La misura in neuropsicologia

Operazionalizzazione: da concetto significativo ma vago, a misurazione precisa

Statistica inferenziale: utilizza info tratte dal campione per fare inferenze sulla popolazione di riferimento

Il campionamento: 4 step:

  1. Identifico la popolazione
  2. Definisco gli obiettivi
  3. Seleziono metodo di campionamento
  4. Seleziono campione

Power analisi: serve per separare le 2 distribuzioni. Si basa su 4 elementi:

  • Criterio decisionale (alpha)
  • Dimensione del campione
  • Effect size (d)
  • Power (1 - B)
    = interdipendenti

Come capisco che ho operazionalizzato bene? proprietà psicometriche

Attendibilità: ripetibilità e coerenza di una misurazione.

Validità: misura cattura effettivamente il costrutto atteso

Metodi di correlazione: attendibilità test-retest, tra valutatori, forme parallele, della coerenza interna

5 aspetti principali: validità interna, di criterio (postdittivo, simultaneo, predittivo), di costrutto (concergenza, divergenza), incrementale, ecologica

Obiettivo: definire se l'operazione di misurazione che si sta facendo sta effettivamente descrivendo un costrutto cognitivo che serve a descrivere e prevedere quello che succede nel mondo reale.

Alpha di Cronbach: moltiplicazione delle correlazioni tra items per il N di items. Va da 0 a 1: 1 sono la stessa cosa, > . 7 va bene, <. 5 molto male

Come funziona l'inferenza:

  1. Formulo domanda in termini di H1 (ipotesi di ricerca) e H0 (opposto)
  2. Determino caratteristiche popolazione di riferimento (distribuzione basata su H0 vera, di cui conosco la probabilità)
  3. Determino valore critico (alpha)

Percorso ricorsivo:

  • Campionamento: da popolazione a campione
  • Inferenza: da campione a popolazione
  • p-value >.05 = non ho abbastanza evidenza per dire che H0 è falsa
  • p-value < .05 = evidenza a favore di H1 (NON la dimostro, perchè non la testo mai)

5 aspetti da considerare:

  • Rappresentatività
  • Generalizzabilità
  • Robustezza
  • Efficienza
  • Fattibilità

Determinare dimensione del campione a priori:

  • Precisione: tutti i partecipanti necessari per avere un certo livello di precisione nella stima dei parametri. Tecnica AIPE: intervallo di confidenza.
  • Efficienza: numero minimo di partecipanti per raggiungere la conclusione. 3 tecniche: disegni sequenziali, numero magico, power analysis.
  • Ridondanza: partecipanti necessari per raggiungere la conclusione senza troppi errori.

Tecniche di campionamento:

  • Casuale semplice
  • Stratificazione
  • Di convenienza
  • Gruppo di controllo

2 tipi di errore:

  • Errore di tipo I: falsi positivi, rifiuto H0 quando è vera
  • Errore di tipo II: falsi negativi, non rifiuto H0 quando è falsa

Effect size: rapporto segnale/rumore. Più famoso Cohen's D: differenza tra i parametri in funzione di quanto sono variabili i parametri stessi. Valori: 0.3 piccolo, 0.5 medio, 0.7 grande.

  • Errore I lo tiene sotto controllo l'alpha .05
  • Errore II lo tiene sotto controllo il power

Power: probabilità di trovare un effetto nel campione se esiste nella popolazione (veri positivi). Tipicamente .80.