o meno strutturati in relazione alle fasi di somministrazione.
Inizialmente le domande possono essere aperte, in quanto l’obiettivo è quello di sottoporre agli
esperti una serie di quesiti base. Ottenute le risposte a questa prima consultazione, l’intervistatore ne
effettua una elaborazione dalla quale si estrapoleranno le prime valutazioni dei fenomeni
considerati, che saranno alla base per una seconda consultazione che dovrà essere più strutturata e le
domande dovranno essere a risposta chiusa. Infatti, nelle fasi iniziali i questionari sono finalizzati ad
esplorare l’oggetto di ricerca, mentre nelle fasi successive essi sono finalizzati all’analisi e
valutazione degli aspetti emersi. Man mano che il processo di comunicazione si sviluppa, attraverso
la mediazione dell’intervistatore, i giudizi espressi dai membri del gruppo, originariamente
eterogenei, tendono a fondersi, a convergere per individuare una linea di azione condivisa. Il ciclo
viene iterato fino a quando si ottiene un soddisfacente livello di convergenza. A conclusione dei
diversi rounds se si raggiunge una certa convergenza nelle opinioni questa sarà assunta come
previsione del Delphi.
La tecnica Delphi per le sue caratteristiche di supporto al processo decisionale diretto alla
costruzione di un giudizio condiviso all’interno di un gruppo eterogeneo è spesso usata in ambienti
di condivisione on-line (es. nei forum), in cui i diversi attori in gioco considerano gli aspetti di un
problema, e dialogano fino ad arrivare ad una decisione condivisa.
Un particolare tipo di metodologia Delphy è il Policy Delphi dove il panel coinvolge diversi
stakeholders e policy-makers invitati a valutare eventi futuri che in parte dipendono dalle loro stesse
azioni. Si tratta di una analisi utilizzata non solo come metodo di previsione ma anche come
procedura di verifica e perfezionamento del consenso e di decision making finalizzato alla ricerca di
soluzioni innovative.
Bibliografia essenziale
Bailey Kenneth D., Metodi della ricerca sociale. Il Mulino,1982;
Bolognini M., Democrazia elettronica. Metodo Delphi e politiche pubbliche. Carocci, 2001;
Callini D., Su misura. Fabbisogni di professionalità e di competenze. FrancoAngeli 2003
Dalkey N.C., The Delphi Method: an experimental study of group opinion. Rand, 1969
Guizzardi A., La previsione economica. Problemi e metodi statistici. Guaraldi, 2002
Palumbo M., Garbarino E., Ricerca sociale: metodo e tecniche. Franco Angeli, 2006. Ziglio E., La tecnica Delphi. Applicazione alle politiche sociali. Rassegna italiana di valutazione, 2, aprile-
giugno 1996;
L’indagine Delphi per Varese 2020 (R. Locatelli)
L’indagine Delphi avviata nel quadro della seconda fase del progetto di ricerca “Varese 2020” è
stata basata su due distinte fasi progettuali. Nella prima, che si è svolta tra marzo e aprile 2011,
sono state sottoposte ad un gruppo di esperti alcune domande aperte di carattere generale finalizzate
a ottenere dagli stessi la scelta di alcune priorità all’interno di un elenco di fattori di contesto
globale (elencati nella tabella 5) nonché alcune indicazioni di massima sulla rilevanza di alcune
caratteristiche e dinamiche del territorio in grado di incidere sulle direzioni di evoluzione e
cambiamento del contesto economico e sociale della provincia. Nella seconda fase, completata a
giugno 2011, è stato sottoposto ad un gruppo più ampio di esperti un questionario composto da 30
domande elaborate sulla base dei risultati del primo turno dell’indagine. Agli esperti era richiesto di
assegnare una graduazione sulla base di una scala di Lickert rispetto al grado di condivisione di una
determinata affermazione. Nella tabella allegata di seguito (5.1) sono riportati i valori medi e il
grado di deviazione standard delle risposte date dagli esperti.
Tab. 5.1 Analisi Delphi. Valori medi e deviazione standard.
Frequenze Media Frequenze
sopra la
media
Frequenze
sotto la
media
Deviazione
Standard
Grado di
convergenza
delle opinioni
0 1 2 3 4 5 6 Nd
1
La provincia di Varese è caratterizzata da una
struttura disomogenea (nord: agricoltura e
turismo; centro: terziario avanzato e attività
amministrative; sud: industria, attrazione dell’alto
milanese) che tenderà a rafforzarsi e i centri di
attrazione determineranno la progressiva perdita
di identità della provincia.
0 2 2 1 5 5 2 1 3,88 12 5 1,58 Basso
2.a La Regio Insubrica acquisirà rilevanza e
compattezza come area di interesse politico. 2 3 4 3 4 0 2 0 3,00 6 10 1,59 Basso
2.b La Regio Insubrica acquisirà rilevanza e
compattezza come area di interesse economico. 1 0 4 2 4 6 1 0 3,88 11 6 1,32 Medio
2.c La Regio Insubrica acquisirà rilevanza e
compattezza come area di interesse sociale. 2 1 2 4 4 3 2 0 3,75 9 7 1,44 Medio
3.a
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dal ruolo trainante dell’industria
manifatturiera.
0 0 3 1 3 6 5 0 4,50 11 7 1,42 Medio
3.b
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dal ruolo trainante dal ruolo trainante
del sistema del turismo.
0 1 7 4 4 1 0 1 2,82 9 8 1,07 Medio
3.c
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dalla presenza di un sistema forte di
reti di micro e piccole imprese.
0 0 0 4 3 8 2 1 4,47 10 7 1,01 Medio
3.d
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dalla presenza di un sistema efficiente
di servizi alle imprese.
0 0 2 3 5 6 2 0 4,17 8 10 1,20 Medio
3.e
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dalla presenza di un sistema efficiente
di servizi alle persone.
1 0 3 5 4 3 2 0 3,76 9 8 1,30 Medio
3.f
L’identità della provincia di Varese sarà in
prospettiva (per il 2020) prevalentemente
influenzata dall’essere zona residenziale di
qualità.
2 1 4 3 5 2 1 0 3,38 8 8 1,36 Medio
4
L’attuale maggiore elevatezza della presenza
industriale della provincia rispetto alla Lombardia
e all’Italia è destinata a ridursi.
0 5 1 1 8 2 1 0 3,22 11 7 1,63 Basso
5 Il numero di posti di lavoro nell’industria
manifatturiera è destinato a ridursi nel 2020. 0 1 0 3 4 7 3 0 4,39 10 8 1,29 Medio
6 Aumenterà nel 2020 il peso occupazionale del
privato-sociale anche in provincia. 1 0 0 0 6 10 1 0 4,71 11 6 0,59 Alto
7
La formazione del capitale umano implica la
costruzione di un processo formativo di carattere
locale.
0 1 3 2 0 8 4 0 4,28 12 6 1,64 Basso
8.a
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend mondiali: etica
professionale come fattore competitivo.
0 0 0 2 6 3 5 2 4,69 8 8 1,08 Medio
8.b
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend mondiali: capacità
di pensiero laterale.
1 0 2 3 1 6 5 0 4,53 11 6 1,42 Medio
8.c
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend
mondiali:specializzazione professionale in ambito
tecnico.
0 0 1 0 5 3 9 0 5,06 9 9 1,16 Medio
8.d
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend mondiali:
specializzazione professionale in ambito
gestionale-manageriale.
0 0 0 0 7 5 6 0 4,94 11 7 0,87 Alto
8.e
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend mondiali: senso
della diversità e della unicità della persona.
3 0 2 1 0 5 7 0 4,93 12 3 1,44 Medio
8.f
Le caratteristiche delle persone che risiedono e
operano in provincia dovranno comprendere
questi elementi forti dei trend mondiali:
multilinguismo e interculturalità.
0 0 2 1 4 3 8 0 4,78 11 7 1,40 Medio
9
Creare il capitale umano del futuro significa, per
le realtà imprenditoriali e non solo per le
istituzioni a ciò preposte, preoccuparsi non
solamente degli aspetti di sviluppo di conoscenze
e di capacità operative ma anche di valori e
comportamenti (caratteri della persona).
1 0 0 3 1 6 7 0 5,00 7 10 1,12 Medio
10
Il ruolo delle istituzioni pubbliche sarà
fondamentale per indirizzare lo sviluppo socio-
economico solo a condizione che sappiano
pensare ed agire non in logica di ascolto di parti
ma dell’intero sistema socio economico.
0 1 1 1 3 5 7 0 4,72 12 6 1,49 Medio
11
Il ruolo delle istituzioni e degli organismi di
governo sarà comunque fondamentale nel
definire le linee di evoluzione della provincia.
