Consulenze statistiche | Analisi ed interpretazione di dati
Per misurare la portata di una connessione tra due caratteri, la cui presenza è stata precedentemente verificata con l’indice chi-quadrato 
, si ricorre all’indice T di Tschuprow che ha a numeratore l’indice di contingenza quadratico 
, il quale depura il dall’effetto della numerosità N. Per costruzione, infatti, il valore dell’indice chi-quadrato aumenta al crescere di N o del numero di classi di una distribuzione.
L’indice chi-quadrato viene utilizzato per misurare la connessione tra due variabili categoriche, ossia variabili che possono assumere come valori, un numero limitato di categorie. Un esempio di categoria è il genere (uomo o donna), un altro esempio è il titolo di studio (licenza elementare, media, diploma, laurea, ecc..). Per connessione si intende, invece, la dipendenza in distribuzione tra due caratteri (nell’esempio successivo vedremo come l’insorgere del diabete sia legato all’indice di massa corporea BMI).
Questo software statistico è stato sviluppato appositamente per l’analisi fattoriale, sia esplorativa che confermativa e la costruzione di modelli di regressione multivariata e modelli per equazioni strutturali (Structural Equation Modeling). Lisrel è un software specifico che permette di effettuare analisi che quasi nessun altro software permette, in particolare SEM (Structural Equation Modeling). Inoltre, è rinomato e apprezzato per la facilità di interpretazione dei risultati nella parte grafica e per la possibilità di effettuare test di ipotesi successivi all’analisi (esempio: le mie domande sono valide sia per i giovani che per gli anziani).
L’indice o coefficiente di concentrazione di Gini è una misura di variabilità utilizzata per descrivere la distribuzione di variabili quantitative, come reddito, voto ai partiti politici, numero di impiegati in un’azienda o numero di studenti iscritti alle varie facoltà universitarie. Ad esempio, si può usare per capire se in un determinato Paese del mondo il reddito è distribuito in modo pressoché uguale tra i cittadini o se invece è concentrato nelle mani di pochi ricchi e, dunque, vi è una forte disuguaglianza.
È un indicatore che misura la relazione lineare, in termini di forza e direzione, tra due caratteri quantitativi X e Y. Si dice che tra X e Y vi è correlazione positiva o concordanza se crescono o decrescono contemporaneamente. Si ha correlazione negativa o discordanza quando al crescere di un carattere, l’altro tende a decrescere.
I modelli supervisionati (classificazione o modelli machine learning) vengono effettuati sulla base di un insieme di addestramento.
Per valutare in modo non distorto le performance predittive dei modelli, il dataset è suddiviso in due parti: training set (80% delle osservazioni) e testing set (20% delle osservazioni). Si sceglie una metodologia di estrazione, solitamente il campionamento casuale.
Poiché le variabili da utilizzare debbono essere espresse nella stessa unità di misura si procede a standardizzare le variabili assunte in input. Si calcolano media μ e varianza σ2 delle distribuzioni di partenza, da esse si ottengono i punti zeta (standardizzati) di ciascuna variabile in base alla seguente espressione:
Il coefficiente di determinazione (R quadro) è un indice che misura il legame tra la variabilità dei dati e la correttezza del modello statistico utilizzato. Esso è legato alla frazione della varianza non spiegata dal modello. Tale indice varia da 0 a 1, più si avvicina ad 1 più il modello riesce a spiegare i dati. Tale indice è solitamente utilizzato nei modelli di regressione lineare. R2 tende a sovrastimare la bontà del modello nel caso in cui il modello sia in overfitting, ovvero quando il modello ha troppe variabili X. Per correggere tale problematica solitamente si fa riferimento ad una correzione di tale indice chiamato “R2 corretto” che penalizza i modelli eccessivamente complessi.
Il seguente esempio analizza la relazione, tramite un modello lineare, tra peso e altezza.
Leggi tutto “Indici di valutazione del modello:”
Alpha di Cronbach è un metodo per valutare l’affidabilità come coerenza interna, è una misura di affidabilità globale di un gruppo di item. Quanto più l’indice Alpha è vicino ad 1 tanto più è elevata l’affidabilità.
Convenzionalmente si ritiene accettabile un valore di Alpha superiore a 0,70.
Leggi tutto “Alpha di Cronbach”