Что такое корреляция в психологии: Корреляции в психологии

Корреляции в психологии

• Пишу на заказ дипломные, курсовые, магистерские работы по психологии, а также рефераты и эссе; делаю контрольные, отчеты по практике и статистические расчеты.

  Я профессиональный психолог и автор работ по психологии с многолетним стажем. Выступаю как индивидуальный предприниматель (ИП): заключаю договор, выдаю чеки об оплате.

  Помогаю студентам-психологам более 12 лет (этот сайт существует с 2007). Делаю качественно и быстро. Помогу даже с очень трудными темами.

  Вы всегда можете узнать у меня, как идут дела с дипломной; оперативно передать пожелания руководителя; спросить то, что не понятно. Я всегда на связи.

  Опишите ситуацию, и я скажу стоимость написания вашей работы.

Главная / Статистические расчеты / Анализ взаимосвязей / Корреляции в психологии

Корреляционный анализ активно используется в психологических исследованиях для выявления взаимосвязи между психологическими параметрами. Практическая глава курсовых, дипломных и магистерских работ психологии чаще всего содержит корреляционный анализ.

Для того, чтобы написать диплом по психологии и успешно его защитить, необходимо не только знать, что такое корреляция, но и понимать специфику использования этого статистического метода в психологических исследования.

Признаком использования корреляций в дипломной работе по психологии является наличие в названии темы следующих слов: «Изучение взаимосвязи…», «Исследование влияния…», «Выявление факторов…».

В курсовых и дипломных по психологии чаще всего используются два корреляционных метода: коэффициенты ранговой корреляции Спирмена и корреляции Пирсона. Второй из них более строгий, то есть для его использования необходимо выполнения некоторых условий к данным. Чаще используется менее строгий коэффициент корреляции Спирмена. Но суть обоих коэффициентов корреляции применительно к психологическому исследованию одинакова.

 

Корреляции в психологическом исследовании

Корреляция – это степень взаимосвязи между какими-то показателями. В психологическом исследовании психологические показатели коррелируют, если в некоторой группе они изменяются согласованно. Например, от испытуемого к испытуемому с ростом одного показателя растет и другой – корреляция положительная или прямая. Или от испытуемого к испытуемому с ростом одного показателя второй снижается – корреляция отрицательная или обратная.

Например, мы измерили у 10 российских мужей два психологических показателя: 1) уровень удовлетворенности браком и 2) уровень интеллекта. Для простоты не будем привязываться к конкретным методикам, и показатели возьмем условные. В таблице приведены эти данные.

№ испытуемого	Уровень удовлетворённости браком	Уровень интеллекта
1	1	10
2	2	20
3	3	30
4	4	40
5	5	50
6	6	60
7	7	70
8	8	80
9	9	90
10	10	100

Посмотрим внимательно, как меняются показатели УБ и интеллекта от испытуемого к испытуемому. Видно, что УБ растет и уровень интеллекта тоже растет. Причем нет ни одного исключения в этой закономерности. Это пример положительной корреляции, причем это максимально возможная положительная (прямая) корреляция, равная 1.

Содержательно полученная корреляция означает, что чем выше уровень интеллекта у российских мужей, тем выше их удовлетворенность браком.

В следующей таблице данные, полученные на мужьях другой страны, например, Монголии.

№ испытуемого	Уровень удовлетворённости браком	Уровень интеллекта
1	10	10
2	20	9
3	30	8
4	40	7
5	50	6
6	60	5
7	70	4
8	80	3
9	90	2
10	100	1

Посмотрим внимательно, как меняются показатели УБ и интеллекта от испытуемого к испытуемому. Видно, что УБ растет, а уровень интеллекта строго снижается. Причем нет ни одного исключения в этой закономерности.

Это пример отрицательной корреляции, причем это максимально возможная отрицательная (обратная) корреляция, равная -1.

Содержательно полученная корреляция означает, что чем выше уровень интеллекта у монгольских мужей, тем ниже их удовлетворенность браком. Или, по-другому, чем ниже уровень интеллекта монгольских мужей, тем выше их удовлетворенность браком. Описание полученного результата может звучать примерно так.

«Как видим, мы получили совершенно различные результаты на выборках российских и монгольских мужей. Корреляционный анализ показал, что чем умнее российские мужчины, тем они более счастливы в браке.

А вот у монгольских мужчин ситуация совершенно иная — чем они глупее, тем более счастливы в браке.

Таким образом, у монгольских мужчин низкий интеллект выступает фактором роста удовлетворенности браком, а у российских – фактором снижения удовлетворенности браком. »

Мы рассмотрели два крайних случая – полных прямой и обратной корреляции применительно к эмпирическому психологическому исследованию. В реальности психологические данные в группе испытуемых расположены не так однозначно, и получаемые коэффициенты корреляции расположены в промежутке от -1 до 1.

В следующей таблице мы немного изменили показатели во втором столбце. 

№ испытуемого	Уровень удовлетворённости браком	Уровень интеллекта
1	1	20
2	2	10
3	3	40
4	4	30
5	5	50
6	6	60
7	7	70
8	8	80
9	9	90
10	10	100

Расчет показал, что теперь коэффициент корреляции равен 0,976.

Теперь еще больше перепутаем показатели во втором столбце.

№ испытуемого	Уровень удовлетворённости браком	Уровень интеллекта
1	10	9
2	20	1
3	30	8
4	40	3
5	50	5
6	60	7
7	70	6
8	80	10
9	90	2
10	100	4

Расчет показывает, что теперь коэффициент корреляции равен -0,103. Близость коэффициента корреляции к 0 означает очень низкое значение и низкую корреляцию, низкую взаимосвязь. И действительно, теперь трудно уловить какую-либо согласованность между вторым и третьим столбцами.

 

Корреляция в дипломной (курсовой) работе по психологии

Коэффициенты корреляции при анализе взаимосвязей между психологическими показателями могут принимать численные значения от -1 до 1.

Положительный коэффициент корреляции означает положительную (прямую) зависимость между двумя психологическими показателями в группе.

Отрицательный коэффициент корреляции означает отрицательную (обратную) зависимость между двумя психологическими показателями в группе.

Между двумя психологическими показателями, измеренными в группе испытуемых, всегда есть какая-то зависимость (корреляция) Она отражается числом от -1 до 1. Однако интерес представляют лишь статистически значимые коэффициенты корреляции.

Статистически значимые коэффициенты корреляции выявляются путем сравнения полученного нами эмпирического коэффициента корреляции с критическим значением.

Критическое значение коэффициента корреляции берется из специальных статистических таблиц, и его значение определяется объемом выборки. Чем больше человек в выборке, тем ниже критическое значение.

Чтобы определить, является ли статистически значимым полученный нами коэффициент корреляции, необходимо сравнить его значение по модулю (без учета знака) с критическим значением. Если наш эмпирический коэффициент корреляции без учета знака больше критического, то он статистически значим; если нет, — незначим.

Если расчет коэффициента корреляции проводится с помощью статистических программ, то она сама помечает значимые корреляции, и необходимость искать критические значения и сравнивать исчезает.

Пример.

В группе подростков из 30 человек с помощью тестов были измерены два показателя: уровень агрессивности и уровень тревожности.

С помощью статистической программы рассчитали коэффициент корреляции агрессивности и тревожности.

Коэффициент корреляции агрессивности и тревожности в группе подростков

	Агрессивность
Тревожность	0,58*

* — статистически значимая корреляция (р≤0,05)

Критическое значение коэффициента корреляции Спирмена для выборки из 30 человек при уровне значимости р=0,05 (см. ниже) равен 0,36.

Сравниваем и получаем, что наш эмпирический коэффициент корреляции больше по модулю, чем критический. Следовательно, корреляция статистически значима.

Вот как правильно должно выглядеть описание полученной корреляции:

«Анализ данных, приведенных в таблице, показывает, что выявлена статистически значимая положительная корреляция между уровнем агрессивности и уровнем тревожности в группе подростков. Это означает, что чем выше проявления агрессивности у подростков, тем выше их склонность проявлять тревожные реакции в ситуациях, угрожающих безопасности или самооценке».

Обычно описания корреляции достаточно. Однако лучше дополнительно привести интерпретацию полученного результата. Примерно вот так:

«С нашей точки зрения, полученный результат показывает, что рост тревоги подростка в связи с его физической безопасностью, а также в связи с угрозой самооценке может реализоваться в форме агрессивных реакций. Такой результат еще раз подтверждает мнение многих авторов о том, что подростковая агрессия выступает непродуктивным и архаичным способом адаптации. В этой связи развитие у подростков конструктивных способов преодоления негативных эмоциональных состояний, в том числе и тревожности, будет способствовать снижению их агрессивности».

