Titolo: Analisi dei Dati. Tecniche multivariate per la ricerca psicologica e sociale. II Edizione
Autore: Claudio Barbaranelli - Università degli Studi di Roma La Sapienza
Editore: Led
Collana: Strumenti e Metodi per le Scienze Sociali
Pagine: 416
Formato: 14,5 x 21 cm
Anno: 2007
Codice ISBN: 88-7916-338-5
Prezzo: 30,00 Euro
Clicca per procedere all'acquisto
Il volume fornisce una presentazione di alcune importanti tecniche di analisi
statistica multivariata diretta a studenti dei corsi di laurea in scienze
psicologiche, sociali ed economiche, a studenti di dottorati, a ricercatori e
docenti interessati alle applicazioni dell'analisi statistica multivariata, e a
operatori interessati all'applicazione dell'analisi dei dati nelle ricerche di
mercato, nei sondaggi di opinione e negli studi sulle organizzazioni. La
trattazione degli argomenti è di carattere introduttivo. Viene dato ampio
risalto agli aspetti applicativi delle diverse tecniche esaminate, con
particolare riferimento alle ricerche di mercato e agli studi sulle
organizzazioni.
SOMMARIO
Prefazione alla seconda edizione
Introduzione
1. Trattamenti preliminari dei dati
1.1. Dalla distribuzione normale univariata alla distribuzione normale multivariata
1.1.1. Un esempio di applicazione
1.2. Valori anomali (outlier) univariati
1.3. Linearità della relazione tra due variabili
1.4. Trasformazioni delle variabili
1.4.1. Quando le trasformazioni sono inefficaci
1.5. Normalità multivariata e valori anomali (outlier) multivariati
1.5.1. Un esempio di applicazione
1.6. Quando le informazioni sono mancanti: i missing value
1.7. Considerazioni conclusive
1.8. Bibliografia essenziale
Parole chiave
2. La regressione lineare
2.1. La regressione bivariata (o semplice)
2.1.1. Elementi generali
2.1.2. Adeguatezza della equazione di regressione
2.2. La regressione multipla
2.3. Partizione della varianza e coefficienti di associazione
2.4. Adeguatezza dell'equazione di regressione multipla
2.5. Verifica delle ipotesi (test di significatività)
2.6. Assunzioni alla base della regressione lineare
2.6.1. Violazione delle assunzioni: conseguenze, diagnosi e rimedi
2.6.1.1. Errore di specificazione
2.6.1.2. Errore di misurazione
2.6.1.3. Multicollinearità
2.6.1.4. Media degli errori diversa da 0
2.6.1.5. Eteroschedasticità
2.6.1.6. Normalità dei residui
2.6.1.7. Autocorrelazione
2.7. Strategie analitiche per la regressione
2.7.1. La regressione standard
2.7.2. La regressione gerarchica
2.7.3. La regressione «statistica»
2.7.4. Confronto tra i differenti metodi
2.8. Alcuni temi supplementari
2.8.1. Scomposizione degli effetti, soppressione, ridondanza
2.8.2. Differenze tra i coefficienti di regressione
2.8.3. Gli indici diagnostici per l'analisi dei casi outlier e dei casi influential
2.8.4. Regressione con variabili dummy
2.8.5. Numerosità del campione e rapporto variabili/soggetti
2.9. Considerazioni conclusive
2.10. Bibliografia essenziale
Parole chiave
3. L'analisi fattoriale
3.1. Il modello teorico dell'analisi fattoriale
3.2. Approssimazione della soluzione fattoriale: il metodo delle componenti
principali
3.2.1. Scomposizione della matrice di correlazione R tramite i suoi autovalori
e autovettori
3.2.2. Interpretazione geometrica degli autovalori e degli autovettori
3.3. Metodi di estrazione dei fattori
3.3.1. Analisi dei Fattori Principali (AFP)
3.3.2. Le comunalità: stime iniziali e valori empirici
3.3.3. Minimi quadrati
3.3.4. Massima verosimiglianza (Maximum Likelihood)
3.3.5. Test di bontà dell'adattamento (goodness of fit)
3.3.6. Indici alternativi di bontà dell'adattamento
3.4. Determinazione del numero dei fattori da estrarre
3.5. Rotazione dei fattori
3.5.1. La struttura semplice
3.5.2. Rotazioni ortogonali
3.5.3. Rotazioni oblique
3.5.4. Elementi delle rotazioni oblique