1 1 1 3 6 2 4 0 4,12 6 11 1,45 Medio
12
La globalizzazione “locale” richiederà un
migliore e maggiore coordinamento delle
politiche tra territori confinanti (es. Varese,
Canton Ticino).
0 0 0 2 3 4 9 0 5,11 9 9 1,08 Medio
13
Nella provincia dovrà diffondersi la disponibilità
a sperimentare forme innovative di contratti di
lavoro.
0 1 1 0 4 7 5 0 4,67 12 6 1,37 Medio
14 La provincia di Varese sperimenterà entro il 2020
rilevanti problemi dal punto di vista ambientale. 2 1 1 4 4 4 2 0 3,94 10 6 1,39 Medio
15 L’immigrazione qualificata sarà uno dei punti di
forza della provincia di Varese. 2 0 2 2 5 6 1 0 4,13 7 9 1,15 Medio
16.a L’integrazione delle popolazioni immigrate non
sarà operazione immediata e semplice. 1 0 0 2 7 4 4 0 4,59 8 9 1,00 Alto
16.b L’integrazione delle popolazioni immigrate non
sarà operazione prioritaria nella provincia. 2 1 1 4 4 3 2 1 3,87 9 6 1,41 Medio
17 La questione del nanismo delle imprese locali
influirà negativamente sullo sviluppo. 0 2 2 0 4 4 6 0 4,33 10 8 1,75 Basso
18
Le piccole imprese e le microimprese varesine
saranno in grado di sviluppare forme di
cooperazione efficace attraverso reti e soluzioni
di collaborazione.
0 1 5 2 9 1 0 0 3,22 10 8 1,11 Medio
19
Le professionalità prevalenti nelle imprese del
territorio non saranno in grado di rendere
possibile la competizione di imprese esterne.
2 3 6 3 2 1 0 1 2,47 6 9 1,19 Medio
20
L’innovazione tecnologica in provincia sarà
sempre più guidata dalla concorrenza
internazionale.
0 1 0 1 4 6 6 0 4,78 12 6 1,31 Medio
21
Le imprese varesine non saranno in grado di
realizzare autonomamente significative
innovazioni di prodotto e strategie di
superamento della competizione globale.
1 2 2 3 6 2 1 1 3,44 9 7 1,41 Medio
22.a
Le tecnologie avranno un ruolo di forte impatto
nel plasmare alcuni fattori economici: riduzione
della necessità di personale intermedio.
1 2 3 4 5 2 1 0 3,29 8 9 1,40 Medio
22.b
Le tecnologie avranno un ruolo di forte impatto
nel plasmare alcuni fattori economici: riduzione
ulteriore della necessità di personale operativo.
0 1 1 4 7 3 2 0 3,89 12 6 1,28 Medio
22.c
Le tecnologie avranno un ruolo di forte impatto
nel plasmare alcuni fattori economici: aumento di
nicchie redditive di prodotti e servizi.
0 0 1 0 2 5 10 0 5,28 10 8 1,07 Medio
23
I competitors internazionali potrebbero avere un
impatto fortemente negativo sullo sviluppo della
provincia in particolare con riferimento ai settori
tradizionali.
0 1 5 0 4 5 2 1 3,76 11 6 1,60 Basso
24.a
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
tessile.
0 1 4 6 5 2 0 0 3,17 7 11 1,10 Medio
24.b
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
meccanico.
0 0 2 1 4 7 4 0 4,56 11 7 1,25 Medio
24.c
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
chimico/plastico.
0 0 2 1 6 8 1 0 4,28 9 9 1,07 Medio
24.d
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
chimico/farmaceutico.
0 1 0 1 4 12 0 0 4,44 12 6 1,04 Medio
24.e
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
elettrodomestico.
0 0 3 4 6 4 1 0 3,78 11 7 1,17 Medio
24.f
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
aereonautico.
0 0 0 2 1 9 6 0 5,06 6 12 0,94 Alto
24.g
I settori storici del sistema varesino saranno
ancora prevalenti per lo sviluppo della provincia:
agricolo.
0 2 3 5 6 2 0 0 3,17 8 10 1,20 Medio
25
Per il suo sviluppo la provincia dovrà puntare su
altri settori riducendo il peso di quelli
tradizionali.
0 1 2 1 3 8 3 0 4,33 11 7 1,46 Medio
26.a
I seguenti elementi saranno fondamentali nel
plasmare il contenuto di prodotti e servizi del
prossimo futuro: le tecnologie digitali.
0 1 0 2 4 4 7 0 4,72 11 7 1,41 Medio
26.b
I seguenti elementi saranno fondamentali nel
plasmare il contenuto di prodotti e servizi del
prossimo futuro: l’estetica e il senso della
esperienza nell’utilizzo/fruizione.
0 0 1 3 3 8 3 0 4,50 11 7 1,15 Medio
26.c
I seguenti elementi saranno fondamentali nel
plasmare il contenuto di prodotti e servizi del
prossimo futuro: la virtualizzazione e l’ubiquità
nell’uso/accesso.
1 1 0 3 5 5 2 1 4,19 7 9 1,28 Medio
26.d
I seguenti elementi saranno fondamentali nel
plasmare il contenuto di prodotti e servizi del
prossimo futuro: cultura della collaborazione tra
imprese.
0 0 0 1 3 6 8 0 5,17 8 10 0,92 Alto
26.e
I seguenti elementi saranno fondamentali nel
plasmare il contenuto di prodotti e servizi del
prossimo futuro: cultura della responsabilità
interna e verso la società.
0 0 1 2 4 4 7 0 4,78 11 7 1,26 Medio
27 È necessario sviluppare logiche di marketing
territoriale innovativo ed efficace. 0 0 1 2 4 4 7 0 4,78 11 7 1,26 Medio
28.a Il territorio per crescere dovrà riuscire ad attrarre
in loco in misura maggiore: imprese. 0 1 0 2 4 4 7 0 4,72 11 7 1,41 Medio
28.b Il territorio per crescere dovrà riuscire ad attrarre
in loco in misura maggiore: investitori. 0 1 1 4 2 2 8 0 4,50 10 8 1,65 Basso
28.c Il territorio per crescere dovrà riuscire ad attrarre
in loco in misura maggiore: capitale umano. 0 0 0 0 1 7 10 0 5,50 10 8 0,62 Alto
29
Le associazioni di categoria e i confidi avranno
un ruolo centrale nel garantire un equilibrato
finanziamento delle imprese.
0 0 3 4 1 8 2 0 4,11 10 8 1,37 Medio
30 La mancanza di una banca locale nella provincia
non è un vulnus alla capacità imprenditoriale. 0 2 4 3 1 3 4 1 3,65 8 9 1,84 Basso
Il gruppo di esperti è stato scelto sulla base di caratteristiche di autorevolezza e di competenze
scientifiche. Non tutti gli esperti operano direttamente nel territorio della provincia, ma tutti hanno
una conoscenza sufficientemente approfondita del territorio provinciale, sia in conseguenza di
elementi anagrafici sia in relazione a esperienze professionali e/o scientifiche. Nella tabella 5.2 sono
indicati gli esperti che hanno partecipato all’indagine.
Per quanto superfluo, poiché implicito nella metodologia, gli esperti per tutto lo svolgimento
dell’indagine Delphi non hanno saputo quale fosse la composizione del gruppo degli esperti.
Tab. 5.2 - Esperti coinvolti nell’indagine Delphi
Dott. Luca BARNI Direttore Generale BCC di Busto Garolfo e Buguggiate
Ing. Paolo BORZATTA Senior Partner, The European House - Ambrosetti
Dott. Alberto BRUGNOLI Direttore Generale, Eupolis Lombardia
Prof. Carlo BRUSA Ordinario di Storia Economica, Preside Facoltà di Lettere,
Università del Piemonte Orientale
Dott. Antonio BULGHERONI Presidente Lindt, Vice Presidente UBI
Prof. Pietro CAFARO Ordinario di Storia Economica, Università Cattolica del S. Cuore
Prof. Giuseppe COLANGELO Ordinario di Economia Politica, Università dell’Insubria, Facoltà
di Giurisprudenza
Prof. Domenico DE MASI Ordinario di Sociologia del Lavoro, Università degli studi di
Roma La Sapienza
Prof.. Lelio DEMICHELIS Docente di Sociologia, Università dell’Insubria
Dott. Dario DI VICO Giornalista economico ed editorialista, Corriere della Sera
Prof. Gioacchino GAROFOLI Ordinario di Politica Economica, Università dell’Insubria,
Varese
Prof. Enrico MARELLI Ordinario di Politica Economica, Università di Brescia e IRER
Prof. Alberto ONETTI Associato di Economia e Gestione delle Imprese e Direttore
Cresit, Università dell’Insubria
Prof. Giancarlo PROVASI Ordinario di Sociologia Economica, Università di Brescia
Dott. Marina PURICELLI Lecturer IOSI, Università Bocconi, Responsabile piattaforma
PMI - SDA Bocconi
Dott. Paola ROSSI Divisione Analisi e Ricerca Economica e Territoriale, Banca
d’Italia, sede di Milano
Dott. Carlo ROSSI Partner Price Waterhouse Coopers Consultant
Dott. Ivan SPERTINI Equity Partner, KPMG
Prof. Federico VISCONTI Ordinario di Economia e Gestione delle Imprese, Università
della Valle d’Aosta e SDA Bocconi
L’analisi di correlazione tra alcune risposte salienti al Delphi (versione integrale –con dati –
del par. 6.2.b. del rapporto, di P. Ossola)
Dall’analisi di correlazione (la correlazione assume valori tra -1 ed 1 ed è uguale a 0 quando tra le
variabili non c’è relazione; la correlazione è debole se il valore ottenuto è inferiore a 0,3, è
moderata se il valore individuato è tra 0,3 e 0,7 e forte se è maggiore di 0.7), si individuano alcune
relazioni di correlazione significative in alcuni casi forte e in altri di valore moderato.
