economia applicata da 67 a 72

Cosa rappresenta la "matrice di dati" nella ricerca quantitativa?. Un elenco delle ipotesi nulle e alternative. Un insieme di teorie da testare. Una tabella in cui le righe sono le unità di analisi e le colonne le variabili. Un grafico che mostra la relazione tra due variabili.

Come disporresti osservazioni e variabili in una matrice dati?. Le osservazioni vanno in colonna e le variabli in riga. Le osservazioni e le variabili vanno poste in due matrici distinte. Le osservazioni vanno registrate col segno positivo, le variabili con segno negativo. Le osservazioni vanno in riga e le variabili in colonna.

Quale misura di tendenza centrale è la più adatta a riassumere una distribuzione dei redditi?. Nessuna di queste. La moda. La mediana. La media.

Quale di questa NON è una misura di tendenza centrale?. La moda. La mediana. La media. La covarianza.

Cos'è un outlier in analisi dati?. Un valore normalizzato in modo da poter essere aggregato con altri indicatori. Un'osservazione che si discosta in modo significativo dalle altre. Il valore mediano di una distribuzione. Un valore creato artificialmente con tecniche statistiche per sostituire un'informazione mancante.

Quali misure di tendenza centrale possono essere utilizzate per una variabile ordinale?. Mediana e Moda. Nessuna di queste. Media e Mediana. Moda e Media.

Quale misura di tendenza centrale può essere utilizzate per una variabile nominale?. Nessuna di queste. La mediana. La moda. La media.

Cosa si intende per "p-value" nella verifica delle ipotesi?. Il livello di significatività scelto dal ricercatore, solitamente il 5%. La misura della forza della relazione tra due variabili. La probabilità che l'ipotesi alternativa (H₁) sia vera. La probabilità che, assumendo vera H₀, si verifichi il risultato osservato.

base al principio di falsificazione, come viene formulata l'ipotesi di ricerca?. Si dimostra che l'ipotesi alternativa (H₁) è statisticamente certa. Si formula un'ipotesi nulla (H₀) che nega la relazione e si cerca di falsificarla. Si cerca di verificare direttamente che esista una relazione tra due variabili. Si formula una sola ipotesi, l'ipotesi alternativa, e la si testa direttamente.

Qual è la soglia di probabilità convenzionalmente utilizzata nelle scienze sociali per considerare falsificata l'ipotesi nulla (H₀)?. 0%. 50%. 5%. 3%.

Se un test di analisi bivariata risulta avere un p-value pari a 2%, cosa significa per la nostra ipotesi di ricerca?. E' un valore troppo piccolo per poter continuare la ricerca. Nessuna di queste. E' un valore sufficientemente grande per scartare l'ipotesi nulla. E' un valore sufficientemente piccolo per scartare l'ipotesi nulla.

Se un test di analisi bivariata risulta avere un p-value pari a 30%, cosa significa per la nostra ipotesi di ricerca?. E' un valore troppo grande per accettare l'ipotesi nulla. E' un valore troppo grande per accettare l'ipotesi alternativa. E' un valore troppo grande per poter continuare la ricerca. Nessuna di queste.

Quale test statistico si utilizza per analizzare la relazione tra due variabili quando abbiamo una variabile cardinale e una nominale?. T-test. Test del chi² (χ²). Analisi della varianza (ANOVA). Coefficiente di correlazione di Pearson.

Quale test statistico si utilizza per analizzare la relazione tra due variabili quando abbiamo una variabile cardinale e una dicotomica?. Analisi della varianza (ANOVA). Coefficiente di correlazione di Pearson. T-test. Test del chi² (χ²).

Quando si applica l'analisi della varianza (ANOVA)?. Quando entrambe le variabili sono categoriali. Quando entrambe le variabili sono numeriche. Quando una variabile è numerica e l'altra è dicotomica. Quando una variabile è numerica e l'altra è categoriale.

Quando si applica il t-test in analisi bivariata?. Quando entrambe le variabili sono categoriali. Quando una variabile è numerica e l'altra è dicotomica. Quando una variabile è numerica e l'altra è categoriale. Quando entrambe le variabili sono numeriche.

Quale rappresentazione grafica è più adatta per visualizzare la relazione tra due variabili numeriche?. Grafico a dispersione. Boxplot. Istogramma. Grafico a barre.

Cosa afferma tipicamente l'ipotesi nulla (H₀) in un'analisi bivariata?. Che esiste una relazione forte tra due variabili. Che la variabile indipendente causa la variabile dipendente. Che non esiste alcuna relazione tra le due variabili nella popolazione. Che la relazione tra le variabili è dovuta a un errore di campionamento.

Quale test statistico si utilizza per analizzare la relazione tra due variabili quando entrambe sono categoriali?. Test del chi² (χ²). Analisi della varianza (ANOVA). T-test. Coefficiente di correlazione di Pearson.

