LABORATORIO DI FONDAMENTI DI INFORMATICA E STATISTICA · LABORATORIO DI FONDAMENTI DI INFORMATICA E...

UNIVERSITÀ DEGLI STUDI DI BERGAMO

Università degli Studi di BergamoDipartimento di Scienze Umane e SocialiCorso di Laurea in Scienze Psicologiche

Università degli Studi di BergamoDipartimento di Scienze Umane e SocialiCorso di Laurea in Scienze Psicologiche

LABORATORIO DI FONDAMENTI DI INFORMATICA E STATISTICA

Prof. Paolo Cazzaniga

Dott.ssa Roberta Adorni

Dott. Agostino Brugnera

Dott. Nicola Palena

Dott.ssa Cristina Zarbo


Importare un file datiMenù →Open →Browse →Selezionare il file

dati_originale_999.sav

Oppure richiamare il file creato nella lezione precedente

.omv


Calcolare una variabile

Data → Compute• Diamo un nome alla nuova

variabile• Inseriamo la formula per il

calcolo della variabile (somma)

• Elenchiamo le variabili su cui applicare la formula

ESEMPIO 1: Vogliamo calcolare il punteggio somma dei punteggi ai singoli item del questionario sulla Soddisfazione di Vita


Trasformare una variabile

ESEMPIO 2: Vogliamo calcolare il punteggio somma dei punteggi ai singoli item del questionario sull’Ottimismo

In questo caso è necessario ricodificare alcuni item del questionario (item 1, 3, 5), perché• Item 1, 3, 5: un punteggio alto esprime basso ottimismo• Item 2, 4, 6: un punteggio alto esprime alto ottimismoPer calcolare il punteggio somma in modo che rifletta un crescente ottimismo dobbiamo «invertire» il punteggio degli item 1, 3, 5, ricorrendo alla formula

OTTxric = 6 – OTTx



Data → Transform• Diamo un nome alla nuova variabile• Definiamo la variabile su cui applicare la trasformazione (source variable)• Definiamo il tipo di trasformazione selezionando create new tranform →

edit, poiché la formula che vogliamo usare non compare fra quelle di default


Trasformare una variabileNella finestra che si apre• Diamo un nome alla formula• Scriviamo la formula da applicare (usando la dicitura «$source» possiamo

usare la formula anche per altre variabili)



Ripetiamo la stessa operazione per gli altri item da ricodificare (OTTI3, OTTI5), richiamando la formula appena creata


Calcolare una variabileA questo punto possiamo calcolare il punteggio somma del questionario Ottimismo


Filtrare i datiData → Filters


Esercizio 1. Filtro: solo maschi


Aggiungere/Disattivare un Filtro

Se clicchiamo sul +

possiamo aggiungere un secondo

filtro

Possiamo disattivare il primo tramite questo pulsante in modo tale che rimanga salvato se servisse per analisi future


Esercizio 2. Filtro: maschi, >= 50 anni


Esercizio 3.

• Filtro: solo femmine che vivono da sole

• Filtro: solo maschi, coniugati, <50 anni

Esercizio 4.



ESEMPIO 3: Supponiamo di dover riclassificare la variabile ETA’, in modo da suddividere il campione in 3 o 4 fasce d’età.

• Individuiamo le fasce d’età sulla base dei terzili o dei quartili.

• Nella sezione delle statistiche descrittive (Analyses – Exploration– Descriptives) individuiamo i terziliper suddividere l’età in 3 classi, o i quartili per suddividere l’età in 4 classi


Trasformare una variabile scala in una variabile di più basso livello → ETA


Utilizziamo la funzione IF

Per dividere in 4 diversi gruppi la V ETA, secondo i quartili del campione

Attraverso il tasto compute


Trasformare una variabile scala in una variabile di più basso livello → ETA




Statistiche descrittive

Analyses → Exploration →DescriptivesSi apre il menu delle analisi


Grafici per DescrittiveAnalyses → Exploration, poi clicchiamo su «Plots»


Grafici per DescrittivePer creare grafici di qualità migliore è possibile copiare la tabella di interesse in Excel e generare il grafico


Grafici in Excel1. Riportare i dati

estrapolati dalle descrittive in Jamoviattraverso le Frequencytables (ad esempio per la variabile ST CIV)

2. Selezionare tutte le celle di interesse

3. Cliccare in alto su «inserisci» in modo tale che appaiano le strutture dei grafici che possono essere costruiti


Grafici in Excel: diagramma a barre

Selezionare il grafico desiderato, ad esempio il diagramma a barre.