Vi è una correlazione negativa tra il fatto di riconoscere che la provincia di Varese, da sempre una
provincia caratterizzata da disomogeneità, sarà destinata a perdere progressivamente la sua identità
e il fatto che l’industria manifatturiera influenzerà fortemente tale identità (Correlazione di Pearson
negativa moderata: -,593*, p<.05), mentre vi è una correlazione positiva tra quest’ultima
caratteristica e il fatto che l’attuale maggior presenza industriale della provincia rispetto alla
Lombardia e all’Italia sarà destinata a ridursi (Correlazione di Pearson positiva moderata: ,579*,
p<.05).
Si riscontra una correlazione negativa tra il fatto di riconoscere che la provincia di Varese sarà
destinata a perdere progressivamente la sua identità e il fatto che il personale che opererà in
provincia dovrà avere sempre meno una specializzazione professionale in ambito tecnico
(Correlazione di Pearson negativa moderata: -,493*, p<.05).
Per coloro per i quali la maggior presenza industriale della provincia rispetto alla Lombardia e
all’Italia è destinata a ridursi, c’è anche accordo sul fatto che i posti di lavoro nell’industria
manifatturiera saranno desinati a ridursi (Correlazione di Pearson positiva moderata: ,656**, p<.01)
e che verosimilmente la provincia per il suo sviluppo dovrà puntare su altri settori riducendo il peso
di quelli tradizionali (Correlazione di Pearson positiva moderata: ,616**, p<.01).
Al contrario per coloro che pensano che il manifatturiero avrà un ruolo fondamentale
nell’influenzare l’identità della provincia, sarà il settore meccanico uno dei prevalenti per lo
sviluppo (Correlazione di Pearson positiva moderata: ,602**, p<.01); a tal fine gli esperti che hanno
dato tale indicazione ritengono anche che sia necessario supportare il settore con la specializzazione
professionale in ambito tecnico del personale operante in provincia (Correlazione di Pearson
positiva moderata: ,586*, p<.05) e attirando in loco in misura maggiore le imprese (Correlazione di
Pearson positiva moderata: ,662**, p<.01) e gli investitori (Correlazione di Pearson positiva:
,537*, p<.05).
Coloro che ritengono che la Regio Insubrica acquisirà rilevanza come area di interesse economico,
ritengono anche che questa acquisirà una rilevanza in termini politici (Correlazione di Pearson
positiva forte: ,762**, p<.01).
Chi indica che l’identità della provincia sarà prevalentemente influenzata dalla presenza di un
sistema efficiente di servizi alla persona sottolinea come sarà fondamentale l’etica professionale tra
i fattori competitivi per le persone che operano in provincia (Correlazione di Pearson positiva e
moderata: ,697**, p<.01) e che i servizi dovranno essere plasmati dalla cultura della responsabilità
interna e verso la società (Correlazione di Pearson positiva forte: ,704**, p<.01). L’etica
professionale come fattore competitivo del personale e la cultura della responsabilità interna e verso
la società nel plasmare prodotti e servizi sono positivamente correlati e la relazione è forte
(Correlazione di Pearson positiva forte: ,825**, p<.01). La cultura della responsabilità interna e
verso la società richiama l’importanza del senso della diversità e dell’ unicità della persona
(Correlazione di Pearson positiva forte: ,789**, p<.01). Il concetto di estetica e senso
dell’esperienza nell’utilizzo/fruizione di prodotti e servizi è correlato positivamente alla cultura
della responsabilità interna e verso la società secondo gli esperti (Correlazione di Pearson: ,688**,
p<.01). Per coloro i quali il capitale umano del futuro dovrà essere basato su aspetti non solo di
conoscenze e di capacità operative ma anche su valori e comportamenti legati alle caratteristiche
personali, sarà fondamentale dare importanza anche alla cultura della responsabilità interna e verso
la società (Correlazione di Pearson positiva forte: ,771**, p<.01) e all’etica professionale come
fattore competitivo (Correlazione di Pearson positiva forte: ,701**, p<.01)
Il ruolo delle istituzioni pubbliche e degli organismi di governo sarà fondamentale nel definire le
linee di evoluzione della provincia, ma esse dovranno pensare ed agire in una logica di sistema
(Correlazione di Pearson positiva moderata: ,638**, p<.01)
Coloro che ritengono che la globalizzazione “locale” richieda un migliore e maggiore
coordinamento delle politiche tra territori confinanti vedono anche la necessità per il territorio, in
una prospettiva di crescita, di attrarre in loco in misura maggiore il capitale umano (Correlazione di
Pearson positiva moderata: ,529*, p<.05).
Per gli esperti che ritengono sia importante per le piccole imprese e le microimprese varesine lo
sviluppo di forme di cooperazione efficace attraverso reti e soluzioni di collaborazione, ritiene
anche che le associazioni di categoria e i confidi avranno un ruolo centrale nel garantire un
equilibrato finanziamento delle imprese (Correlazione di Pearson positiva moderata: ,678**,
p<.01)
Coloro che vedono un ruolo forte della concorrenza internazionale nel guidare l’innovazione
tecnologica e che vedono le imprese varesine come non in grado di realizzare autonomamente
innovazioni significative di prodotto (Correlazione di Pearson positiva moderata: ,501*, p<.05),
pensano altresì che saranno i competitors internazionali ad avere un impatto fortemente negativo
sullo sviluppo della provincia in particolare con riferimento ai settori tradizionali (Correlazione di
Pearson positiva forte: ,709**, p<.01).
Chi pensa che saranno i competitors internazionali ad avere un impatto fortemente negativo sullo
sviluppo della provincia, in particolare con riferimento ai settori tradizionali vedono anche una
riduzione della necessità di personale operativo (Correlazione di Pearson positiva moderata: ,684**,
p<.01) e pensano che la provincia dovrà puntare su altri settori riducendo il peso di quelli
tradizionali dove subiranno maggiormente la concorrenza (Correlazione di Pearson positiva
moderata: ,633**, p<.01). Coloro che vedono un aumento del ruolo delle nicchie redditive di
prodotti e servizi identificano nell’aerospaziale uno dei settori di sviluppo della provincia
(Correlazione di Pearson positiva moderata: ,626**, p<.01) e chi pensa che per il suo sviluppo la
provincia dovrà puntare su altri settori riducendo il peso di quelli tradizionali vede nelle tecnologie
digitali uno degli elementi su cui plasmare il contenuto di prodotti e servizi (Correlazione di
Pearson positiva moderata: ,652**, p<.01) e coloro che vedono le tecnologie digitali come elementi
fondamentali per i prodotti e i servizi del futuro, vedono anche la virtualizzazione e l’ubiquità
nell’uso/accesso come elementi essenziali (Correlazione di Pearson positiva moderata: ,575*,
p<.05). Coloro che vedono il tessile come settore storico del sistema varesino prevalente per lo
sviluppo della provincia, ritengono sia fondamentale che nel prodotto e nel servizio l’estetica e il
senso dell’esperienza nell’utilizzo/fruizione vengano fortemente considerati (Correlazione di
Pearson positiva moderata: ,675**, p<.01).
Vi è una correlazione positiva tra la necessità di attrarre in loco le imprese e la necessità di attrarre
investitori (Correlazione di Pearson positiva forte: ,771**, p<.01). Coloro che vedono
nell’elettrodomestico e nell’aeronautico i due settori storici trainanti per lo sviluppo della provincia
ritengono sia fondamentale attrarre in loco investitori (Correlazione di Pearson positiva forte:
,702**, p<.01) nel primo caso e investitori e imprese per i secondi (Correlazione di Pearson
investitori positiva moderata: ,682**, p<.01; Correlazione di Pearson imprese positiva moderata:
,626**, p<.01). Per coloro che dichiarano l’importanza dello sviluppo di logiche di marketing
territoriale innovativo ed efficace sarà altresì necessario attrarre in loco investitori (Correlazione di
Pearson: ,479*, p<.05).
