Download Riassunto libro - Fondamenti di Psicometria Chiorri and more Summaries Statistics for Psychologists in PDF only on Docsity!
Programma Capitolo 1 ad esclusione dei seguenti paragrafi: §1.5, §1.5.1, §1.5.2, §1.6, §1.6.1, §1.6.2; Capitolo 2 ad esclusione dei seguenti paragrafi: §2.3.3; Capitolo 3; Capitolo 4; Capitolo 5; Capitolo 6 ad esclusione dei seguenti paragrafi: §6.2; Capitolo 7; Capitolo 8 ad esclusione dei seguenti paragrafi: §8.1.1, §8.1.2, §8.1.3, §8.2, §8.3.6; Capitolo 9; Capitolo 10 ad esclusione dei seguenti paragrafi: §10.1, §10.1.1 §10. §10.2.1 §10.3.3; Capitolo 11 ad esclusione dei seguenti paragrafi: §11.1, §11.2, §11.3.2; Capitolo 14. Inoltre, le slides del corso che sono da considerare materiali didattici integrativi.
1 Introduzione
Pagina 1. Psicoterapia sviluppo di serie di modelli teorici e pratici → eclettismo sistematico, integrazione concettuale → Ricerca importante anche per psicologia clinica → approccio evidence based approccio evidence based = integrazione migliore ricerca disponibile con esperienza terapeuta nel contesto del cliente Pagina 1. (Kohler 1940) Estrema familiarità e quotidianità fenomeni psicologici è freno per impulso conoscitivo ← eccessivo focus su eventi insoliti che incrinano le convinzioni Pagina 1. (cronbach 1957) Psicologia correlazionale VS sperimentale = verificare,tra caratteristiche psicologiche, variazione concomitante VS causazione Pagina 1. (stevens 1946) Poter misurare → ● scaling (associare numero a caratteristica) ● classificazione (creare intervalli nella scala e determinare se tali valori cadono in uguali o diverse categorie) ● standardizzazione (misurazioni ripetibili da più operatori e devono dare lo stesso risultato)
Pagina 1. I costrutti (entità) psicologiche ● Sono alla base di una metodo di misurazione ● Sono strumenti per dare ordine alla complessità (pattern) di comportamenti che osserviamo nell'uomo Operazionalizzazione = definizione di serie di operazioni empiriche che permettono di creare parallelo tra costrutto teorico e mondo/comportamento empirico ● definire il dominio di contenuto = insieme comportamenti che espongono costrutto ● selezionare migliori operaz. ● Scegliere modello di misurazione Modello di misurazione → definisce tale parallelo. ● Componenti: costrutto, osservabili, relazione matematica tra costrutto e osservabili ● Tipi ○ Reflective Indicator (costrutto diventa scala o causa degli osservabili) (es. intelligenza) ○ Causal indicator (costrutto diventa indice o effetto degli osservabili) (es. stress) Livello di misura ● Scala Nominale (categorizzazione, unità di analisi equivalenti o meno), categorie sono ○ Distintive (permettono di misurare equivalenza tra soggetti) ○ Collettivamente esaustive: oggi soggetto deve essere categorizzabile ○ Mutualmente escludentesi: un soggetto entra in una sola categoria ○ Esempi: nomi squadra calcio ● Scala ordinale (confronto tra unità di analisi in maggiore/minore, per ottenerne un rango, senza quantificare il distacco → no unità di misura) ○ Dicotomiche (solo 2 valori) VS Politomiche (3+ valori) ○ Con variabile sottostante ■ Metrica a Soglie note ■ Metrica a Soglie ignote ■ Latente a Soglie ignote (classificazione fatta solo da esperti che si accordano) ■ Discreta semi-standardizzata (accordo tra esperti ma senza ipotesi di variabile Metrica sottostante) ■ Discreta non-standardizzata (riferimento standard impossibile) ○ Esempi: gravità di una condizone patologica ● Scala a intervalli equivalenti (confronto quantitativo tra unità di analisi → unità di misura, ma senza conoscere quantità assoluta ← no zero assoluto) ○ No zero assoluto → rapporto fra valori non è invariante rispetto al cambio di scala di misura ○ Zero ragionevole = media della popolazione di riferimento ○ Scala più utilizzata in psicometria ■ Impossibile assumere che esista lo zero assoluto (ovvero che il costrutto sia del tutto assente) ■ Usata anche come conversione delle scale di Likert (ordinali) ○ Esempi: test psicologici
