-1cm Corso di Psicometria Progredito - 5. La correlazione lineare · 2016. 1. 22. · -1cm Corso di...
Transcript of -1cm Corso di Psicometria Progredito - 5. La correlazione lineare · 2016. 1. 22. · -1cm Corso di...
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Corso di Psicometria Progredito5. La correlazione lineare
Gianmarco AltoèDipartimento di Pedagogia, Psicologia e Filosofia
Università di Cagliari, Anno Accademico 2013 - 2014
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Sommario
1 Tipi di relazione tra 2 variabili quantitative
2 Covarianza e correlazione
3 Un esempio completo
4 Un esercizio
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Covariazione e causazione
Abbiamo una covariazione quando semplicementeosserviamo che due variabili X e Y presentano variazioniconcomitanti: al variare di una varia l’altra.
Si ha invece causazione quando ipotizziamo che unavariazione di X produca una variazione di Y .
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Esempio di covariazione
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Covariazione
Attenzione ai termini:
covariazione: è il termine generale che indica il fenomeno(sinonimo di associazione). Si riferisce quindi sia allarelazione tra variabili quantitative che categoriali.
covarianza: misura assoluta della covariazione tra duevariabili quantitative. (non ha un minimo e un massimo,dipende dall’unità di misura delle variabili).
correlazione: misura standardizzata della covariazione tradue variabili quantitative. (varia tra -1 e 1, è indipendentedall’unità di misura delle variabili).
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Esempio di causazione
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Tipi di relazioni causali
Esistono vari tipi di relazioni causali:
relazione diretta
relazione reciproca
relazione spuria
relazione indiretta (mediazione)
relazione condizionata (moderazione o interazione)
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Relazione diretta
Si tratta della relazione causale di primo ed immediatointeresse da parte del ricercatore.
Due variabili X e Y sono legate da una relazione causalediretta quando un mutamento nella variabile causa (X)produce un mutamento nella variabile effetto (Y ).
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Relazione reciproca
Quando viene meno la distinzione fra variabile causa eeffetto, quando le variabili si influenzano reciprocamente,quando in sostanza viene meno l’asimmetria del rapporto traX e Y si parla di relazione causale reciproca.
Altri termini usati per indicare una relazione reciproca sono:retroazione, simultaneità e mutua relazione.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Relazione spuria
Il caso della relazione spuria è il caso classico di presenza dicovariazione pur in assenza di causazione.
Nella ricerca, le relazioni spurie non sono sempre semplici darilevare!!
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Relazione indiretta o mediazione
Abbiamo una relazione causale indiretta fra X e Y quando illoro legame causale è mediato da una terza variabile Z (Zfunge da ponte tra X e Y ).
Si parla di relazione indiretta totale quando tutto l’effetto diX su Y è mediato da Z, mentre si parla di relazione indirettaparziale quando X agisce su Y sia direttamente cheattraverso Z.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Relazione condizionata o moderazione
Si parla di relazione condizionata quando la relazione tra duevariabili X e Y
cambia (è moderata) da una terza variabile Z. E’ il classicocaso di interazione: l’effetto di X su Y dipende dai livelli di Z.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Leggere BENE le avvertenze ... prima dell’uso!
Soprattutto nei fenomeni studiati in psicologia, le relazionitra variabili sono molto complesse. Trarre conclusioni daanalisi bivariate, per altro utilissime a livello esplorativo, puòportare a errori di valutazione considerevoli. Quando èpossibile è certamente preferibile utilizzare approccimultivariati.
Nel provare la causalità di una relazione è determinantel’ipotesi teorica del ricercatore. Un modello statistico dasolo, non può mai provare la causalità di una relazione!
Al limite, un modello statistico può suggerire l’assenza di unarelazione causale . . . ma mai provarne l’esistenza!
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
La covarianza
Date due variabili quantitative X e Y si definisce covarianzatra X e Y la seguente quantità:
σXY =
∑ni (Xi −X)(Yi − Y )
n
mentre la stima della covarianza della popolazione sulla basedei dati campionari è:
sXY =
∑ni (Xi −X)(Yi − Y )
n − 1
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
La covarianzaLa covarianza consente di valutare se tra due variabili quantitative X eY esiste un legame lineare e di valutare se tale legame è positivo onegativo o nullo:
covarianza > 0:prevalenza di unità statistiche per le quali scartipositivi dei valori di X sono associati a scarti positivi dei valori di Ye scarti negativi dei valori di X sono associati a scarti negativi neivalori di Y. Covariazione positiva, all’aumentare di una variabile èassociato un aumento dell’altra.
covarianza < 0: prevalenza di unità statistiche per le quali scartipositivi dei valori di X sono associati a scarti negativi dei valori di Ye scarti negativi dei valori di X sono associati a scarti positivi neivalori di Y. Covariazione negativa, all’aumentare di una variabile èassociata una diminuzione dell’altra.
covarianza = 0: non esiste associazione tra scarti sulla X e scartisulla Y. Covariazione nulla, non esiste associazione lineare.
... vediamolo graficamente :-) !
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Grafico a dispersione nel caso di covarianza positiva
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Grafico a dispersione nel caso di covarianza negativa
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Grafico a dispersione nel caso di covarianza nulla
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
La correlazione
La covarianza è un indice che dipende dalla unità di misuradelle variabili considerate.
E’ utile però poter disporre di un indice relativo dicovariazione che sia indipendente dall’unità di misura dellevariabili e che sia quindi maggiormente interpretabile.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
La correlazione
Dalla teoria sappiamo che:
−σXσY ≤ σXY ≤ σXσY
Possiamo quindi costruire un indice relativo, dettocoefficiente di correlazione di Bravais-Pearson,semplicemente dividendo tutti i membri della disequazioneper il reciproco del prodotto delle deviazioni standard.