Da notare il fatto che non vi è correlazione tra la valutazione del ruolo trainante del sistema del
turismo e la necessità di sviluppare logiche di marketing territoriale innovativo ed efficace,
elemento che invece pare molto importante.
Volendo sintetizzare in alcuni messaggi forti l’analisi di correlazione svolta emerge chiaramente:
- l’importanza del settore manifatturiero e del meccanico/aerospaziale come traino per lo
sviluppo;
- che i servizi, alle persone in particolare, non possono esimersi dalla maturazione di una
sensibilità sociale e dalla diffusione di comportamenti etici;
- che solo con una azione di governance da sistema si potranno attrarre le imprese, i capitali,
le persone necessarie per lo sviluppo;
- che saranno i competitors internazionali a guidare l’innovazione technology based,
Quest’ultimo è un segnale forte come sprone elemento per spronare le imprese, le persone, il
sistema della governance locale per uno sviluppo guidato e non subito.
Tab. 5.3 Matrice delle correlazioni tra le risposte al questionario Delphi (incroci dalla domanda 1 alla 17)
1 2a 2b 2c 3a 3b 3c 3d 3e 3f 4 5 6 7 8a 8b 8c 8d 8e 8f 9 10 11 12 13 14 15 16a 16b 17
1
Correlazione di Pearson
1
Sig. (2-code)
N 17
2a
Correlazione di Pearson
-,247 1
Sig. (2-code) ,376
N 15 16
2b
Correlazione di Pearson
-,289 ,762** 1
Sig. (2-code) ,277 ,001
N 16 16 17
2c
Correlazione di Pearson
,168 ,466 ,440 1
Sig. (2-code) ,550 ,069 ,088
N 15 16 16 16
3a
Correlazione di Pearson
-,593* ,344 ,164 -,199 1
Sig. (2-code) ,012 ,191 ,529 ,461
N 17 16 17 16 18
3b
Correlazione di Pearson
-,160 -,082 ,202 -,365 -,072 1
Sig. (2-code) ,554 ,771 ,452 ,181 ,782
N 16 15 16 15 17 17
3c
Correlazione di Pearson
,203 -,161 ,000 -,140 ,250 ,197 1
Sig. (2-code) ,450 ,567 1,000 ,620 ,333 ,448
N 16 15 16 15 17 17 17
3d
Correlazione di Pearson
-,021 ,462 ,498* ,618* -,292 -,042 -,351 1
Sig. (2-code) ,937 ,072 ,042 ,011 ,239 ,873 ,167
N 17 16 17 16 18 17 17 18
3e
Correlazione di Pearson
,259 ,067 ,084 ,461 -,216 -,006 -,107 ,638** 1
Sig. (2-code) ,333 ,806 ,758 ,073 ,406 ,982 ,693 ,006
N 16 16 16 16 17 16 16 17 17
3f
Correlazione di Pearson
-,199 ,320 ,596* ,208 ,261 ,494 ,612* ,316 ,341 1
Sig. (2-code) ,478 ,245 ,019 ,457 ,329 ,061 ,015 ,234 ,196
N 15 15 15 15 16 15 15 16 16 16
4
Correlazione di Pearson
,579* ,207 ,039 ,150 -,406 ,121 -,075 ,251 ,104 -,195 1
Sig. (2-code) ,015 ,443 ,883 ,579 ,095 ,644 ,776 ,316 ,692 ,468
N 17 16 17 16 18 17 17 18 17 16 18
5
Correlazione di Pearson
,443 -,031 -,190 -,017 -,208 ,091 -,227 -,006 -,013 -,484 ,656** 1
Sig. (2-code) ,075 ,910 ,464 ,950 ,407 ,729 ,382 ,980 ,961 ,057 ,003
N 17 16 17 16 18 17 17 18 17 16 18 18
6
Correlazione di Pearson
,570* ,073 ,033 ,080 ,047 -,130 ,161 ,045 ,229 ,038 ,375 ,303 1
Sig. (2-code) ,021 ,789 ,899 ,767 ,858 ,631 ,552 ,863 ,393 ,894 ,138 ,237
N 16 16 17 16 17 16 16 17 16 15 17 17 17
1 2a 2b 2c 3a 3b 3c 3d 3e 3f 4 5 6 7 8a 8b 8c 8d 8e 8f 9 10 11 12 13 14 15 16a 16b 17
7
Correlazione di Pearson
-,178 ,000 ,085 -,350 ,441 ,232 ,448 ,065 -,017 ,522* -,024 -,221 ,407 1
Sig. (2-code) ,495 1,000 ,747 ,184 ,067 ,369 ,071 ,798 ,948 ,038 ,923 ,378 ,105
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18
8a
Correlazione di Pearson
,234 -,091 ,017 ,185 -,207 ,238 ,179 ,302 ,697** ,454 -,074 -,111 ,295 ,188 1
Sig. (2-code) ,401 ,748 ,950 ,509 ,441 ,394 ,524 ,255 ,004 ,103 ,785 ,681 ,268 ,487
N 15 15 16 15 16 15 15 16 15 14 16 16 16 16 16
8b
Correlazione di Pearson
-,138 -,229 -,132 ,127 ,248 ,033 -,160 ,173 ,326 ,116 -,227 ,194 ,273 ,231 ,306 1
Sig. (2-code) ,610 ,393 ,614 ,639 ,337 ,903 ,554 ,505 ,217 ,681 ,381 ,455 ,289 ,373 ,250
N 16 16 17 16 17 16 16 17 16 15 17 17 17 17 16 17
8c
Correlazione di Pearson
-,493* ,106 ,132 -,226 ,586* ,298 ,317 -,134 -,205 ,405 -,193 -,133 -,129 ,517* ,050 ,073 1
Sig. (2-code) ,044 ,695 ,615 ,401 ,011 ,246 ,214 ,597 ,430 ,120 ,442 ,599 ,623 ,028 ,855 ,780
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18
8d
Correlazione di Pearson
-,183 -,142 -,164 -,026 ,213 ,383 ,140 -,047 ,030 ,208 -,074 ,229 -,153 ,217 ,277 ,467 ,642** 1
Sig. (2-code) ,482 ,600 ,528 ,923 ,396 ,129 ,591 ,854 ,910 ,440 ,772 ,360 ,558 ,387 ,300 ,059 ,004
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18
8e
Correlazione di Pearson
-,234 -,461 -,228 ,101 -,057 ,159 -,037 ,283 ,453 ,280 -,201 -,237 -,022 ,317 ,581* ,642** ,208 ,481 1
Sig. (2-code) ,421 ,084 ,414 ,720 ,840 ,588 ,899 ,307 ,090 ,332 ,473 ,395 ,937 ,250 ,029 ,010 ,457 ,069
N 14 15 15 15 15 14 14 15 15 14 15 15 15 15 14 15 15 15 15
8f
Correlazione di Pearson
,092 -,437 -,378 ,000 -,148 ,171 -,205 ,164 ,302 ,078 -,080 ,312 ,009 ,106 ,356 ,760** ,081 ,666** ,634* 1
Sig. (2-code) ,727 ,091 ,135 1,000 ,558 ,513 ,429 ,516 ,239 ,773 ,751 ,207 ,973 ,676 ,176 ,000 ,750 ,003 ,011
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18
9
Correlazione di Pearson
,515* -,472 -,297 ,201 -,229 ,163 ,503* -,101 ,505* ,252 ,000 ,042 ,380 ,177 ,701** ,315 -,048 ,249 ,522* ,353 1
Sig. (2-code) ,041 ,065 ,247 ,456 ,376 ,547 ,047 ,699 ,046 ,365 1,000 ,872 ,132 ,498 ,002 ,218 ,855 ,336 ,046 ,164
N 16 16 17 16 17 16 16 17 16 15 17 17 17 17 16 17 17 17 15 17 17
10
Correlazione di Pearson
,300 -,122 -,147 ,076 ,014 ,075 -,090 ,291 ,436 ,198 ,148 ,397 ,500* ,299 ,094 ,680** -,025 ,259 ,237 ,649** ,328 1
Sig. (2-code) ,241 ,653 ,573 ,780 ,956 ,774 ,731 ,241 ,080 ,461 ,557 ,103 ,041 ,228 ,729 ,003 ,923 ,299 ,395 ,004 ,199
