Analisi del percorso: cos'è e come si usa

L'analisi del percorso è una forma di regressione multipla analisi statistica che viene utilizzato per valutare i modelli causali esaminando le relazioni tra una variabile dipendente e due o più variabili indipendenti. Usando questo metodo, si possono stimare sia l'entità che il significato delle connessioni causali tra le variabili.

Key Takeaways: Analisi del percorso

L'analisi del percorso è teoricamente utile perché, a differenza di altre tecniche, ci obbliga a specificare le relazioni tra tutte le variabili indipendenti. Ciò si traduce in un modello che mostra meccanismi causali attraverso i quali variabili indipendenti producono effetti sia diretti che indiretti su una variabile dipendente.

L'analisi del percorso è stata sviluppata da Sewall Wright, un genetista, nel 1918. Nel tempo il metodo è stato adottato in altre scienze fisiche e sociali, compresa la sociologia. Oggi è possibile condurre analisi del percorso con programmi statistici tra cui SPSS e STATA, tra gli altri. Il metodo è anche noto come modellazione causale, analisi delle strutture di covarianza e modelli di variabili latenti.

Esistono due requisiti principali per l'analisi del percorso:

1. Tutte le relazioni causali tra variabili devono andare in una sola direzione (non è possibile avere una coppia di variabili che si causano a vicenda)
2. Le variabili devono avere un chiaro ordinamento temporale poiché non si può dire che una variabile ne causi un'altra a meno che non la precede in tempo.

Tipicamente l'analisi del percorso comporta la costruzione di un diagramma del percorso in cui sono specificatamente stabilite le relazioni tra tutte le variabili e la direzione causale tra di esse. Quando si esegue un'analisi del percorso, si potrebbe prima costruire un diagramma del percorso di input, che illustra le ipotesi relazioni. In un diagramma del percorso, i ricercatori usano le frecce per mostrare come le diverse variabili si relazionano tra loro. Una freccia che punta, diciamo, dalla variabile A alla variabile B, mostra che la variabile A è ipotizzata influenzare la variabile B.

Dopo che l'analisi statistica è stata completata, un ricercatore dovrebbe quindi costruire un diagramma del percorso di uscita, che illustra le relazioni come realmente esistono, secondo l'analisi condotta. Se l'ipotesi del ricercatore è corretta, il diagramma del percorso di input e il diagramma del percorso di output mostreranno le stesse relazioni tra le variabili.

Consideriamo un esempio in cui l'analisi del percorso potrebbe essere utile. Supponiamo che tu abbia ipotizzato che l'età abbia un effetto diretto sulla soddisfazione lavorativa e che tu abbia ipotizzato che abbia un effetto positivo, in modo che il più vecchio sia, più soddisfatto sarà il suo lavoro. Un buon ricercatore si renderà conto che ci sono certamente altre variabili indipendenti che influenzano anche la nostra variabile dipendente della soddisfazione lavorativa: ad esempio, autonomia e reddito, tra gli altri.

Utilizzando l'analisi del percorso, un ricercatore può creare un diagramma che traccia le relazioni tra le variabili. Il diagramma mostrerebbe un legame tra età e autonomia (perché in genere quello più vecchio è, il grado maggiore di autonomia che avranno) e tra età e reddito (di nuovo, tende ad esserci una relazione positiva tra il Due). Quindi, il diagramma dovrebbe anche mostrare le relazioni tra questi due insiemi di variabili e la variabile dipendente: soddisfazione lavorativa.

Dopo utilizzando un programma statistico per valutare queste relazioni, si può quindi ridisegnare il diagramma per indicare l'entità e il significato delle relazioni. Ad esempio, il ricercatore potrebbe scoprire che sia l'autonomia che il reddito sono legati alla soddisfazione del lavoro, quello di questi due le variabili hanno un legame molto più forte con la soddisfazione del lavoro rispetto alle altre, o che nessuna delle due variabili ha un legame significativo con il lavoro soddisfazione.

Mentre l'analisi del percorso è utile per valutare le ipotesi causali, questo metodo non può determinare il direzione di causalità. Chiarisce la correlazione e indica la forza di un'ipotesi causale, ma non dimostra la direzione della causalità. Al fine di comprendere appieno la direzione della causalità, i ricercatori possono prendere in considerazione la direzione studi sperimentali in cui i partecipanti sono assegnati in modo casuale a un gruppo di trattamento e controllo.

Gli studenti che desiderano saperne di più sull'analisi del percorso e su come condurlo possono fare riferimento alla panoramica dell'Università di Exeter Analisi del percorso e Analisi quantitativa dei dati per scienziati sociali di Bryman e Cramer.

aggiornato di Nicki Lisa Cole, Ph. D.