Psicometria
Questo libro è una guida operativa al corso di Psicometria. Un percorso che parte dall’esplorazione dei dati e arriva alla costruzione, stima e confronto di modelli statistici predittivi, con un approccio moderno e un forte accento sulla riproducibilità. Tutti gli esempi sono implementati in \(\mathsf{R}\).
→ Introduzione → Syllabus → Calendario
Informazioni generali
- Anno Accademico: 2024–2025
- Codice Insegnamento: B000286 (coorte L–Z)
Percorso di apprendimento
Il corso è strutturato in un flusso di lavoro progressivo che integra teoria e pratica:
- Fondamenti — Misurazione in psicologia, tipi di dati, disegno della ricerca.
- Analisi Esplorativa (EDA) — Pulizia, visualizzazione e descrizione dei dati per formulare ipotesi.
- Probabilità e Inferenza Bayesiana — Il linguaggio dell’incertezza: variabili casuali, distribuzioni, e il teorema di Bayes come fondamento dell’apprendimento dai dati.
- Modellazione Statistica — Un percorso che dalla regressione lineare (frequenstista e bayesiana) si estende ai Modelli Lineari Generalizzati (regressione logistica e di Poisson) e culmina nell’introduzione dei Modelli Dinamici, per la descrizione e la previsione di fenomeni psicologici.
- Workflow Bayesiano — Un approccio completo: dalla specificazione del modello all’inferenza a posteriori con MCMC, fino alla verifica e alla critica.
- Confronto e Validazione Predittiva — Valutare quale modello generalizza meglio su nuovi dati usando strumenti all’avanguardia come LOO-CV e ELPD.
Ogni capitolo è corredato di esempi completi e riproducibili in \(\mathsf{R}\), con codice commentato e visualizzazioni.
Come usare questi appunti
- Studia in modo attivo: Non limitarti a leggere. Copia, esegui e, soprattutto, modifica il codice per sperimentare direttamente l’effetto dei tuoi cambiamenti.
- Segui il flusso: Le sezioni sono pensate in sequenza per costruire competenze solide. Evita salti: le scorciatoie fanno perdere il quadro concettuale che rende interpretabili i risultati.
- Interpreta, non memorizzare: Il tuo obiettivo è capire la sostanza psicologica dei fenomeni, non memorizzare output. Applica questo principio a ogni fase, dall’EDA al confronto tra modelli. Quando confronti i modelli, chiediti perché differiscono: quali assunzioni cambiano? Quali meccanismi psicologici sono resi espliciti nei parametri? Comunica sempre l’incertezza e privilegia semplicità ed interpretabilità rispetto a piccoli guadagni predittivi poco robusti.
Strumenti e prerequisiti
Per lavorare efficacemente con questo materiale, è necessario configurare il proprio ambiente di lavoro:
- Software: \(\mathsf{R}\) (versione 4.5 o superiore) e RStudio (consigliato) o un altro IDE (es. VS Code).
- Ecosistema Stan (cruciale): Per la modellazione bayesiana efficiente, installeremo CmdStan tramite il pacchetto
cmdstanr
. → Guida all’installazione di Stan - Pacchetti \(\mathsf{R}\) principali:
tidyverse
(manipolazione e visualizzazione dei dati),brms
(modellazione),cmdstanr
(backend per Stan),loo
(confronto di modelli). - Quarto: Per generare report riproducibili.
- Prerequisiti concettuali: È sufficiente una conoscenza di base dell’algebra e della statistica descrittiva. I concetti di probabilità necessari saranno richiamati e approfonditi nel corso.
Licenza d’uso
Materiali rilasciati con licenza CC BY 4.0.
È consentito qualsiasi utilizzo previa attribuzione.