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18
11
Correlazione di Pearson
,368 -,168 -,352 -,046 ,028 -,221 -,320 ,055 ,256 -,303 ,249 ,629** ,482* ,086 ,273 ,635** -,082 ,388 ,261 ,675** ,192 ,638** 1
Sig. (2-code) ,161 ,535 ,166 ,865 ,916 ,410 ,228 ,834 ,338 ,272 ,335 ,007 ,050 ,742 ,306 ,006 ,753 ,123 ,347 ,003 ,459 ,006
N 16 16 17 16 17 16 16 17 16 15 17 17 17 17 16 17 17 17 15 17 17 17 17
12
Correlazione di Pearson
,044 ,044 ,369 ,257 ,115 ,009 ,087 ,348 ,443 ,172 ,286 ,221 ,483* ,348 ,037 ,345 ,042 -,118 ,272 -,022 ,260 ,387 ,146 1
Sig. (2-code) ,867 ,871 ,145 ,336 ,650 ,971 ,739 ,157 ,075 ,525 ,249 ,379 ,049 ,157 ,893 ,175 ,869 ,641 ,326 ,932 ,313 ,113 ,576
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18
13
Correlazione di Pearson
,036 ,116 ,149 -,168 ,271 ,414 ,556* -,250 ,088 ,696** -,097 -,155 ,192 ,384 ,446 -,137 ,566* ,328 -,076 -,010 ,319 ,067 -,105 -,053 1
Sig. (2-code) ,890 ,670 ,568 ,534 ,277 ,099 ,020 ,317 ,737 ,003 ,703 ,539 ,461 ,116 ,084 ,601 ,014 ,185 ,788 ,968 ,213 ,791 ,690 ,835
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18
14
Correlazione di Pearson
-,064 ,031 ,066 ,476 ,143 -,376 ,181 ,011 ,338 ,075 -,346 -,240 ,145 ,011 ,249 ,287 -,274 -,210 ,167 -,042 ,474 -,004 -,028 ,354 -,043 1
Sig. (2-code) ,821 ,914 ,809 ,073 ,596 ,167 ,517 ,969 ,218 ,792 ,189 ,372 ,591 ,968 ,371 ,282 ,304 ,435 ,568 ,878 ,063 ,988 ,918 ,178 ,875
N 15 15 16 15 16 15 15 16 15 15 16 16 16 16 15 16 16 16 14 16 16 16 16 16 16 16
15
Correlazione di Pearson
-,012 -,146 ,060 ,183 -,309 ,245 -,256 ,181 ,554* ,136 -,058 -,083 -,050 ,009 ,380 ,087 -,205 -,055 ,329 ,222 ,439 ,217 -,010 ,295 ,104 ,424 1
Sig. (2-code) ,965 ,603 ,825 ,513 ,245 ,380 ,356 ,503 ,032 ,629 ,830 ,760 ,853 ,974 ,163 ,748 ,446 ,840 ,250 ,408 ,089 ,420 ,972 ,268 ,702 ,102
N 15 15 16 15 16 15 15 16 15 15 16 16 16 16 15 16 16 16 14 16 16 16 16 16 16 16 16
1 2a 2b 2c 3a 3b 3c 3d 3e 3f 4 5 6 7 8a 8b 8c 8d 8e 8f 9 10 11 12 13 14 15 16a 16b 17
16a
Correlazione di Pearson
,090 -,123 -,133 -,249 ,456 ,065 ,468 -,391 ,168 ,267 ,009 ,117 ,417 ,507* ,430 ,250 ,311 ,179 ,174 ,121 ,446 ,145 ,378 ,303 ,530* ,339 ,161 1
Sig. (2-code) ,741 ,651 ,610 ,353 ,066 ,811 ,068 ,120 ,534 ,336 ,973 ,656 ,095 ,038 ,096 ,333 ,224 ,491 ,535 ,644 ,073 ,579 ,134 ,236 ,029 ,199 ,551
N 16 16 17 16 17 16 16 17 16 15 17 17 17 17 16 17 17 17 15 17 17 17 17 17 17 16 16 17
16b
Correlazione di Pearson
,310 -,027 ,011 ,045 -,105 ,609* ,318 ,124 ,326 ,556* ,138 ,286 ,382 ,418 ,456 ,447 -,084 ,337 ,155 ,573* ,518* ,712** ,347 ,134 ,548* ,192 ,313 ,356 1
Sig. (2-code) ,280 ,924 ,968 ,873 ,709 ,021 ,268 ,658 ,236 ,039 ,623 ,301 ,160 ,121 ,101 ,095 ,765 ,219 ,597 ,026 ,048 ,003 ,206 ,635 ,035 ,510 ,276 ,193
N 14 15 15 15 15 14 14 15 15 14 15 15 15 15 14 15 15 15 14 15 15 15 15 15 15 14 14 15 15
17
Correlazione di Pearson
,214 -,158 -,429 -,069 ,094 ,023 ,181 -,084 ,139 -,018 ,179 ,409 ,163 -,014 ,096 ,436 -,010 ,321 ,085 ,442 ,186 ,399 ,437 -,021 ,147 ,041 -,365 ,258 ,420 1
Sig. (2-code) ,409 ,558 ,085 ,800 ,709 ,929 ,486 ,740 ,596 ,949 ,477 ,092 ,531 ,957 ,724 ,080 ,970 ,194 ,763 ,066 ,474 ,101 ,079 ,935 ,560 ,880 ,165 ,317 ,119
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
18
Correlazione di Pearson
-,093 ,186 ,412 ,288 ,185 ,027 ,471 ,147 ,030 ,694** -,385 -
,596** -,051 ,254 ,163 -,066 ,399 ,195 ,149 -,080 ,152 -,032 -,412 -,120 ,359 -,075 -,232 -,166 -,010 -,282
Sig. (2-code) ,723 ,490 ,101 ,279 ,462 ,917 ,056 ,562 ,909 ,003 ,114 ,009 ,846 ,309 ,545 ,802 ,101 ,438 ,597 ,753 ,561 ,901 ,100 ,636 ,143 ,784 ,387 ,525 ,971 ,257
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
19
Correlazione di Pearson
-,039 ,261 ,153 ,094 ,027 ,465 ,198 -,258 -,026 ,269 ,007 -,166 -,019 ,108 ,341 ,024 -,155 ,140 ,044 ,019 ,275 -,229 -,115 -,261 ,259 ,420 ,462 ,304 ,817** ,044
Sig. (2-code) ,895 ,368 ,603 ,749 ,924 ,094 ,497 ,354 ,926 ,352 ,979 ,554 ,948 ,703 ,254 ,936 ,580 ,620 ,887 ,946 ,342 ,411 ,696 ,347 ,352 ,153 ,112 ,291 ,001 ,876
N 14 14 14 14 15 14 14 15 15 14 15 15 14 15 13 14 15 15 13 15 14 15 14 15 15 13 13 14 13 15
20
Correlazione di Pearson
,227 -,064 ,019 -,088 ,000 ,183 -,078 ,100 ,209 -,024 ,190 ,577* ,538* ,140 ,389 ,592* ,009 ,349 ,105 ,519* ,207 ,510* ,717** ,310 ,218 ,028 -,026 ,340 ,589* ,523*
Sig. (2-code) ,380 ,814 ,943 ,745 1,000 ,483 ,766 ,693 ,420 ,930 ,450 ,012 ,026 ,579 ,136 ,012 ,973 ,156 ,709 ,027 ,424 ,030 ,001 ,210 ,384 ,917 ,923 ,182 ,021 ,026
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
21
Correlazione di Pearson
,481 -,054 -,024 ,266 -,312 -,142 ,032 ,199 ,339 -,118 ,460 ,536* ,250 -,155 ,088 ,242 -,579* -,106 -,093 ,288 ,228 ,398 ,439 ,352 -,157 ,381 ,168 ,213 ,620* ,492
Sig. (2-code) ,070 ,848 ,928 ,338 ,240 ,614 ,909 ,459 ,216 ,689 ,073 ,032 ,351 ,567 ,754 ,366 ,019 ,697 ,752 ,280 ,395 ,127 ,089 ,181 ,562 ,161 ,550 ,428 ,018 ,053
N 15 15 16 15 16 15 15 16 15 14 16 16 16 16 15 16 16 16 14 16 16 16 16 16 16 15 15 16 14 16
22a
Correlazione di Pearson
,422 ,000 ,110 -,032 ,061 ,352 ,359 -,192 ,177 ,409 ,148 ,233 ,402 ,195 ,440 ,222 ,190 ,498* ,080 ,396 ,402 ,380 ,448 -,008 ,623** -,140 ,097 ,475 ,631* ,212
Sig. (2-code) ,103 1,000 ,685 ,906 ,816 ,181 ,172 ,460 ,496 ,116 ,572 ,368 ,123 ,454 ,101 ,408 ,466 ,042 ,777 ,116 ,123 ,133 ,082 ,975 ,008 ,620 ,731 ,063 ,012 ,415
