Tecniche Multivariate Correlazionali nella Ricerca Psicosociale PDF

Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio Tecniche multivariate correlazionali nella ricerca psicosociale Talvolta, per capire la relazione che esiste tra...

Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio Tecniche multivariate correlazionali nella ricerca psicosociale Talvolta, per capire la relazione che esiste tra 2 variabili, è necessario prendere in considerazione o introdurre nell’analisi una o più variabili supplementari La covariazione di 2 due variabili (X e Y) può infatti manifestarsi a causa degli effetti esercitati da altre La logica dell’analisi multivariata variabili (es. Z o M) Per stabilire la vera quantità di covariazione esistente tra due variabili è quindi necessario rimuovere quella parte della covariazione stessa attribuibile ad altri fattori A cura di Andrea Bobbio Si ripropone cioè il problema del controllo delle a.a. 2024-2025 variabili estranee 1 2 Nei “veri” esperimenti l’eliminazione delle variabili supplementari o estranee è una condizione intrinseca al Ma non tutti i problemi di interesse per la psicologia e le disegno di ricerca e si raggiunge mantenendo costanti tali scienze sociali in genere possono essere studiati variabili (es. pareggiamento dei gruppi) mediante “veri” esperimenti! Sempre negli esperimenti, le variabili relative ai soggetti In alcuni casi, poi, è tecnicamente assai difficile (variabili di attributo, es. il reddito della famiglia di realizzare un vero esperimento (ad es. studi in azienda) provenienza), che possono agire sulla relazione tra la Quando i dati sono ottenuti da strategie di ricerca non variabile indipendente e quella dipendente, possono essere sperimentali – ad es. ricerche cross-sectional o tenute sotto controllo mediante l’assegnazione casuale dei correlazionali, come nel caso di survey o indagini soggetti ai diversi gruppi (sperimentali e di controllo) campionarie –, per tenere sotto controllo gli effetti di variabili supplementari (o comunque estranee alla relazione  lo scopo è quello di assicurare, per via probabilistica, che tra due variabili), è necessario ricorrere ad altre tecniche prima dell’esposizione al trattamento, ciascun gruppo 3 4 possa essere ritenuto “in media” uguale agli altri Queste consistono nell’identificare le variabili Il controllo delle variabili supplementari supplementari che possono influire sulla presunta relazione tra X e Y e nel “mantenere costanti” tali variabili per mezzo di analisi statistiche dei dati: Consideriamo il caso di 3 variabili (X, Y e Z) a) Relazione spuria La covariazione osservata può essere dovuta all’azione di una terza variabile (Z, per l’appunto) che è la vera b) Relazione indiretta (o mediazione) responsabile della relazione bivariata esistente tra X e Y c) Relazione condizionata (o moderazione) L'individuazione della variabile Z non è un problema meramente statistico, ma è innanzitutto una questione principalmente teorica 5 6 1 Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio Relazione spuria (o relazione non interpretabile) Z Esempio. Hirschi & Selvin (1967). E’ il caso in cui si è in presenza di covariazione, ma in Ordine di nascita dei figli (i.e., assenza di causazione posizione intermedia) (X)  propensione alla delinquenza (Y) ? X Y Il “meccanismo” è il seguente: X e Y sono entrambe influenzate da Z (i.e., dimensione della famiglia)  più sono i figli, più sono quelli in  la covariazione fra le due variabili X e Y è provocata posizione intermedia  in genere, i minori delinquenti da una terza variabile Z (chiamata variabile di controllo) provengono in maggioranza da famiglie numerose che agisce casualmente sia su X che su Y; La correlazione tra X e Y è pertanto “illusoria” Se la variabile Z diventa costante, cioè se non è più  queste due covariano per via del loro comune soggetta a variazioni, anche la co-variazione tra X e Y rapporto con la Z (la loro relazione è quindi detta cessa di esistere (ad es. confronto tra famiglie di pari spuria, apparente, ingannevole, errata)  Figura 7 dimensioni)! 8 Un caso particolare di relazione spuria è quello in cui le Nel caso della relazione spuria, l’azione di Z può essere variabili sono indicatori di uno stesso concetto/costrutto  eliminata mediante: Convenzionalismo (C = Adesione passiva a tradizioni o  CONTROLLO convenzioni) ed Etnocentrismo (E = tendenza a giudicare le  DEPURAZIONE altre culture ed interpretarle in base ai criteri della propria) sono entrambi indicatori della Personalità Autoritaria (PA; Adorno et al., 1950)  Figura Il controllo si effettua analizzando la relazione tra X e Y in sotto-campioni in cui Z è tenuta costante (come PA nell’esempio appena proposto) La depurazione si effettua per via matematica: note le co- variazioni tra X, Y e Z si calcola quello che sarebbe il C E coefficiente di correlazione tra X e Y se non ci fosse l’azione di Z, ossia al netto di Z (correlazione parziale) 9 ? 