Capitolo 2
2.7 Analisi multivariata: una visione di sintesi Uno degli obiettivi centrali della parte quantitativa di questa ricerca è stato quello di rilevare le opinioni e gli atteggiamenti degli intervistati sul fenomeno Mgf. La loro analisi consente infatti di gettare luce sulla percezione che gli operatori hanno del fenomeno delle Mgf e questo appare di particolare rilievo quando si devono predisporre politiche di intervento per l’accoglienza e l’integrazione delle donne immigrate. Le scienze sociali ed economiche spesso non riescono a misurare direttamente quelle variabili che fanno riferimento a fenomeni complessi e multidimensionali quali lo status socio-economico o, come nel nostro caso, l’orientamento e la percezione verso un fenomeno. Allo scopo di sintetizzare quanto emerso e di individuare dei profili-tipo degli intervistati è stato scelto di combinare due distinte tecniche di analisi dei dati12: in primo luogo l’Analisi delle Corrispondenze Multiple (Acm), i cui risultati sono stati utilizzati come base per l’applicazione della Cluster Analysis. Questa seconda tecnica si prefigge di aggregare le unità di analisi (ossia gli intervistati) in gruppi in modo tale che gli individui appartenenti a ciascun cluster presentino dei profili di risposta simili rispetto alle variabili considerate. 2.7.1 L’analisi per gruppi I fattori individuati con l’Acm rappresentano il punto di partenza per la segmentazione del campione in gruppi le cui unità presentano delle opinioni omogenee in materia di mutilazioni genitali femminili: a tale omogeneità interna corrisponde la massima eterogeneità tra i raggruppamenti stessi. La procedura di cluster analysis ha portato all’individuazione di 4 gruppi che si differenziano per le opinioni espresse, e che sono stati definiti: i Contrari alla pratica, gli Informati, i Disinteressati e gli Ostili. Il primo gruppo (i Contrari alla pratica) rappresenta poco più della metà degli intervistati: gli appartenenti a questo cluster, pur non essendo en-
12 I testi che illustrano le principali tecniche di analisi multivariata sono numerosi: tra questi ricordiamo Bolasco (1999), Di Franco (2001), Ercolani et al. (1990) e Fabbris (1997). Le analisi dei dati sono state effettuate utilizzando il software Spad®.
85