Controllo dati di scala
Dati mancanti e anomalie prima di EFA/CFA
Controllo dati di scala
Dati mancanti e anomalie prima di EFA/CFA
Anteprima
Descrizione
"Si attiva quando i dati grezzi per lo sviluppo di una scala (Excel/CSV), raccolti da una società di ricerca specializzata in sondaggi, devono essere sottoposti a un controllo della qualità psicometrica prima di procedere con EFA/CFA o con le analisi finali di affidabilità. Valuta in modo completo dati mancanti, valori anomali, careless responding, response bias, qualità degli item e adeguatezza del campione, producendo una decisione Go/No-Go; non modifica i dati, ma fornisce esclusivamente un rapporto diagnostico di controllo."
Abilità correlate
Vedi tutto
Controllo qualità dati scala
Questa Skill verifica sistematicamente i dati grezzi dei questionari raccolti nell’ambito dello sviluppo di una scala, valutando dati mancanti, osservazioni anomale, careless responding (straightlining, longstring, risposte casuali), distribuzioni problematiche a livello di item, affidabilità e prerequisiti per l’analisi fattoriale. Non produce i risultati finali di EFA/CFA; fornisce invece una decisione "go/no-go" basata sulle evidenze riguardo alla preparazione dei dati per le fasi successive dell’analisi e propone una suddivisione stratificata del campione (EFA/CFA split). Tutti i calcoli vengono eseguiti tramite codice reale (Python: pandas, scipy, factor_analyzer, pingouin); non vengono generati numeri ipotetici.
RicercaReport Validità-Affidabilità
Genera un testo completo, pronto per un articolo, di Metodi e Risultati a partire dagli output delle analisi EFA o CFA (KMO, test di Bartlett, carichi fattoriali, indici di adattamento, alfa di Cronbach/CR/AVE). Classifica correttamente le soglie degli indici di adattamento (CFI/TLI≥.90, RMSEA≤.08 ecc.) e segnala senza nasconderli i problemi di validità, come AVE<0.50. Adatto ad accademici e studenti post-laurea che conducono studi di sviluppo o adattamento di scale.
RicercaReport PLS-SEM e obiezioni
Genera un report completo del Modello di misurazione + Modello strutturale a partire dagli output delle tue analisi PLS-SEM (carichi esterni, CR/AVE, validità discriminante HTMT, coefficienti dei percorsi, R²/f²/Q², SRMR). Applica correttamente la soglia HTMT e interpreta R² secondo i criteri di Cohen/Chin, evitando formulazioni causali. Inoltre, individua in anticipo almeno 4 obiezioni frequenti dei revisori di rivista (ad esempio, «perché è stato scelto il PLS invece del CB-SEM» o «non è stato effettuato il controllo del CMB») e propone una frase di difesa per ciascuna. Adatto a ricercatori di economia e scienze sociali che utilizzano la modellazione a equazioni strutturali PLS-SEM e a chi cerca solidità metodologica prima di sottoporre un articolo a una rivista.
Informazioni
- Versione
- v2
- Ultimo aggiornamento
- Crediti per esecuzione
- In base all’utilizzo
- Modelli
- Automatico
