Professional Documents
Culture Documents
Chiara Zanarotti
Dipartimento di Statistica
Universit di Udine
Istituto di Statistica
Universit Cattolica di Milano
Metodi
Il data set
Risultati
Osservazioni conclusive
Rasch Analysis - Milano-28/6/2004
Scopo dellanalisi
Caratteristiche
(individuali e non)
che influenzano la
soddisfazione
Contesto
valutazione di un servizio
Problema
VARIABILI LATENTI
Per ottenere informazioni sul grado di soddisfazione e
sul livello di qualit spesso si somministra ai fruitori
del servizio un
T
questionario
questionario
X ijk
soggetto i-mo ha scelto la categoria (ordinale) k-ma al j-mo item
MODELLO DI RASCH
(nelle versioni politomiche)
Perch:
Lipotesi cruciale del modello di Rasch proprio lidea che
le risposte agli items dipendano da due parametri:
un parametro relativo allitem (fattore specifico associato
allattributo);
Un parametro relativo allutente (fattore specifico del
soggetto)
Rasch Analysis - Milano-28/6/2004
exp{i j k , k + 1}
1 + exp{i j k , k + 1}
Partial credit model (PCM)
P(Xij = k) =
P(Xij = k) =
exp{i j k, k + 1( j )}
1+ exp{i j k, k + 1( j )}
Commenti
Si tratta di modelli di Rasch di tipo politomico.
Le probabilit che i diversi soggetti scelgano, per
ciascun item, la modalit k-ma (anzich la risposta k-1ma) dipendono dai seguenti parametri:
i parametro associato alli-mo soggetto (person
parameter)
j parametro associato allj-mo item (item parameter)
k (o k(j) ) parametro di soglia (threshold).
Rasch Analysis - Milano-28/6/2004
Applicazione
La Rasch analysis viene ora utilizzata nellesame dei
questionari avendo due obiettivi:
1. Confrontare i risultati ottenuti utilizzando due scale di
misurazione nei questionari (scale di Likert con 4 e con
5 modalit).
2. Indagare se vi sono alcune caratteristiche/variabili che
influenzano la soddisfazione
Rasch Analysis - Milano-28/6/2004
Dati
Dati
I questionari distribuiti sono stati di due tipi:
Item
d13
0.04
0.17
0.56
0.23
0.02
0.10
0.29
0.42
0.17
d14
0.05
0.33
0.48
0.14
0.03
0.20
0.37
0.29
0.11
d15
0.03
0.16
0.63
0.18
0.04
0.10
0.30
0.39
0.17
d16
0.05
0.18
0.57
0.20
0.04
0.10
0.29
0.39
0.18
d17
0.08
0.43
0.42
0.08
0.05
0.23
0.41
0.27
0.05
d18
0.03
0.18
0.58
0.21
0.02
0.09
0.30
0.39
0.20
d19
0.13
0.24
0.40
0.23
0.11
0.18
0.24
0.29
0.17
d20
0.08
0.36
0.38
0.18
0.06
0.20
0.31
0.31
0.12
d21
0.02
0.17
0.59
0.22
0.02
0.09
0.33
0.42
0.15
d22
Rispetta gli orari delle lezioni e assicura la sua presenza regolare 0.06
0.10
0.44
0.40
0.04
0.05
0.19
0.35
0.37
d23
0.01
0.08
0.53
0.38
0.01
0.03
0.22
0.45
0.28
d24
0.02
0.12
0.46
0.40
0.03
0.03
0.19
0.44
0.31
d25
0.05
0.21
0.64
0.10
0.04
0.10
0.42
0.38
0.06
d26
0.05
0.27
0.58
0.11
0.03
0.16
0.38
0.37
0.07
d27
0.04
0.28
0.59
0.09
0.05
0.16
0.37
0.37
0.05
d28
0.07
0.17
0.57
0.19
0.04
0.12
0.34
0.38
0.12
d29
0.04
0.22
0.61
0.13
0.04
0.15
0.37
0.37
0.08
d30
0.06
0.23
0.58
0.14
0.05
0.15
0.35
0.38
0.07
d31
0.03
0.19
0.62
0.15
0.04
0.12
0.30
0.42
0.12
Item migliore
Item peggiore
15
.5
.4
.3
.2
.1
0.0
N=
19
Scala a 4 modalit
19
Scala a 5 modalit
Location
-1.208
-1.076
-0.851
-0.338
-0.270
-0.220
-0.209
-0.111
-0.017
0.015
0.167
0.269
0.276
0.415
0.440
0.502
0.546
0.611
1.058
SE
0.098
0.097
0.095
0.091
0.090
0.090
0.090
0.089
0.089
0.089
0.088
0.087
0.087
0.086
0.086
0.086
0.086
0.085
0.084
Five-point Scale
Chi Sq
3.269
16.387
19.230
7.178
8.136
4.230
12.655
9.424
27.379
27.476
9.466
7.420
50.447
9.902
21.137
59.727
14.901
36.497
17.653
Prob
0.953
0.059
0.023
0.619
0.521
0.896
0.179
0.399
0.001
0.001
0.395
0.593
0.000
0.358
0.012
0.000
0.094
0.000
0.039
Code
d24
d22
d23
d18
d13
d21
d16
d15
d31
d28
d25
d29
d26
d30
d14
d19
d27
d20
d17
Location
-1.047
-0.994
-0.984
-0.340
-0.248
-0.215
-0.186
-0.152
-0.002
0.128
0.258
0.333
0.352
0.403
0.442
0.473
0.481
0.492
0.806
SE
0.072
0.072
0.072
0.068
0.067
0.067
0.067
0.067
0.066
0.065
0.065
0.065
0.065
0.065
0.064
0.064
0.064
0.064
0.064
Chi Sq
9.369
13.824
7.090
10.770
7.378
14.906
22.941
12.842
26.115
23.942
84.472
6.969
7.298
16.056
5.086
85.029
28.168
28.160
20.759
Prob
0.404
0.129
0.628
0.292
0.598
0.094
0.006
0.170
0.002
0.004
0.000
0.640
0.606
0.066
0.827
0.000
0.001
0.001
0.014
2-3
-2.125 -0.463
3-4
2.588
SCALA A 5 MODALITA
1-2
2-3
-2.224 -1.047
3-4
3-5
0.692
2.642
10
MODELLO MULTILIVELLO
In cui la variabile dipendente la soddisfazione dello studente e le
variabili esplicative sono quelle disponibili ai vari livelli.