○ Suggerimenti per interpretazione dei risultati ● Griglia di correzione
1.6 Tipi di test psicologici
1.6.1 Prestazione massima
● Soggetto richiesto di dare il meglio di sè ● Esiste risposta corretta ● Valutano il funzionamento considerato normale ○ Abilità (capacità non necessariamente apprese, specifiche per ambiti) ○ Profitto (capacità apprese) ○ Attitudinali (capacità future/potenziali) ○ Intelligenza (mancanza definizione comune) Intelligenza (capacità di adattarsi all’ambiente e risolvere problemi) ● Globale VS complessa? ● Stanford-Binet: misura della capacità di giudizio (senso pratico, iniziativa, adattamento) ● Wechsler → (agire con intenzione, pensare con razionalità, affrontare l’ambiente) → 14 scale : intelligenza {verbale, prestazione} ○ Verbale: cultura, memoria, significato vocaboli ○ Prestazione: coord. visuo-motoria, problem-solving, ragionamento logico-induttivp ● Raven → (pensare con chiarezza, comprendere complessità, immagazzinare e riprodurre informazione) Test neuropsicologici → valutazione funzioni in sospetto di deficit ← (invecchiamento, danno) ● Mini mental state examination: 7 aree cognitive
1.6.2 Prestazione tipica
Pagina 156 Personalità Tipi ● Intervista faccia a faccia ● Intervista semi strutturata ● Test autosomministrato ● Test proiettivo Intervista faccia a faccia ● Comportamento non verbale ● Latenza risposte
● Dipendenza da capacità/caratteristiche intervistatore ● No info quantitative Intervista semi-strutturata → domande standard ● Coerenza e replicabilità ● Compromesso tra ricchezzaVSaffidabilità osservazione ● SWAP-200 (disturbi personalità) ○ Stimolo : linguaggio semplice ○ 200 item → punteggio da 0 a 7 ○ 3 ripetizioni-test/sedute ■ Verifica: != osservatori ottengono == osservazioni ■ controllo effetto alone ○ Sforzo di rispettare distribuzione puntegg (es. 7 item con voto 8) ○ Interpretazione ■ Item mappati su prototipi di disturbo ■ Differenza da prototipo > 60 → disturbo ■ Differenza da prototipo 55-60 → forti tratti ■ Differenza da prototipo 50-55 → tratti Test auto-somministrato → soggetto compila da sé ● MMPI-II (inventario di personalità + disturbi emotivi) ○ 567 item → V o F ○ 7 scale di validità → individuare stili di risposta falsati ○ 10 scale cliniche → ipocontria,depressione,isteria, deviazioni psicopatiche, m-f, paranoide,psicoastenia, schizofrenia, mania, introversione sociale ○ 15 scale di contenuto → ansia, paure, ossessività, depressione, preoccupazione salute, pensiero bizzarro, rabbia, cinismo, antisocialità, Tipo A, bassa autostima, disagio sociale, problemi familiari, difficoltà a lavoro, atteggiamento negativo a psicoterapia ○ 15 scale supplementari ● DES ○ 28 items → segno su linea tratteggiata per valutare item ● Carlson&Putman ○ scala di valutazione a 11 punti ○ Rischio response set = stile di risposta “estremizzato/polarizzato” ● Metodo differenziale semantico (opinioni e atteggiamenti) ○ Segno su una linea delimitata da due parole bipolari ○ Bipoli prototipici cross-cultural diacronici ■ Buono cattivo ■ Forte debole ■ Attivo passivo ● Scala Likert o Metodo delle valutazioni sommate ○ insieme di item i cui punteggi sommati per ottenere quantificazione costrutto ○ metodo più comune Item di Likert = item con formato di risposta con scala a più punti finiti o linea orizzontale Costruzione test di Likert