 

Уровень статистической значимости — это таинственное «р»

В статистических расчетах «р» – это обозначение уровня статистической значимости.

 

Все статистические расчеты носят приблизительный характер. Уровень этой приблизительности и определяет «р». Уровень значимости записывается в виде десятичных дробей, например, 0,023 или 0,965. Если умножить такое число на 100, то получим показатель р в процентах: 2,3% и 96,5%. Эти проценты отражают вероятность ошибочности нашего предположения о взаимосвязи между агрессивностью и тревожностью.

То есть, выше приведенный коэффициент корреляции 0,58 между агрессивностью и тревожностью получен при уровне статистической значимости 0,05 или вероятности ошибки 5%. Что это конкретно означает?

Выявленная нами корреляция означает, что в нашей выборке наблюдается такая закономерность: чем выше агрессивность, тем выше тревожность. То есть, если мы возьмем двух подростков, и у одного тревожность будет выше, чем у другого, то, зная о положительной корреляции, мы можем утверждать, что у этого подростка и агрессивность будет выше. Но так как в статистике все приблизительно, то, утверждая это, мы допускаем, что можем ошибиться, причем вероятность ошибки 5%. То есть, сделав 20 таких сравнений в этой группе подростков, мы можем 1 раз ошибиться с прогнозом об уровне агрессивности, зная тревожность.

 

Что отражает корреляция — взаимосвязь или влияние?

Корреляционный анализ выявляет взаимосвязь между психологическими показателями. При этом наличие корреляции, строго говоря, не дает нам оснований говорить о причинно-следственных связях между показателями.

Вернемся к примеру с агрессивностью и тревожностью. Корреляция между ними не дает оснований говорить, что тревожность является причиной, а агрессивность — следствием. Нельзя также говорить обратное, что агрессивность является причиной, а тревожность – следствием.

В то же время в реальных исследованиях на основании корреляций часто делаются выводы о причинно-следственных связях. В нашем случае можно было бы сказать, что наличие положительной статистически значимой корреляционной связи между агрессивностью и тревожностью позволяет говорить о том, что тревожность выступает одним из факторов (причин) роста агрессивности у подростков. В этом случае также можно сказать, что тревожность влияет на агрессивность.

Термин «влияние» как раз и предполагает наличие между показателями причинно-следственной связи. А термин «взаимосвязь» не предполагает.

В некоторых вузах требуют использовать только термин взаимосвязь, и это более правильно и строго. В других спокойно воспринимают термин «влияние», который ближе к жизни.

 

---

Надеюсь, эта статья поможет вам написать работу по психологии самостоятельно. Если понадобится помощь, обращайтесь (все виды работ по психологии; статистические расчеты). Заказать

Корреляции в психологии

Определение 1

Корреляция — это степень взаимосвязи между определенными показателями.

В психологии показатели начинают коррелировать в том случае, когда в некоторой группе они меняются согласованно. Если от испытуемого к испытуемому с ростом одного из них растет и другой, то корреляция положительная. Если наоборот, то корреляция отрицательная (обратная).

Особенности корреляционного анализа

Корреляционный анализ в психологии представляет собой метод, с помощью которого происходит выявление взаимосвязи двух или более величин. Они могут быть представлены показателями переменных, изучаемые свойства объектов. Метод статистического анализа в психологических исследованиях проводят для того, чтобы определить коэффициент корреляции.

Корреляцию в психологии активно используют в различных исследованиях с целью выявления взаимосвязи психологических параметров. Для студентов вузов корреляции, как правило, имеют большое значение, поскольку практическая часть курсовых, дипломных и магистерских работ должна содержать корреляционный анализ.

Категорию «корреляция» впервые стал использовать палеонтолог Ж. Кювье. Он разработал закон корреляции частей и органов животных, позволяющий восстановить по обнаруженным частям тела образ всего животного. В статистику этот термин перешел благодаря Ф. Гальтону, а точную формулу для определения корреляций разработал К. Пирсон.

В психологии используют чаще всего два основных корреляционных метода:

• Показатели ранговой корреляции Спирмена;
• Корреляции Пирсона.

Каждый метод отличается сферой применения и своей оригинальностью. Второй метод считается более строгим, поскольку для его использования требуется выполнение некоторых условий в отношении показателей. Чаще всего используется первый метод. Тем не менее, их сущность для психологических исследований практически одинакова.

Корреляция представляет собой, таким образом, степень взаимосвязи между определенными показателями. В психологических исследованиях психологические показатели могут коррелировать в том случае, когда в некоторой группе они начинают меняться согласованно. Например, при исследовании испытуемых лиц специалист видит, что при увеличении одного показателя увеличивается и другой. В этой ситуации можно говорить о прямой (положительной) корреляции. Обратная (отрицательная) корреляция наблюдается, если от одного испытуемого лица к другому происходит снижение показателя.

Роль корреляций в исследованиях психологов заключается в том, что анализ способен давать достоверные сведения. Это характерно для тех случаев, когда экспериментатор не просто просчитывает корреляцию, но и проверяет ее значимость, взяв за основу гипотезу исследования. В качестве обязательного условия получения достоверной информации выступает осуществление интервальной оценки результатов. Если соблюсти все необходимые условия, то благодаря корреляционному анализу появляется возможность выявления особенностей взаимосвязи изучаемых свойств объекта (предсказание значений переменных).

Корреляционный анализ в психологии

Показатели корреляции, используемые в анализе взаимосвязей между психологическими величинами, принимают численные значения от — 1 до 1. Положительная корреляция предполагает непосредственную (прямую) зависимость двух психологических показателей в группе. Отрицательная корреляция означает отрицательную (обратную) зависимость двух показателей в группе.

Примером положительной корреляции может быть ситуация, когда родители проявляют в отношении ребенка авторитарность, а он становится более агрессивным со сверстниками (прямая связь). Обратная связь возникает, когда родители лояльно относятся к своему ребенку, а он при этом начинает проявлять меньшую агрессивность в отношении сверстников.

Большой интерес для психологов представляют только статистически значимые корреляции, выявление которых производится с помощью сравнения полученного эмпирического показателя корреляции с критическим значением. Такое значение можно взять из специальных статистических таблиц, определив его значение через объем выборки. Чем больше лиц (объектов) будет в выборке, тем ниже будет критическое значение.

Для определения того, является ли статистически значимой корреляция, нужно сравнить ее значение по модулю (не учитывая знак) с критическим значением. Если эмпирическая корреляция без учета знака будет больше критического показателя, то она статистически значима (если нет, то незначима).

Когда определение коэффициента корреляции проводят с помощью статистических программ, она сама помечает значимые корреляции. В этом случае пропадает необходимость поиска критических значений и сравнения.

Корреляции в психологических исследованиях

Корреляционный анализ позволяет выявить взаимосвязь между психологическими показателями. Тем не менее, обнаружение корреляции не в любом случае дает основание говорить о причинно-следственной связи между показателями.

Например, если взять корреляцию «агрессивность-тревожность», то корреляция между ними не дает возможности говорить о том, что тревожность представляет собой причину, а агрессивность — следствие. Нельзя также говорить и об обратном.

В реальных исследованиях на основе корреляций психологи часто делают выводы о различных причинно-следственных связях. В нашем случае с тревожностью и агрессивностью, можно было бы отметить, что наличие прямой (положительной) статистически значимой корреляционной связи между показателями отражает то, что тревожность способна выступать в качестве одного из факторов (причин) роста агрессивности (например, в выборке подростков). В этом исследовании делают вывод, что показатель тревожности влияет на агрессивность.

Замечание 1

Термин «влияние» для исследователей в психологии предполагает наличие причинно-следственной связи между показателями. А термин «взаимосвязь» не подразумевает ее.

О корреляциях и корреляционном анализе в дипломных по психологии простыми словами

Термин «корреляция» активно используется в гуманитарных науках, медицине; часто мелькает в СМИ. Ключевую роль корреляции играют в психологии. В частности, расчет корреляций выступает важным этапом реализации эмпирического исследования при написании ВКР по психологии.

Материалы по корреляциям в сети слишком научны. Неспециалисту трудно разобраться в формулах. В то же время понимание смысла корреляций необходимо маркетологу, социологу, медику, психологу – всем, кто проводит исследования на людях.

В этой статье мы простым языком объясним суть корреляционной связи, виды корреляций, способы расчета, особенности использования корреляции в психологических исследованиях, а также при написании дипломных работ по психологии.

