Psicometria

Autore/Autrice

Corrado Caudek

Data di Pubblicazione

27 agosto 2025

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:

  1. Fondamenti — Misurazione in psicologia, tipi di dati, disegno della ricerca.
  2. Analisi Esplorativa (EDA) — Pulizia, visualizzazione e descrizione dei dati per formulare ipotesi.
  3. Probabilità e Inferenza Bayesiana — Il linguaggio dell’incertezza: variabili casuali, distribuzioni, e il teorema di Bayes come fondamento dell’apprendimento dai dati.
  4. 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.
  5. Workflow Bayesiano — Un approccio completo: dalla specificazione del modello all’inferenza a posteriori con MCMC, fino alla verifica e alla critica.
  6. 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.