Page 28 - Stefano Rastelli (a cura di), La ricerca sperimentale sul linguaggio: acquisizione, uso, perdita, Pavia, Pavia University Press, 2013

10 M. Vernice

Per rispondere alle prime due domande sarà necessario vedere se ci sono effet-
ti dei fattori ‘tipo di anafora’ e ‘frequenza dell’antecedente’. In altre parole ve-
dremo se il p associato a F risulta inferiore a 0.05. In tal caso diremo che c’è un
‘effetto principale’ di questi fattori. Per rispondere alla terza domanda è invece
necessario valutare se vi è una interazione tra i due fattori principali. Mediante
l’ANOVA sarà quindi possibile studiare le interazioni che risultano dagli effet-
ti combinati delle diverse variabili indipendenti.
Veniamo adesso ai modelli misti generalizzati o semplicemente mixed-
effects models che ultimamente si stanno imponendo come metodo di analisi in
modo sempre più preponderante nella psicolinguistica sperimentale (Barr et al.
2012; Jaeger 2008). L’obiettivo di questo metodo statistico è quello di costruire
dei modelli matematici in grado di descrivere il pattern dei nostri risultati,
includendo oltre ai fattori che abbiamo manipolato (che definiamo effetti fissi),
presenti anche nell’ANOVA, anche gli effetti di variabili non presenti nel dise-
gno sperimentale ma che possono influenzare i dati (per es., item e partecipan-
ti). Tali effetti vengono definiti random perché, per esempio, si presuppone
che ogni partecipante sia diverso dall’altro, e così per gli item. Tali modelli
vengono quindi definiti misti proprio perché includono nell’equazione sia gli
effetti fissi (ovvero le variabili indipendenti) che gli effetti random (di item e
partecipanti).
Uno dei maggiori vantaggi dei modelli a effetti misti possono essere ap-
plicati a dati che non sono distribuiti normalmente (per esempio, dati di cor-
pus) e a variabili dipendenti categoriche. Inoltre, grazie alla possibilità di in-
cludere fattori di diversa natura (categorica o continua), è possibile considera-
re un ampio range di effetti fissi: le variabili indipendenti che manipoliamo,
l’età dei partecipanti, la frequenza degli NP, etc., in una singola analisi.
Per apprendere in modo appropriato questo tipo di analisi rimandiamo
alla letteratura di riferimento (Baayen 2008). Concludiamo ricordando che tal-
volta i risultati dell’ANOVA by items e by subjects potrebbero non essere equi-
valenti a quelli dei mixed-effects models. Infatti i mixed-effects models rappresen-
tano una tecnica di analisi meno conservativa dell’ANOVA, ma molto robusta
statisticamente.