N 16 16 16 16 17 16 16 17 17 16 17 17 16 17 15 16 17 17 15 17 16 17 16 17 17 15 15 16 15 17
22b
Correlazione di Pearson
,453 -,216 -,189 -,017 -,097 ,063 -,161 -,064 ,202 ,099 ,210 ,456 ,437 ,100 ,290 ,537* -,035 ,363 ,248 ,711** ,297 ,663** ,759** ,095 ,246 -,075 ,182 ,387 ,567* ,412
Sig. (2-code) ,068 ,423 ,469 ,950 ,702 ,811 ,537 ,801 ,437 ,715 ,402 ,057 ,080 ,693 ,276 ,026 ,890 ,138 ,372 ,001 ,247 ,003 ,000 ,708 ,325 ,783 ,501 ,125 ,027 ,089
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
22c
Correlazione di Pearson
,199 -,203 -,013 ,169 ,058 ,144 ,518* ,281 ,291 ,394 ,265 ,087 ,479 ,656** ,375 ,451 ,223 ,268 ,537* ,279 ,582* ,456 ,175 ,632** ,106 ,237 ,013 ,322 ,471 ,292
Sig. (2-code) ,445 ,450 ,960 ,532 ,820 ,581 ,033 ,258 ,256 ,131 ,287 ,731 ,052 ,003 ,153 ,069 ,375 ,281 ,039 ,262 ,014 ,057 ,502 ,005 ,674 ,376 ,961 ,207 ,076 ,239
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
23
Correlazione di Pearson
,639** -,485 -,506* -,105 -,423 -,098 -,198 -,060 ,183 -,532* ,470 ,603* ,576* -,118 ,323 ,355 -,266 ,161 ,207 ,440 ,320 ,328 ,785** ,116 -,047 -,129 -,060 ,192 ,242 ,489*
Sig. (2-code) ,008 ,067 ,045 ,710 ,091 ,708 ,446 ,819 ,497 ,041 ,057 ,010 ,019 ,653 ,240 ,178 ,302 ,538 ,478 ,077 ,226 ,199 ,000 ,657 ,858 ,646 ,833 ,477 ,405 ,046
N 16 15 16 15 17 17 17 17 16 15 17 17 16 17 15 16 17 17 14 17 16 17 16 17 17 15 15 16 14 17
24a
Correlazione di Pearson
,080 ,223 ,281 ,165 ,282 -,047 ,333 ,112 ,370 ,625** -,022 -,339 ,309 ,398 ,090 ,076 -,100 -,358 ,060 -,128 ,205 ,318 -,137 ,381 ,273 ,394 ,284 ,436 ,329 ,031
Sig. (2-code) ,761 ,406 ,274 ,542 ,257 ,859 ,191 ,659 ,144 ,010 ,931 ,169 ,227 ,102 ,741 ,772 ,693 ,145 ,833 ,613 ,430 ,198 ,601 ,119 ,272 ,131 ,287 ,080 ,232 ,904
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
24b
Correlazione di Pearson
-,370 ,270 -,025 -,362 ,662** ,019 ,264 ,013 -,044 ,325 -,151 -,069 -,142 ,611** -,124 ,066 ,586* ,354 -,018 ,109 -,202 ,215 ,140 -,005 ,252 -,140 -,172 ,448 ,121 ,045
Sig. (2-code) ,144 ,313 ,923 ,168 ,003 ,941 ,306 ,959 ,868 ,219 ,549 ,785 ,588 ,007 ,648 ,802 ,011 ,149 ,950 ,667 ,436 ,392 ,593 ,985 ,313 ,606 ,524 ,072 ,667 ,859
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
24c
Correlazione di Pearson
-,310 ,545* ,166 ,046 ,288 ,251 -,164 ,236 ,128 ,275 ,198 ,045 -,124 ,288 -,234 -,174 ,317 ,017 -,186 -,113 -,264 ,235 -,192 ,124 ,146 -,116 ,280 ,028 ,124 -,115
Sig. (2-code) ,226 ,029 ,523 ,865 ,246 ,332 ,530 ,346 ,624 ,302 ,431 ,860 ,635 ,247 ,382 ,504 ,200 ,945 ,506 ,654 ,305 ,347 ,462 ,624 ,562 ,669 ,293 ,916 ,658 ,650
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
1 2a 2b 2c 3a 3b 3c 3d 3e 3f 4 5 6 7 8a 8b 8c 8d 8e 8f 9 10 11 12 13 14 15 16a 16b 17
24d
Correlazione di Pearson
-,305 ,306 ,486* -,180 ,436 ,450 ,333 -,204 -,197 ,510* -,062 -,180 -,064 ,303 -,198 -,298 ,659** ,158 -,248 -,333 -,157 -,030 -,441 ,163 ,645** -,285 ,000 ,134 -,055 -,248
Sig. (2-code) ,234 ,248 ,048 ,504 ,070 ,070 ,192 ,417 ,449 ,044 ,808 ,475 ,806 ,222 ,463 ,245 ,003 ,531 ,372 ,177 ,547 ,907 ,076 ,518 ,004 ,285 1,000 ,609 ,846 ,322
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
24e
Correlazione di Pearson
,017 ,037 -,266 -,303 ,567* -,245 ,393 -,140 ,203 ,203 -,065 -,135 ,422 ,589* ,313 ,082 ,444 ,161 ,121 -,032 ,201 ,132 ,319 ,114 ,466 ,093 -,225 ,738** -,006 ,240
Sig. (2-code) ,947 ,893 ,302 ,254 ,014 ,344 ,118 ,579 ,436 ,451 ,797 ,594 ,092 ,010 ,238 ,756 ,065 ,524 ,667 ,899 ,439 ,602 ,212 ,651 ,051 ,732 ,402 ,001 ,984 ,337
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
24f
Correlazione di Pearson
-,159 -,262 ,063 -,315 ,374 ,432 ,612** -,165 -,137 ,473 -,124 -,068 ,182 ,717** ,100 ,235 ,753** ,507* ,308 ,190 ,362 ,265 -,057 ,343 ,518* -,144 -,076 ,391 ,352 ,024
Sig. (2-code) ,541 ,326 ,810 ,235 ,126 ,083 ,009 ,512 ,599 ,064 ,624 ,790 ,484 ,001 ,713 ,365 ,000 ,032 ,265 ,451 ,154 ,288 ,827 ,164 ,028 ,594 ,780 ,121 ,199 ,925
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
24g
Correlazione di Pearson
-,025 ,233 ,243 ,018 ,292 ,017 ,512* -,306 -,128 ,350 -,201 -,310 ,051 ,005 ,366 -,363 ,330 -,047 -,228 -,468 ,138 -,566* -,326 -,242 ,536* ,053 -,336 ,400 -,151 -,140
Sig. (2-code) ,924 ,385 ,348 ,946 ,239 ,949 ,036 ,217 ,624 ,184 ,425 ,210 ,845 ,984 ,164 ,152 ,181 ,854 ,414 ,050 ,598 ,014 ,202 ,333 ,022 ,845 ,204 ,112 ,590 ,579
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
25
Correlazione di Pearson
,255 -,085 -,414 -,008 ,028 ,152 -,015 -,135 ,038 -,230 ,265 ,616** ,383 -,066 ,261 ,517* -,012 ,386 ,070 ,444 ,272 ,317 ,614** -,062 ,088 ,013 -,288 ,288 ,534* ,786*
*
Sig. (2-code) ,323 ,753 ,099 ,977 ,911 ,561 ,955 ,594 ,885 ,392 ,288 ,006 ,129 ,795 ,330 ,034 ,964 ,114 ,803 ,065 ,290 ,200 ,009 ,806 ,727 ,961 ,279 ,262 ,040 ,000
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
26a
Correlazione di Pearson
,008 ,087 -,148 -,296 ,396 ,204 ,124 -,180 -,150 ,165 ,029 ,387 ,283 ,265 -,010 ,402 ,370 ,466 -,150 ,416 -,078 ,523* ,463 -,095 ,437 -,267 -,420 ,275 ,520* ,710*
*
Sig. (2-code) ,975 ,749 ,572 ,265 ,103 ,433 ,635 ,475 ,565 ,541 ,911 ,112 ,271 ,287 ,969 ,110 ,131 ,051 ,593 ,086 ,767 ,026 ,061 ,708 ,070 ,317 ,106 ,285 ,047 ,001
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
26b
Correlazione di Pearson
,200 -,069 ,043 ,355 ,197 -,092 ,592* ,021 ,494* ,566* -,094 -,337 ,419 ,359 ,575* ,270 ,066 -,029 ,451 ,000 ,711** ,155 -,039 ,427 ,373 ,654** ,241 ,566* ,288 ,175