 

Содержание

 

Что такое корреляция
Численное выражение корреляционной связи

• Прямая и обратная корреляция
• Сильная и слабая корреляция

Корреляционный анализ в психологии
Коэффициенты корреляции Пирсона и Спирмена
Как рассчитать коэффициент корреляции

• Расчет корреляций с помощью электронных таблиц Microsoft Excel
• Как вычислить значение корреляции с помощью статистической программы STATISTICA

Использование корреляционного анализа в дипломных работах по психологии 

Что такое корреляция

Корреляция – это связь. Но не любая. В чем же ее особенность? Рассмотрим на примере.

Представьте, что вы едете на автомобиле. Вы нажимаете педаль газа – машина едет быстрее. Вы сбавляете газ – авто замедляет ход. Даже не знакомый с устройством автомобиля человек скажет: «Между педалью газа и скоростью машины есть прямая связь: чем сильнее нажата педаль, тем скорость выше».

Это зависимость функциональная – скорость выступает прямой функцией педали газа. Специалист объяснит, что педаль управляет подачей топлива в цилиндры, где происходит сжигание смеси, что ведет к повышению мощности на вал и т.д. Это связь жесткая, детерминированная, не допускающая исключений (при условии, что машина исправна).

Теперь представьте, что вы директор фирмы, сотрудники которой продают товары. Вы решаете повысить продажи за счет повышения окладов работников. Вы повышаете зарплату на 10%, и продажи в среднем по фирме растут. Через время повышаете еще на 10%, и опять рост. Затем еще на 5%, и опять есть эффект. Напрашивается вывод – между продажами фирмы и окладом сотрудников есть прямая зависимость – чем выше оклады, тем выше продажи организации. Такая же это связь, как между педалью газа и скоростью авто? В чем ключевое отличие?

Правильно,  между окладом и продажами заисимость не жесткая. Это значит, что у кого-то из сотрудников продажи могли даже снизиться, невзирая на рост оклада. У кого-то остаться неизменными. Но в среднем по фирме продажи выросли, и мы говорим – связь продаж и оклада сотрудников есть, и она корреляционная.

В основе функциональной связи (педаль газа – скорость) лежит физический закон. В основе корреляционной связи (продажи – оклад) находится простая согласованность изменения двух показателей. Никакого закона (в физическом понимании этого слова) за корреляцией нет. Есть лишь вероятностная (стохастическая) закономерность.

 

Численное выражение корреляционной зависимости

Итак, корреляционная связь отражает зависимость между явлениями. Если эти явления можно измерить, то она получает численное выражение.

Например, изучается роль чтения в жизни людей. Исследователи взяли группу из 40 человек и измерили у каждого испытуемого два показателя: 1) сколько времени он читает в неделю; 2) в какой мере он считает себя благополучным (по шкале от 1 до 10). Ученые занесли эти данные в два столбика и с помощью статистической программы рассчитали корреляцию между чтением и благополучием. Предположим, они получили следующий результат -0,76. Но что значит это число? Как его проинтерпретировать? Давайте разбираться.

Полученное число называется коэффициентом корреляции. Для его правильной интерпретации важно учитывать следующее:

1. Знак «+» или «-»  отражает направление зависимости.
2. Величина коэффициента отражает силу зависимости.

 

Прямая и обратная

Знак плюс перед коэффициентом указывает на то, что связь между явлениями или показателями прямая. То есть, чем больше один показатель, тем больше и другой. Выше оклад — выше продажи. Такая корреляция называется прямой, или положительной.

Если коэффициент имеет знак минус, значит, корреляция обратная, или отрицательная. В этом случае чем выше один показатель, тем ниже другой. В примере с чтением и благополучием мы получили -0,76, и это значит, что, чем больше люди читают, тем ниже уровень их благополучия.

 

Сильная и слабая

Корреляционная связь в численном выражении – это число в диапазоне от -1 до +1. Обозначается буквой «r». Чем выше число (без учета знака), тем корреляционная связь сильнее.

Чем ниже численное значение коэффициента, тем взаимосвязь между явлениями и показателями меньше.

Максимально возможная сила зависимости  – это 1 или -1. Как это понять и представить?

Рассмотрим пример. Взяли 10 студентов и измерили у них уровень интеллекта (IQ) и успеваемость за семестр. Расположили эти данные в виде двух столбцов.

Испытуемый	IQ	Успеваемость (баллы)
1	90	4,0
2	91	4,1
3	92	4,2
4	93	4,3
5	94	4,4
6	95	4,5
7	96	4,6
8	97	4,7
9	98	4,8
10	99	4,9

 

Посмотрите внимательно на данные в таблице. От 1 до 10 испытуемого растет уровень IQ. Но также растет и уровень успеваемости. Из любых двух студентов успеваемость будет выше у того, у кого выше IQ. И никаких исключений из этого правила не будет.

Перед нами пример полного, 100%-но согласованного изменения двух показателей в группе. И это пример максимально возможной положительной взаимосвязи. То есть, корреляционная зависимость  между интеллектом и успеваемостью равна 1.

Рассмотрим другой пример. У этих же 10-ти студентов с помощью опроса оценили, в какой мере они ощущают себя успешными в общении с противоположным полом (по шкале от 1 до 10).

Испытуемый	IQ	Успех в общении с противоположным полом (баллы)
1	90	10
2	91	9
3	92	8
4	93	7
5	94	6
6	95	5
7	96	4
8	97	3
9	98	2
10	99	1

 

Смотрим внимательно на данные в таблице. От 1 до 10 испытуемого растет уровень IQ. При этом в последнем столбце последовательно снижается уровень успешности общения с противоположным полом. Из любых двух студентов успех общения с противоположным полом будет выше у того, у кого IQ ниже. И никаких исключений из этого правила не будет.

Это пример полной согласованности изменения двух показателей в группе — максимально возможная отрицательная взаимосвязь. Корреляционная связь между IQ и успешностью общения с противоположным полом равна -1.

А как понять смысл корреляции равной нулю (0)? Это значит, связи между показателями нет. Еще раз вернемся к нашим студентам и рассмотрим еще один измеренный у них показатель – длину прыжка с места.

Испытуемый	IQ	Длина прыжка с места (м)
1	90	2,5
2	91	1,2
3	92	2,0
4	93	1,7
5	94	1,9
6	95	1,3
7	96	1,7
8	97	2,3
9	98	1,1
10	99	2,6

 

Не наблюдается никакой согласованности между изменением IQ от человека к человеку и длинной прыжка. Это и свидетельствует об отсутствии корреляции. Коэффициент корреляции IQ и длины прыжка с места у студентов равен 0.

Мы рассмотрели крайние случаи. В реальных измерениях коэффициенты редко бывают равны точно 1 или 0. При этом принята следующая шкала:

• если коэффициент больше 0,70 – связь между показателями сильная;
• от 0,30 до 0,70 – связь умеренная,
• меньше 0,30 – связь слабая.

Если оценить по этой шкале полученную нами выше корреляцию между чтением и благополучием, то окажется, что эта зависимость  сильная и отрицательная -0,76. То есть, наблюдается сильная отрицательная связь между начитанностью и благополучием. Что еще раз подтверждает библейскую мудрость о соотношении  мудрости и печали.

Приведенная градация дает очень приблизительные оценки и в таком виде редко используются в исследованиях.

Чаще используются градации коэффициентов по уровням значимости. В этом случае реально полученный коэффициент может быть значимым или не значимым. Определить это можно, сравнив его значение с критическим значением коэффициента корреляции, взятым из специальной таблицы. Причем эти критические значения зависят от численности выборки (чем больше объем, тем ниже критическое значение).

 

Корреляционный анализ в психологии

Корреляционный метод выступает одним из основных в психологических исследованиях. И это не случайно, ведь психология стремится быть точной наукой. Получается ли?

В чем особенность законов в точных науках. Например, закон тяготения в физике действует без исключений: чем больше масса тела, тем сильнее оно притягивает другие тела. Этот физический закон отражает связь массы тела и силы притяжения.

В психологии иная ситуация. Например, психологи публикуют данные о связи теплых отношений в детстве с родителями и уровня креативности во взрослом возрасте. Означает ли это, что любой из испытуемых с очень теплыми отношениями с родителями в детстве будет иметь очень высокие творческие способности? Ответ однозначный – нет. Здесь нет закона, подобного физическому. Нет механизма влияния детского опыта на креативность взрослых. Это наши фантазии! Есть согласованность данных (отношения – креативность), но за ними нет закона. А есть лишь корреляционная связь. Психологи часто называют выявляемые взаимосвязи психологическими закономерностями, подчеркивая их вероятностный характер — не жесткость.

