VI - DALLE UNITÀ DI ANALISI AI CASI: IL CAMPIONAMENTO · 1 Metodi ricerca comunicazione VI -...

1

Metodi ricerca comunicazione

VI - CAMPIONAMENTO 11

VI - DALLE UNITÀ DI ANALISI AI CASI: IL CAMPIONAMENTO



Unità

Ambito + popolazione

Casi Problema della rappresentatività dei casi rispetto alla popolazione

RILEVAZIONE

UNITA’ = tipo di referente sul quale si raccolgono informazioni;

AMBITO = confini spaziali e temporali di una ricerca;

POPOLAZIONE (o ‘universo’): insieme degli esemplari dell’unità scelta presenti nell’AMBITO della ricerca;

CASO = ogni esemplare dell’UNITA’ sul quale si raccolgono effettivamente le informazioni

2



OGGETTI FISICO-CHIMICI: L’ASSUNTO DI FUNGIBILITA’

= Un oggetto fungibile = si comporta come tutti gli altri oggetti dello stesso tipo (a condizioni uguali) = è rappresentativo di tutti gli altri � basta osservare il comportamento di un oggetto per estendere, generalizzare i risultati a tutti gli altri oggetti dello stesso tipoP. es. un atomo di azoto si comporta come qualsiasi altro atomo di azoto

MA nel mondo umano e sociale un soggetto non èfungibile rispetto a tutti gli altri soggetti passati, presenti e futuri.



La ricerca di rappresentativitànelle scienze sociali

Il caso puroE. Durkheim (1858-1917): per analizzare gli elementi fondamentali di un fatto sociale occorre trovare il “caso puro” = il caso più semplice possibile, più “elementare” (Forme elementari della vita

religiosa – 1912: tribù austrialiana degli Arunta) �estendere le conclusioni a tutte le altre societàpiù complesse.

3



“L’uomo medio”L.A.J. Quételet (astronomo, statistico, demografo; 1796-1874)•Qualunque proprietà (fisica, demografica, psichica) si distribuisce lungo una curva “normale” = norma, legge universale;•Lo “uomo medio” è colui che si trova nella moda/media/mediana = è il piùrappresentativo di tutti.

MA•Come ogni asserto universale, anche quello sulla distribuzione normale non è empiricamente fondato•W. Lexis, J.M. Keynes e altri hanno dimostrato che rilevazioni e analisi di Quételet erano grossolane e manipolate•“Un uomo di scienza percepisce in lui un profumo di astrologia o di alchimia” (J.M. Keynes 1921)

La “curva normale” (K.F. Gauss 1777-1855)

(È un concetto essenziale per l’inferenza statistica da un campione alla popolazione da cui il campione èestratto)

Qui UOMO MEDIO



Il “caso esemplare”e lo “studio del caso”

Individuazione di un caso come “esemplare” = rappresentativo (su una vasta gamma di proprietà) rispetto alla popolazione.

Es. Middletown rappresentativo

delle città medie americane (Lynd 1924)

Ma: La esemplarità è sempre difficile da stabilire: “Se dovessimo giudicare con criteri odierni di selezione (…), pur ammettendone lo scrupolo e, anche col senno del poi, l’adeguatezza sostantiva, saremmo portati a bocciare o quanto meno a criticareseveramente la scelta di Muncie [= Middletown”] come luogo rappresentativo delle città medie americane” (Frudà, in Cannavò-Frudà 134)

4



3 vie possibili

1) analizzare singoli casi MA la generalizzazione dei risultati dal caso alla popolazione resta sempre molto incerta;

2) Analizzare l’intera popolazione (p. es. censimento) MA può essere molto oneroso se la popolazione ènumerosa;

3) Selezionare meno casi purchérappresentino l’intera popolazione(CAMPIONAMENTO).



• Spesso la rilevazione si limita al campione perché èmeno numeroso: n < N

• Il campione può essere considerato come un sotto-insieme della popolazione � con le stesse sue caratteristiche (tranne la numerosità) = RAPPRESENTATIVO.