10 In questi casi la variabile causa è latente (cioè non Relazione indiretta (o relazione interpretabile) empiricamente osservata), come nel caso dei “fattori” Abbiamo una relazione indiretta fra 2 variabili (X, Y) dell’analisi fattoriale, che vedremo negli incontri quando il loro legame causale è mediato dall’azione una successivi terza variabile (Z o M, a seconda delle notazioni) La covariazione osservata è in realtà dovuta ad una terza Tuttavia, il “meccanismo” causale che provoca la co- variabile Z, che funge da “ponte” fra X e Y (Figura) variazione fra le variabili osservate è sempre lo stesso Si constata empiricamente l’esistenza di una correlazione significativa tra C ed E, poiché entrambe – in un certo senso – sono «aspetti, sfaccettature» intrinseci di PA 11 12 2 Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio La terza variabile Z (a volte indicata anche con la lettera Per chiarire il significato della mediazione consideriamo M, che forse è più intuitiva) “interviene” quindi nel il seguente diagramma di path (Figura) rapporto tra X e Y e per questo viene anche chiamata interveniente Mediatore ZoM In questo caso, anche se bisogna essere cauti con l’uso del linguaggio, non si può escludere che non esista a b realmente relazione causale fra X e Y  il nesso esiste nella forma di una catena causale fra variabili c (t0) La terza variabile è detta anche “variabile mediatrice” o Predittore Criterio “mediatore” X Y c (t1) 13 14 Vediamo alcuni esempi:  X potrebbe essere un particolare stile di leadership messo In un diagramma di path si possono distinguere le: in atto da un “capo”; Z o M la fiducia nello stesso capo; Y il legame affettivo (commitment) che i dipendenti le variabili esogene: la cui variabilità proviene dal di hanno verso la loro azienda/organizzazione fuori del modello (non ricevono nessuna freccia, es. X);  X potrebbe essere il reddito familiare, Z o M la qualità  le variabili endogene: la cui variabilità proviene in della scuola frequentata dai figli, Y i risultati ottenuti parte da dentro il modello (ricevono almeno una freccia dagli stessi figli a test standardizzati di profitto dalle altre, es. Z o M, Y).  X potrebbe essere una variabile di differenze individuali (ad esempio, l’autoritarismo), Z o M il pregiudizio ostile verso le donne, Y l’atteggiamento verso le donne 15 manager 16 Una variabile agisce come mediatore se si verificano le seguenti 3 condizioni (Baron & Kenny, 1986): Ancora:  a) variazioni nei livelli del predittore si associano in modo  X potrebbe essere la percezione di “conflitto lavoro- significativo a (= correlano con) variazioni nel presunto famiglia”, Z o M potrebbe essere il livello di burnout, e mediatore (path a); Y il benessere psicologico dell’individuo  b) variazioni nel mediatore si associano a variazioni significative nella variabile dipendente o criterio (path b);  X potrebbe essere l’esposizione ad una campagna contro il fumo, Z o M la percezione dei rischi del fumo, Y  c) quando i path a e b sono controllati (= contemporaneamente l’avversione al fumo calcolati/stimati), la relazione tra predittore e criterio da significativa che era (path c, tempo 0) diventa non significativa  … (path c’, tempo 1)  la dimostrazione più stringente della mediazione si ha quando c diventa uguale a zero (in un certo 17 senso, il suo ‘peso’ o ‘valore’ nella relazione viene assorbito 18 dalla considerazione congiunta di a e b)! 3 Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio Mediazione completa  i riquadri indicano i soli Poiché molte aree della psicologia trattano fenomeni che coefficienti di regressione significativi hanno cause multiple, uno scopo più realistico da perseguire può essere quello di ricercare mediatori che Mediatore diminuiscono in modo significativo la forza (o intensità) del path c piuttosto che cercare mediatori che ZoM lo cancellino del tutto a b Analisi di mediazione: per testare empiricamente se la relazione tra X e Y è di questo tipo si conduce un’analisi di mediazione mediante modelli di regressione lineare e c (t0) path analysis, una tecnica statistica che permette di Predittore Criterio stimare gli effetti esercitati da determinate variabili X Y all'interno di un sistema causale ipotizzato dal ricercatore c (t1) 19 20 Nota di cautela Relazione condizionata (e analisi di moderazione) I ricercatori nel descrivere e nell’analizzare i modelli di Una relazione condizionata è quella in cui il legame fra 2 mediazione di solito formulano delle affermazioni “causali”: variabili cambia a seconda del