Con quale tipo di variabili si può utilizzare il coefficiente di correlazione per effettuare l'analisi bivariata?. Con due variabili nominali. Con due variabili ordinali. Con due variabili dicotomiche. Con due variabili cardinali.

Cosa indica un coefficiente di correlazione r = -1?. Assenza di correlazione lineare. Correlazione positiva perfetta. Relazione non lineare a U. Correlazione negativa perfetta.

Cosa indica un coefficiente di correlazione r = +1?. Correlazione negativa perfetta. Correlazione positiva perfetta. Relazione non lineare a U. Assenza di correlazione lineare.

Cosa significa un coefficiente di correlazione r = 0?. Non esiste una relazione lineare tra le due variabili. La relazione tra le variabili è negativa. Non esiste alcuna relazione tra le due variabili. Esiste una relazione perfetta tra le due variabili.

Con quale dei seguenti software posso calcolare la covarianza?. Microsoft Word. Excel. Power Point. Sono tutti software adatti.

Con quale dei seguenti software posso calcolare la covarianza?. Calc. Excel. Stata. Sono tutti software adatti.

Con quale dei seguenti software posso calcolare la covarianza?. Microsoft Word. Nessuno di questi. Power Point. VLC media player.

Con quale tipo di variabili si può utilizzare il grafico a dispersione per rappresentare l'analisi bivariata?. Con due variabili dicotomiche. Con due variabili ordinali. Con due variabili nominali. Con due variabili cardinali.

Cosa rappresenta il grafico a dispersione (scatter plot)?. La relazione tra due variabili, con un punto per ogni osservazione. La probabilità di falsificare l'ipotesi nulla. La tendenza centrale di una variabile numerica discreta. La distribuzione di frequenza di una variabile.

Qual è l'intervallo di valori possibili per il coefficiente di correlazione r di Pearson?. Tra 0 e 1. Tra -1 e +1. Tra -∞ e +∞. Tra 0 e 100.

Perché il coefficiente di correlazione potrebbe essere pari a 0 anche in presenza di una relazione forte tra due variabili?. Perché la relazione non è lineare (es. a U o U-rovesciata). Perché c'è un errore nella pulizia dei dati. Perché il campione è troppo piccolo. Perché le variabili non sono state standardizzate e risultano misurate su scale diverse.

Cosa misura il coefficiente di correlazione di Pearson (r)?. La presenza di errori nella matrice dei dati dovuti a selection bias. La probabilità che l'ipotesi nulla sia vera. La differenza tra le medie di due gruppi definiti da una variabile dicotomica. La forza della relazione lineare tra due variabili numeriche.

Nell'interpretare l'analisi dei dati, si possono commettere tre tipi di errori di endogeneità. Quale di questi NON è un errore di endogeneità?. L'effetto Hawthorne. Un errore di misurazione che lega X e Y. La presenza di variabili omesse. La causalità inversa.

Come possiamo distinguere la variabile dipendente (endogena) da quella indipendente (esogena)?. La variabile dipendente è quella che può essere manipolata direttamente dal ricercatore in un esperimento. La variabile dipendente è quella che il modello cerca di spiegare o prevedere, il "risultato" o "effetto". La variabile dipendente è quella che il modello usa come "causa" o "input". La variabile dipendente è sempre indicata con la lettera X.

In un esperimento (RCT), qual è lo scopo principale della randomizzazione (divisione casuale) dei partecipanti in un gruppo sperimentale e uno di controllo?. Ridurre i costi complessivi dell'esperimento. Garantire che i partecipanti non sappiano di essere osservati (effetto Hawthorne). Evitare che variabili estranee creino differenze sistematiche tra i due gruppi. Assicurarsi che entrambi i gruppi ricevano il trattamento.

Cosa descrive l'"effetto Hawthorne" che costituisce uno dei principali limiti della ricerca sperimentale?. L'alterazione del comportamento naturale delle persone perché sanno di essere osservate e di ricevere un trattamento. L'errore che si commette quando si inverte la direzione della causalità. La tendenza dei partecipanti a selezionarsi autonomamente per il trattamento, compromettendo l'assenza di variabili omesse. L'influenza di una terza variabile non osservata che agisce come causa comune.

Quali sono alcuni dei principali limiti che impediscono l'utilizzo sistematico di esperimenti nelle scienze sociali?. Problemi etici, costi elevati, effetto Hawthorne. Effetto Placebo, errore di scala, variabili omesse. Assenza di usare dati secondari, rappresentatività del campione, missing values. Auto-selezione del campione, errore di misurazione, causalità inversa.