Sig. (2-code) ,442 ,799 ,871 ,178 ,432 ,727 ,012 ,933 ,044 ,022 ,710 ,171 ,094 ,143 ,020 ,294 ,795 ,908 ,092 1,000 ,001 ,540 ,883 ,077 ,128 ,006 ,370 ,018 ,298 ,486
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
26c
Correlazione di Pearson
-,299 -,025 ,195 -,375 ,498* ,318 ,541* -,177 ,017 ,702** -,320 -,290 ,100 ,529* ,258 ,246 ,561* ,292 ,182 ,209 ,059 ,229 ,027 ,084 ,846** -,095 -,088 ,585* ,465 ,289
Sig. (2-code) ,278 ,934 ,486 ,187 ,050 ,248 ,037 ,512 ,953 ,004 ,227 ,275 ,722 ,035 ,373 ,378 ,024 ,273 ,534 ,437 ,835 ,393 ,925 ,756 ,000 ,737 ,756 ,022 ,109 ,277
N 15 14 15 14 16 15 15 16 15 15 16 16 15 16 14 15 16 16 14 16 15 16 15 16 16 15 15 15 13 16
26d
Correlazione di Pearson
,352 ,000 -,185 ,446 -,022 -,335 ,169 ,186 ,283 ,013 -,104 ,041 ,374 ,084 ,181 ,335 -,009 ,304 ,116 ,304 ,433 ,464 ,311 ,039 ,046 ,271 -,094 -,162 ,237 ,219
Sig. (2-code) ,166 1,000 ,476 ,084 ,930 ,189 ,517 ,461 ,270 ,962 ,681 ,871 ,139 ,740 ,501 ,188 ,971 ,220 ,680 ,220 ,082 ,052 ,224 ,877 ,855 ,311 ,730 ,534 ,396 ,384
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
26e
Correlazione di Pearson
,220 -,373 -,223 ,237 -,033 -,179 ,214 ,336 ,704** ,411 -,175 -,269 ,362 ,373 ,825** ,467 ,129 ,148 ,789** ,404 ,771** ,435 ,281 ,321 ,226 ,351 ,371 ,434 ,259 ,089
Sig. (2-code) ,396 ,155 ,389 ,376 ,898 ,492 ,410 ,172 ,002 ,114 ,488 ,281 ,153 ,128 ,000 ,059 ,609 ,557 ,000 ,096 ,000 ,071 ,274 ,193 ,366 ,183 ,157 ,082 ,352 ,726
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
27
Correlazione di Pearson
,076 ,076 -,005 ,212 ,131 -,225 ,214 ,297 ,273 ,374 -,089 ,020 ,362 ,430 ,368 ,426 ,009 -,012 ,107 ,337 ,308 ,466 ,321 ,235 ,192 ,553* ,110 ,492* ,686** ,355
Sig. (2-code) ,773 ,778 ,984 ,431 ,605 ,386 ,410 ,231 ,290 ,154 ,726 ,937 ,153 ,075 ,161 ,088 ,972 ,963 ,704 ,171 ,229 ,051 ,209 ,348 ,444 ,026 ,685 ,045 ,005 ,148
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16,00
0 16 17 15 18
28a
Correlazione di Pearson
-,441 ,206 ,407 -,220 ,602** ,327 ,520* -,180 -,303 ,589* -,151 -,294 ,186 ,700** ,133 ,081 ,694** ,226 ,128 -,183 ,000 -,180 -,191 ,254 ,559* ,054 -,170 ,514* ,203 -,056
Sig. (2-code) ,076 ,444 ,105 ,414 ,008 ,200 ,033 ,475 ,237 ,016 ,549 ,237 ,475 ,001 ,624 ,759 ,001 ,366 ,649 ,467 1,000 ,476 ,464 ,309 ,016 ,842 ,528 ,035 ,468 ,826
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16,00
0 16 17 15 18
28b
Correlazione di Pearson
-,267 ,155 ,099 -,293 ,537* ,183 ,512* -,104 -,025 ,581* -,131 -,234 ,218 ,727** ,284 ,005 ,719** ,265 ,049 -,025 ,106 ,084 -,063 ,132 ,778** ,053 -,092 ,652** ,337 ,203
Sig. (2-code) ,301 ,567 ,705 ,271 ,022 ,481 ,036 ,682 ,924 ,018 ,604 ,349 ,401 ,001 ,287 ,985 ,001 ,288 ,861 ,920 ,685 ,741 ,812 ,602 ,000 ,844 ,733 ,005 ,219 ,418
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16,00
0 16 17 15 18
28c
Correlazione di Pearson
-,067 ,200 ,308 ,313 ,367 -,241 ,322 ,119 ,240 ,205 -,117 -,037 ,281 ,145 ,178 ,158 ,041 -,273 -,031 -,273 ,269 -,032 -,073 ,529* ,000 ,577* -,012 ,469 ,005 -,054
Sig. (2-code) ,798 ,458 ,228 ,237 ,134 ,351 ,208 ,639 ,353 ,447 ,644 ,884 ,275 ,565 ,509 ,546 ,872 ,274 ,911 ,274 ,297 ,900 ,781 ,024 1,000 ,019 ,966 ,057 ,985 ,830
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
1 2a 2b 2c 3a 3b 3c 3d 3e 3f 4 5 6 7 8a 8b 8c 8d 8e 8f 9 10 11 12 13 14 15 16a 16b 17
29
Correlazione di Pearson
-,424 ,442 ,455 ,271 ,453 ,088 ,188 ,382 ,285 ,693** -,461 -,460 ,014 ,406 ,359 ,335 ,514* ,400 ,261 ,168 ,000 ,219 -,082 ,031 ,429 ,115 -,104 -,017 ,233 ,033
Sig. (2-code) ,090 ,087 ,067 ,311 ,059 ,737 ,471 ,117 ,268 ,003 ,054 ,055 ,956 ,095 ,172 ,189 ,029 ,100 ,347 ,506 1,000 ,384 ,755 ,903 ,076 ,671 ,702 ,949 ,403 ,897
N 17 16 17 16 18 17 17 18 17 16 18 18 17 18 16 17 18 18 15 18 17 18 17 18 18 16 16 17 15 18
30
Correlazione di Pearson
,003 ,245 -,150 -,246 ,011 -,192 -,310 -,049 -,195 -,480 ,415 ,132 ,093 -,113 -,322 -,277 -,407 -,584* -,307 -,431 -,484 -,344 ,026 -,052 -,434 -,093 -,230 ,039 -,363 ,086
Sig. (2-code) ,992 ,380 ,578 ,377 ,966 ,460 ,226 ,852 ,469 ,070 ,097 ,613 ,732 ,665 ,241 ,299 ,105 ,014 ,286 ,084 ,057 ,177 ,923 ,844 ,082 ,741 ,409 ,887 ,202 ,743
N 16 15 16 15 17 17 17 17 16 15 17 17 16 17 15 16 17 17 14 17 16 17 16 17 17 15 15 16 14 17
Tab. 5.4 Matrice delle correlazioni tra le risposte al questionario Delphi (incroci dalla domanda 18 alla 30)
18 19 20 21 22a 22b 22c 23 24a 24b 24c 24d 24e 24f 24g 25 26a 26b 26c 26d 26e 27 28a 28b 28c 29 30
18
Correlazione di Pearson
1
Sig. (2-code)
N 18
19
Correlazione di Pearson
-,126 1
Sig. (2-code) ,655
N 15 15
20
Correlazione di Pearson
-,287 ,040 1
Sig. (2-code) ,248 ,887
N 18 15 18
21
Correlazione di Pearson
-,510* ,433 ,501* 1
Sig. (2-code) ,044 ,139 ,048
N 16 13 16 16
22a
Correlazione di Pearson
,241 ,357 ,547* ,306 1
Sig. (2-code) ,352 ,191 ,023 ,267
N 17 15 17 15 17
22b
Correlazione di Pearson
-,147 ,085 ,653** ,447 ,730** 1
Sig. (2-code) ,561 ,762 ,003 ,083 ,001
N 18 15 18 16 17 18
22c
Correlazione di Pearson
,191 -,018 ,256 ,277 ,136 ,152 1
Sig. (2-code) ,447 ,949 ,306 ,300 ,602 ,546
N 18 15 18 16 17 18 18
23
Correlazione di Pearson
-,459 -,162 ,709** ,447 ,409 ,684** ,177 1
Sig. (2-code) ,064 ,579 ,001 ,095 ,116 ,002 ,498
N 17 14 17 15 16 17 17 17
24a
Correlazione di Pearson
,208 ,206 -,136 ,242 ,201 ,182 ,308 -,332 1
Sig. (2-code) ,407 ,461 ,589 ,366 ,438 ,471 ,214 ,192
N 18 15 18 16 17 18 18 17 18
