Laboratorio di MetodologiaModulo: Metodologie QuantitativeCristina Zogmaister

cristina.zogmaister@unimib.it

Ricevimento: lu 13-14 (preannunciarsi via email)email per altri giorni / orari

P.zza dell'Ateneo Nuovo, 1 (U6) - stanza 3113

Struttura delLaboratorio di metodologia 2 moduli

metodologie quantitative; metodologie qualitative) al termine dei quali avverrà la registrazione del

laboratorio

Frequenza obbligatoria (minimo 4 incontri)

Assignment

Mettere in pratica le conoscenze teoriche acquisite nel corso di Metodologie Quantitative (prof. Marco Perugini) Analisi Fattoriale (PCA) Analisi di Regressione

→ Non è un corso di statistica → Non vi spiegherò i concetti della statistica, vedremo

insieme come condurre praticamente le analisi statistiche

→ Non è un corso di SPSS→ La conoscenza di SPSS è un prerequisito del corso

Obiettivo

Risorse per imparare a usare SPSS I laboratori del nostro ateneo o il vostro PC

Il software è disponibile sulla pagina del corso Licenze:

PC Mac

SPSS / help / esercitazione

La biblioteca: manuali introduttivi a SPSS

Struttura del corso

6 incontri – frequenza obbligatoria (4 lezioni)

Controllo presenza a inizio lezione Presenza fino al termine della lezione

2 assignment [PCA + AF] Entrambi devono ottenere una valutazione almeno

sufficiente

Registrazione a giugno/luglio [crediti: 3 + 3 + 2] Orario: 15.30 – 18.30 [15.30 – 18.15 con una sola

pausa di 15 minuti]

Orari degli incontri

Contenuti

1. Introduzione 2. Analisi Fattoriale (PCA): introduzione 3. Analisi Fattoriale: approfondimenti [+

assignment 1] 4. Analisi di Regressione: introduzione 5. Analisi di Regressione: la moderazione [+

assignment 2] 6. Analisi di Regressione: la mediazione

L’incontro di oggi

Sona Systems – il software di gestione dei crediti Inserimento o aggiornamento account

Le misure implicite (SC-IAT) Le misure esplicite (questionari)

Introduzione a SPSS

Sona-systems:Il sistema di gestione degli esperimenti http://milano-bicocca.sona-systems.com/

Cliccare su “New Participant”

Coloro che già sono iscritti nel sistema: fare la login e poi aggiornare il proprio profilo

Inserite i vostri dati e cliccate su “Request Account”

A questo punto…

la vostra iscrizione verrà confermata via email. Nell’email riceverete una password associata al vs.

nome utente. Conservate questa password, vi verrà richiesta ogni

volta vogliate accedere al sistema (login). Se entro 2 ore, non avete ricevuto la mail di

conferma, spedire una mail a juliette.richetin@unimib.it

Con ID e password, entrate nel sistema

Per iscriversi agli studi: Prima - rispondere a un breve questionario. Per cominciare il questionario cliccare su Start Prescreen

Entrando nel sistema vedrete gli studi disponibili. Inoltre sarete informati automaticamente via email sui nuovi studi

Tipi di studi in laboratorio: il sistema permette di fissare degli appuntamenti per venire a

fare un esperimento. on-line: il sistema serve per guidarvi direttamente sullo studio on-line e

registra la vostra partecipazione

Per partecipare a un esperimento, cliccare su Study sign-in, verrà data indicazione degli studi disponibili e della ricompensa per la

partecipazione (CFU o più raramente denaro) scegliere lo studio al quale si desidera partecipare Scegliere l’orario di partecipazione

Attenzione:

Se non si può partecipare a uno studio per cui ci si è registrati, è necessario cancellare la prenotazione o avvertire la persona responsabile dell’esperimento

Oltre 4 “No-Shows” senza avvertire, potrete essere rimossi dal sistema.

Tutorial su sona systems tra i materiali del corso

Esempi:misure esplicite ed implicite

Attenzione: negli assignment userete i dati che raccogliamo ora(con dati di scarsa qualità le analisi sono molto più difficili!!!)

Le misure implicite

IAT (Greenwald, McGhee & Schwartz, 1998)

Obiettivo: misurare l’autostima implicita

Operazionalizzazione: associazione automatica tra il sé e la valenza positiva

Che categorie usiamo?

IAT autostima

Associazione “io – positivo” (e “altri – negativo”)

IAT autostima1. Io Altri2. Positivo Negativo3. Io-Positivo Altri-Negativo4. Altri Io5. Altri-Positivo Io-Negativo

Differenza RT5° - 3°

Limite dello IAT autostima: presenza della categoria “altri” Come risolvere il problema?

SC-IAT (Karpinski e Steinman, 2003)(creato principalmente per superare la natura bipolare dello IAT)

Io

Positivo Negativo

Struttura del SC-IAT

Ora rispondiamo a uno SC-IAT Trascinare la cartella PRIMA LEZIONE sul desktop.

Aprire prima lezione sul desktop.

Fare doppio click su ESERCITAZIONE.exp

Risponderete allo SC-IAT e a una misura d’autostima esplicita

(il vostro anonimato è protetto – utilizzerete un file dati in cui le vostre risposte non potranno essere riconosciute)

Impressioni?

Uno dei due blocchi era più facile? In uno dei due blocchi avete fatto meno errori?

