Carocci editore - Ricerca sociale. Dall'analisi esplorativa al <i>data mining</i>

Password dimenticata?

Registrazione

Ricerca sociale. Dall'analisi esplorativa al <i>data mining</i>

Ricerca sociale. Dall'analisi esplorativa al data mining

a cura di: Leonardo Cannavò, Luigi Frudà

Edizione: 2007

Collana: Manuali universitari

ISBN: 9788843041572

  • Pagine: 340
  • Prezzo:33,40 31,73
  • Acquista

In breve

Il volume è l’ultimo di tre manuali dedicati alla ricerca sociale. La trattazione rivolge la massima attenzione alle tecniche esplorative multidimensionali di costruzione e definizione dei fattori latenti sottesi al piano fenomenologico (sono illustrate l’analisi fattoriale e in componenti principali, l’analisi delle corrispondenze, la tecnica del multidimensional scaling, la statistica testuale e lessicometrica) e ancora alle tecniche discriminanti e di clustering, ai modelli statistici di sintesi, all’analisi a reti neurali. Gli autori provengono da cinque università ed enti pubblici di ricerca: Roma La Sapienza (L. Bocci, L. Frudà, R. Memoli, I. Mingo), Padova (G. Gangemi), Salerno (G. Di Franco), Teramo (A. Vardanega), Istituto Nazionale di Statistica (F. della Ratta-Rinaldi). I precedenti volumi, a cura degli stessi autori, sono: Ricerca sociale. Dal progetto dell’indagine alla costruzione degli indici e Ricerca sociale. Tecniche speciali di rilevazione, trattamento e analisi.

Indice

Premessa. Dalla raccolta delle informazioni alla struttura di senso dei dati, di Luigi Frudà
1. Dall’analisi multidimensionale esplorativa ai modelli relazionali, di Rosanna Memoli
Metodologia e complessità/L’integrazione metodologica/L’approccio strategico integrato/Le tecniche di analisi multidimensionali esplorative e relazionali/L’analisi multidimensionale applicata ai dati di una ricerca sulla qualità della vita/In questo capitolo
2. La logica sottesa all’analisi dei fattori, alle componenti principali e al multidimensional scaling, di Giuseppe Gangemi
Lo spazio semantico/L’analisi delle componenti/L’analisi dei fattori/Analisi dei fattori, delle componenti e indeterminatezza dei fattori/Matrici di variabili standardizzate e di variabili non standardizzate/L’analisi delle componenti su variabili ordinali/In questo capitolo
3. Il modello fattoriale classico e l’analisi in componenti principali, di Giovanni Di Franco
Differenze generali tra analisi fattoriale classica e componenti principali/Varie tecniche di estrazione dei fattori/Linee guida per l’applicazione dell’analisi in componenti principali/Un esempio di applicazione/In questo capitolo
4. L’analisi delle corrispondenze, di Agnese Vardanega
I concetti principali per l’analisi delle corrispondenze/Un’applicazione dell’acm/ Presentazione e interpretazione dei grafici/L’utilizzo dei fattori per la clusterizzazione dei casi/Conclusioni e sintesi/In questo capitolo
5. Il multidimensional scaling, di Rosanna Memoli
Premessa/Caratteristiche del mds/Modelli di MDS/Il MDS applicato ai dati di una ricerca sociale/In questo capitolo
6. L’analisi multidimensionale dei testi, di Francesca della Ratta-Rinaldi
L’analisi delle corrispondenze lessicali: finalità/L’analisi delle corrispondenze lessicali: procedure/Applicazioni dell’acl/Il trattamento del testo/In questo capitolo
7. Le tecniche discriminanti, di Giovanni Di Franco
Introduzione/Le fasi operative dell’analisi discriminante/Esempio di applicazione dell’analisi discriminante/In questo capitolo
8. Le tecniche di raggruppamento, di Luigi Frudà
L’analisi dei gruppi come metodo e tecnica: logica di base e origini/Classificazione e raggruppamento/Procedure obbligatorie e preliminari a ogni operazione di raggruppamento/Metodi, tecniche e algoritmi per produrre raggruppamenti/Cluster analysis, variabili categoriali e analisi delle corrispondenze multiple (ACM)/ In questo capitolo
9. I modelli di relazione tra variabili, di Isabella Mingo
Modelli e tipi di relazioni/Il modello di regressione lineare multipla/Oltre il modello lineare classico/Dal modello di regressione lineare ai modelli di equazioni strutturali/In questo capitolo
10. L’analisi dei dati mediante reti neurali artificiali, di Giovanni Di Franco
Il connessionismo e le reti neurali artificiali/Come funziona una rna/Aspetti tecnici delle rna feedforward/Esempi di applicazione delle rna e confronto con tecniche statistiche tradizionali/In questo capitolo
11. Il data mining, di Laura Bocci
Cosa è il data mining/Il data mining nel mondo reale/Il processo di data mining/In questo capitolo
Bibliografia
Indice analitico
Gli autori.