Пример исследования на студентах из предыдущего раздела хорошо иллюстрирует использование корреляций в психологии:

1. Анализ взаимосвязи между психологическими показателями. В нашем примере IQ и успешность общения с противоположным полом – это психологические параметры. Выявление корреляции между ними расширяет представления о психической организации человека, о взаимосвязях между различными сторонами его личности – в данном случае между интеллектом и сферой общения.
2. Анализ взаимосвязей IQ с успеваемостью и прыжками – пример связи психологического параметра с непсихологическими. Полученные результаты раскрывают особенности влияния интеллекта на учебную и спортивную деятельность.

Вот как могли выглядеть краткие выводы по результатам придуманного исследования на студентах:

1. Выявлена значимая положительная зависимость интеллекта студентов и их успеваемости.
2. Существует отрицательная значимая взаимосвязь IQ с успешностью общения с противоположным полом.
3. Не выявлено связи IQ студентов с умением прыгать с места.

Таким образом, уровень интеллекта студентов выступает позитивным фактором их академической успеваемости, в то же время негативно сказываясь на отношениях с противоположным полом и не оказывая значимого влияния на спортивные успехи, в частности, способность к прыгать с места.

Как видим, интеллект помогает студентам учиться, но мешает строить отношения с противоположным полом. При этом не влияет на их спортивные успехи.

Неоднозначное влияние интеллекта на личность и деятельность студентов отражает сложность этого феномена в структуре личностных особенностей и важность продолжения исследований в этом направлении. В частности, представляется важным провести анализ взаимосвязей интеллекта с психологическими особенностями и деятельностью студентов с учетом их пола.

 

Коэффициенты Пирсона и Спирмена

Рассмотрим два метода расчета.

Коэффициент Пирсона – это особый метод расчета взаимосвязи показателей между выраженностью численных значений в одной группе. Очень упрощенно он сводится к следующему:

1. Берутся значения двух параметров в группе испытуемых (например, агрессии и перфекционизма).
2. Находятся средние значения каждого параметра в группе.
3. Находятся разности параметров каждого испытуемого и среднего значения.
4. Эти разности подставляются в специальную форму для расчета коэффициента Пирсона.

Коэффициент ранговой корреляции Спирмена рассчитывается похожим образом:

1. Берутся значения двух индикаторов в группе испытуемых.
2. Находятся ранги каждого фактора в группе, то есть место в списке по возрастанию.
3. Находятся разности рангов, возводятся в квадрат и суммируются.
4. Далее разности рангов подставляются в специальную форму для вычисления коэффициента Спирмена.

В случае Пирсона расчет шел с использованием среднего значения. Следовательно, случайные выбросы данных (существенное отличие от среднего), например, из-за ошибки обработки или недостоверных ответов могут существенно исказить результат.

В случае Спирмена абсолютные значения данных не играют роли, так как учитывается только их взаимное расположение по отношению друг к другу (ранги). То есть, выбросы данных или другие неточности не окажут серьезного влияния на конечный результат.

Если результаты тестирования корректны, то различия коэффициентов Пирсона и Спирмена незначительны, при этом коэффициент Пирсона показывает более точное значение взаимосвязи данных.

 

Как рассчитать коэффициент корреляции

Коэффициенты Пирсона и Спирмена можно рассчитать вручную. Это может понадобиться при углубленном изучении статистических методов.

Однако в большинстве случаев при решении прикладных задач, в том числе и в психологии, можно проводить расчеты с помощью специальных программ.

 

Расчет с помощью электронных таблиц Microsoft Excel

Вернемся опять к примеру со студентами и рассмотрим данные об уровне их интеллекта и длине прыжка с места. Занесем эти данные (два столбца) в таблицу Excel.

Переместив курсор в пустую ячейку, нажмем опцию «Вставить функцию» и выберем «КОРРЕЛ» из раздела «Статистические».

Формат этой функции предполагает выделение двух массивов данных: КОРРЕЛ (массив 1; массив»). Выделяем соответственно столбик с IQ и длиной прыжков.

 

Далее нажимаем галочку (то есть, рассчитать) и получаем значение , в нашем случае 0,038. Как видим, коэффициент не равен нулю, хотя и очень близок к нему.

В таблицах Excel реализована формула расчета только коэффициента Пирсона.

 

Расчет с помощью программы STATISTICA

Заносим данные по интеллекту и длине прыжка в поле исходных данных. Далее выбираем опцию «Непараметрические критерии», «Спирмена». Выделяем параметры для расчета и получаем следующий результат.

 

Как видно, расчет  дал результат 0,024, что отличается от результата по Пирсону – 0,038, полученной выше с помощью Excel. Однако различия незначительны.

 

Использование корреляционного анализа в дипломных работах по психологии (пример)

Большинство тем выпускных квалификационных работ по психологии (дипломов, курсовых, магистерских) предполагают проведение корреляционного исследования (остальные связаны с выявлением различий психологических показателей в разных группах).

Сам термин «корреляция» в названиях тем звучит редко – он скрывается за следующими формулировками:

• «Взаимосвязь субъективного ощущения одиночества и самоактуализации у женщин зрелого возраста»;
• «Особенности влияния жизнестойкости менеджеров на успешность их взаимодействия с клиентами в конфликтных ситуациях»;
• «Личностные факторы стрессоустойчивости сотрудников МЧС».

Таким образом, слова «взаимосвязь», «влияние» и «факторы» — верные признаки того, что методом анализа данных в эмпирическом исследовании должен быть корреляционный анализ.

Рассмотрим кратко этапы его проведения при написании дипломной работы по психологии на тему: «Взаимосвязь личностной тревожности и агрессивности у подростков».

1. Для расчета необходимы сырые данные, в качестве которых обычно выступают результаты тестирования испытуемых. Они заносятся в сводную таблицу и помещаются в приложение. Эта таблица устроена следующим образом:

• каждая строка содержит данные на одного испытуемого;
• каждый столбец содержит показатели по одной шкале для всех испытуемых.

№ испытуемого	Личностная тревожность	Агрессивность
1	12	24
2	14	25
3	11	13
4	17	19
5	21	29
6	26	29
7	13	16
8	16	20
8	13	24
9	18	21
10	23	31

2. Необходимо решить, какой из двух типов коэффициентов — Пирсона или Спирмена — будет использоваться. Напоминаем, что Пирсон дает более точный результат, но он чувствителен к выбросам в данных Коэффициенты  Спирмена могут использоваться с любыми данными (кроме номинативной шкалы), поэтому именно они чаще всего используют в дипломах по психологии.

3. Заносим таблицу сырых данных в статистическую программу.

 

4. Рассчитываем значение.

5. На следующем этапе важно определить, значима ли взаимосвязь. Статистическая программа подсветила результаты красным, что означает, что корреляция статистически значимы при уровне значимости 0,05 (указано выше).

Однако полезно знать, как определить значимость вручную. Для этого понадобится таблица критических значений Спирмена.

Таблица критических значений коэффициентов Спирмена

	Уровень статистической значимости
Число испытуемых	р=0,05	р=0,01	р=0,001
5	0,88	0,96	0,99
6	0,81	0,92	0,97
7	0,75	0,88	0,95
8	0,71	0,83	0,93
9	0,67	0,8	0,9
10	0,63	0,77	0,87
11	0,6	0,74	0,85
12	0,58	0,71	0,82
13	0,55	0,68	0,8
14	0,53	0,66	0,78
15	0,51	0,64	0,76

Нас интересует уровень значимости 0,05 и объем нашей выборки 10 человек. На пересечении этих данных находим значение критического Спирмена: Rкр=0,63.

Правило такое: если полученное эмпирическое значение Спирмена больше либо равно критическому, то он статистически значим. В нашем случае: Rэмп (0,66) > Rкр (0,63), следовательно, взаимосвязь между агрессивностью и тревожностью в группе подростков статистически значима.

5. В текст дипломной нужно вставлять данные в таблице формата word, а не таблицу из статистической программы. Под таблицей описываем полученный результат и интерпретируем его.

Таблица 1

Коэффициенты Спирмена агрессивности и тревожности в группе подростков

	Агрессивность
Личностная тревожность	0,665*

* — статистически достоверна (р≤0,05)

Анализ данных, приведенных в таблице 1, показывает, что существует статистически значимая положительная связьмежду агрессивностью и тревожностью подростков. Это означает, что чем выше личностная тревожность подростков, тем выше уровень их агрессивности. Такой результат дает основание предположить, что агрессия для подростков выступает одним из способов купирования тревожности. Испытывая неуверенность в себе, тревогу в связи с угрозами самооценке, особенно чувствительной в подростковом возрасте, подросток часто использует агрессивное поведение, таким непродуктивным способом снижая тревогу.