POPOLAZIONE

Campione

Popolazione = N

Campione = n

IL CAMPIONAMENTO

5



Se è rappresentativo, è più facile e meno dispendiosa la rilevazione sul campione piuttosto che sulla popolazione

NB1) Non necessariamente un numero elevato di casi (non rappresentativi) è migliore di un numero più basso (campione rappresentativo);

2) Se il campione è rappresentativo: possibilità di inferenza statistica = estendere i risultati della ricerca sul campione a tutta la popolazione.

POPOLAZIONE

Campione



Un esempio di campionamento: l’AUDITEL

RICERCHE DI BASE:

-Dati Istat;

-Interviste a 20milafamiglie in 1.700Comuni

ESTRAZIONECAMPIONARIA

-Stratificato (v. dopo)In base a variabili geografiche (areee dimensioni deiComuni),“strutturali (età delCapofamiglia, n°componenti),Dotazioni TV

5.666 famiglie = 14.700individui

METER (= rilevatore elettronico cherileva ogni minutol’ascolto TV

dati“rappresentativi”delle sceltedi consumotelevisivodel Paese

6



Il campionamento probabilistico



Il criterio di casualità• ‘Casualità’ ≠ scegliere a casaccio, senza criteri �

manipolazioni consapevoli e non, “errori sistematici”, etc.

INVECE• “Casualità” = La selezione dei casi deve seguire una

procedura rigorosamente IMPERSONALE (v. positivismo).

• ciascun caso ha la stessa PROBABILITA’ (o una probabilità nota) di essere estratto rispetto a qualunque altro caso;

7



(es. palline in un’urna: se le palline sono 100, ogni pallina ha una probabilità su 100 di essere estratta. � campione casuale semplice)

I modi per estrarre casualmente sono vari:- Tavole dei numeri aleatori (es. serie storiche dei

numeri estratti nel gioco del Lotto) leggibili per riga / colonna / diagonale…;

- Software generatori di numeri casuali;

- Estrazione sistematica:tot pop / tot campione = passo di estrazione

es. 3.600 / 65 = 55 = passoDalla lista completa della pop. (3.600) si estrae 1 caso ogni 55



MA nelle scienze umane Molti problemi impediscono la casualità:

a) Problemi di liste: indisponibilità delle liste da cui estrarre il campione (p. es.su segmenti di popolazione: casalinghe, operai, etc.);

Liste non aggiornate (rimedio parziale: liste elettorali aggiornate ogni 6 mesi)

Liste incomplete (p. es. elenco telefonico: mancano molte persone; liste anagrafiche: nonriportano i presenti ma solo i residenti; etc.)

b) Problemi organizzativi:zone non facilmente raggiungibili;

8



c) Problemi relativi agli intervistandi: � scarsa istruzione, � marginalità di R, � età elevata …

• non reperibilità dei soggetti estratti;• non accettazione dell’intervista (v. p. es. questionari postali; diffidenza;• scarsità di tempo; strumenti di rilevazione difficili o mal fatti….)• Etc.

d) Problemi al momento dell’intervista:• Non risposte



Gli errori sistematici nella casualitàQuesti problemi (slides precedenti) non si presentano solo in maniera occasionale. Interi settori della popolazione - omogenei al loro interno e differenti dagli altri settori - possono essere esclusi dal campionamento e/o dalla rilevazione

� errori sistematici = intere categorie sono sovra/sotto-rappresentateEssendo sistematici, questi errori tendono a ripresentarsi

anche nelle “liste di riserva”

non tutti i soggetti hanno le stesse probabilità (o probabilitànote) di essere estratti (versus principi di casualità, di impersonalitàdell’estrazione, etc. )

9



Questi problemi non si risolvono con la ponderazione � alcuni casi hanno “cloni” � il campione è composto da casi reali + “cloni”;(NB ‘ponderare’ = pesare)

Esempio:- si prevede di intervistare 100 donne- se ne sono intervistate solo 50- i dati relativi a ciascuna donna vengono moltiplicati per 2 = le donne “pesano” il doppio degli uomini = a ciascuna donna corrisponde una donna identica ma fittizia



