CopertinaAnnamaria

2.5 - Breve introduzione ai metodi

Le tecniche di analisi multivariata, in continuo aumento, comprendono procedure di calcolo ma anche restituzioni gra3che di 3gure e tabelle. La tecnica della regressione multivariata, ad esempio, ci restituisce formule e indicatori che ci permettono di validare il modello che stiamo studiando. Al contrario, nel multidimensional scaling si producono gra3ci anche a più dimensioni.
Mentre cominciamo a familiarizzare con i nomi delle tecniche che descriviamo nel volume, proponiamo due classi3cazioni pur partendo dalla certezza che le distinzioni non sono così radicali e che adeguate trasformazioni di variabili, campionamenti ben fatti, veri3che di ipotesi e signi3catività possono permetterci di utilizzare schemi alternativi di analisi.
Nella prima classi3cazione (Bartholomew et al., 2008) distinguiamo metodi descrittivi e inferenziali riproponendo la già segnalata distinzione fra statistica descrittiva e inferenziale.
I metodi che appartengono al primo gruppo hanno lo scopo di descrivere ed esplorare i dati sintetizzando le variabili osservate per rendere la descrizione del dataset più agevole. Appartengono a questa categoria, ad es. le tecniche della cluster analysis o del multidimensional scaling. Se siamo in grado di determinare il processo latente che ha generato i dati e di conseguenza siamo in grado di generalizzare i risultati ottenuti da un campione alla popolazione, staremo lavorando con tecniche inferenziali come la regressione lineare o l’analisi fattoriale.
La seconda classi3cazione (Hair et al., 2014) differenzia tecniche di dipendenza e interdipendenza.
Le prime sono quelle in cui possiamo identi3care variabili dipendenti e indipendenti. Sono le tecniche in cui cerchiamo di identi3care quelle relazioni fra le variabili che ci permettono di predire il comportamento di una variabile indipendente y, noti i predittori x_i. Nel secondo gruppo di tecniche, le variabili sono trattate insieme per de3nire la struttura latente sottesa all’intero gruppo di eventi osservati.
Per scegliere la tecnica da usare fra quelle di dipendenza bisogna guardare al numero e al tipo di variabili del dataset. Se, ad es., abbiamo un’unica variabile dipendente quantitativa useremo la tecnica della regressione multivariata. Se la variabile è di natura qualitativa, sceglieremo la regressione logistica.
Una presentazione sintetica delle tecniche descritte nel volume è nelle Tabelle 2.4 e 2.5 dove per ciascuno dei metodi, insieme a una descrizione e a una speci3cazione della tipologia di variabili principalmente utilizzata, viene riportato un esempio di indagini da realizzare attraverso la tecnica in questione.
Ciascuna tecnica (esclusa l’analisi della varianza multivariata) verrà ripresa e spiegata nei prossimi capitoli con descrizioni dei metodi e casi di studio.