L'importanza della statistica in psicologia (con esempi)

Il campo della statistica riguarda la raccolta, l’analisi, l’interpretazione e la presentazione dei dati.

Nel campo della psicologia, le statistiche sono importanti per i seguenti motivi:

Motivo 1 : le statistiche descrittive consentono agli psicologi di riassumere i dati relativi alle prestazioni umane, alla felicità e ad altre misure.

Motivo 2 : i modelli di regressione consentono agli psicologi di quantificare la relazione tra variabili relative alla prestazione umana, alla felicità e ad altre misure.

Motivo 3 : Il test delle ipotesi consente agli psicologi di confrontare l’efficacia di diversi metodi, tecniche e procedure sulle prestazioni umane, sulla felicità e su altre misure.

Nel resto di questo articolo, sviluppiamo ciascuno di questi motivi.

Motivo 1: utilizzare statistiche descrittive per riepilogare i dati

Le statistiche descrittive vengono utilizzate per descrivere i dati.

Gli psicologi utilizzano spesso le statistiche descrittive per riassumere i dati sugli individui.

Ad esempio, uno psicologo industriale e organizzativo potrebbe calcolare le seguenti statistiche descrittive per le persone che lavorano in una determinata azienda:

• Soddisfazione generale con lo stipendio (ad esempio, scala da 1 a 7)
• Soddisfazione generale riguardo alla cultura del posto di lavoro
• Soddisfazione generale per l’orario di lavoro

Utilizzando queste misurazioni, uno psicologo I/O può comprendere meglio il livello di soddisfazione dei dipendenti in azienda.

Possono quindi utilizzare questi parametri per informare l’organizzazione sulle aree che potrebbero essere migliorate per rendere il posto di lavoro un ambiente più piacevole per i dipendenti.

Motivo 2: utilizzare modelli di regressione per quantificare la relazione tra le variabili

La statistica viene utilizzata anche in psicologia sotto forma di modelli di regressione .

Si tratta di modelli che consentono agli psicologi di quantificare la relazione tra una o più variabili predittive e una variabile di risposta .

Ad esempio, uno psicologo può avere accesso ai dati sul totale delle ore trascorse nell’esercizio fisico al giorno, sul totale delle ore trascorse lavorando al giorno e sulla felicità complessiva degli individui (ad esempio su una scala da 0 a 100).

Potrebbero quindi costruire il seguente modello di regressione lineare multipla:

Felicità = 76,4 + 9,3 (ore trascorse a fare esercizio al giorno) – 0,4 (ore trascorse a lavorare al giorno)

Ecco come interpretare i coefficienti di regressione in questo modello:

• Per ogni ora in più trascorsa a fare attività fisica al giorno, la felicità complessiva aumenta in media di 9,3 punti (assumendo che le ore trascorse a lavorare rimangano costanti).
• Per ogni ora in più trascorsa lavorando al giorno, la felicità complessiva diminuisce in media di 0,4 punti (assumendo che le ore trascorse a fare esercizio rimangano costanti).

Utilizzando questo modello, uno psicologo può capire rapidamente che più tempo trascorso nell’esercizio è associato a una maggiore felicità generale e più tempo trascorso lavorando è associato a una minore felicità generale.

Possono anche quantificare esattamente quanto la quantità di esercizio fisico e di lavoro influiscono sulla felicità generale.

Motivo 3: utilizzare il test delle ipotesi per confrontare i metodi

La statistica viene utilizzata anche in psicologia sotto forma di verifica di ipotesi .

Si tratta di test che gli psicologi possono utilizzare per determinare se esiste una significatività statistica tra diversi metodi, tecniche o procedure.

Supponiamo, ad esempio, che uno psicologo dello sport ritenga che un nuovo metodo di allenamento sia in grado di aumentare il benessere mentale dei giocatori di basket universitari. Per verificarlo, può misurare il benessere (ad esempio su una scala da 1 a 7) di 40 giocatori prima e dopo aver implementato il nuovo metodo di allenamento per un mese.

Può quindi eseguire un test t per campioni accoppiati utilizzando le seguenti ipotesi:

• H ₀ : μ _dopo = μ _prima (il benessere medio è lo stesso prima e dopo l’utilizzo del metodo)
• H _A : μ _dopo > μ _prima (il benessere medio è più elevato dopo aver utilizzato il metodo)

Se il valore p del test è inferiore a un certo livello di significatività (ad esempio α = 0,05), allora può rifiutare l’ipotesi nulla e concludere che il nuovo metodo porta ad un aumento del benessere dei giocatori.

Nota : questo è solo un esempio di test di ipotesi utilizzato in psicologia. Altri test comuni includono il t-test a un campione , il t-test a due campioni , l’ANOVA a una via e l’ANOVA a due vie .

Risorse addizionali

I seguenti articoli spiegano l’importanza delle statistiche in altri campi:

L’importanza della statistica nella ricerca
L’importanza della statistica in sanità
L’importanza della statistica nelle imprese
L’importanza della statistica in economia
L’importanza della statistica nell’istruzione