L’estrazione casuale giova alla rappresentatività per evitare alcune distorsioni sistematiche prevedibili es. intervistare persone in uno stesso quartiere (= non casualità) � distorsione

Le altre distorsioni sono effetti del caso : • se molto gravi sono rare• se lievi sono frequenti su tutte le proprietà

10



RAPPRESENTATIVITA’ = “Un campione è rappresentativo se riproduce in scala ridotta la popolazione da cui è estratto” (G. Statera) = isomorfismo

Nessuno Elementari Medie Inf Medie Sup Univ Post-Univ

0

5

10

15

20

25

30

35

40

45

50

55

titolo di studio

Pop

Camp



La rappresentatività dei dati campionari

• I dati di un campione sono stime più o meno fedeli agli stati sulle proprietà della popolazione;

• Alcune formule statistiche stimano il grado di fiducia che la distribuzione di una proprietà nel campione sia rappresentativa della distribuzione della stessa proprietànella popolazione.

11



Esempio di un asserto basato su dati campionari:

«C’è il 95% di probabilità

che a guardare la trasmissione XY

sia stato il 30% ± 5% dei telespettatori»

PROBABILITA’Intervallo di fiducia

APPROSSIMAZIONEErrore campionario



l’errore campionario e la numerosità campionaria

una tabella da consultare rapidamente, senza dover fare calcoli, nel caso in cui si voglia ottenere un campione con un intervallo di fiducia del 95% e tre diversi gradi di errore (1%, 2% e 5%)

precisione della stima

5% 2% 1%

N n N n N n

100 80 100 96 100 99

500 220 500 415 500 475

1000 285 1000 715 1000 910

5000 370 5000 1660 5000 3330

>8000 400 10000 2000 10000 5000

>50000 2500 >200000 10000

12



Probabilità e tipi di campionamento

• La probabilità di essere estratti è uguale per tutti = CAMPIONAMENTO CASUALE SEMPLICE

• La probabilità non è uguale ma ècomunque nota: c. stratificato, a stadi, a grappoli, etc.



Il campionamento stratificato

• suddivide la popolazione in sotto-popolazioni il più possibile omogenee rispetto alla variabile da studiare (ad esempio, la sotto-popolazione degli autoctoni e quella degli immigrati; le 20 sotto-popolazioni delle regioni italiane;etc.);

• per ogni sotto-popolazione si estrae (con estrazione casuale o sistematica) un sotto-campione (proporzionale) casuale semplice;

• da ultimo si uniscono i sotto-campioni, considerandoli un campione unico.

13



VANTAGGI:

1.evidenzia facilmente le eventuali differenze fra sotto-campioni;

2.per ragioni particolari (analisi approfondita) alcuni sotto-campioni possono non essere proporzionali ma sovra-rappresentati.

25



Il campionamento a stadi

prevede estrazioni successive: per esempio:

prima si estraggono le province, poi i comuni delle province estratte e poi i residenti dei comuni estratti (ciò per evitare di stilare una lista enorme dei cittadini di tutta Italia).

14



Il campionamento per aree

• si usa quando mancano completamente le liste della popolazione: ad esempio, se si vuole selezionare un campione della popolazione residente, ma manca l’anagrafe comunale.

• La popolazione viene divisa progressivamente in aree geografichedi dimensioni sempre più ridotte: primary areas (p. es. contee) �estrazione casuale � locations (città grandi o gruppi di città) �estrazione casuale � chunks (quartieri, città piccole, aree rurali)�estrazione casuale � segments (isolati)� estrazione casualehousing units (gruppi di abitazioni)� RILEVAZIONE.

• Quindi è simile al campionamento a stadi



Il campionamento a grappoli

• si considera la popolazione composta da “grappoli”;

• Questi “grappoli possono essere già esistenti (p. es. la popolazione studentesca di un istituto è composta da tanti grappoli quante sono le classi) oppure definiti dal ricercatore (p. es. mediante cluster analysis)

• si estraggono i grappoli

• si intervistano tutti i casi che fanno parte dei grappoli estratti (p. es. tutti gli studenti delle classi estratte).

