ANALISI E INTERPRETAZIONE DEI DATI QUANTITATIVI
click to edit
click to edit
click to edit
click to edit
click to edit
- Analisi Bivariata
- Definizione: Analizza due variabili simultaneamente per identificare relazioni.
- Obiettivo: Verificare se e come una variabile influisce su un'altra.
- 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
- 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.
- 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).
- 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.