Coconote
AI notes
AI voice & video notes
Export note
Try for free
Lezione 3: Correlazione e Regressione
Jul 17, 2024
Lezione 3: Correlazione e Regressione in Jamovi
Introduzione
Benvenuto alla terza lezione dedicata a correlazione e regressione.
Argomenti collegati ma lezione pratica su Jamovi.
Verranno creati programmi per vedere come funzionano correlazione e regressione con Jamovi.
Breve ripasso delle lezioni precedenti su dataset, statistiche descrittive, t-test e trasformazione delle variabili.
Correlazione
Teoria e Pratica
Definizione
: Collegamento tra due variabili.
Esempio
: Numero di visite ai genitori e numero di abbracci ricevuti.
Modelli lineari
: Relazione con equazione y = mx + n.
Regressione semplice
: Illustra come i punti dati possono essere interpolati da una linea retta.
Disperzione dei dati
: R positivo (0 a 1) indica dati vicini alla retta, R negativo (-1 a 0) indica dati lontani dalla retta.
Utilizzo di Jamovi
Apertura dataset
: Utilizzato dataset del Big Five (500 soggetti).
Calcolo correlazione
: Opzioni di Pearson, Spearman.
Esempio
: Esame tra variabili del Big Five.
Tabella di correlazione
: Visualizzazione della dispersione dei dati e del segno della correlazione.
Interpretazione della Correlazione
Indice R
: Indica la forza della relazione tra due variabili (valore compreso tra -1 e 1).
Significatività statistica
: Valore P e intervalli di confidenza.
Esempio pratico
: Interpretazione delle correlazioni nel dataset del Big Five.
Vantaggi e Limitazioni
Visualizzazione dati
: Grafici di dispersione e correlazione su Jamovi.
Verifiche aggiuntive
: Analisi più approfondite con intervalli di confidenza.
Regressione
Teoria e Pratica
Definizione
: Predizione di una variabile dipendente da una o più variabili indipendenti.
Esempio
: Predizione del nevroticismo basato sull’introversione.
Modello lineare
: Equazione y = mx + n (y dipendente, x indipendente).
Coefficiente angolare (m)
: Indica inclinazione della retta.
Intercetta (n)
: Punto in cui la retta interseca l’asse delle ordinate.
Utilizzo di Jamovi
Impostazione del modello
: Selezione variabile dipendente (es. nevroticism) e indipendente (es. extraversion).
Coefficiente di determinazione (R^2)
: Indica quanto variabilità è spiegata dal modello.
Interpretazione della Regressione
Coefficiente e intercetta
: Lettura e significato dei coefficienti nel modello.
Test di significatività (p-value)
: Determina la validità del modello.
Esempio pratico
: Regressione sul dataset Big Five.
Vantaggi e Limitazioni
Predizione
: Utilizzo dei modelli ottenuti per fare previsioni su nuove osservazioni.
Assunzioni del modello
: Verifiche per validare le assunzioni del modello.
Moduli Aggiuntivi in Jamovi
Installazione moduli
: Plus in Jamovi per estendere le funzionalità.
Esempio di moduli utili
: Model fit, ANOVA, analisi fattoriale (EFA, CFA).
Conclusione
Suggerimenti per approfondimenti: Corsi avanzati su Jamovi, utilizzo di R con Jamovi.
Contatti per domande e suggerimenti: E-mail del docente.
Grazie per l’attenzione!
📄
Full transcript