TEORIE E TECNICHE DEI TEST B BONFIGLIO 30-34

Perché l’analisi fattoriale è uno strumento utile nello sviluppo dei test psicologici?. Per scoprire la struttura latente dei dati osservati e verificarne la coerenza teorica. Per identificare relazioni causali tra le variabili latenti. Per rimuovere automaticamente gli item con basse correlazioni. Per calcolare la varianza spiegata da ciascun item.

Nell’ambito dello scaling centrato sulle persone, cosa rappresenta il punteggio totale?. Una stima numerica della quantità di una proprietà psicologica latente. Un valore sempre interpretabile indipendentemente dal costrutto. Un indicatore diretto e infallibile di una variabile osservata. Una media delle risposte fornite da un gruppo di persone.

Qual è la caratteristica distintiva dei modelli di misurazione a indicatori formativi rispetto a quelli riflessivi?. Non è necessaria alcuna validazione teorica del costrutto. Ogni indicatore contribuisce in modo distinto a formare il costrutto. Tutti gli indicatori devono essere fortemente correlati tra loro. Gli indicatori sono causati da un costrutto latente comune.

In che condizione la sovrapposizione tra cerchi rappresentanti gli item (in un diagramma di Venn) suggerisce l’idoneità all’analisi fattoriale?. Quando ogni item è completamente sovrapposto a tutti gli altri. Quando i cerchi non si sovrappongono affatto. Quando la covarianza è negativa. Quando la varianza condivisa tra item è ampia.

Perché la correlazione è considerata la spina dorsale dell’analisi fattoriale?. Perché indica una possibile origine comune da un costrutto latente. Perché trasforma item qualitativi in quantitativi. Perché consente di eliminare la varianza unica degli item. Perché permette di calcolare il coefficiente di fedeltà.

Qual è la differenza epistemologica fondamentale tra AFE (Analisi Fattoriale Esplorativa) e AFC (Analisi Fattoriale Confermativa)?. AFE esplora dati senza ipotesi teoriche forti; AFC verifica un modello teorico predefinito. AFE si usa solo con dati nominali, AFC con dati ordinali. AFE serve per confrontare gruppi, AFC per validare interviste. AFE verifica modelli teorici, AFC li esplora nei dati.

In che modo il principio di causalità si riflette nella logica dell’analisi fattoriale?. Le variabili osservate sono considerate come effetti di cause latenti. Le osservabili determinano completamente i fattori. Le variabili latenti non influenzano direttamente le osservabili. I fattori latenti sono generati dalle variabili osservate.

Qual è uno dei principali obiettivi dell’analisi fattoriale esplorativa in termini di parsimonia?. Rappresentare la struttura dei dati nel modo più semplice e informativo possibile. Massimizzare il numero di fattori estratti per spiegare la varianza. Eliminare le correlazioni tra le variabili. Utilizzare solo fattori ortogonali.

Perché è importante ridurre il numero di variabili osservate a un numero inferiore di fattori?. Per massimizzare la significatività statistica dei risultati. Per semplificare l’interpretazione dei dati e ridurre la complessità del modello. Per garantire l’indipendenza tra le variabili latenti. Per aumentare la difficoltà dell’analisi statistica.

Che cosa indica il test di Bartlett nella fase preliminare di un’analisi fattoriale?. Se la matrice di correlazione differisce significativamente da una matrice identità. Se i fattori hanno comunalità elevate. Se i dati presentano distribuzione normale. Se il numero di soggetti è sufficiente.

Per quale motivo è importante eseguire l’analisi della matrice di correlazione prima di procedere con l’EFA?. Per verificare se esistono relazioni significative tra le variabili. Per calcolare il coefficiente alfa di Cronbach. Per identificare outlier univariati. Per escludere la necessità di una rotazione.

Quale condizione è essenziale per garantire l’adeguatezza del campione nell’analisi fattoriale?. Un rapporto soggetti/variabili almeno pari a 5:1. La normalità multivariata perfetta. La significatività della correlazione tra tutte le variabili. Una struttura mono-fattoriale presunta.

. A cosa serve la distanza di Mahalanobis nell’analisi fattoriale?. A correggere la saturazione dei fattori per item non validi. A identificare pattern di risposta statisticamente anomali a livello multivariato. A calcolare la devianza tra i punteggi fattoriali e gli item osservati. A selezionare i soggetti con maggiore varianza intraindividuale.

Perché è importante analizzare outlier prima di condurre un’analisi fattoriale?. Per evitare che pochi casi distorti compromettano la matrice di correlazione. Per aumentare la varianza spiegata del primo fattore. Per rendere i dati adatti alla rotazione ortogonale. Per ridurre il numero di item da sottoporre ad analisi.

Quale tra le seguenti condizioni rende un item problematico per un’analisi fattoriale?. Distribuzione fortemente polarizzata su un solo punto della scala. Media centrata su valori intermedi della scala. Deviazione standard compresa tra 0.8 e 1.2. Distribuzione simmetrica con curtosi zero.