Una applicazione empirica del modello di sample generation by replacement (SGR)

INTRODUZIONE. In questo lavoro presentiamo una procedura probabilistica chiamata Sample Generation by Replacement (SGR) adatta ad analizzare dati raccolti in contesti dove è alta la probabilità di mentire. In letteratura questo problema viene essenzialmente trattato utilizzando delle scale ad hoc (per esempio che misurano la desiderabilità sociale), laddove queste siano disponibili. METODO. Abbiamo utilizzato un questionario composto da 12 item della versione per adulti della scala di Autoefficacia Empatica Percepita (AEP/A). La somministrazione dei questionari è avvenuta in due tempi distanziati di circa sei settimane tra marzo e aprile 2013. Nella prima somministrazione è stato chiesto di rispondere in maniera il più possibile oggettiva e sincera, nella seconda i soggetti sono stati suddivisi a caso in due gruppi, ad uno dei quali veniva chiesto di rispondere in modo da dare una migliore impressione di sé per un colloquio di lavoro, mentre l'altro aveva la stessa consegna della prima volta. In totale sono stati raccolti 378 questionari la prima volta e 314 la seconda. RISULTATI. Dal confronto tra le condizioni sincera/non-sincera abbiamo potuto ricavare i parametri di interesse secondo l'approccio della letteratura tradizionale, comparandoli poi con quelli ottenuti con la procedura SGR. Il confronto ha messo in evidenza come SGR consenta di ottenere le medesime stime senza bisogno delle condizioni richieste dagli approcci precedenti, ma solo a partire dalla definizione di modelli di risposta. CONCLUSIONI. Il metodo SGR ha permesso di superare il limite intrinseco nella procedura classica di analisi dei dati potenzialmente falsi. In particolare, basandosi su un modello probabilistico generale, può essere applicato in tutte le condizioni in cui si disponga di variabili discrete e si sospetti che le risposte dei soggetti possano non essere sincere.