Il grafico verrà inserito in modo automatico


Grafici in Excel: torta

Selezionare il grafico desiderato. In questo caso, il grafico a torta.


Operazioni possibili: aggiungere etichette

Cliccare con il tasto destro direttamente sul grafico e cliccare su «aggiungi etichette dati»


Operazioni possibili: aggiungere e modificare etichette

In questo modo ha aggiunto i valori corrispondenti ad ogni livello della variabile ST CIV direttamente nel grafico.

Nel caso si volessero le percentuali al posto dei valori, basta cliccare ancora con il tasto destro sul grafico e richiederlo attraverso il tasto «formato etichette dati»


Grafici in ExcelINOLTRE

Si può modificare il titolo del grafico inserendo il nome della variabile di

interesse. In questo caso «STATO CIVILE»


Descrittive: funzione «split by»

NB: solo con variabili misurate su scala nominale!


Descrittive: funzione «split by»

Se richiedo i grafici con la funzione split by, Jamovi creerà i grafici dividendo i dati per i livelli della variabile nominale selezionata.

In questo caso dividendo per i due livelli della variabile SEX: maschi e femmine.


Descrittive: grafici con la funzione «split by»


Ripasso: Statistiche descrittive• Il calcolo delle statistiche descrittive di una variabile

consiste nel misurare quei parametri, come la media e la deviazione standard, che sintetizzano come sono distribuiti nel campione i valori che essa può assumere

• E’ utile per verificare se i valori si distribuiscono secondo un andamento normale oppure se alcuni di essi sbilanciano la distribuzione

• Le statistiche descrittive sono una valutazione preliminare importante per controllare la “normalità”della distribuzione, necessaria per procedere in molte delle elaborazioni statistiche successive


Curva normale e distribuzione dei dati

• Se rappresentiamo un dato raccolto da un grafico poligonale di frequenza e la curva risultante non simula la curva di distribuzione normale (con tutte le sue caratteristiche), questi dati non sono normalmente distribuiti

• Nello specifico, cosa andiamo a valutare?


Indici per testare la normalità:Asimmetria e Curtosi

Asimmetria: misura l'asimmetria dei dati• Positiva o destra: coda destra più lunga• Negativa o sinistra: coda sinistra più lunga


Indici per testare la normalità:Asimmetria e Curtosi

Curtosi: misura il picco di distribuzione dei dati.La curtosi della distribuzione normale è 0.


Misure di forma della distribuzione

Skewness (asimmetria): indice che informa circa il grado di simmetria o asimmetria di una distribuzione• SK = 0 distribuzione simmetrica• SK < 0 asimmetria negativa (mediana>media)• SK > 0 asimmetria positiva (mediana<media)Kurtosis (curtosi): indice che permette di verificare se i dati seguono una distribuzione di tipo «Normale»• KU = 0 distribuzione Normale• KU < 0 distribuzione platicurtica (rispetto alla distribuzione normale ha

frequenza di densità minore per valori molto distanti dalla media)• KU > 0 distribuzione leptocurtica (rispetto alla distribuzione normale ha

frequenza di densità maggiore per valori molto distanti dalla media)


Misure di forma della distribuzione

Le distribuzioni delle variabili deviano fortemente dalla distribuzione normale se:

• Criterio stringente → valori di asimmetria e curtosi maggiori di |1| (Barbaranelli, 2007)

