Strumenti informatici 5.3 - Realizzare un test per proporzioni dipendenti in Excel ed SPSS Excel non dispone di una funzione che consenta di realizzare il test statistico presentato nella sezione 2.1.2. SPSS, invece, permette di realizzare il test di McNemar (McNemar, 1947), che nient’altro è che la trasformazione a X2 del punto z calcolato nella sezione 2.1. Ossia, se la n −n trasformazione z avveniva con la formula z = 21 12 , il test di McNemar consiste n 21 + n12 nell’elevamento al quadrato di questa espressione. Poiché la distribuzione χ2 nient’altro è che una (n21 − n12 )2 somma di punti z al quadrato (vedi Capitolo 4), il valore , è distribuito come χ2 con 1 n 21 + n12 grado di libertà. Ad ogni modo, il modulo di SPSS che esegue l’analisi si basa sulla distribuzione binomiale, come mostrato nella sezione 2.1.2. In SPSS i dati possono essere inseriti o soggetto per soggetto (Figura 5.3.1a), oppure già raggruppati in frequenze (Figura 5.3.2b). In quest’ultimo caso, occorre comunicare al software che i valori nella variabile Freq sono frequenze mediante l’opzione Weight (vedi descrizione nella scheda Strumenti informatici 4.1). a b Figura 5.3.1 Organizzazione dei dati per la realizzazione del test di McNemar in SPSS Nella Figura 5.3.1 i dati sono stati codificati come 0 = Si, e 1 = No. A questo punto, il percorso da seguire è Analyze → Descriptive Statistics → Crosstabs. Inseriamo la variabile Prima nel campo Row(s) e la variabile Dopo nel campo Column(s) e clickiamo su Statistics. Nella finestra che si apre, spuntiamo McNemar (Figura 5.3.2) Figura 5.3.2 Scelta del test di McNemar nelle statistiche possibili per il modulo Crosstabs di SPSS Clickiamo su Continue, quindi su OK, e otteniamo come risultato le tabelle in Figura 5.3.3 Carlo Chiorri, Fondamenti di psicometria – Copyright © 2010 The McGraw-Hill Companies S.r.l., Publishing Group Italia Prima * Dopo Crosstabulation Count Dopo Si Prima Si No No 110 40 150 Total 20 30 50 Total 130 70 200 Chi-Square Tests Value McNemar Test N of Valid Cases Exact Sig. (2-sided) ,013a 200 a. Binomial distribution used. Figura 5.3.3 Output di SPSS per il test di McNemar per due proporzioni dipendenti (la tabella Case Processing Summary è omessa) Nella prima tabella osserviamo la tabella di contingenza Prima × Dopo, mentre nella seconda (ChiSquare Tests), troviamo la probabilità a due code per i dati in esame (per ottenere quella ad una coda basta dividere Exact Sig. (2-sided) per due). Quando la variabile dipendente non è dicotomica, occorre utilizzare il modello della Marginal Homogeneity, che è disponibile in SPSS. Supponiamo che le opzioni di risposta degli studenti alla proposta di iscriversi al Nuovo Ordinamento fossero tre (0 = No, 1 = Indeciso; 2 = Sì), come in Tabella 5.3.1 Tabella 5.3.1 Intenzione di passare al Nuovo Ordinamento di 200 studenti del secondo anno di un corso di laurea in Scienze e Tecniche Psicologiche Dopo la conferenza Prima della conferenza No No Indeciso Si Totale 15 10 25 50 Indeciso 10 20 30 60 Si 10 15 65 90 Totale 35 45 120 200 In questo caso i dati possono essere organizzati come in Figura 5.3.1a o 5.3.2b. Il percorso da seguire per realizzare l’analisi però è un altro, ossia Analyze → Nonparametric Tests → 2 Related Samples (Figura 5.3.4). Carlo Chiorri, Fondamenti di psicometria – Copyright © 2010 The McGraw-Hill Companies S.r.l., Publishing Group Italia Figura 5.3.4 Percorso di SPSS per realizzare un test di Marginal Homogeneity Nella finestra che si apre occorre selezionare le variabili da confrontare clickandoci sopra col tasto sinistro del mouse, e poi spostarle nel campo Test Pair(s) List col tasto (Figura 5.3.5). Figura 5.3.5 Impostazione dell’analisi Mariginal Homogeneity in SPSS I tasti Exact e Options offrono le stesse opzioni del test della binomiale, mentre gli altri test sono il Wilcoxon (che è presentato nella sezione 2.2), il test dei segni (Sign) e il McNemar che abbiamo già visto. L’output è riportato in Figura 5.3.6 Marginal Homogeneity Test Distinct Values Off-Diagonal Cases Observed MH Statistic Mean MH Statistic Std. Deviation of MH Statistic Std. MH Statistic Asymp. Sig. (2-tailed) Prima & Dopo 3 100 90,000 112,500 7,159 -3,143 ,002 Carlo Chiorri, Fondamenti di psicometria – Copyright © 2010 The McGraw-Hill Companies S.r.l., Publishing Group Italia Figura 5.3.6 Output dell’analisi Mariginal Homogeneity in SPSS La tabella in Figura 5.3.6 indica che vi è stata una variazione significativa nelle risposte degli studenti prima e dopo la conferenza (Asymp. Sig. (2-tailed) < ,05). Si noti ad ogni modo che questo test statistico, così eseguito, può non consentire un’analisi particolarmente approfondita dei dati, in quanto è basato, come dice il nome, sulle proporzioni marginali della tavola di contingenza che riassume i dati (vedi Tabella 5.3.1). Nondimeno, certi tipi di cambiamento (ad esempio da No a Sì) potrebbero essere meno probabili di altri (ad esempio, da No a Indeciso), e questo tipo di analisi non permette di tenerne conto. Il lettore interessato al problema può trovare maggiori informazioni, ad esempio, in Corbetta (1992). In una tesi di laurea o in un articolo scientifico riporteremmo il grafico in Figura 5.14a, al tabella in Figura 5.3.3 e scriveremmo: Per verificare se la proporzione di 200 studenti intenzionati ad iscriversi al nuovo ordinamento, inizialmente di ,65, era stata modificata dall’aver assistito dalla conferenza di presentazione dei vantaggi del cambiamento (P post-conferenza = ,75) è stato eseguito un test di McNemar, che ha rivelato che dopo la conferenza la proporzione di studenti intenzionati ad iscriversi al nuovo ordinamento era statisticamente aumentata (z = 2,58, p < ,05, h = 0,28) [oppure, X2(1, n = 200) = 6,66, p < ,05, h = 0,28)]. Carlo Chiorri, Fondamenti di psicometria – Copyright © 2010 The McGraw-Hill Companies S.r.l., Publishing Group Italia