ρ =σXYσXσY
Tale indice naturalmente varierà tra -1 e 1.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Il coefficiente di correlazione lineare diBravais-Pearson
Il coefficiente di correlazione lineare di Bravais Pearson misura iltipo e l’intensità della relazione lineare tra due variabili X e Y .
Esso si indica con:
con la lettera greca ρ se viene calcolato su tutta lapopolazione oggetto dell’indagine;
con la lettera r se viene calcolato su un campionerappresentativo della popolazione.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Il coefficiente di correlazione lineare varia tra -1 e 1
Il segno di r (+ o -) da informazioni sul tipo di relazione:
il segno positivo indica che le due variabili aumentano odiminuiscono assieme (relazione lineare positiva)
il segno negativo indica che all’aumentare di una variabilel’altra diminuisce e viceversa (relazione lineare negativa)
Il valore assoluto di r, che varia tra 0 e 1, da informazioni sullaforza della relazione lineare:
è massimo (assume valore 1) quando esiste una perfettarelazione lineare tra le due variabili.
tende a ridursi al diminuire dell’intensità della relazionelineare e assume il valore 0 quando essa è nulla.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Alcuni esempi
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Alcuni valori di riferimento nelle scienze sociali
r = ±.1⇒ effetto piccolor = ±.3⇒ effetto medior = ±.5⇒ effetto grande
Statistical power analysis for behavioral science (2nd ed).Cohen, J. (1988)
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
I libri di casaUn insegnante di lingua e letteratura italiana delle scuole superiori ha svoltouna piccola indagine sui suoi 9 studenti per esplorare la relazione tra il numerodi libri presenti in casa e il profitto finale ottenuto in italiano. I dati sonopresentati nella seguente tabella:
Codice studente Profitto Y Libri in casa X1 10 462 6 203 7 184 4 225 9 306 3 157 4 408 9 229 5 28
1 Rappresentare graficamente i dati e commentarli.2 Calcolare il coefficiente di correlazione tra Profitto in Italiano e Numero
di Libri in casa e fornirne una breve interpretazione.3 Verificare per α = .05 la significatività della correlazione osservata.4 Commentare i risultati ottenuti.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
1. Rappresentazione grafica dei dati
15 20 25 30 35 40 45
02
46
810
(X) Numero di libri in casa
(Y) P
rofit
to in
ital
iano
Osservando il diagramma a dispersione tra le variabili osservatesembra emergere una relazione diretta e moderatamente linearetra il numero di libri posseduti in casa e il profitto in italiano.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
2.1 Il calcolo del coefficiente di correlazione
Il coefficiente di correlazione r è dato dalla seguente formula:
r =sXYsXsY
dove:
sXY =
∑ni (Xi −X)(Yi − Y )
n − 1
Al numeratore quindi abbiamo la covarianza campionaria sXYe al denominatore il prodotto delle deviazioni standardcampionarie sXsY
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
2.2 Il calcolo del coefficiente di correlzione
Calcoliamo, per prima cosa, medie e deviazioni standardcampionarie delle 2 variabili, Numero di libri (X) e Profitto(Y):
X = 26.78 sX = 10.39
Y = 6.33 sY = 2.55
Calcoliamo la covarianza campionaria:
sXY =(46− 26.78)(10− 6.33) + · · ·+ (28− 26.78)(5− 6.33)
9− 1 = 10.08
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
2.3 Il calcolo del coefficiente di correlazione
Sostituendo opportunamente i valori calcolati otteniamo ilcoefficiente di correlazione r :
r =10.08
10.39× 2.55 = .38
La correlazione calcolata, rispetto ai valori di riferimentoproposti da Cohen (1988), può essere considerata di mediadimensione.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
3-4. Confronto tra valore osservato e valore critico econclusioni
Consultando le tavole statistiche si osserva che i valori criticidel coefficiente di correlazione per 7 (n − 2) gradi di libertà eun livello critico del 5% sono ±.67
Essendo il valore osservato rOSS = .38 compreso tra i valoricritici ±.67, l’ipotesi nulla, che prevede l’assenza dicorrelazione tra profitto e numero di libri, non può essererifiutata
Da un punto di vista descrittivo emerge una correlazione dieffetto medio e positiva tra il numero di libri posseduti e ilprofitto in italiano. Tendenzialmente quindi all’aumentare delnumero di libri presenti in casa sembra essere associato unaumento del profitto in italiano. Tale correlazione tuttavianon risulta statisticamente significativa per un livello criticodel 5%
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Empatia e bullismoNella seguente tabella sono riportati i punteggi ottenuti a duetest, uno sull’empatia (X) e uno sul bullismo (Y ), da 8 ragazzimaschi di età compresa tra i 12 e i 14 anni. In entrambi i test unpunteggio elevato indica un livello elevato del costrutto misurato.
Codice soggetto Empatia X Bullismo Y1 8 22 7 53 10 44 2 75 3 66 5 57 6 48 8 3
1 Rappresentare graficamente i dati e commentarli.2 Calcolare il coefficiente di correlazione tra Empatia e Bullismo e fornirne
una breve interpretazione.3 Verificare per α = .05 la significatività della correlazione osservata.4 Commentare i risultati ottenuti.
-
Tipi di relazione tra 2 variabili quantitative Covarianza e correlazione Un esempio completo Un esercizio
Riferimenti bibliografici
Corbetta, P. (1992). Metodi di analisi multivariata per le scienzesociali. Bologna: Il Mulino.
Tipi di relazione tra 2 variabili quantitativeCovarianza e correlazioneUn esempio completoUn esercizio