Quale delle seguenti opzioni rappresenta un limite reale all'uso degli esperimenti nelle scienze sociali, secondo quanto discussoa lezione?. La scarsa validità esterna, ovvero la difficoltà di generalizzare i risultati in ambiente artificaiale al mondo reale. La necessità di utilizzare solo variabili dipendenti di tipo cardinale, poiché gli esperimenti funzionano solo con queste. L'obbligo deontologico di pubblicare i risultati entro sei mesi dalla conclusione dell'esperimento. Il divieto legislativo di utilizzare gruppi di controllo negli esperimenti con esseri umani.

Quale delle seguenti opzioni NON rappresenta un limite reale all'uso degli esperimenti nelle scienze sociali, secondo quanto discussoa lezione?. I costi elevati per seguire i partecipanti nel tempo e rilevare effetti che si manifestano a distanza di mesi o anni. La necessità che i partecipanti abbiano tutti la stessa età per garantire la validità dell'esperimento. L'effetto Hawthorne, ovvero l'alterazione del comportamento dei partecipanti perché sanno di essere osservati. La difficoltà di manipolare eticamente molte variabili indipendenti (come esporre soggetti a povertà o violenza).

Nell'interpretare i risultati di una relazione, cosa significa l'espressione latina "ceteris paribus"?. Che il coefficiente stimato rappresenta si riferisce a una sola variabile indipendente, costanti le altre. Che la relazione tra le variabili è di tipo causale e non solo correlazionale. Che il modello statistico non è in grado di prevedere valori fuori dal campione. Che l'analisi è stata condotta su dati sperimentali raccolti in laboratorio.

In una regressione troviamo il coefficiente R squared pari a 0.91. Cosa significa?. Che la relazione tra X e Y è molto forte (un aumento unitario di X genera un aumento del 91% di Y). Che il modello prevede molto precisamente la Y (spiegando il 91% della varianza). Che il campione non è adatto allo studio (avendo risposto al questionario soltanto il 91% degli intervistati). Che il modello non è statisticamente significativo (con un rischio di sbagliarsi del 91%).

Quale di questi possibili limiti din un'analisi bivariata può essere superato ricorrendo a un'analisi multivariata?. La necessità di avere un campione di dimensioni molto elevate per ottenere risultati statisticamente significativi. L'incapacità di gestire una variabile dipendente di tipo qualitativo (come il genere o il titolo di studio). La difficoltà nel calcolare la media e la deviazione standard delle variabili. Il rischio che variabili omesse influenzino X e Y, alterando l'associazione tra queste due variabili+E445.

Cosa si intende con "analisi trivariata" nella ricerca empirica?. Un tipo di esperimento in cui il campione è diviso in tre gruppi distinti (sperimentale, di controllo e placebo). La fase della ricerca che segue la formulazione delle ipotesi e precede la raccolta dei dati. Un'analisi che utilizza esattamente tre tecniche statistiche diverse sullo stesso fenomeno. Un'analisi statistica che coinvolge tre variabili contemporaneamente per studiare la loro relazione.

In un'analisi trivariata, oltre alle variabili X (causa) e Y (effetto), compare una terza variabile Z che prima era omessa. Come chiamiamo questa variabile?. Variabile quasi-cardinale. Variabile di controllo. Variabile dicotomica. Variabile indipendente.

Se i risultati di un'analisi bivariata vengono replicati esattamente nei diversi sottocampioni definiti dalla variabile omessa Z, significa che: Il campione non è sufficientemente numeroso per effettuare l'analisi trivariata. La variabile omessa non altera la relazione tra X e Y. Sono tutte vere. La variabile omessa è la causa di Y, mentre X può essere scartata.

Quale dei seguenti aspetti rappresenta un vantaggio dell'utilizzo di una regressione lineare (OLS) rispetto alla suddivisione in sottogruppi per un'analisi. La regressione non richiede l'uso di software statistici, potendo essere calcolata a mano. La regressione permette di non dover più formulare ipotesi sulla causalità, perché tutte la variabili sono contemporaneamente sia dipendenti che indipendenti. La regressione offre un risultato di più facile interpretazione, specialmente quando le variabili di controllo sono numeriche o numerose. La regressione OLS è l'unico metodo accettato dalla comunità scientifica per l'analisi multivariata.

Se il coefficiente di una variabile Z nella regressione riporta un p-value = 0.09, significa che: Essendo superiore a 0.05 la sua significatività statistica è forte. Essendo superiore a 0.05 la sua significatività statistica è debole. Essendo inferiore a 0.5 la sua significatività statistica è debole. Essendo inferiore a 0.5 la sua significatività statistica è forte.

Se il coefficiente di una variabile Z nella regressione riporta un p-value = 0.02, significa che: Essendo inferiore a 0.05 la sua significatività statistica è forte. Essendoun numero positivo, la sua significatività statistica è debole. Essendo un numero positivo, la sua significatività statistica è forte. Essendo inferiore a 0.05 la sua significatività statistica è forte.