Attendibilità = proprietà psicometrica test/scala di misurare variabile psicologica in modo accurato e di riprodurre stesso risultato al netto dell’errore = proporzione della misura che non riflette l’errore = A A = C/M = 1 - E/M Bias culturali ● Test attitudinali college riflettono cultura caucasica ● Draw-a-man test sottostimava capacità nativi americani (disegno cavallo) Test di validità = procedura che stabilisce se misurazione con test raggiunge lo scopo di investigare il criterio ● Validità di contenuto = campione operazionalizzazioni prescelto è un campione rappresentativo di univeso di op. possibili ● Validità di facciata = operazionalizzazioni sono interpretate da soggetti nel modo che ci aspettiamo ● Validità di criterio = risultato test può essere usato per prevedere comportamento soggetto ○ Concorrente = misura e criterio rilevati contemporaneamente e sono funzionalmente connessi ○ pre/post-dittiva = criterio misurato prima/dopo della misura ○ Possibili criteri ■ Diagnosi → si effettua la misura su una popolazione in cui è certa la presenza del costrutto → il criterio è la distribuzione dei risultat ● Validità incrementale = contributo test nel migliorare predizione di un criterio quando test è usato insieme ad altre misure ● Validità di costrutto = test misura effettivamente il costrutto ○ Validità convergente = grado di accordo fra misure ripetute (possibilmente con somministrazioni diverse) ○ Validità discriminante = grado di distinguibilità tra misure di altri costrutti ● Validità nomologica Rete nomologica di una misura ● cos’è il costrutto ● Relazioni {proprietà-osservabili} del costrutto ● relazioni (costrutto,proprietà) ● Relazioni (costrutto, altri-costrutti) Scientificità = validità nomologica → relazioni rete nomologica coinvolgono osservabili
2 La statistica descrittiva
Pagina 222
2.1 Il campionamento
campione è rappresentativo quando riflette in modo adeguato le caratteristiche della popolazione ampiezza del campione = numero di suoi elementi campione normativo = campione utilizzato per costruire la misura standardizzata di un costrutto che sarà utilizzata generalizzabilità = grado in cui risultati studio su campione possono essere estesi a popolazione variabile = caratteristica distintiva di una popolazione ● misurabili su scala qualitativa/ordinale/metrica ● continue/discrete statistica VS parametro = misura di una variabile del campione VS popolazione obiettivo studio = stima dei parametri tramite le statistiche indice = stimatore ⇒ base per fare le stime indice corretto/scorretto = suo valor medio è uguale/ diverso al parametro corrispondente campionamento = procedura di individuazione degli elementi del campione
2.1.1 Tipi di campionamento in psicologia
probabilistico VS non-probabilistico = ogni unità di popolazione ha prob. (nota e non nulla VS non-nota) di entrare nel campione campionamenti probabilistici ⇒ maggior generalizzabilità probabilistici ● c. casuale semplice ⇒ con VS senza reinserimento ○ estrazione casuale ○ ogni unità ha stessa probabilità ○ probabilità tra unità sono indipendenti ● c. quasi causale ○ estrazione casuale ○ unità possono avere probabilità diverse di essere estratte ● c. stratificato ○ suddivisione della popolazione in strati in base a caratteristica/caratteristiche (es.sesso, sessoXstatoCivile)
tabella di contingenza = tabella a doppia entrata
2.3.2 Grafici
diagramma a barre (variabili nominali/ordinali) ● semplice → rappresenta tabelle ad una entrata ● a barre affiancate ⇒ rappresenta tabelle a due o più entrate diagramma a torta istogramma (variabili metriche) = diagramma a barre affiancate poligono di frequenza/proporzione/percentuali ● confrontare distribuzione frequenza di due gruppi/strati/cluster di unità poligono cumulativo = ogiva = poligono di frequenze cumulative dei risultati serie temporale/storica = misura su una variabile temporale variabile circolare ⇒ i cui valori hanno limite massimo e minimo coincidono grafici a radar o polari ● bat’s wing → frainteso per dati interpretati come aree ● coxcomb funzione psicometrica ● a volte assume forma ad s detta sigmoide ● permette di individuare il valore di stimolo soglia diagramma ramo-foglia
2.4 Misure di tendenza centrale
indice = misura di tendenza centrale = statisticha che sintetizza info della misura con un unico valore che sia rappresentativo della caratteristica misurata nel campione specifico
2.4.1 Moda