6. Можно ли при интерпретации связей говорить о влиянии? Можно ли сказать, что тревожность влияет на агрессивность? Строго говоря, нет. Выше мы показали, что корреляционная связь между явлениями носит вероятностный характер и отражает лишь согласованность изменений признаков в группе. При этом мы не можем сказать, что эта согласованность вызвана тем, что одно из явлений является причиной другого, влияет на него. То есть, наличие корреляции между психологическими параметрами не дает оснований говорить о существовании между ними причинно-следственной связи. Однако практика показывает, что термин «влияние» часто используется при анализе результатов корреляционного анализа.

© СтудентуПсихологу.рф

Метод ранговой корреляции — Математические методы в психологии (Психология)

Лекция № 8

Метод ранговой корреляции

Вопросы:

1. Обоснование задачи исследования согласованных изменений.

2. Коэффициент ранговой корреляции r_sСпирмена.                      

Вопрос 1 Обоснование задачи исследования согласованных изменений

Первоначальное значение термина «корреляции» — взаимная связь (Oxford Advanced Learner’s Dictionary of Current English, 1982). Когда говорят о корреляции, используют термины «корреляционная связь» и «корреляционная зависимость».

Корреляционная связь — это согласованные изменения двух при­знаков или большего количества признаков (множественная корреляци­онная связь). Корреляционная связь отражает тот факт, что изменчи­вость одного признака находится в некотором соответствии с изменчи­востью другого (Плохинский Н. А., 1970, с. 40). «Стохастическая¹ связь имеется тогда, когда каждому из значений одной случайной вели­чины соответствует специфическое (условное) распределение вероятно­стей значений другой величины, и наоборот, каждому из значений этой другой величины соответствует специфическое (условное) распределение вероятностей значений первой случайной величины» (Суходольский Г.В., 1972, с. 178).

^1.Стохастическая означает вероятностная. Связи между случайными явлениями называют вероятностными ,или стохастическими связями (Суходольскнй Г. В., 1972, с. 52). Этот термин подчеркивает их отличие от детерминированных или функциональных связей а физике или математике (связь площади треугольника с его высотой и основанием, связь длины окружности с ее радиусом и т. п.). В функциональных связях каждому значению первого признака всегда соответствует (в идеальных условиях) совершенно определенное значение другого признака (Плохинский Н.А., 1970, с. 41). В корреляционных связях каждому значению одного признака может соответствовать определенное распределение значений другого признака, но не определенное его значение.

Корреляционная зависимость — это изменения, которые вносят значения одного признака в вероятность появления разных значений другого признака.

Оба термина — корреляционная связь и корреляционная зависи­мость — часто используются как синонимы (Плохинский Н.А.,1970; Суходольский Г.В.,1972; Артемьева Е.Ю., Мартынов Е.М.,1975 и др.). Между тем, согласованные изменения признаков и отражающая это корреляционная связь между ними может свидетельствовать не о зави­симости этих признаков между собой, а зависимости обоих этих при­знаков от какого-то третьего признака или сочетания признаков, не рассматриваемых в исследовании.

Зависимость подразумевает влияние, связь — любые согласованные изменения, которые могут объясняться сотнями причин. Корреляционные связи не могут рассматриваться как свидетельство причинно-следственной связи, они свидетельствуют лишь о том, что изменениям одного при­знака, как правило, сопутствуют определенные изменения другого, но находится ли причина изменений в одном из признаков или она оказы­вается за пределами исследуемой пары признаков, нам неизвестно.

Говорить в строгом смысле о зависимости мы можем только в тех случаях, когда сами оказываем какое-то контролируемое воздействие на испытуемых или так организуем исследование, что оказывается возмож­ным точно определить интенсивность не зависящих от нас воздействий. Воздействия, которые мы можем качественно определить или даже из­мерить, могут рассматриваться как независимые переменные. Признаки, которые мы измеряем и которые, по нашему предположению, могут из­меняться под влиянием независимых переменных, считаются зависимы­ми переменными. Согласованные изменения независимой и зависимой переменной действительно могут рассматриваться как зависимость.

Однако, учитывая, что число градаций, или уровней, зависимой переменной обычно невелико, целесообразнее применять в такого рода исследованиях не корреляционный метод, а методы выявления тенден­ций изменения признака при изменении условий, например, критерии тенденций Н Крускала-Уоллиса и L Пейджа (см. Главы 2 и 3) или метод дисперсионного анализа (см. Темы 8 и 9).

Если в исследование включены независимые переменные, кото­рые мы можем по крайней мере учитывать, например, возраст, то мож­но считать выявляемые между возрастом и психологическими признаками корреляционные связи корреляционными зависимостями. В боль­шинстве же случаев нам трудно определить, что в рассматриваемой па­ре признаков является независимой, а что — зависимой переменной.

Учитывая, что термин «зависимость» явно или неявно подразуме­вает влияние, лучше пользоваться более нейтральным термином «корреляционная связь».

Корреляционные связи различаются по форме, направлению и степени (силе).

По форме корреляционная связь может быть прямолинейной или криволинейной. Прямолинейной может быть, например, связь между количеством тренировок на тренажере и количеством правильно решае­мых задач в контрольной сессии. Криволинейной может быть, напри­мер, связь между уровнем мотивации и эффективностью выполнения задачи (см. Рис. 6. 1). При повышении мотивации эффективность вы­полнения задачи сначала возрастает, затем достигается оптимальный уровень мотивации, которому соответствует максимальная эффектив­ность выполнения задачи; дальнейшему повышению мотивации сопутст­вует уже снижение эффективности.

Рис. 6.1. Связь между эффективностью решения задачи и силой мотивационной тен­денции (по j.W. Atkinson. I974. р.200)

По направлению корреляционная связь может быть положитель­ной («прямой») и отрицательной («обратной«).

При положительной прямолинейной корреляции более высоким значениям одного признака соответствуют более высокие значения другого, а более низким значе­ниям одного признака — низкие значения другого (см. Рис. 6.2).

При отрицательной корреляции соотношения обратные.

Рис. 6.2. Схема прямолинейных корреляционных связей;

А — положительная (прямая) корреляционная связь;

В — отрицательная (обратная) корреляционная связь

*При положительной корреляции коэффициент корреляции имеет положительный знак, например r=+0,207,

*при отрицательной корреля­ции — отрицательный знак, например r= — 0,207.

Степень, сила или теснота корреляционной связи определяется по величине коэффициента корреляции.

Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции. Максимальное воз­можное абсолютное значение коэффициента корреляции r=1,00; мини­мальное r=0.

Используется две системы классификации корреляционных связей по их силе: общая и частная.

Общая классификация корреляционных связей (по Ивантер Э.В., Коросову А.В., 1992):

1) сильная, или тесная       при коэффициенте корреляции r >0,70;

2) средняя                     при 0,50< r <0,69;

3) умеренная                при 0,30< r <0,49;

4) слабая                       при 0,20< r <0,29;

5) очень слабая            при r <0,19.

Частная классификация корреляционных связей:

1) высокая значимая корреляция —  при г, соответствующем уровню статистической значимости р<0,01;

2)значимая корреляция        — при r, соответствующем уровню

статистической значимости р<0,05;

3) тенденция достоверной связи   при г, соответствующем уровню статистической значимости р<0,10;

4)незначимая корреляция    — при r , не достигающем уровня статистической значимости.

Две эти классификации не совпадают.

*Первая ориентирована только на величину коэффициента корреляции, а

*вторая определяет, какого уровня значимости достигает данная величина коэффициента корреляции при данном объеме выборки. Чем больше объем выборки, тем меньшей величины коэффициента корреляции оказывается доста­точно, чтобы корреляция была признана достоверной. В результате при малом объеме выборки может оказаться так, что сильная корреляция окажется недостоверной. В то же время при больших объемах выборки даже слабая корреляция может оказаться достоверной.

Обычно принято ориентироваться на вторую классификацию, по­скольку она учитывает объем выборки. Вместе с тем, необходимо пом­нить, что сильная, или высокая, корреляция — это корреляция с коэффи­циентом r>0,70, а не просто корреляция высокого уровня значимости.

В качестве мер корреляции используются:

1) эмпирические меры тесноты связи, многие из которых были получе­ны еще до открытия метода корреляции, а именно:

а)     коэффициент ассоциации, или тетрахорический показатель связи;

б)     коэффициенты взаимной сопряженности Пирсона и Чупрова;

в)     коэффициент Фехнера;

г)     коэффициент корреляции рангов;

2) линейный коэффициент корреляции r;

3)корреляционное отношение ή

4)множественные коэффициенты корреляции и др.

