Disegno fattoriale

1.9: Disegno fattoriale

L’analisi fattoriale è un disegno sperimentale che applica procedure statistiche di Analisi della Varianza (ANOVA) per esaminare un cambiamento in una variabile dipendente dovuto a più di una variabile indipendente, conosciuta anche come fattori. Si può ragionare, per esempio, che i cambiamenti nella produttività dei lavoratori siano influenzati dal salario e da altre condizioni, come il livello di abilità. Un modo per testare questa ipotesi è classificare il salario in tre livelli (basso, moderato e alto) e le competenze in due livelli (entry level vs. esperto).

Nominazione

Questo approccio scientifico è designato con un’etichetta che sottolinea il numero di fattori o il numero di condizioni testate per ogni variabile indipendente. L’esempio di esperimento di cui sopra verrebbe descritto come un ANOVA fattoriale a due vie, perché coinvolge due variabili indipendenti. Per quanto riguarda il numero di livelli considerati per lo stipendio (basso, moderato e alto) e i set di competenze (entry level ed esperto), questo stesso esperimento è anche designato come un disegno 3 per 2, formalmente scritto come un’ANOVA fattoriale 3 x 2. Da notare che il calcolo del prodotto di 3 e 2 significa che c’è un totale di 6 combinazioni di condizioni sperimentali osservate.

Vantaggi investigativi

Osservare gli effetti di almeno due variabili indipendenti è un approccio più pratico ed economico. Questo evita la necessità di spendere tempo e risorse per esperimenti separati. Inoltre, la raccolta di dati per diverse combinazioni di condizioni permette ai ricercatori di fare una varietà di valutazioni, compresi gli effetti principali e di interazione.

Alcune domande di ricerca possono richiedere la comprensione di come ogni fattore possa influenzare indipendentemente una variabile dipendente. Per esempio, i cambiamenti osservati nei punteggi di produttività dei lavoratori dovuti al salario sono separati da quelli dovuti al livello di abilità, per aiutare a determinare gli effetti principali per ciascuno. I risultati potrebbero potenzialmente rivelare che l’alta produttività riscontrata nei dipendenti entry level può o non può essere applicata a coloro che hanno più esperienza. Allo stesso modo, la bassa produttività che può essere trovata nei dipendenti a basso salario può o non può essere evidente con l’aumento dei salari. La capacità di riconoscere se i risultati possono essere generalizzati a diverse circostanze o caratteristiche del gruppo serve quindi come un altro vantaggio per questo tipo di disegno.

Un effetto di interazione si verifica quando l’influenza di una variabile indipendente su una determinata variabile dipendente dipende dal livello di altri fattori esaminati. Si potrebbe scoprire, per esempio, che l’impatto del salario sulla produttività dei lavoratori può essere più pronunciato per i nuovi arrivati rispetto ai dipendenti esperti. Questo tipo di analisi permette ai ricercatori di ottenere una visione più profonda dei modelli che possono emergere nel set di dati.

Implicazioni dell’analisi fattoriale

Grazie alla sua flessibilità e praticità, l’analisi fattoriale continua ad essere uno dei disegni sperimentali più comuni utilizzati in tutte le discipline. Uno studio recente, per esempio, ha indagato se il comportamento del consumatore può dipendere dal fatto che il prodotto sia utilitaristico o edonico. Oltre al tipo di prodotto, i ricercatori hanno incluso anche l’immagine del prodotto (close-up vs. wide shot) come un potenziale fattore che influenzava le decisioni di acquisto. Questi ricercatori hanno ulteriormente esaminato se il tipo di tecnica persuasiva, come l’appello razionale o emotivo avrebbe avuto un impatto (Kim, Lee, & Choi, 2019). I prodotti edonici tendevano a guadagnare atteggiamenti più favorevoli quando un’immagine di ampio respiro era accompagnata da pubblicità che inducevano emozioni. Risultati inversi sono stati osservati per i prodotti utilitaristici in questa ANOVA fattoriale 2 x 2 x 2, altrimenti nota come ANOVA a tre vie.