moda = valore/categoria più frequente nel campione se i dati sono rappresentati in classi, la classe modale è la classe più frequente
distribuzione ● bimodale ⇒ due valori possono valere come moda ● multimodale ⇒ 2+ valori possono valere come moda ● amodale ⇒ tutti i valori hanno la stessa frequenza
2.4.2 Mediana
mediana = valore al centro della distribuzione ordinata di valori (ha 50% delle misure con valori inferiori, e 50%delle misure con valori superiori)
p osizione mediana =
n +
procedure per calcolare la mediana ● individuazione posizione nei ranghi dei valori ○ n dispari ■ variabile ordinale/metrica ⇒ semisomma dei due valori mediani ■ variabile nominale ⇒ valore immediatamente superiore ● individuazione posizione nei ranghi delle frequenze cumulate dei valori ● calcolo diretto per dati suddivisi in classi (A = ampiezza classe) ○ mediana = limite inf eriore
classe mediana
F classe mediana
posizione mediana − Fcumul inf
○ posizione mediana =
n
2.4.3 La media
media aritmetica = valore atteso = valore più probabile che possiamo aspettarci = baricentro di una distribuzione outliers = valori estremi → ATTENZIONE trimmed mean = media calcolata dopo aver escluso un numero fisso di outliers → in genere 5% di valori estremi windordized mean = media calcolata dopo aver escluso % di estremi con estremo inferiore/superiore distribuzione Σ ( x (^) i − M ) = 0 scarto quadratico Σ ( x (^) i − M ) 2
2.5.2 Varibialitià a livello ordinale
Tutti gli indici di livello nominale sono applicabili range = ramma = campo di variazione xmassimo − xminimo usabile solo per variabili quantitative quantile = i-esimo rango di una distribuzione divisa in k parti (n=#osservazini) ● terzile = rango di una distr. divisa in 3 parti ● quartile = rango distr. divisa in 4 parti ● percentile = rango di distr. divisa in 100 parti
p osizione Q
k , i
k
i ·( n +1)
per dati raggruppati in classi
p osizione Q
k , i
k
i · n
per dati metrici possiamo calcolare esattamente il quantile ( F (^) inf = somma freq. inferiori a classe quantile, A=ampiezza classe quantile)
Q imite inf eriore
k , i
= l
classe quantile
i ·( F inf )
F c. quantile
· A
rango quantile = posizione occupata da un valore all’interno della distribuzione divisa in k parti (n=#osservaioni)
r ango quantile =
n +
rango grezzo · k
per dati raggruppati in classi
r ango quantile =
n
rango grezzo · k
range interquarile IQ = intervallo interquartile ⇒ indica limiti/estensione dei valori riguardo al 50% centrale della distribuzione
I Q = [ Q Q ]
differenza interquartile DIQ (per dati quantitativi)
Q 4,1 − Q 4,
diagramma a scatola e baffi = cinque numeri di sintesi della distribuzione ● minimo
● Q
● mediana
● Q
● massimo
2.5.3 Variabilità a livello metrico
Tutti indici di livello ordinale sono applicabili, anche se non sfruttano informazione unità misura scostamento semplice medio SSM (quanto in media i valori si discostano da media) (M media)
S SM =
n
Σ | x i − M |
DIFETTO: SSM può essere uguale alla somma del valore assoluto degli scarti da un altro valore! a questo provvede la devianza… devianza = somma dei quadrati degli scarti SS
S S = Σ( x )
i
− M
DIFETTO: devianze di distribuzioni != sono confrontabili solo se le distribuzioni hanno stessa cardinalità varianza = media degli scarti = sigma quadro s^2
n
SS
DIFETTO: non confrontabile con media ⇐ potenze diverse deviazione standard =scarto quadratico medio = sigma s
● Deviazione standard ● skewness ● curtosi
3 Statistica inferenziale
Scopo = usare i risultati di una misura ossenuti nel campione per fare inferenze sulla popolazione e per stabilire se tali inferenze sono valide
3.1 Elementi di probabilità