La struttura:

PRIMO BLOCCO: Positivo – io Negativo

SECONDO BLOCCO: Positivo Negativo – io

Calcolo del punteggio: ?

Una scala di autostima:

la scala Self Liking-Competence (SLC-R) di Tafarodi e Swann

Un criterio per validare la scala d’autostima: la discrepanza delle capacità Premere 6

Altre “tipiche” misure esplicite

- Alcune domande di atteggiamento (verso gli alcoolici)-- Una scala di motivazione

Cognizioni esplicite legate al consumo di alcooliciPremere 7 Atteggiamenti espliciti verso gli alcoolici altre domande importanti per validare le

misure di atteggiamento esplicito Il DMQ-R: Motivazioni sottostanti al consumo

di alcoolici (ricordate: serviranno nell’assignment)

La logica delle misure a cui avete risposto: SC-IAT autostima

Misure esplicite: Questionario autostima Questionario atteggiamento alcoolici ed analcolici Questionario norme sociali alcoolici ed analcolici Questionario motivazione alcoolici

Criteri “comportamentali” Valutazione capacità Consumo di alcoolici

Negli assignment esaminerete: Le strutture fattoriali delle scale (autostima, motivazione al consumo di

alcoolici) Validità predittiva delle misure esplicite ed implicite (analisi di regressione)

Terminato l’esperimento

Rinominate la cartella complessiva della prima lezione con il vostro numero di matricola (es. PRIMA LEZIONE 123456)

Inserire LA CARTELLA COMPLESSIVA nella cartella

\\lib\psico\corsi\zogmaister\consegna

SPSS – PASW Statistics 18

Le analisi effettuate a lezione possono essere fatte (eventualmente con piccolissime variazioni) anche con versioni precedenti di SPSS.

Iniziamo a usare SPSS

Lanciare SPSS (PASW Statistics 18) 3 finestre importanti:

Finestra DATI Finestra OUTPUT Finestra SINTASSI

Iniziamo a usare SPSS

La finestra DATI: Visione DATI Visione VARIABILI

Cliccando sulle due “linguette” in basso a sinistra è sempre possibile passare da una modalità all’altra.

Visone dati:

I dati sono in una matrice casi x variabili: ogni riga contiene i dati relativi ad un soggetto per tutte le variabili, ogni colonna contiene i valori di una variabile per tutti i casi.

casi

Variabili

Creare un file dati in SPSS

Iniziamo a inserire dei dati nella matrice:Prima definiamo le variabili e poi inseriamo i valori.

In alto a sinistra in tutte le schermate è presente la barra degli strumenti.

Apre files di SPSS già esistenti.

Salva il file.

Permette di visualizzare i valori delle variabili o le “etichette dei valori” assegnate; (cfr. diapositive successive.)

Ora salviamo il nostro file col nome “sociodemo.sav”

Le analisi statistiche e la finestra di OUTPUT Quali sono le caratteristiche del nostro campione?

Frequenze per genere Analisi descrittive età (età minima e massima, media e

deviazione standard) Frequenze titolo di studio e residenza Analisi descrittive reddito e famiglia (minimo e massimo,

media e deviazione standard)

Rappresentiamo GRAFICAMENTE queste caratteristiche

Alcune analisi più approfondite Uso della funzione ‘seleziona casi’ per

individuare i partecipanti con più di 35 anni Caratteristiche di questi partecipanti

Analisi separate per maschi e femmine Frequenze separate delle età

(torniamo al campione completo)

Per cambiare i valori di una variabile secondo regole nostre

creando una nuova variabile che contenga i valori ricodificati.

Creare la nuova variabile redd_f a partire da Reddito,

facendo corrispondere ai valori inferiori a 200.000 il valore 1 (al quale attribuiamo l’etichetta ‘basso’)

e ai valori superiori assegna 2 (al quale attribuiamo l’etichetta ‘alto’)

Funzione ricodifica in una nuova variabile

Funzione ricodifica nella stessa variabile

i nuovi valori vengono usati per sostituire i valori “vecchi” nella stessa variabile.

Ricodificare la variabile Età

ai valori inferiori a 35viene sostituito il valore 1;

ai valori tra 35 e 54 viene sostituito il valore 2;

ai valori superiori a 55 viene sostituito il valore 3.

Ricodifica nella stessa variabile

Funzione ricodifica nella stessa variabile

Funzione calcola

Per eseguire operazioni matematiche sui valori di una o più variabili e di creare una nuova variabile con i valori calcolati.

Creare una nuova variabile di nome “red_med” – con etichetta “Reddito medio per persona del nucleo familiare” – eseguendo il rapporto tra i valori della variabile reddito e i corrispondenti valori della variabile famiglia.

Funzione calcola

La variabile redd_med è stata creata sulla base dei valori delle altre due variabili già esistenti.

Salvataggio della sintassiLa funzione “incolla” permette di produrre un file di testo contenente la sintassi che descrive l’operazione che si sta eseguendo; successivamente è possibile salvare il file così creato per poter eseguire la sintassi nuovamente ed effettuare la medesima operazione. Risulta una funzione importante se si ha bisogno di tenere traccia delle analisi eseguite o se si deve descrivere in modo efficace e trasparente ad altri ricercatori le operazioni eseguite.

Ora calcoliamo alcune statisticheAprire il file dati1_2.sav Qual è l’altezza media del campione? Qual è l’altezza media delle donne?

E degli uomini? l’altezza media dei due sessi è significativamente

diversa? L’altezza è legata al peso?