Massimo Aria » 9.Analisi delle Corrispondenze Multiple con il software statistico TANAGRA

Introduzione

Nella presente lezione, attraverso l’utilizzo di un caso studio reale, si illustreranno i passi attraverso cui condurre un’Analisi delle Corrispondenze Multiple con il software Tanagra.

Il caso studio

Sondaggio sugli sbocchi occupazionali dei laureati

Fonte:
Sondaggio svolta nell’ambito del corso di Analisi Statistica e Sociologica (a.a. 2008/2009).

Osservazioni:
50 laureati presso la Facoltà di Economia dell’Università di Napoli Federico II.

Obiettivo:
Sintetizzare le informazioni relative al sondaggio sugli sbocchi occupazionali dei laureati.

Un estratto della matrice dei dati

Importazione del file excel

Analogamente a quanto già visto per l’Analisi in Componenti Principali, poiché il dataset è in formato Excel, è necessario aprire in C→Programmi→Tanagra il componente aggiuntivo di Microsoft Office Excel, successivamente selezionare le celle d’interesse per l’analisi (tutto il dataset con le etichette relative) ed, infine, premere il comando Execute Tanagra che si trova sotto la voce Componenti Aggiuntivi di Excel.
In questo modo si aprirà automaticamente Tanagra e si potrà iniziare l’analisi.

Definizione del ruolo delle variabili

All’apertura della finestra si dovranno inserire le variabili oggetto dell’analisi sotto la voce Input, mentre l’elenco degli individui e le variabili socio-demografiche (che andranno in supplementare) dovranno essere spostate sotto la voce Illustrative.

Selezione del metodo

La scelta degli assi

Output dell’analisi

Cliccando nuovamente con il tasto destro sulla voce Multiple Corrispondence Analysis e selezionando la voce View appariranno tre tabelle:

• nella prima è presente l’elenco degli autovalori e l’inerzia spiegata da ciascuno di loro;

• nella seconda tabella si trovano le coordinate di ciascuna modalità;

• nella terza è indicato il coseno al quadrato di ciascuna modalità.

La correzione di Benzecrì non è implementata in Tanagra, quindi le percentuali di inerzia spiegata risultano essere molto basse in conseguenza dell’elevatissimo numero di modalità considerate.

Disegno del piano fattoriale

Disegno del piano fattoriale (segue)

Il grafico, di default, è configurato con la prima variabile latente (MCA1) rappresentata sia sul primo (ascisse) che sul secondo asse (ordinata).

Sarà necessario, quindi, cambiare il secondo asse associando ad esso la seconda variabile latente (MCA2).

Inoltre, inizialmente appariranno gli individui con i rispettivi id numerici: per visualizzare i nomi è necessario spuntare la voce Legend che si trova in alto a destra la voce Attribute values.

Costruzione del primo piano fattoriale

Interpretazione degli assi fattoriali

Interpretazione degli assi fattoriali (segue)

Il piano fattoriale

Interpretazione delle variabili latenti

Come si può osservare dal grafico, si possono distinguere principalmente quattro tipologie di individui:

Associati positivamente all’asse 1 sono tutti quegli individui che presentano un’età superiore ai trent’ anni con laureati soprattutto in materie giuridiche, con una frequenza ai corsi del 30% e con voti minori di 96.

Associati negativamente all’asse 1 sono quegli individui residenti a Napoli con un diploma tecnico superato con voto tra 55 e 60 e con occupazione stabile.

Associati positivamente all’asse 2 sono, invece, tutti quegli individui che sono precari/tirocinanti, soprattutto di sesso femminile, laureati per lo più in materie giuridiche con voto tra 106 e 110 e con frequenza ai corsi tra il 30% e il 50%, attualmente senza abilitazione e non occupati.

Associati negativamente all’asse 2 sono, infine, tutti quegl’individui residenti nella provincia di Napoli con diploma di maturità classica, superato con un voto tra 43 e 48, e laureati con 110 e lode, attualmente con abilitazione e con lavoro part-time.

Nella prossima lezione

Nella prossima lezione si affronteranno i seguenti argomenti:

• La cluster analysis