UNIVERSITÀ STATALE DI MILANO FACOLTÀ DI SCIENZE MOTORIE Insegnamento di Psicologia Prospetto di Psicometria 1. Analisi Monovariata: analisi puramente descrittiva dei fenomeni studiati, che si limita a dirci come ogni variabile è distribuita fra i casi rilevati, senza porsi il problema sulle 1. Analisi Monovariata • • relazioni tra le variabili. Con variabile intendiamo la proprietà • operativizzata di un oggetto, ovvero quel processo per cui un • certo concetto viene rappresentato mediante degli indicatori. Tali indicatori assumono volta in volta delle condizioni, delle proprietà, dei comportamenti diversi, da qui dunque il nome variabili. Per quanto riguarda il Flow, esso si assume essere • • 2. Analisi Bivariata • • caratterizzato da 9 dimensioni, tali nove dimensioni sono • operativizzate nella FSS mediante una serie domande. Il • punteggio globale per ogni dimensione rappresenta la variabile Variabile dipendente Variabile indipendente Media aritmetica Scostamento semplice medio Deviazione standard Varianza • Analisi della varianza (ANOVA) Significatività della relazione Correlazione Come si crea una matrice dati Come si crea un diagramma su piano cartesiano D1, D2, D3… Concetto (aggressività)----Indicatore (attacchi portati da un bimbo)------numero attacchi portati (variabile) Concetto (flow)----Indicatore (esperienza autotelica)----punteggio ottenuto sulla FSS per le domande inerenti (variabile). • Variabile indipendente: l’evento antecedente che il ricercatore può modificare o controllare facendo cosi variare sistematicamente la variabile dipendente (le variabili dipendenti costituiscono dunque l’oggetto dell’indagine). • Media aritmetica: è la misura di tendenza centrale ed è la somma dei valori assunti dalla variabile su tutti i casi diviso il numero dei casi. 1 • Scostamento semplice medio: la sommatoria del valore assoluto della differenza di ogni valore della distribuzione dalla media diviso il numero dei casi. • Deviazione standard: nella ds di eleva la sommatoria dello scostamento semplice medio al quadrato lo si divide per il numero dei casi e si calcola la radice quadrata. • Varianza: è il quadrato della deviazione standard. E’ una misura di grandissima importanza poiché tutta l’analisi dei dati gira attorno al concetto di varianza spiegata. Data la variazione di una variabile tra i casi l’analista si chiede con quali altre variazioni di variabili tale variazione è associata. 2. Analisi bivariata: è il cuore dell’analisi dei dati e cioè dello studio delle relazioni tra le variabili. Tali relazioni sono studiate dal punto di vista statistico quindi sono relazioni di tipo probabilistico, non di tipo causale. Sarà cura del ricercatore dopo aver analizzato i dati dire che tipo di relazione sussiste tra le variabili prese in esame. • L’analisi della varianza studia la relazione tra una variabile nominale ed una cardinale. Una variabile nominale è ad esempio il sesso, oppure il luogo di nascita, cioè una variabile le cui proprietà sono stati discreti non ordinabili. Al contrario variabili cardinali sono quelle variabili i cui valori hanno pieno significato numerico, come ad esempio il punteggio ad un test, oppure l’età di una persona. Lo scopo dell’analisi della varianza ( detta più comunemente ANOVA) è quello di determinare quanta parte della variabilità della variabile dipendente (cardinale) é dovuta alla variabile indipendente (nominale). Nel caso degli studi sul flow in diverse discipline sportive, un esempio di analisi della varianza è quello condotto considerando come variabile nominale la tipologia di sport praticato e come variabile dipendente (cardinale) i punteggi ottenuti su ogni singola dimensione del flow (D1, D2, D3…). Lo scopo dell’analisi è dunque quello di studiare la variabilità dei punteggi di una certa dimensione del flow in relazione ad una certa tipologia di sport; la domanda che si pone il ricercatore è dunque: quanta della variabilità dei punteggi ottenuti su ognuna delle nove dimensioni da un gruppo di sportivi (ad esempio sci) dipende dalla tipologia di sport che essi praticano? • Significatività della relazione: 2 A questo punto il ricercatore, pone un ipotesi (detta ipotesi nulla): ipotizzo che la variabilità dei punteggi di un campione scelto (le risposte date da praticanti di sci) non sia diversa da quella della popolazione a cui appartengono (tutti i partecipanti allo studio). L’ipotesi contraria detta H1 è invece quella che sostiene che la variabilità del campione e della popolazione siano diverse. Come fare per decidere quale della due ipotesi è vera? A questo punto ponendo un livello di significatività pari solitamente a 0.05 o 0.01 ed effettuando dei calcoli statistici è possibile decidere quale ipotesi accettare. Dire infatti che accettiamo l’ipotesi H1 con p≤ 0.01 o 0.05 significa che il risultato del confronto della varianza del campione con quella della popolazione è un valore ”raro”, che secondo stime di probabilità è possibile trovare solo nello 0.01% dei casi oppure nel 0.05% dei casi, un valore cosi raro non è imputabile al caso e dunque dobbiamo assumere che i punteggi che gli sciatori ottengono sulla variabile D1, o D2… sono significativamente diversi da quelli dell’intera popolazione (dell’insieme dei partecipanti al nostro studio). • Correlazione Per misurare la forza di una relazione fra due variabili cardinali si utilizza il coefficiente r, detto anche coefficiente di correlazione di Pearson. La correlazione è un indice numerico che ci dice quanto sia forte la relazione tra due variabili, ad esempio quanto strettamente all’aumentare dell’una aumenta l’altra (in questo caso r è un valore positivo) oppure quanto all’aumentare di una diminuisce l’altra (in questo caso r è un valore negativo). Il coefficiente di correlazione è un valore compreso tra 0 e 1 dove 0 indica assenza di relazione e 1 totale sovrapposizione tra le due variabili, cioè esse covariano simultaneamente. • Come si crea una matrice dati? Il materiale empirico grezzo deve essere organizzato in maniera tale da poter essere analizzato con gli strumenti dell’analisi statistica. La matrice dati consiste in un insieme rettangolare di numeri dove in riga abbiamo i casi ed in colonna le variabili e in ogni cella derivante da l’incrocio tra una riga ed una colonna abbiamo un dato, cioè il valore assunto da una particolare variabile su un particolare caso. • Come si crea un digramma su piano cartesiano? La classica rappresentazione su un diagramma cartesiano si compone di due variabili poste rispettivamente come valori dell’asse delle X e dell Y. L’X è l’asse orizzontale detto anche asse delle ascisse, e quello Y detto asse dell’ordinate. Per esempio, X e la Y potrebbero rispettivamente rappresentare i voti che uno stesso individuo ottiene in matematica e fisica. Per quanto riguarda gli studi sul flow generalmente in ascissa si pongono le 9 dimensioni e in ordinata i punteggi medi sommati relativi ad ogni disciplina sportiva, cosi da ottenere per ogni sport una sorta di profilo che rappresenta l’esperienza ottimale sport-specifica. 3