Quando si intende analizzare la relazione tra due variabili categoriali ordinate si impiegano le misure di cograduazione.
Le misure di cograduazione si basano sul confronto tra i valori assunti dalle variabili su tutte le possibili coppie di casi.
Prima di affrontare nello specifico i coefficienti di cograduazione è opportuno chiarire cosa si intende quando due variabili covariano e contro-variano.
Co-variazione: si ha quando a valori alti di una variabile corrispondono valori alti anche dell’altra. Ciò accade quando i valori sono direttamente proporzionali.
Esempio: se all’aumentare del grado di fiducia nelle istituzioni aumenta anche il grado di soddisfazione nei confronti del loro operato.
Contro-variazione: si ha quando a valori alti di una variabile corrispondono valori bassi dell’altra. In tal caso i valori delle due variabili sono inversamente proporzionali.
Esempio: se all’aumentare del grado di fruizione nei confronti di un servizio diminuisce il grado di soddisfazione nei confronti della gestione dello stesso.
Per stabilire se c’è covariazione o contro variazione è necessario prestare molta attenzione a come i dati si distribuiscono lungo le diagonali della tabella di contingenza .
È importante però tener presente che:
Coppie cograduate:
Coppie contrograduate:
Coppie concordanti: Pupo e Pippo.
In rosso: coppie co graduate.
In blu coppie contro graduate.
Caratteristiche:
Limiti:
Per superare i limiti di gamma sono stati messi a punto i coefficienti di Kendall (1948) utilizzabili per tabelle quadrate e rettangolari. Essi rientrano nella famiglia dei coefficienti TAU.
La principale differenza tra gamma e i due tipi di coefficienti tau risiede nel modo in cui essi normalizzano.
Tau Q: Si utilizza per le tabelle quadrate, è in tal caso che può assumere valore 1 (massima associazione).
Tau R: La correzione introdotta per le tabelle rettangolari è quella che si basa sul numero minore tra il totale delle righe e il totale delle colonne (min).
Nelle scienze sociali accade raramente che ci si trovi dinanzi a variabili che hanno più di 11 modalità. In genere, solo il termometro dei sentimenti produce variabili con un numero di modalità superiore a 11 (che, tra l’altro, possono essere trattate come cardinali).
Quando si trattano variabili categoriali ordinate con più di 11 categorie di risposta si ricorre al coefficiente rho di Spearman. Nello specifico, esso rileva il grado di accordo fra graduatorie compilate da individui diversi.
Vedi figura.
Dove d è la differenza tra la posizione di un oggetto nella graduatoria relativa a due diversi criteri, cioè il suo punteggio sulle due variabili messe in relazione, e N è il numero degli oggetti messi a confronto nelle due graduatorie (Marradi, 1997,pp.90).
Il limite di rho è che risente dei valori estremi.
Uno dei possibili modi di guardare ad una relazione tra variabili categoriali ordinate è quello di ricorrere ai Rapporti di probabilità (odds).
Gli odds rappresentano il rapporto tra la probabilità che un soggetto estratto a caso appartenga alla variabile considerata e la probabilità che non vi appartenga.
I rapporti di probabilità non sono molto utilizzati se non nel campo delle scommesse. Più utilizzate sono le proporzioni e le proporzioni condizionate ma anche i rapporti di probabilità condizionata e i rapporti di associazione.
Istogramma di composizione
Si utilizza quando almeno una delle due variabili è ordinale. Vi si può ricorrere anche quando una variabile è ordinale è l’altra è una dicotomica o una categoriale, ma è la sola rappresentazione grafica più adatta quando ci troviamo dinanzi alla necessità di rappresentare una relazione tra due variabili categoriali ordinate.
L’unione di più istogrammi di composizione dà vita al grafico a colonne suddivise.
2. Metodo scientifico e ricerca sociale
3. Le fasi della ricerca sociale
4. Tipi di proprietà e tipi di variabili
5. Le variabili
7. Esercitazione: le variabili
8. L'autonomia semantica delle categorie di risposta
9. Introduzione all'analisi delle variabili
10. L'analisi dei dati con variabili categoriali non ordinate
11. Introduzione all'analisi delle distribuzioni di dati con variab...
12. L'analisi dei dati con variabili categoriali ordinate
13. Introduzione all'analisi dei dati con variabili cardinali
14. L'analisi dei dati con variabili cardinali
15. Lo studio della concentrazione di una variabile cardinale trasf...
16. La curva normale
17. Trasformazioni delle variabili: standardizzazione e deflazione
18. La trasformazione delle variabili
19. Rapporti statistici, serie storiche e territoriali
22. La relazione tra due variabili dicotomiche
23. La relazione tra due variabili con categorie non ordinate - pri...
24. La relazione tra due variabili con categorie non ordinate - sec...
25. Relazione tra una variabile categoriale e una cardinale
26. Il diagramma di dispersione
27. Introduzione all'analisi della relazione tra due variabili card...
28. La relazione tra due variabili cardinali
29. Introduzione all'analisi trivariata
30. Esercitazione: tipi di variabili
Corbetta P. G., La ricerca sociale: metodologia e tecniche- L'analisi dei dati, Bologna, Il mulino, 2003.
Marradi A., 1997, Linee guida per l'analisi bivariata dei dati nelle scienze sociali, Franco Angeli, Milano.