• Si tratta di una procedura molto utile quando non è disponibile la lista completa della popolazione.

15



Il campionamento non probabilistico



Quando adottarli:• Non si hanno sufficienti

informazioni sulla popolazione(lista dei nominativi, proprietàsu cui basare la suddivisione in grappoli, in strati, etc.);

• La popolazione è troppo poco numerosa (un campione probabilistico tenderebbe a coincidere con la popolazione);

• Le interviste (“in profondità”, “libere”) sono lunghe e complesse � sono pochi gli intervistandi

“Resta comunque il fatto che siamo, in questa situazione, fuori dell’impianto casuale semplice: il che però non significa necessariamente essere al di fuori di standard di qualità e affidabilità” (L. Frudà in Cannavò-Frudà 2007, 174)

16



Il campionamento per quote

Si divide la popolazione in sottocampioni proprietà ritenute fondamentali per gli obiettivi cognitivi della ricerca

= «aprire l’urna di palline (v. slide precedente) e guardarvi dentro»



La suddivisione in quote (sotto-campioni)

Se si conosce la distribuzione di quelle proprietà nella popolazione, si può decidere che ciascun sotto-campione sia proporzionale alla corrispondente sotto-popolazione

17



POPOLAZIONE (% di cella)

M F M FGiovani 9 8 4 4Adulti 12 10 6 7Anziani 14 10 7 9

CAMPIONE PER QUOTE PROPORZIONALI

tot n = 420Prima cella: il 9% di 420 è 37Seconda cella: l'8% di 420 è 35

M F M FGiovani 37 35 18 18Adulti 50 44 24 29Anziani 59 40 28 38Totale: 420

superiore inferiore

superiore inferiore

Un esempio:



Vantaggi:il campionamento è più agevole rispetto all’estrazione casuale;

È sicuramente rappresentativo sulle proprietà poste a base del campionamento (per le altre v. dopo);

18



Se invece non si conosce la distribuzione congiunta - nella popolazione - delle proprietà a base del campione, si può scegliere una numerosità uguale in tutti i sotto-campioniEsempio:

CAMPIONE PER QUOTE NON PROPORZIONALI

M F M FGiovani 35 35 35 35Adulti 35 35 35 35Anziani 35 35 35 35Totale: 420

superiore inferiore



Vantaggio:

Evidenzia le eventuali differenze fra sotto-campioni (es. considerare in maniera disgiunta e congiunta: genere, istruzione, fascia d’età);

Riconduce queste differenze alle variabili poste a base della ripartizione del campione; quindi presuppone rapporti di causalità: es. età � preferenze TV

19



Campionamento a valanga (o “snowball”): molto utile per popolazioni poco numerose o sconosciute. Si selezionano i casi da intervistare a partire da casi già intervistati. Occorre individuare più punti di partenza per evitare intervistati troppo simili. Esempio (Marini 1993):

a b c

a b b c c AMBIENTE PROTETTO a a c AMB. NON PROTETTO a c c

a c c c

Il campionamento “a valanga”



La “valanga” termina a) al momento della “saturazione” = quando nuovi intervistati non aggiungerebbero nuove informazioni

MA: - la saturazione non è mai sicura; - la scelta di interrompere spesso è condizionata da fattori più contingenti; - Alcuni soggetti possono bloccare l’accesso ad altri; - i soggetti più marginali non vengono raggiunti; - illusione di quantificare in maniera “oggettiva” il numero degli intervistandi.

Errore di affidare alla saturazione l’obiettivo della rappresentatività (non garantita neppure dai campionamenti probabilistici)

b) quando cominciano a ricomparire gli stessi soggetti � si può ritenere di aver raggiunto gran parte della popolazione.

VI - DALLE UNITÀ DI ANALISI AI CASI: IL CAMPIONAMENTO · 1 Metodi ricerca comunicazione VI -...

Documents

Transcript of VI - DALLE UNITÀ DI ANALISI AI CASI: IL CAMPIONAMENTO · 1 Metodi ricerca comunicazione VI -...