Si vuole tener conto della soddisfazione globale dello studente,
ottenuta utilizzando tutti gli items del questionario
11
Unit di 2 livello
.
Unit di 1 livello
.
le variabili vengono rilevate nei diversi livelli della gerarchia
gerarchia sia
al primo livello (detto anche individuale o micro)
micro) che al secondo
(terzo, ecc.) livello (detto anche di gruppo o macro).
si tiene conto simultaneamente dei diversi livelli gerarchici non si
fanno analisi aggregate e non si elimina la struttura gerarchica.
gerarchica
Rasch Analysis - Milano-28/6/2004
h =1
k =1
Componente
sistematica
Componente
casuale
Lintercetta 0 + U 0 j varia casualmente da gruppo a gruppo (gli M gruppi sono
considerati un campione estratto da una popolazione di gruppi).
E (U 0 m ) = 0;
V (U 0 m ) = u ;
2
E ( Rinm ) = 0,
V ( Rinm ) = e2 ; Cov (U 0 m , Rinm ) = 0
Rinm ~ N (0, e2 );
U 0 m ~ N (0, u2 )
12
Lanalisi di Rasch
Lanalisi dei questionari stata condotta utilizzando il Partial Credit Model (PCM).
.25
Media 0.914
S.E. 1.627
Person separation
Index 0.937
di Cronbach 0.931
K-S 0.0614 , p-value
0.066
-10
Dens ita'
.15
.05
0
-5
.1
PP
0
.2
10
-5
0
PP
Lanalisi multilivello
La gerarchia dei dati dovrebbe prevedere tre livelli:
studenti entro corsi, corsi entro docenti.
.
Docenti
.
.
Corsi
Studenti
13
.
.
Docenti (non
sono distinguibili)
Corsi
Questionari
Studenti (compilano
pi questionari in
modo anonimo)
Costante
Buono
Studentessa
Anno superiore al secondo
Pi del 60%
Obbligatorio
Docente femmina
Effetti casuali
Varianza tra i questionari
Varianza tra i corsi
Correlazione intra-corso
Devianza
Stima
0.948
Modello ML
S.E.
Stima
0.152
1.378
0.384
-0.374
0.158
-0.427
0.153
-0.364
0.191
0.741
0.252
-0.584
0.291
-0.535
0.303
Stima
S.E.
1.684
0.141
0.722
0.221
0.300
1222.796
Stima
S.E.
1.753 0.142
0.886 0.239
0.360
1295.230
S.E.
Modello ad E.F.
Stima
S.E.
1.456
-0.450
-0.470
-0.194
0.626
-0.334
-1.031
Stima
2.285
0.355
0.176
0.168
0.176
0.279
0.189
0.177
S.E.
0.174
1263.958
a livello individuale:
voto alle scuole medie
inferiori e superiori,
genere, tipo di diploma,
et allimmatricolazione,
numero di esami
superati, percentuale di
lezioni seguite, ecc.;
a livello di corso: tipo
(obbligatorio o meno),
genere del docente del
corso.
14
-2
20
corsi
40
60
Osservazioni conclusive
Con il modello di Rasch si potuto esaminare gli
effetti dovuti alla scala di misurazione.
E stato possibile ottenere una misura della
soddisfazione degli studenti su una scala
intervallare.
Utilizzando
questa
misura
come
variabile
dipendente in un modello multilivello
si potuto verificare che il corso influenza la
soddisfazione;
si sono individuate delle variabili, sia a livello
individuale che a livello di corso, che influenzano
la soddisfazione degli studenti.
Rasch Analysis - Milano-28/6/2004
15
Osservazioni conclusive
Con il modello di Rasch si ottenuta una misura della
soddisfazione degli studenti in una scala intervallare;
Utilizzando questa misura come variabile dipendente in un
modello multilivello
si potuto verificare che il corso influenza la soddisfazione;
si sono individuate delle variabili, sia a livello individuale che
a livello di corso, che influenzano la soddisfazione degli
studenti.
Sviluppi futuri della ricerca:
Incorporare nel modello anche un effetto dovuto allitem
Introdurre direttamente nel modello di Rasch leffetto corso.
-4
-2
0
Inverse Normal
-2
-4
-1
( mean) postm1
0
-4
.5
1
(mean) p
1.5
-.5
.5
1
linear predictor
1.5
16
Caratteristiche
(individuali e non)
che influenzano la
soddisfazione
In particolare:
attenzione sugli effetti prodotti
sulla soddisfazione da
caratteristiche sia individuali
che legate al corso
17