24b
Correlazione di Pearson
,160 -,037 -,100 -,273 ,096 -,033 ,185 -,448 ,229 1
Sig. (2-code) ,526 ,896 ,693 ,306 ,715 ,897 ,461 ,072 ,361
N 18 15 18 16 17 18 18 17 18 18
24c
Correlazione di Pearson
-,104 ,117 -,288 -,290 -,214 -,148 ,031 -,467 ,308 ,537* 1
Sig. (2-code) ,682 ,677 ,246 ,276 ,409 ,559 ,902 ,059 ,214 ,022
N 18 15 18 16 17 18 18 17 18 18 18
18 19 20 21 22a 22b 22c 23 24a 24b 24c 24d 24e 24f 24g 25 26a 26b 26c 26d 26e 27 28a 28b 28c 29 30
24d
Correlazione di Pearson
,417 -,018 -,139 -,434 ,290 -,093 -,012 -,453 ,240 ,297 ,409 1
Sig. (2-code) ,085 ,949 ,582 ,093 ,258 ,713 ,963 ,068 ,337 ,232 ,092
N 18 15 18 16 17 18 18 17 18 18 18 18
24e
Correlazione di Pearson
,086 -,112 ,120 -,150 ,229 ,101 ,287 ,095 ,306 ,616** ,146 ,135 1
Sig. (2-code) ,736 ,691 ,635 ,580 ,376 ,690 ,248 ,717 ,216 ,007 ,563 ,595
N 18 15 18 16 17 18 18 17 18 18 18 18 18
24f
Correlazione di Pearson
,438 -,120 ,154 -,290 ,309 ,104 ,626** -,112 ,105 ,425 ,101 ,576* ,335 1
Sig. (2-code) ,069 ,669 ,540 ,277 ,228 ,682 ,005 ,670 ,679 ,079 ,691 ,012 ,174
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18
24g
Correlazione di Pearson
,410 ,105 -,162 -,360 ,184 -,256 -,175 -,241 ,067 ,052 -,175 ,314 ,322 ,148 1
Sig. (2-code) ,091 ,710 ,520 ,171 ,479 ,306 ,488 ,351 ,792 ,836 ,488 ,205 ,192 ,558
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18
25
Correlazione di Pearson
-,411 ,219 ,659** ,352 ,225 ,432 ,201 ,633** -,258 -,108 -,100 -,336 ,116 -,014 -,034 1
Sig. (2-code) ,090 ,434 ,003 ,181 ,385 ,073 ,425 ,006 ,302 ,670 ,692 ,172 ,648 ,955 ,894
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18
26a
Correlazione di Pearson
-,033 -,033 ,636** ,138 ,466 ,538* ,132 ,320 -,006 ,328 ,093 ,210 ,319 ,325 -,041 ,652** 1
Sig. (2-code) ,895 ,906 ,005 ,609 ,060 ,021 ,602 ,210 ,980 ,184 ,713 ,404 ,197 ,189 ,873 ,003
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18
26b
Correlazione di Pearson
,321 ,214 ,000 ,161 ,240 ,120 ,595** -,012 ,675** ,000 -,071 ,049 ,439 ,300 ,319 ,035 -,091 1
Sig. (2-code) ,194 ,445 1,000 ,551 ,354 ,635 ,009 ,963 ,002 1,000 ,778 ,847 ,069 ,227 ,196 ,890 ,720
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18
26c
Correlazione di Pearson
,383 ,038 ,302 -,069 ,561* ,397 ,186 -,101 ,476 ,377 ,012 ,558* ,498* ,566* ,330 -,012 ,575* ,385 1
Sig. (2-code) ,143 ,901 ,256 ,814 ,029 ,128 ,489 ,719 ,063 ,150 ,966 ,025 ,050 ,022 ,212 ,966 ,020 ,141
N 16 13 16 14 15 16 16 15 16 16 16 16 16 16 16 16 16 16 16
26d
Correlazione di Pearson
,362 -,127 ,227 ,087 ,212 ,166 ,366 ,234 -,087 ,017 -,168 -,204 ,200 ,125 -,186 ,219 ,219 ,249 -,136 1
Sig. (2-code) ,140 ,652 ,365 ,747 ,415 ,510 ,136 ,366 ,731 ,947 ,505 ,417 ,426 ,622 ,461 ,383 ,383 ,319 ,614
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18
26e
Correlazione di Pearson
,330 -,253 ,075 -,005 ,177 ,275 ,525* ,149 ,410 ,158 -,039 -,144 ,484* ,309 ,026 -,053 -,070 ,688** ,294 ,387 1
Sig. (2-code) ,181 ,362 ,767 ,984 ,496 ,269 ,025 ,568 ,091 ,532 ,879 ,568 ,042 ,212 ,919 ,833 ,783 ,002 ,269 ,113
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18
27
Correlazione di Pearson
,037 -,003 ,324 ,517* ,065 ,312 ,439 ,025 ,452 ,344 ,135 -,234 ,324 ,160 -,013 ,235 ,328 ,405 ,348 ,235 ,484* 1
Sig. (2-code) ,884 ,992 ,189 ,040 ,804 ,208 ,069 ,923 ,059 ,162 ,593 ,351 ,190 ,526 ,959 ,348 ,184 ,096 ,187 ,347 ,042
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18 18
28a
Correlazione di Pearson
,342 ,204 ,124 -,262 ,222 -,051 ,366 -,260 ,260 ,362 ,093 ,571* ,391 ,682** ,482* -,038 ,256 ,345 ,662** -,234 ,029 ,195 1
Sig. (2-code) ,165 ,467 ,623 ,326 ,392 ,841 ,136 ,313 ,297 ,140 ,713 ,013 ,109 ,002 ,043 ,880 ,305 ,160 ,005 ,350 ,908 ,438
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18 18 18
18 19 20 21 22a 22b 22c 23 24a 24b 24c 24d 24e 24f 24g 25 26a 26b 26c 26d 26e 27 28a 28b 28c 29 30
28b
Correlazione di Pearson
,255 ,058 ,163 -,218 ,245 ,083 ,348 -,149 ,340 ,570* ,315 ,512* ,702** ,626** ,400 ,073 ,468 ,386 ,772** -,019 ,310 ,479* ,771** 1
Sig. (2-code) ,306 ,836 ,518 ,418 ,343 ,742 ,157 ,567 ,167 ,013 ,204 ,030 ,001 ,005 ,100 ,772 ,050 ,113 ,000 ,940 ,211 ,044 ,000
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18 18 18 18
28c
Correlazione di Pearson
,085 -,163 ,000 ,112 -,189 -,223 ,310 -,257 ,390 ,153 ,044 ,000 ,245 ,152 ,436 ,000 -,169 ,537* ,026 -,052 ,301 ,452 ,304 ,201 1
Sig. (2-code) ,736 ,562 1,000 ,680 ,468 ,373 ,211 ,319 ,110 ,546 ,861 1,000 ,328 ,547 ,071 1,000 ,502 ,021 ,924 ,839 ,224 ,060 ,219 ,423
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18 18 18 18 18
29
Correlazione di Pearson
,678** ,003 ,146 -,331 ,215 -,026 ,218 -,354 ,183 ,376 ,138 ,335 ,312 ,362 ,167 -,079 ,323 ,262 ,517* ,450 ,356 ,288 ,415 ,494* ,070 1
Sig. (2-code) ,002 ,992 ,563 ,210 ,408 ,918 ,385 ,163 ,468 ,125 ,585 ,174 ,208 ,140 ,507 ,756 ,191 ,294 ,040 ,061 ,147 ,247 ,087 ,037 ,784
N 18 15 18 16 17 18 18 17 18 18 18 18 18 18 18 18 18 18 16 18 18 18 18 18 18 18
30
Correlazione di Pearson
-,631** ,109 -,150 ,169 -,503* -,239 -,237 ,119 ,078 -,088 ,138 -,337 ,066 -,551* -,036 ,132 -,148 -,198 -,365 -,535* -,398 -,128 -,099 -,175 ,045 -,566* 1
Sig. (2-code) ,007 ,709 ,566 ,548 ,047 ,356 ,360 ,650 ,766 ,737 ,598 ,186 ,802 ,022 ,890 ,614 ,572 ,445 ,181 ,027 ,114 ,623 ,704 ,502 ,864 ,018
N 17 14 17 15 16 17 17 17 17 17 17 17 17 17 17 17 17 17 15 17 17 17 17 17 17 17 17