Tecniche di Analisi di Dati II (A.A. 2015-16)

Anno accademico 2015/2016

Obiettivi formativi del modulo

Il corso intende fornire agli studenti gli strumenti teorici e applicativi per comprendere e sviluppare in autonomia le più importanti tecniche statistiche che costituiscono le applicazioni del Modello Lineare Generale (GLM) e della sua estensione (Generalized Linear Model) di più frequente applicazione nella ricerca psicobiologica e delle neuroscienze cognitive. Verranno inoltre fornite le linee-guida per la corretta redazione delle tecniche statistiche utilizzate nella produzione di testi che illustrino risultati di ricerca (tesi di laurea, comunicazione a convegni, articoli scientifici), secondo le raccomandazioni APA. 

È richiesto come prerequisito l’aver sostenuto il corso di Tecniche di Analisi dei Dati I.

Risultati dell'apprendimento

Obiettivi di apprendimento in riferimento ai descrittori di Dublino:

1. Conoscenza e capacità di comprensione. Gli studenti dovranno raggiungere una buona conoscenza dei modelli statistici e delle loro applicazioni nella ricerca di base e applicata.

2. Capacità di applicare conoscenza e comprensione. Gli studenti dovranno essere in grado di utilizzare l’ambiente di sviluppo R per implementare le tecniche statistiche di analisi dei dati adeguate all’ipotesi di ricerca e alla natura delle variabili in oggetto. 

3. Autonomia di giudizio. Gli studenti dovranno sviluppare un’adeguata autonomia di giudizio critico rispetto ai risultati della ricerca nel campo della psicobiologia e delle neuroscienze cognitive

4. Abilità comunicative. Gli studenti dovranno essere in grado di comunicare correttamente i risultati delle analisi inferenziali di dati, secondo le indicazioni APA.

5. Capacità di apprendimento. Gli studenti dovranno essere in grado di apprendere nuove tecniche per la conduzione di tecniche statistiche di analisi, in particolare nell’ambiente di sviluppo R.

Attività di supporto

Esercitazioni in classe.

Note

Modalità di verifica e regole di esame: Per gli studenti che frequentano, tre verifiche intermedie in itinere, da svolgersi a casa in forma scritta utilizzando l’ambiente R sul proprio computer e da consegnare durante il corso. Saranno considerati frequentanti tutti e solo gli studenti che consegneranno le verifiche entro le date comunicate. Per gli studenti che non frequentano, è previsto un esame scritto, utilizzando l’ambiente R, seguito da un colloquio orale sull’intero programma.

Programma

L’inferenza statistica: NHST versus model fitting. Il modello lineare generale: caratteristiche e assunzioni. Modelli di relazione tra variabili quantitative:  correlazione di ordine zero e superiore, regressione lineare multipla, path analysis, modelli misti. Modelli di relazione tra variabili continue e variabili nominali/categoriali: Analisi della varianza (disegni fattoriali, a misure ripetute). Modelli di relazione tra variabili categoriali (Generalized Linear Model):  regressione di Poisson e logistica (binaria e multinomiale),  test non parametrici.

Testi consigliati e bibliografia

Micciolo, R., Espa, G., Canal, L. (2013). Ricerca con R – metodi di inferenza statistica. Apogeo edizioni (capp. 1, 2, 5).

Gallucci, M., Leone, L. (2012). Modelli statistici per le scienze sociali. Pearson. (pp. 19-264; 425-457).

Task Force on Statistical Inference – American Psychological Association (1999). Follow up report: Statistical methods in psychology journals. (pp. 1-11). http://www.apa.org/science/leadership/bsa/statistical/tfsi-followup-report.pdf