{"id":625,"date":"2020-01-31T09:20:43","date_gmt":"2020-01-31T08:20:43","guid":{"rendered":"https:\/\/www.statsimprove.com\/it\/?p=625"},"modified":"2020-01-31T09:23:47","modified_gmt":"2020-01-31T08:23:47","slug":"come-riportare-correttamente-modello-effetti-misti","status":"publish","type":"post","link":"https:\/\/www.statsimprove.com\/it\/2020\/01\/31\/come-riportare-correttamente-modello-effetti-misti\/","title":{"rendered":"Come riportare correttamente un modello a effetti misti in letteratura o in una tesi"},"content":{"rendered":"

Ronald Fisher \u00e8 stato un genio, per qualcuno il pi\u00f9 grande dopo Darwin. Basterebbe andare sulla pagina di Wikipedia dedicata a lui<\/a> per capire quanto grande sia stato il suo lavoro. E grazie a lui abbiamo ora a disposizione i modelli a effetti misti<\/strong>.<\/p>\n

Utilizzare (bene) questi modelli a effetti misti (o mixed models, o multilevel, come preferisci) \u00e8 gi\u00e0 per\u00f2 di per s\u00e9 complicato, figuriamoci poi spiegarli correttamente nel momento in cui vai a riportare i tuoi risultati a chi queste tecniche statistiche non le conosce.<\/p>\n

Vediamo perci\u00f2 come fare, nel caso ti dovesse capitare una situazione come questa: hai sviluppato uno di questi modelli o lo devi comunicare.<\/p>\n

ATTENZIONE: questo post non \u00e8 un tutorial su come si costruiscono i mixed models. La premessa \u00e8 che tu abbia gi\u00e0 un minimo di familiarit\u00e0 con queste tecniche.<\/strong><\/p>\n

Procediamo.<\/p>\n

L\u2019assunzione di base \u00e8 ovvia ma \u00e8 meglio ricordarla: un modello a effetti misti richiede che vengano riportati pi\u00f9 elementi rispetto a una semplice regressione lineare o logistica.<\/strong> Bisogna fare qualche piccolo sforzo in pi\u00f9.<\/p>\n

Chi \u00e8 il tuo interlocutore?<\/h1>\n

La prima domanda che ti devi fare \u00e8: per chi stai scrivendo?<\/p>\n

In generale i casi sono due: gente che sa di statistica e gente che non sa di statistica. Nel primo caso ci sono reviewer, enti regolatori e cos\u00ec via. Nel secondo perlopi\u00f9\u00a0 commissioni di laurea, dottorato o specializzazione i cui componenti non sanno di statistica, oppure qualunque cliente che si occupa di tutt\u2019altro e che ti chiede di analizzare i suoi dati.<\/p>\n

Nel primo caso potresti liquidare la questione con un: \u201cho dovuto usare un modello a effetti misti perch\u00e9 alcuni dati, ad esempio quelli relativi allo stesso ospedale o allo stesso chirurgo, potrebbero essere correlati tra loro\u201d.<\/p>\n

A meno che la loro curiosit\u00e0 non sia abnorme non dovresti ritrovarti a dare altre spiegazioni.<\/p>\n

Se invece hai a che fare con persone che di statistica ne masticano, allora devi essere molto convincente sul perch\u00e9 hai usato un modello mixed e non una tecnica magari pi\u00f9 semplice. Ricordiamoci che buona parte dei reviewer vede erroneamente questi modelli come degli arzigogoli matematici per tormentare i dati e far tornare i conti a piacimento dei ricercatori.<\/p>\n

Per cui attenzione: serve divulgare un chiaro razionale e i dettagli affinch\u00e9 i risultati siano riproducibili. Vediamo come evitare spiacevoli rischi.<\/strong><\/p>\n

Molti articoli in letteratura (come questo<\/a> e quest\u2019altro<\/a>) affrontano il problema del reporting di questi modelli statistici. Puoi trovare anche delle vere e proprie linee guida, delle checklist molto dettagliate come questa<\/a>.<\/p>\n

Tuttavia, senza entrare nei dettagli, la scaletta del reporting che uso e ha sempre funzionato la trovi qui di seguito. Non si tratta di tutto ci\u00f2 che devi riportare, ovviamente.<\/p>\n