Course Syllabus
Area di apprendimento
Obiettivi formativi
Conoscenza e comprensione
- La misurazione psicologica
- Misure implicite ed esplicite
- La struttura dimensionale di dati empirici
- Predizione di variabili rilevanti e test di modelli teorici con regressioni multiple ad analisi della varianza.
- Nozioni di base della statistica inferenziale
Capacità di applicare conoscenza e comprensione
- Utilizzo e valutazione misure implicite ed esplicite
- Verifica della struttura dimensionale di dati tramite analisi fattoriale
- Utilizzo di modelli di regressione multipla a fini predittivi e di verifica teorica
- Processo di verifica delle ipotesi, incluso tramite l’analisi della varianza, in contesti applicativi
Contenuti sintetici
Il corso intende affrontare il tema delle metodologie quantitative, con particolare riferimento alla misurazione psicologica, sia indiretta (implicita) che diretta (esplicita), e a delle analisi statistiche rilevanti al riguardo. Per quanto riguarda le analisi dei dati, il corso si focalizzerà sul come si verifica la dimensionalità dei dati con particolare riferimento all’analisi fattoriale ed al suo utilizzo per rispondere a quesiti teorici su dei dati empirici. Particolare attenzione verrà inoltre rivolta alle tecniche di predizione, in particolare alla regressione multipla della quale verranno esplorati gli utilizzi per rispondere ad importanti quesiti teorici (ad es., mediazione e moderazione). Verranno infine affrontati aspetti della statistica inferenziale e verrà approfondito l’uso dell’analisi della varianza per il test di ipotesi.
Programma esteso
- Introduzione al concetto di misurazione
- Misurazione implicita ed esplicita
- Attendibilità e validità
- Analisi delle Componenti Principali
- Regressione multipla
- Analisi di mediazione e moderazione
- Statistica inferenziale per test di ipotesi
- Analisi della varianza (ANOVA)
- Regressione logistica
Prerequisiti
Fondamenti di statistica descrittiva (indici di tendenza centrale e di dispersione); Fondamenti di statistica inferenziale. Regressione semplice e correlazione, t-test. Agli studenti non in possesso di tali prerequisiti si consiglia la lettura dei primi due capitoli del manuale. Tali conoscenze saranno comunque oggetto di un breve ripasso in aula.
Metodi didattici
Lezioni frontali con esempi pratici e discussione di analisi di dati in aula.
L'attività didattica sarà erogata in presenza, salvo indicazioni diverse, nazionali e/o di Ateneo, dovute al protrarsi dell'emergenza COVID-19.
Modalità di verifica dell'apprendimento
Esame scritto con test a risposte chiuse e domande aperte che richiedono la risoluzione di problemi . L’esame orale è opzionale.
- Test a risposte chiuse. La prima parte dell’esame scritto prevede domande a scelta multipla che valuteranno in particolar modo l’apprendimento delle conoscenze teoriche riguardanti la misurazione psicometrica e i modelli statistici sottostanti all’analisi dei dati.
- Domande aperte. La seconda parte dell’esame scritto richiederà di risolvere problemi che richiedono di applicare l’insieme delle conoscenze teoriche acquisite alla progettazione di ricerche e all’interpretazione di analisi dei dati.
- Esame orale. L’esame orale opzionale è offerto agli studenti che ritengano che il risultato dell’esame scritto non rifletta adeguatamente la loro preparazione. L’esame consisterà sia in un colloquio di discussione sull’esame scritto sia in un colloquio sugli argomenti svolti a lezione. Nel corso del colloquio, saranno esaminate sia la comprensione teorica, sia la capacità di analisi dei dati.
Non sono previste prove in itinere.
Testi di riferimento
Il materiale per lo studio sarà contenuto nelle slide delle lezioni, e nel libro di testo. Saranno inoltre indicate pubblicazioni scientifiche che verteranno su argomenti specifici. Le slide delle lezioni e le pubblicazioni scientifiche saranno rese disponibili attraverso la piattaforma online dell’Università.
Libro 1: Gallucci M., Leone L., Berlingeri, E. (2017). Modelli statistici per le scienze sociali, seconda edizione. Milano: Pearson Educational.
Il testo è disponibile gratuitamente, anche in formato e-book, presso la biblioteca di ateneo (seguire le istruzioni su https://www.biblio.unimib.it/it).
Informazioni dettagliate circa altro materiale didattico saranno pubblicate sulla pagina e-learning associata al corso prima dell’inizio dell’attività didatticaLearning area
FUNDAMENTALS AND RESEARCH METHODS IN SOCIAL AND ECONOMIC PSYCHOLOGY
Learning objectives
Knowledge and understanding
- Psychological measurement
- Implicit and explicit measures.
- Dimensional structure of empirical data
- Prediction of relevant variables and tests of theoretical models with multiple regressions and analysis of variance
- Basic notions of inferential statistics
Applying knowledge and understanding
- Use and evaluation of implicit and explicit measures
- Verification of data dimensional structure through factor analysis
- Use of models of multiple regressions for prediction and for testing theoretical models
- Hypothesis testing, including analysis of variance, in applied contexts
Contents
The course is about quantitative methods, with focus on both indirect (implicit) and direct (explicit) psychological measurement and on relevant statistical analyses. Concerning data analyses, the course will focus on data dimensionality, with specific emphasis on factor analysis and its use to uncover underlying latent dimensions. Special attention will also be devoted to the issue of prediction, especially focusing on multiple regression and its use to deal with theoretical issues, such as mediation and moderation processes. Finally, the course will deal with some aspects of inferential statistics and specific focus will be placed on analysis of variance for hypothesis testing.
Detailed program
- Introduction to measurement
- Implicit and explicit measures
- Reliability and validity
- Principal Component Analysis
- Multiple Regression
- Mediation and moderation analysis
- Inferential statistics for hypothesis testing
- Analysis of variance (ANOVA)
- Logistic regression
Prerequisites
Basic descriptive statistics (measures of central tendency and dispersion); Basic inferential statistics; Simple linear regression and correlation; t-test.
Students who lack these prerequisites should read the first two chapters of the manual. Furthermore, these concepts will be briefly introduced in class.
Teaching methods
Lectures with practical examples and discussions of data analysis.
Lessons will be held in presence unless further COVID-19-related restrictions are imposed
Assessment methods
Written final test with multiple-choice questions and open-end questions including problems. The oral exam is optional.
- Multiple-choice questions. The first part of the written test includes multiple-choice questions that assess particularly the understanding of the theoretical models underlying psychometric measurement and statistical models underlying data analysis techniques.
- Open-ended questions. The second part of the written test include problems that require to apply the acquired notions for developing research projects and for interpreting the results of data-analyses.
- Oral exam. The possibility of an oral exam is offered to students who consider that the result of the written exam does not reflect their real competence. The oral exam will include both the discussion of the written exam and a discussion of the topics covered in class. During the oral exam, both theoretical knowledge and practical abilities related to data-analysis will be assessed.
There will be no midterm exams.
Textbooks and Reading Materials
The teaching material includes lecture slides and the textbook. I will also suggest scientific papers about specific topics. The lecture slides and the papers will be made available on the university's onilne platform.
Libro di testo: Gallucci M., Leone L., Berlingeri, E. (2017). Modelli statistici per le scienze sociali, seconda edizione. Milano: Pearson Educational.
The text is freely available, also as an e-book, at the University library (follow the instructions at https://www.biblio.unimib.it/it).
Detailed information regarding other teaching material will be published in the course's e-learning page before the beginning of the lessonsKey information
Staff
-
Juliette Richetin