Подробное описание этих мер можно найти в руководствах Венецкого И.Г., Кильдишева Г.С.(1968), Плохинского Н.А.(1970), Суходольского f.B.(1972), Ивантер Э.В., Коросова А.В.(1992) и др.

В психологических исследованиях чаще всего применяется коэф­фициент линейной корреляции r Пирсона. Однако этот метод является параметрическим и поэтому не лишен недостатков, свойственных пара­метрическим методам (см. параграф 1.8). Параметрическими являются также методы определения корреляционного отношения и подсчета множественных коэффициентов корреляции. Кроме того, эти методы, как правило, требуют машинной обработки данных. По этим причинам они остаются за пределами нашего рассмотрения.

Все эмпирические меры тесноты связи, кроме коэффициента ранговой корреляции, могут быть заменены методами сопоставления и сравнения, изложенными в Темах 3-6.

Ведь что, в сущности, мы доказываем, когда обосновываем разли­чия в долях двух выборок, характеризующихся исследуемым эффектом? Мы показываем, что если испытуемый относится к одной из выборок, то, скорее всего, он будет характеризоваться какими-то определенными значениями исследуемого признака, а если он относится к другой из двух выборок, то он будет характеризоваться (с большой степенью вероятности) другими значениями исследуемого признака. Фактически мы исследуем сопряженные изменения двух признаков: отнесенность к той или иной выборке и определенные значения исследуемого признака.

Что мы доказываем, с другой стороны, когда два распределения признака оказываются сходными или, наоборот, статистически досто­верно различающимися между собой? Мы доказываем, что в обеих выборках частоты встречаемости разных значении признака распределяют­ся согласованно или, наоборот, несогласованно.

Мы, правда, скорее определяем меру рассогласованности, чем согласованности, но все же часто метод χ² относится к числу методов, выявляющих степень согласованности или даже связи.

Методы выявления тенденций уже напрямую заменяют меры эмпирической сопряженности, позволяя нам проследить возрастание значений признака при изменении условий. Фактически мы отвечаем на вопрос о том, согласованно ли изменяются условия и значения иссле­дуемого признака.

Быть может, современному психологу не очень просто отказаться от метода подсчета корреляций. Это очень привычно — подсчитывать корреляции. Исторически сложилось так, что этот метод является одним из основных методов статистической обработки. Главное преимущество кор­реляционного анализа состоит в том, что можно сразу провести множе­ственное сопоставление признаков.

Например, нам необходимо опреде­лить, с чем связана успешность в какой-либо деятельности. Исследова­тель может предполагать, что она связана с уровнем интеллектуального развития, с некоторыми из личностных факторов 16-факторного опрос­ника Кеттелла, а может быть, с уровнем эмпатии, тревожности или фрустрационной толерантности, с возрастом самого испытуемого или воз­растом матери в момент его рождения и т.д. и т.п. В итоге он получает связи, отражающие среднегрупповые тенденции сопряженного измене­ния признаков. Но дело как раз в том, что у каждого отдельного испы­туемого успешность в данном виде деятельности может определяться разными психологическими характеристиками или разными их сочета­ниями. Метод корреляций отдает предпочтение группе, а не отдельному индивиду.

Против этого можно возразить, что и все остальные статистиче­ские методы отдают предпочтение среднегрупповым, а не индивидуаль­ным тенденциям. Однако это не совсем так. Например, метод тенден­ций L Пейджа определяет степень согласованности индивидуальных тенденций, критерий χ²_r, Фридмана—степень совпадения или несовпаде­ния индивидуальных соотношений рангов, биномиальный критерий m -степень отклонения индивидуальных значений от заданных или средне­статистических и т.п.

Прежде чем переходить к корреляциям, исследователю необходимо проанализировать полученные данные с помощью критериев сравнения и сопоставления еще и по другой причине. Возможно, размах вариатив­ности признака в обследованной выборке окажется слишком узким, чтобы можно было распространять полученную корреляцию на весь возможный диапазон его значений. Например, может оказаться так, что в обследованной группе по какому-либо из факторов 16-факторного личностного опросника Кеттелла получены лишь низкие и средние зна­чения, и в то же время выявлена значимая положительная связь этого личностного фактора с успешностью профессиональной деятельности. Не учитывая истинного размаха значений в данной выборке, можно экстраполировать полученную связь и на высокие значения фактора, что может оказаться ошибкой.

Во-первых, связь данного фактора с ус­пешностью деятельности может на самом деле быть криволинейной, как в рассмотренном выше случае связи уровня мотивации с эффективно­стью выполнения задания (см. Рис. 6.1).

Во-вторых, не исключено, что самым важным результатом исследования является как раз факт низких и средних значений данного личностного фактора в обследованной вы­борке, а исследователь не обратил на него внимания, привычно отдав предпочтение корреляционной матрице, а не таблице первичных данных.

Математическая обработка должна начинаться с использования «самых простых приемов с совершенно понятной для исследователя сутью производимых преобразований» (Дворяшнна М.Д., Пехлецкий И.Д., 1976, с. 45). Учитывая большие возможности методов первичной обра­ботки данных, изложенных в Темах 3-6, не исключено, что этими приемами математическая обработка может и заканчиваться. Эти мето­ды дают и основание для достоверных выводов, и материал для вы­движения новых гипотез, и стимул к новым размышлениям.

И все же, если исследователь хочет применить метод корреляций, в настоящем пособии предлагается использовать коэффициент ранговой корреляции Спирмена.

Лекция «Предисловие» также может быть Вам полезна.

Основанием для выбора этого коэффициента служат:

а)     его универсальность;

б)     простота;

в)     широкие возможности в решении задач сравнения индивидуаль­ных или групповых иерархий признаков.

Универсальность коэффициента ранговой корреляции проявляется в том, что он применим к любым количественно измеренным или ран­жированным данным. Простота метода позволяет подсчитывать корре­ляцию «вручную». Уникальность метода ранговой корреляции состоит в том, что он позволяет сопоставлять не индивидуальные показатели, а индивидуальные иерархии, или профили, что недоступно ни одному из других статистических методов, включая метод линейной корреляции (Плохинский Н. А., 1970, с. 167).

Коэффициент ранговой корреляции рекомендуется применять в тех случаях, когда нам необходимо проверить, согласованно ли изменя­ются разные признаки у одного и того же испытуемого и насколько совпадают индивидуальные ранговые показатели у двух отдельных ис­пытуемых или у испытуемого и группы.

Корреляционный анализ взаимосвязей между индивидуально-психологическими особенностями детей и показателями адаптации к школьному обучению

Буров Андрей Васильевич, магистрант ФГБОУ ВПО «Смоленский государственный университет», г.Смоленск [email protected]

Корреляционный анализ взаимосвязей между индивидуальнопсихологическими особенностями детей

и показателями адаптации к школьному обучению

Аннотация.В статье рассматривается пример анализа корреляций, чтобы выделитьпсихологическиеособенностивзаимосвязи показателей адаптации к школе с индивидуальнопсихологическими и личностными характеристиками первоклассников. Показано, что такие индивидуальнопсихологические и личностные особенности,как работоспособность, преобладание отрицательных эмоций, уровень школьной мотивации, самооценка детей,влияют на процессы адаптации ребенка к школе. Ключевые слова:корреляционная взаимосвязь,адаптация к школе,школьная мотивация, индивидуальнопсихологические особенности.Раздел: (02) комплексное изучение человека; психология; социальные проблемы медицины и экологии человека.

Изначально термин «корреляция» обозначает взаимосвязь.Для уверенного диагноза в психологии важны не только многочисленные симптомы (свойства психики) и их выраженность, но и взаимосвязи между ними, для выделения которых широко используется анализ корреляций, количественно выражающих стохастическую связь между симптомами (свойствами психики). Объектом анализа служит корреляционная матрица. Ее элементы–коэффициенты линейной корреляции, а также их ранговые и нелинейные дериваты –коэффициенты корреляции рангов и корреляционные отношения.Важнейшими задачами анализа корреляций служат:определение значимости связей свойствами психики через отличие корреляций от нуля;выявление инвариантности или изменчивости силы связей через статистическоесходство или различие корреляций при стационарных или нестационарных условиях;

выявление синдромовкак подмножеств сильно коррелирующих между собой симптомов (свойств психики)из полного множества рассматриваемых признаков. В нашей статье представлены результаты применения корреляционного анализа с использованием коэффициента (rs) ранговой корреляции Ч.Спирмена для изучения взаимосвязей между уровнем адаптации кшколе и индивидуальнопсихологическими особенностями первоклассников. Предполагается, что в характере этих взаимосвязей могут скрываться психологические особенности и причины трудностей адаптации к школе.