• Criterio più tollerante → valori di asimmetria maggiori di |2| e di curtosi maggiori di |7| (West, Finch, & Curran, 1995)

In questi casi è possibile trasformare i dati per «normalizzarli»


• Asimmetria positiva molto elevata (> 2) = trasformazione nel reciproco (X*=1/X)

• Asimmetria positiva sostanziale (tra 1 e 2) = trasformazione logaritmo (X*=Log10(X)) o trasformazione Radice Quadrata (X*=SQRT(X))

• Asimmetria negativa molto elevata (> -2) = trasformazione nel reciproco (X*=1/(K-X))

• Asimmetria negativa sostanziale (tra -1 e -2) = trasformazione logaritmo (X*=Log10(K-X)) o trasformazione Radice Quadrata (X*=SQRT(K-X))

K è uguale al valore più alto della variabile X, + 1

Strategie per la trasformazione dei dati


Misure di forma della distribuzione -Jamovi

ESEMPIO 1: consideriamo la variabile «SODVITtot». La distribuzione dei dati è approssimabile a una distribuzione normale?

Seleziono questa variabile in Jamovi e richiamo le statistiche descrittive rilevanti





ESEMPIO 2: consideriamo la variabile «OTTItot». La distribuzione dei dati è approssimabile a una distribuzione normale?

Seleziono questa variabile in Jamovi e richiamo le statistiche descrittive rilevanti





ESEMPIO• Importiamo il file dati_2lezione_DNN• Calcoliamo la variabile «SODVIT – somma»Come si distribuisce questa variabile?• Richiamiamo le statistiche descrittive




Misure di forma della distribuzione -JamoviCurtosi= -1.28 → Asimmetria negativa sostanziale (tra -1 e -2)• trasformazione logaritmo (X*=Log10(K-X)), oppure• trasformazione Radice Quadrata (X*=SQRT(K-X))

N.B. K = Xmax + 1nel nostro caso 35+1=36




E’ necessario:

• Standardizzare i punteggi relativi alla variabile da analizzare

• Effettuare una distribuzione delle frequenze della nuova variabile standardizzata

• Individuare i punteggi che corrispondono a un valore “z” maggiore di 3 in valore assoluto e considerarli come possibili valori anormali

Provare a fare le analisi sia senza questi possibili outliers che con i possibili outliers. Se i risultati non cambiano più di tanto si possono comunque tenere anche i punteggi definibili come outliers.

Individuare gli outliers


Individuare gli outliersTorniamo al filedati_originale_999

Esempio 1: consideriamo la variabile SODVITtot.

Per individuare gli outliers dobbiamo trasformare i punteggi in z, ovvero

Calcolare una nuova variabile ricorrendo alla procedura «compute variable» e scegliendo la funzione «Z»


Individuare gli outliersOra calcoliamo le statistiche descrittive della nuova variabile e vediamo se ci sono valori z > |3|

In questo caso non ci sono outliers da escludere dalle analisi


Individuare gli outliersEsempio 2: consideriamo la variabile OTTItot.

Per individuare gli outliers dobbiamo trasformare i punteggi in z, ovvero

Calcolare una nuova variabile ricorrendo alla procedura «compute variable» e scegliendo la funzione «Z»


Individuare gli outliersOra calcoliamo le statistiche descrittive della nuova variabile e vediamo se ci sono valori z > |3|

In questo caso ci sono valori di z < -3, quindi ci sono outliers da escludere dalle analisi


Individuare gli outliersL’ultimo passaggio consiste nel filtrare i dati in modo da escludere gli outliers

Attivando o disattivando il filtro, potremo confrontare le statistiche con o senza outliers


Ringraziamenti

Si ringrazia il Prof. Andrea Greco per il materiale fornito

Date post:	10-Aug-2020
Category:	Documents
Upload:	others
View:	4 times
Download:	0 times

LABORATORIO DI FONDAMENTI DI INFORMATICA E STATISTICA · LABORATORIO DI FONDAMENTI DI INFORMATICA E...

Documents