3.6. Varianza spiegata dai fattori e grandezza delle saturazioni
3.7. Assunzioni e prerequisiti
3.8. Misurare i fattori
3.9. Replica della soluzione
3.10. Analisi fattoriale di variabili categoriali
3.11. Disegni «speciali» di analisi fattoriale
3.12. Considerazioni conclusive
3.13. Bibliografia essenziale
Parole chiave
4. L'analisi della varianza
4.1. L'analisi della varianza univariata: disegni «tra i soggetti» ad un
solo fattore
4.1.1. Il modello teorico dell'ANOVA
4.1.2. Scomposizione della devianza totale
4.1.3. Gradi di libertà e quadrati medi
4.1.4. Il rapporto «F»
4.1.5. T di Student e ANOVA
4.1.6. Assunzioni
4.1.7. Un esempio empirico
4.1.8. Confronti tra le medie dei gruppi
4.2. L'analisi della varianza univariata: disegni fattoriali
4.2.1. Effetti principali e interazioni
4.2.2. Disegni fattoriali «tra i soggetti» (between subjects)
4.2.3. Analisi dei disegni fattoriali
4.3. L'analisi della varianza univariata: disegni «entro i soggetti» ad un solo
fattore
4.3.1. Modello ANOVA nei disegni within subjects: esempio empirico
4.4. Disegni fattoriali «entro i soggetti» (within subjects) (p. 251)
4.4.1. Modello ANOVA nei disegni fattoriali entro i soggetti: esempio empirico
4.5. Disegni fattoriali «misti»
4.5.1. Disegni fattoriali misti: esempio empirico
4.6. Disegni fattoriali con 3 fattori
4.7. L'analisi della covarianza
4.8. Ampiezza dell'effetto (effect size) e potenza della verifica
4.9. Alcuni temi supplementari
4.9.1. La trend analysis (analisi degli andamenti)
4.9.2. Trasformazioni
4.9.3. Disegni non bilanciati e numerosità del campione
4.9.4. Fattori fissi e fattori casuali (random)
4.9.5. Disegni incompleti
4.10. Considerazioni conclusive
4.11. Bibliografia essenziale
Parole chiave
5. L'analisi discriminante e l'analisi multivariata della varianza (MANOVA)
5.1. L'analisi discriminante
5.1.1. Il modello statistico dell'analisi discriminante
5.1.2. Valutazione delle funzioni discriminanti
5.1.3. Interpretazione delle funzioni discriminanti
5.1.4. Strategie di analisi
5.1.5. La fase di classificazione
5.1.6. Valutazione dell'accuratezza della classificazione
5.1.7. Assunzioni e prerequisiti
5.2. L'analisi della varianza multivariata (MANOVA, Multivariate Analysis of Variance)
5.2.1. Ipotesi multivariate sulle medie
5.2.2. La MANOVA: modello teorico e verifica delle ipotesi statistiche
5.2.3. Le assunzioni della MANOVA
5.2.4. Esempi di applicazione
5.2.5. La profile analysis
5.2.6. L'Analisi Multivariata della Covarianza (MANCOVA)
5.3. Considerazioni conclusive
5.4. Bibliografia essenziale
Parole chiave
6. L'analisi dei cluster
6.1. Indici di distanza
6.2. Le matrici di dati per la cluster analysis
6.3. Gruppi e partizioni
6.4. I metodi della cluster analysis
6.4.1. I metodi gerarchici
6.4.2. Criteri di fusione
6.4.3. Numero di gruppi nella soluzione
6.4.4. I metodi non gerarchici
6.4.5. Tecniche gerarchiche e non gerarchiche: integrazioni possibili
6.5. Considerazioni conclusive
6.6. Bibliografia essenziale
Parole chiave
Appendice 1. Elementi di algebra matriciale
1. Matrici di dati
2. Operazioni tra matrici
3. Alcune matrici caratteristiche
4. Alcuni elementi notevoli delle matrici
5. Autovalori e autovettori
6. Espressioni matriciali di indici statistici
7. Calcoli matriciali per ottenere il centroide e le matrici S e R
8. Bibliografia essenziale
Parole chiave
Appendice 2. Proprietà del valore atteso, della varianza e della covarianza
Appendice 3. Tavole statistiche
Tavole 1a-1b. Distribuzione della F di Snedecor-Fisher
Tavola 2. Valori critici della distribuzione t di Student
Tavola 3. Valori critici della distribuzione chi quadrato
Tavole 4a-4d. Punteggi percentili della Studentized Range Statistic
Come si usano le tavole
Indice analitico degli argomenti
Indice analitico degli autori
Riferimenti bibliografici
|