Il differenziale semantico per la misura degli atteggiamenti ...

More documents

Recommendations

Info

1. Il differenziale semanticoSuccessivamente, il modello fattoriale non solo è stato generalizzato e applicato nei campi piùdisparati, ma ha prodotto un insieme di procedimenti che, studiati per verificare il modello, sonoutilizzati come strumento generale di analisi statistica conosciuto con il termine di analisi fattoriale:questa rappresenta un insieme di metodi e tecniche statistiche e di procedure matematiche il cuicomune obiettivo è quello di semplificare modelli interpretativi (per esempio dare risposte adomande del tipo quali sono le cause dell'insuccesso scolastico) attraverso l'analisi e larappresentazione contemporanea di molte variabili per verificarne la struttura sottostante (anche intermini di dimensionalità) attraverso l'esame delle interrelazioni. Dati gli obiettivi, l’analisifattoriale consente anche di sintetizzare le variabili originarie in modo significativo.Gli assunti alla base di tale modello possono essere così riassunti:a. le relazioni tra le variabili sono lineari;b. la varianza totale nelle variabili è una funzione:- dei fattori (comunanza),- dei disturbi caratteristici di ciascuna variabile e degli errori di misurazione (unicità);c. gli errori e i disturbi non sono correlati tra loro né con i fattori;d. le variabili non sono casualmente correlate tra loro se non attraverso la reciproca relazionecon i fattori;e. la struttura dei fattori osservati riproduce fedelmente la struttura delle dimensioni sottostanti.Nel verificare la struttura dimensionale spesso viene utilizzata l’analisi delle componenti principali.A tale proposito occorre ammettere che il modello delle componenti principali è simile a quello deifattori comuni, in quanto entrambi consentono di sintetizzare e riassumere le variabili e cercano dispiegare parte della variazione di un insieme di variabili osservate sulla base di poche dimensionisottostanti. Tuttavia pur essendo simili, i due approcci non si identificano completamente. Diseguito sono riassunte le principali differenze.• Componenti Principali: non verifica statisticamente un modello ma semplicemente decomponela matrice di correlazione; l'obiettivo è quello di ridurre la dimensionalità dell'insieme divariabili che vengono sintetizzate attraverso una loro combinazione lineare: la componenteprincipale è funzione lineare delle variabili. L'obiettivo non è quindi quello di spiegare lecorrelazioni tra le variabili, ma di spiegare più varianza possibile.• Fattori Comuni: ha un modello sottostante che suddivide la varianza totale in varianza comunee varianza unica; l’attenzione è posta principalmente sulla spiegazione della varianza comune,piuttosto che sulla varianza totale; il principale assunto di tale modello definisce ciascunavariabile come combinazione lineare di fattori comuni non osservabili e di fattori unici. Nonfornisce un'unica soluzione per la trasformazione delle variabili in fattori.L'approccio dei fattori comuni è più conveniente quando le variabili contengono una quantità dierrore di misurazione in quanto il modello prevede la considerazione della varianza unica;l'applicazione del modello delle componenti principali applicato in questi casi producecombinazioni lineari, affette da errori di misurazione non valutabili.Quando l’obiettivo dell’analisi non è solo quello di verificare la struttura dimensionale ma anchequello di valutare i processi di aggregazione delle coppie di aggettivi, può essere utile analizzare iprocessi di aggregazione delle coppie di aggettivi attraverso la Cluster Analysis gerarchica(Maggino, 2005) che presenta l’ulteriore vantaggio di consentire una interpretazione semplice eimmediata dei risultati. L’applicazione di tale analisi risulta appropriata soprattutto quando ciascunascala viene riferita ad un’unica dimensione.(B)Quando la struttura dimensionale risulta stabile e interpretabile, può essere utile confrontare leposizioni che i soggetti assumono rispetto alle dimensioni. Per fare questo è necessario effettuare ilcalcolo del numero dei punteggi individuali equivalente al numero delle dimensioni. Ciò richiede disintetizzare per ogni individuo le singole valutazioni riferite a ciascuna scala di ciascunaCopyright © 2007Filomena Maggino – Tiziana Mola11
1. Il differenziale semanticodimensione. Tali punteggi possono essere definiti in termini di semplici somme dei valori rilevatiper ciascuna scala (approccio additivo).Tale sintesi può però tenere conto anche del diverso peso (score) che ciascuna scala ha nel misurarela dimensione. L’analisi fattoriale non consente la determinazione degli score in quanto nonpresenta un numero sufficiente di stimatori (troppe incognite) nonostante i diversi tentativi fattinegli ultimi decenni per risolvere tale “indeterminatezza”. Per questo motivo in questi casi si ricorreall’analisi delle componenti principali il cui obbiettivo è proprio quello di sintetizzare variabili traloro molto correlate in nuove variabili sintetiche dette componenti.L’insieme dei punteggi individuali per ciascuna dimensione (sia che siano stati calcolati conapproccio additivo o come punteggi di componenti) rappresentano nuove variabili che il ricercatorepuò utilizzare all’interno di modelli più complessi di analisi (per esempio, analisi tipologica).12Copyright © 2007Filomena Maggino – Tiziana Mola
Page 10 and 11: 1. Il differenziale semanticodistan
Page 12 and 13: 1. Il differenziale semantico1 2 3
Page 16 and 17: 2. La definizione e l’analisi di
Page 38 and 39: 3. L’analisi del differenziale se
Page 64 and 65:
3. L’analisi del differenziale se
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Appendice A. I questionariA. I QUES
Page 96 and 97:
Appendice A. I questionariCopyright
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Appendice B. Risultati dell’anali
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
show all

Il differenziale semantico per la misura degli atteggiamenti ...

Create successful ePaper yourself

Delete template?

Save as template?