Школьная адаптация понимается в современной психологопедагогической литературе как сложный процесс приспособления ребенка к школе и школы кребенку. Как правило, этот процесс благополучно заканчивается в первом полугодии, но у многих учеников может приобретать неблагоприятные черты. Адаптированный ребенок не только соответствует уровням сформированности психологических свойств и умений требованиям и нормам данной среды, но и приспособлен к полноценному развитию в ней своего личностного, физического и интеллектуального потенциалов. Этим определяется значимость успешной адаптации для школьника.От адаптации к школьному обучению во многом зависятуспехи ребенка, его эмоциональное и физическое состояние. Поэтому в 1м классе большое внимание уделяется мероприятиям, направленным на интенсификацию и облегчение адаптационных процессов. Для этого необходимо знание психологических особенностей адаптациидетей к школе. Наличие большого числа научных и практических работ по проблеме свидетельствует об ее актуальности, но в тоже время специфика адаптации первоклассников к обучению в школе с точки зрения влияния на этот процесс индивидуальнопсихологическихособенностей ребенка полностью не раскрыта.К началу обучения в школе ребенок обладает определенными индивидуальнопсихологическими особенностями, которые влияют на успешность его адаптации к новым условиям.Для опосредованной оценки этого влияния былипрокоррелированы показатели школьной адаптации первоклассников с показателями индивидуальнопсихологических особенностей(вегетативный коэффициент, суммарное отклонение от аутогенной нормы (степень преобладания отрицательных эмоций), уровень школьной мотивации, уровень самооценки) детей.Для оценки взаимосвязей между показателями использовался непараметрический коэффициент (rs) ранговой корреляции Ч. Спирмена. Метод ранговой корреляции позволяет определить тесноту и направление корреляционной связи между двумя признаками. Если два признака связаны положительно, то испытуемые, имеющие низкие ранги по одному признаку, будут иметь низкие ранги и по другому признаку, и наоборот, испытуемые, имеющие высокие ранги по одному из признаков, будут иметь по другому признаку также высокие ранги. Для подсчета коэффициента необходимо определить разности между рангами, полученными данным испытуемым по обоим признакам. Затем вычисляется значение коэффициента rs. Чем меньше разности между рангами, тем больше будет rs, тем ближе он будет к+1. В случае отрицательной корреляции низким рангам испытуемых по одному признаку будут соответствовать высокие ранги по другому признаку, и наоборот. Чем больше несовпадение между рангами испытуемых по двум исследуемым признакам, тем ближе rsк–1. Если корреляция отсутствует, то все ранги будут перемешаны и между ними не будет никакого соответствия. В этом случае rsокажется близким к 0. В предложенном методе определяется фактическая степень параллелизма между двумя количественными рядами изучаемых признаков и дается оценка тесноты установленной связи с помощью количественно выраженного коэффициента [1]. Вычисляется коэффициент корреляции рангов по формуле:,где –ранг наблюдения xв ряде х, S–ранг наблюденияyв ряде y, n–количество наблюдений.Коэффициент rsпринимает значения из отрезка [–1;1]. Равенство rs=1 указывает на строгую прямую линейную зависимость, rs= –1 –на обратную,rs= 0 –на отсутствие взаимосвязи.Для корреляционного анализа мы использовали данные тех первоклассников, уровень адаптации которых к школе был определен нами как удовлетворительный. Всего было обследовано 49 детей, результаты только 30 учеников были подвергнуты процедуре корреляционного анализа. Не использовались данные детей с явной дезадаптацией к школьному обучению (5 человек), были исключены из рассмотрения данные 7 человек, которых учителя оценили как дезадаптированных, не рассматривались результаты двух человек, которые младше сверстников почти на год, а также результаты часто болеющих детей (5 человек). Таким образом,из выборки были исключены «особые» случаи. Обследованиедетей проводилось в феврале–марте 2014 г. Как уже отмечалась, адаптационные процессыпротекают наиболее интенсивно в первом полугодии, поэтому к моменту нашего исследования можно уже наблюдать результаты этих процессов. Ребенок уже или адаптировался к школе,или, наоборот, у него будут ярко выражены признаки дезадаптации.В качестве диагностических процедур для оценки показателей адаптированности к школе и для оценки индивидуальнопсихологических особенностей первоклассников использовались следующие.1.Методика «Домики»[2].Это проективный тест личностных отношений, социальных эмоций и ценностных ориентаций. Методической основой теста является цветоассоциативный эксперимент, известный по тесту отношений А.Эткинда. Тест разработан О.А.Ореховой и позволяет провести диагностику эмоциональной сферы ребенка в части высших эмоций социального генеза, личностных предпочтений и деятельностных ориентаций, что делает его особенно ценным с точки зрения анализа эмоционального отношения ребенка к школе.

По тесту мы получилизначенияпоказателей индивидуальнопсихологических особенностей ребенка –вегетативного коэффициента (уровень работоспособности)–и значенияпоказателя суммарного отклонения от аутогенной нормы (преобладание отрицательных эмоций). 2.Анкета для определения уровня школьной мотивации по Н.Лускановой [3]. Эта анкета позволяет определить познавательный мотив, стремление наиболее успешно выполнять все предъявляемые школой требования, а именно:добросовестны и ответственны ли ученики, четко ли следуют всем указаниям учителя, сильно ли переживают, если получают неудовлетворительные оценки. 3.Методика «Лесенки», разработанная В.Г.Щур [4], для определения самооценки ребёнка.Сравнение самооценок ребенка по разным шкалам дает возможность определить сферу, в которой он чувствует себя достаточно уверенно, психологически комфортно (адекватная самооценка), и сферы, вызывающие у ребенка напряжение и проблемы (неадекватная самооценка).4.Анкета для родителей и анкета для учителей (из кн. Р.В. Овчаровой «Практическая психология в начальной школе»), с помощью которых родители и учителя соответственно оценивали уровень адаптации ребенка к школе [5]. Если в анкете для родителей вывод делался на основе характеристики родителями поведения ребенка вне школы, дома, то в анкете для учителей вывод делается на основе анализа учителем поведения ребенка на уроках и того, как он справляется с учебной деятельностью. Таким образом, обе анкеты позволяют получить целостную картину адаптации ребенка к школе.Изучение индивидуальнопсихологических особенностей детей с трудностями в адаптации к школе и сравнение с успешно адаптирующимися детьми позволилиохарактеризовать таких детей как слабо мотивированных на обучение в школе, обладающих неадекватной самооценкой, с низким уровнемработоспособности, постоянно испытывающих отрицательные эмоции. Этот вывод мы попытались подтвердить с помощью корреляционного анализа, результаты которого представлены в таблице.

Значения коэффициента ранговой корреляции Спирмена между показателями в группе детей с трудностями в школьной адаптации(n=30, rкрит=0,36p≤0,05, rкрит=0,47p≤0,01)

ВегетативныйкоэффициентСуммарного отклоненияот аутогенной нормыУровеньшкольной мотивацииУровень самооценкиУровень адаптации(анкета родителей)Уровень адаптации(анкета учителей)Вегетативный коэффициент(хорошая работоспособность)1–0,37*0,77**0,130,67**0,38*Суммарноеотклонениеотаутогенной нормы(преобладание отрицательных эмоций)

1–0,91**–0,65**–0,49–0,79**Уровень школьной мотивации

1–0,43*0,71**0,56**Уровень самооценки

10,170,26Уровеньадаптации(анкетародителей)

10,73Уровень адаптации (анкета учителей)

1Примечание. *** –p≤ 0,001, ** –p≤0,01, * –p≤0,05.