spazio campionatorio = insieme di tutti eventi possibili concezione frequentista = prova ripetuta sempre nelle medesime condizioni p(AeB) = p(A) *p(B|A) probabilità condizionata = p(B|A) sensibilità = veri_positivi/totale_malati specificità = veri_negativi/totale_non_malati potere predittivo positivo = veri_potitivi/totale_positivi potere predittivo negativo = veri_negativi/totale_negativi teorema di Bayes p(A|B) = p(A) *p(B|A)/ p(B) Permutazioni semplici = n! Permutazioni circolari = (n-1)! se ci sono elementi ripetuti (nk volte) calcoliamo le Permutazioni con ripetizione =n! / n1!... nk! disposizioni semplici a k a k = n! /(n-k)! disposizioni con ripetizione a k a k = n^k
combinazioni semplici = coefficiente binomiale = n! / (k! (n-k)!) combinazioni con ripetizione funzione di densità = per ogni valore assumibile dalla variabile aleatoria, la probabilità di verificarsi
3.2 Distribuzioni di probabilità
distribuzioni ● rettangolare uniforme ● binomiale ○ variabili dicotomiche = i cui 2 valori possibili sono mutualmente escludentisi ○ p(k) = prob di k successi su n prove= coeff_binomiale_n_k * p^k * q^(n-k) ○ simmetrica se p=q ○ media = np ○ varianza = np*q ● normale ○ solo valori continui ○ Quetelet e i fatti di vita ⇒ tutti distribuiti normalmente ○ Test psicologici di costrutti non patologici seguono distribuzione normale ○ u = media = moda = mediana = massimo ○ u±sigma ⇒ punti di flesso ○ simmetrica rispetto a u ○ asintotica ● normale standardizzata (gli x sostituiti con i z) ● media = 0 ● deviazione standard = 1
3.3 Distribuzioni campionarie
distribuzione campionaria = distribuzione relativa a una specifica statistica che viene calcolata su tutti i possibili campioni di ampiezza n estraibili dalla popolazione teorema del limite centrale ⇒ la distribuzione campionaria delle medie di tutti i possibili campioni di ampiezza n tende alla normale all’aumentare di n e lo diventa per n>=30, indipendentemente dalla forma della distribuzione della variabile nella popolazione distribuzione campionaria della media ● segue andamento normale per n>=
● media = media campionaria μ M = μ
■ z =
x −μ
σ √ n √ N^ − N − n
3.3.1 Gli intervalli di fiducia della media e di una proporzione
intervallo di fiducia = intervallo di valori dentro il quale siamo sicuri che una statistica cada con una certa probabilità f
pz
f
1− f
● intervallo di fiducia per la media ○ assunzioni ■ popolazione distribuita normalmente oppure ■ popolazione distribuita variamente e ampiezza campione > 30
○ se σ è ignota, si sostituisce con
s
√ n −
○ (popolazione finita (N), deviazione standard popolazione ignota)
M = μ ± zf ·σ
M
○ (popolazione infinita, deviazione standard popolazione nota)
M = μ ± zf ·
√ n
○ (popolazione finita (N), deviazione standard popolazione nota)
M = μ ± z
f
√ n^ √ N^ −
N − n
● intervallo di fiducia per la proporzione campionaria
P = π ± z
√ n
● intervallo di fiducia per la proporzione di popolazione
π = P ± z
√ n −
P (1− P )
3.4 La verifica delle ipotesi
3.4.1 p-value approach (PVA)
Ideato da sir Ronald Fisher (1925) ipotesi nulla H 0 ipotesi scontata, prevedibile, non interessante! ● parametro popolazione = TOT ipotesi sperimentale o H
= ipotesi alternativa o sostantiva, interessante! ● monodirezionale ○ parametro popolazione > TOT ○ parametro popolazione < TOT ● bidirezionale ⇒ parametro popolazione != TOT Testi di verifica delle ipotesi = calcolo probabilità che i dati osservati siano risultato/manifestazione di H 0 Witgenstein ⇒ logica falsificazionista ⇒ cercare di dimostrare che è troppo improbabile che i risultati dei test avvengano in una situazione in cui H0 è vera, senza poter dimostrare che H sia vera livello di significatività α= valore soglia di probabilità che p(H0) deve superare per passare il test errore di I tipo = rifiutare H0 quando è vera ● ha propabilità α errore di II tipo = accettare H0 quanto è falsa ● ha probabilità β potenza del test statistico = 1 −^ β= probabilità di accettare H1 quanto è vera ● carenza di potenza ⇒ campione troppo piccolo? ● eccesso di potenza ⇒ campione troppo ampio? in genere αè 0.05 o 0. alternative al PVA ● NHST null hypothesis significance testing ● FAA (Neuman&Pearson 1993) fixed alpha approach ○ test p(dati|H0 vera) < α
