Nozioni di matematica e statistica di base

Il corso presenta le tecniche statistiche di analisi multidimensionale per dati quantitativi (ACP) e i Modelli di Equazioni Strutturali (MES) basati sullo Stimatore dei Minimi Quadrati Parziali (PLS) per lo studio di dati sperimentali in ambito psicologico e sociale. Gli argomenti verranno affrontati sia dal punto di vista teorico che applicativo mediante l'uso del software open source R.

Il corso, pur mantenendo un’impostazione metodologica di fondo rivolta allo studio dell’analisi multidimensionale, si propone di avvalersi del supporto di software statistici dedicati, in modo da accompagnare all’apparato teorico un consistente risvolto pratico, sia dal punto di vista della risoluzione di casi studio reali o simulati, sia nell’acquisizione di familiarità con i software per l’elaborazione dei dati.

Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale.

Conoscenze e comprensione.
Acquisire una conoscenza dei metodi e delle tecniche quantitative ad un livello post secondario  mediante l'utilizzo di testi di riferimento, materiale didattico e software opensource. Saranno illustrati temi di avanguardia, come tecniche di data science per le scienze umane e sociali, inoltre verranno trasmesse nozioni che consentiranno lo sviluppo di analisi quantitative in contesti originali.

Capacità di applicare conoscenze e comprensione.
Applicare e discutere  metodi quantitativi avanzati nell'ambito dell'analisi dei dati sperimentali, in modo da risolvere problemi in ambiti nuovi o non familiari.

Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome nell'ambito dell'analisi quantitativa multidimensionale.

Abilità comunicative.
Comunicare metodi e tecniche multidimensionale per la risoluzione di problemi quali-quantitativi a interlocutori specialisti e non specialisti. 

Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi, oppure studi autonomi.

Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni svolte nel laboratorio informatico, in modo da rendere autonomi gli studenti nell’utilizzo del software statistico R per l’analisi dei modelli statistici. Inoltre, sul sito https://elearning.unisalento.it è presente ulteriore materiale didattico.

La valutazione avverrà mediante la somministrazione, tramite computer, di un test composto da 20 domande a risposta multipla, ciascuna con quattro opzioni di risposta:

• 10 domande avranno un punteggio pari a 2.
• 10 domande avranno un punteggio pari ad 1.
• Il Test verrà integrato con una verifica orale su una o due domande a risposta multipla.
•  

Il prerequisito per accedere al test è lo sviluppo di un report di ricerca (max 10 pages) in cui siano analizzati dati reali e che mostri l'apprendimento delle tecniche quantitative di analisi dei dati (ACP e PLS-SEM) e l'uso del software R. Dal sito: https://elearning.unisalento.it  è possibile scaricare il materiale didattico, il Template per il report e il link a dataset da utilizzare. L'elaborato può essere sviluppato in gruppo (massimo 5 persone) e singolarmente. Il report deve essere consegnato 5 giorni prima dell'esame.

La frequenza è obbligatoria per almeno il 75% delle ore di lezione. In caso di mancato raggiungimento delle ore di frequenza richieste, lo/a studente/ssa non potrà sostenere il relativo esame di profitto ed il recupero della frequenza potrà avvenire nell’anno successivo

• Elementi essenziali di algebra lineare
  • Definizione di Matrici e Vettori. Somma e Prodotto Interno tra matrici. Alcune proprietà delle matrici. Matrici di Codevianza e Covarianza. Standardizzazione e Matrice di Correlazione.
• Analisi in Componenti Principali (ACP)
  • Definizione e obiettivi dell'ACP. Rappresentazione dei dati nello spazio degli individui: Ricerca della prima e seconda componente principale. Rappresentazione dei dati nello spazio delle variabili: Ricerca della prima e seconda componente principale. Scelta del numero delle componenti da estrarre. Rappresentazioni grafiche. Proprietà.
• Modelli di Equazioni Strutturali PLS (PLS-SEM)
  • Introduzione e cenni storici. Specifiche del Modello. Metodo di stima dei Minimi Quadrati Parziali (PLS). Modelli di Misurazione Riflessiva e Formativa. Valutazione del Modello di Misurazione. Valutazione del Modello Strutturale. Modelli di Mediazione e Moderazione. Modelli Gerarchici con indicatori ripetuti e approccio a due step. Analisi delle Tetradi. Importance-Performance Map Analysis. Studio dell'eterogeneità Osservata e Modelli Multi-Gruppo.

Gli aspetti teorici vanno integrati con l'uso del software R. Dal sito: https://elearning.unisalento.it è possibile scaricare il materiale didattico, il Template per il report e il link a dataset da utilizzare.

Hair, J. F., Hult, T. M., Ringle, C., Sarstedt, M., Magno, F., Cassia, F., & Scafarto, F. (2020). Le equazioni strutturali Partial Least Squares: Introduzione alla PLS-SEM. FrancoAngeli.

Inoltre, alla pagina https://formazioneonline.unisalento.it sono rese disponibili dispense, data set ed esercizi di apprendimento.