valore assunto da una per esempio, affermano che la variabile indipendente causa terza variabile o influenza il mediatore, il quale a sua volta influenza la Ci troviamo di fronte a un fenomeno di interazione fra le variabile dipendente. Usano poi delle tecniche statistiche per variabili implicate testare empiricamente queste relazioni Bisogna essere molto prudenti nell’interpretare in senso In termini generali, un moderatore è una variabile “causale” dei dati che, solitamente, sono ottenuti da qualitativa (ad es. genere, titolo di studio, classe sociale) strategie di ricerca “correlazionali” e non da esperimenti o quantitativa (ad es. livello della ricompensa: alto/basso; pregiudizio nei confronti degli immigrati: Infatti, le strategie sperimentali, e in particolare i “veri” alto/basso via median split) che influenza la direzione e/o esperimenti, sono le sole che consentono di trarre la forza della relazione tra un predittore (o v. conclusioni “causali” 21 indipendente) e un criterio (o v. dipendente) (Figura)22 Esempio: 1 = Alta Z=1 2 = Bassa Z Istruzione X Y Z=1 Z=2 Y X Ascolto musica Età classica X Y 23 Z=2 24 4 Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio Nei termini dell’analisi della varianza (ANOVA), un effetto di moderazione è rappresentato dall’interazione tra il predittore e un altro fattore (per l’appunto, il moderatore) che specifica le condizioni appropriate per la sua azione Di solito il termine di interazione si ottiene dalla moltiplicazione tra i coefficienti di regressione che esprimono il peso delle variabili implicate (es. A x B) La rappresentazione diagrammatica di un modello di moderazione può essere il seguente (Figura): 25 26 Esempio: Ipotesi del contatto Nel diagramma si possono trovare tre sentieri che (Allport, 1954) e derivazioni portano alla variabile dipendente: Quantità di contatto (A)  il path a che descrive l’impatto del predittore (v.i., ad es. il rumore) sulla v.d. (ad es., l’esecuzione di un compito) Qualità del contatto (B) Pregiudizio  il path b che descrive l’impatto del moderatore (v.i., ad es., la controllabilità del rumore: periodico/aperiodico) Quantità x  il path c che rappresenta l’interazione (o prodotto tra i Qualità (AxB) Altre variabili moderatrici? due) Tipologia di contatto  interpersonale, intergruppi, 27 percezione di un ingroup comune 28 L’ipotesi di moderazione è supportata se l’interazione Z (path c) è significativa ESEMPIO  l’effetto negativo del rumore X Y sull’esecuzione del compito si verifica solo quando Mediazione il rumore è aperiodico e quindi non controllabile -------------------------------------------------------------------------------------- Moderazione Come risulta dalla Figura, nel caso della moderazione, diversamente dalla mediazione, Z moderatori e predittori sono sullo stesso livello per quanto riguarda il loro ruolo come variabili antecedenti o esogene rispetto ad una variabile X Y criterio 29 30 5 Materiale ad esclusivo fine didattico e a circolazione controllata. Insegnamento di "Tecn. Multiv. Corr. nella Ric. Psicosoc.", M3 - UniPD, a.a. 2024/2025 - © Prof. A. Bobbio La variabile moderatore funziona sempre come Le cause multiple variabile indipendente, mentre le variabili mediatrici cambiano il loro ruolo da «effetti» a «cause» a seconda Sono ormai pressoché assenti nel panorama del focus dell’analisi scientifico le teorie che sostengono che il comportamento umano è causato da un unico Analisi di moderazione  per testare empiricamente fattore (es. frustrazione-aggressività; Dollard, ipotesi di moderazione si usano tecniche di analisi della 1939); mentre sono sempre di più quelle che varianza e di regressione multipla postulano l’esistenza di processi di causazione multipla, ossia multivariati La scelta della tecnica dipende, in parte, dal livello di misura della variabile indipendente e del moderatore Esempi dalla Psicologia Sociale (Figura) Teoria dell’Azione Ragionata (Fishbein e Ajzen, 1975) 31 Teoria del Comportamento Pianificato (Ajzen, 1991)32 Teoria dell’azione ragionata Le cause multiple La variazione osservata in un dato fenomeno è dovuta all'azione congiunta di diverse cause Controllando simultaneamente gli effetti Teoria del comportamento esercitati da diversi fattori causali, il ricercatore pianificato può trarre inferenze sull'importanza relativa di ogni fattore sul fenomeno sotto studio, tenendo contemporaneamente conto delle possibili relazioni spurie e dei possibili processi intervenienti (Figura) 33 34 Zamperini & Testoni, 2002, p. 66 Esempio: Altri predittori? Variabili mediatrici? Variabili moderatrici? a) Reddito familiare b) Voto di laurea Stipendio c) Anni di esperienza a) x b) … a) x b) x c) a) x c) … Interazione b) x c) … a 3 vie Interazioni 35 36 a 2 vie 6