ANALISI E INTERPRETAZIONE DEI DATI QUANTITATIVI

click to edit

click to edit

click to edit

click to edit

click to edit

  1. Analisi Bivariata
  • Definizione: Analizza due variabili simultaneamente per identificare relazioni.
  • Obiettivo: Verificare se e come una variabile influisce su un'altra.
  1. Tabella a Doppia Entrata
  • Costruzione: Per variabili categoriali.
  • Frequenze Osservate: Dati reali raccolti.
  • Frequenze Attese: Calcolate sotto l'ipotesi di assenza di relazione tra variabili.
  • Calcolo Frequenze Attese: ( \text{FA} = \frac{\text{Marginale di Riga} \times \text{Marginale di Colonna}}{\text{Numero dei Casi}} )
  • Calcolo di (\chi^2):
  • Formula: ( \chi^2 = \sum \frac{(O_i - E_i)^2}{E_i} )
  • (O_i): Frequenze osservate
  • (E_i): Frequenze attese
  1. Analisi della Varianza (ANOVA)
  • Definizione: Confronta le medie di due o più gruppi.
  • Scopo: Determinare se le differenze tra gruppi sono significative.
  • Indice di Significatività: ( F ) di Snedecor-Fisher. Significatività < 0,05 indica differenze significative.
  1. Analisi delle Differenze Pre-Post
  • Definizione: Confronta performance prima e dopo un intervento.
  • Test Utilizzati:
  • Test delle Differenze: Variabili categoriali ordinate, campioni di qualsiasi numerosità.
  • Test T di Wilcoxon: Variabili categoriali ordinate, campioni > 3 casi.
  • Test T di Student: Variabili cardinali, campioni > 30 casi.
  • Effect Size:
  • d di Cohen: Valuta la grandezza dell'effetto. ( d = 0,2 ) (piccolo), ( d = 0,5 ) (medio), ( d = 0,8 ) (grande).
  1. Relazione tra Variabili Cardinali
  • Diagramma a Dispersione (Scatterplot): Visualizza la relazione tra due variabili cardinali.
  • Coefficiente di Correlazione (r di Pearson):
  • ( r = -1 ): Correlazione negativa totale.
  • ( r = 0 ): Nessuna correlazione.
  • ( r = +1 ): Correlazione positiva totale.