Как видно из таблицы, высокий уровень работоспособности положительно коррелирует (0,77) с высокой школьной мотивацией и отрицательно (–0,37) с показателем отрицательных эмоций.Это вполне закономерно, так как высокая мотивация повышает работоспособность, а хорошее самочувствие (проявляется в работоспособности) вызывает желание деятельности. Корреляция между работоспособностью и отрицательными эмоциями слабая, что говорит о возможности отрицательных эмоций и при высокой работоспособности, например, вследствие неудач или изза трудностей в отношениях с учителями и одноклассниками. Тем не менеетенденция существует, и можно утверждать, что адаптация ребенка к школе зависит не только от желания учиться (школьной мотивации), но и от способности трудиться и выдерживать нагрузки (работоспособность). Это подтверждают и корреляционные связи между вегетативным коэффициентом (работоспособность) и уровнями адаптации ребенка к школе, полученными по оценкам родителей (0,67) и оценкам учителей (0,38). Имеется сильная отрицательная корреляционная связь(–0,79) между оценками уровня адаптацииребенка к школе учителями и показателем наличия у ребенка отрицательных переживаний. Это говорит о том, что чем сильнее выражены отрицательные эмоции у ребенка, тем ниже уровень его адаптации к школе. Либо негативные переживания мешают ребенку адекватно реагировать на новые требования, либо необходимость соответствовать роли ученика, причем «хорошего ученика»,вызывает у ребенка много негативных переживаний, которые взрослым необходимо нивелировать. То же самое мы видим в соотношении родительских оценок степени адаптированнности их ребенка к школе с показателем эмоциональных переживаний ребенка (–0,49). Таким образом, преобладание отрицательных эмоций обязательно сопровождает плохую адаптацию ребенка к школе и, наоборот, высокий уровень адаптации сочетается со слабой выраженностью отрицательных эмоций. Преобладание у ребенка отрицательных эмоциональных переживаний, являясь обязательным следствием трудностей в адаптации, впоследствииприобретаетхарактер причины дезадаптации: ребенок испытывает связанные со школой негативные эмоции, которые мешают ему адекватно принимать требования учебной деятельности и реагировать наних. Уровень самооценки отрицательно (–0,65) коррелирует с уровнем отрицательных эмоций: чем ниже самооценка, тем сильнее отрицательные эмоции.Очень сильная (–0,91) отрицательная корреляция уровня школьной мотивации и выраженности отрицательных эмоций еще раз убеждает нас в том, что отсутствие интереса к знаниям и учебной деятельности в первом классе есть причина негативных переживаний детей. Необходимость заниматься не тем, что интересно,угнетает даже взрослого, не говоря уже о ребенке. Это позволяет сделать предположение, что у дезадатированных в школе детей трудности сосредоточены вокруг школьной мотивации. Неготовность ребенка «занять позицию школьника», отсутствие познавательных потребностей, потребности в более сложных видах деятельности, чем игра,–вот основныепричинынарушений адаптации ребенка в школе. Действительно, все это становится причиной неуспеха ребенка в освоении учебного материала, портятся отношения с учителем, родителями, осуждение ребенка со стороны взрослых нарушает его самооценку и ухудшаютсяотношения с одноклассниками.

Положительные корреляционные связи уровня школьной мотивации с оценками адаптированности ребенка учителями и родителями (0,71;0,56) еще раз подтверждают значимость мотивационных процессов в овладении учебной деятельностью и комфортным самочувствием ребенка в школе. А вот уровень самооценки ребенка отрицательно взаимосвязан (–0,43) с уровнем школьной мотивации. Это может означать, что низкая самооценка вызывает стремление ребенка освоить более сложные виды деятельности (повышает мотивацию), чтобы подтвердить возможность успеха и тем самым повысить самооценку. Чем выше самооценка ребенка, тем меньше у него желание достигать результатов («я и так хорошо учусь», «я все знаю») –снижение мотивации. Наоборот, сильная мотивация и невозможность достигнуть желаемого результата учебной деятельности снижаютсамооценку, низкая школьная мотивация и успешное овладение знаниями повышают самооценку. В целомшкольная мотивация и самооценка ребенка взаимообусловлены. Отсутствие значимых корреляционных связей уровня самооценкии оценок адаптированности детей учителями и родителями указывает на независимость успешности адаптации от самооценки ребенка. Оценки адаптации детей к школе учителей и родителей в большинстве случаев совпадают (0,73), различия обусловлены тем, что родители больше оценивают работоспособность ребенка, эмоциональный фон, а учителя –успехи овладения учебным материалом.Расхождение оценок подтверждает необходимость опроса и учителей, и родителей при комплексном обследовании.Анализ корреляционных связей показывает наличие индивидуальнопсихологических и личностных особенностей ребенка, определяющих успешность его адаптации к условиям школы. Таковыми являются уровень школьной мотивации, работоспособность, уровень самооценки, преобладание (нивелирование) отрицательных эмоций. Уровень адаптации к школе и перечисленные индивидуальнопсихологические особенности взаимообусловливают друг друга.У детей с трудностями в адаптации к школьному обучению низкий уровень школьной мотивации, невысокая работоспособность, у многих истощение и переутомление, они испытывают сильные отрицательные эмоции, с которыми не справляются, также у многих преобладает неадекватная самооценка. Можно сделать вывод о том, чтоадаптация к школе представляет собой процесс формирования школьной мотивации и адекватной самооценки, процесс преодоления негативных эмоциональных переживаний, вызванных трудностями школьной жизни, формирование образа жизни (способов осуществления учебной деятельности), позволяющего ребенку восстанавливать затраченную энергию и поддерживать оптимальный уровень работоспособности.Таким образом, применение корреляционного анализа для описания иинтерпретации данных позволяет выявить дополнительные взаимосвязи между психологическими переменными и анализировать результаты на более высоком уровне обобщения. Выявленныевзаимосвязи указывают психологу не только на то, что увеличению одной переменной соответствует увеличение (прямая взаимосвязь) или уменьшение (обратная взаимосвязь) другой переменой, но и на наличиевзаимообусловливания психологических симптомов, а также возможность влияния на одни психологические симптомы через изменение других симптомов, взаимосвязанных с ними.

Ссылки на источники1.Сидоренко В. Е. Математические методы в психологии. –М., 2007.2.Рабочая книга школьного психолога / И. В. Дубровина, М. К. Акимова, Е. М. Борисова и др. / под ред. И. В. Дубровиной. –М.: Просвещение, 1991.3.ЛускановаН.Г. Методы исследования детей с трудностями в обучении. –М., 19934.Битянова М. Р. Адаптация ребенка в школе: диагностика, коррекция, педагогическая поддержка: сб. метод. материалов для админ., педагогов и шк. психол. –М.: Образоват. центр «Педагогический поиск», 1997.5.ОвчароваР.В. Практическая психология в начальной школе. –М.: ООО АПРЕЛЬ Пресс, 2000. –208с.

AndreyBurov,Masterstudent, SmolenskState University, [email protected] analysis of interconnection between individual and psychological characteristics of children and indicators of school adaptation Abstract.The author describes the example of the correlation analysis for identifying the psychological features of interconnection between individual and psychological characteristics of children and indicators of school adaptation of firstgraders. The author concludes that such individual psychological and personality traits as operability, predominance of negative emotions, level of school motivation, selfesteem of children affect the processes of school adaptation.Key words:correlation relationship;adaptation to school;school motivation;individual and psychologicalfeatures.References1.Sidorenko, V.E. (2007) Matematicheskie metody v psihologii, Moscow (in Russian).2.Dubrovina, I.V. (ed.), Akimova, M.K., Borisova, E.M. (1991) Rabochaja kniga shkol’nogo psihologa, Prosveshhenie, Moscow (in Russian).3.Luskanova, N.G. (1993) Metody issledovanija detej s trudnostjami v obuchenii, Moscow (in Russian).4.Bitjanova, M.R. (1997) Adaptacija rebenka v shkole: diagnostika, korrekcija, pedagogicheskaja podderzhka: Sb. metod. mat. dlja admin., pedagogov i shk. Psihol, Obrazovat. centr “Pedagogicheskij poisk”, Moscow (in Russian).5.Ovcharova, R.V. (2000) Prakticheskaja psihologija v nachal’noj shkol,OOO APREL» Press, Moscow, 208 p. (in Russian).

Рекомендовано к публикации:Кузьминой К.Е., кандидатом психологических наук;Горевым П.М., кандидатом педагогических наук, главным редактором журнала «Концепт»

Корреляционное исследование в психологии

Корреляционное исследование в психологии — наиболее распространенная форма эксперимента, что обусловлено рядом причин. Во-первых, исследователи все чаще выделяют в качестве предмета изучения столь сложные явления, что функциональное управление ими путем организации активных экспериментальных воздействий невозможно, затруднено или нежелательно. Во-вторых, многие процессы, в принципе доступные экспериментальному контролю, теряют свою качественную специфику, если искусственно их изолировать в строгом лабораторном эксперименте. В третьих, в ряде исследований по этическим соображениям ученый не может оказывать влияние на изучаемые переменные. В этих случаях психолог довольствуется методами наблюдения и корреляционного исследования.

Корреляционное исследование основано на теоретических представлениях о мерах корреляционных связей между переменными, разработанных К. Пирсоном. Стратегия проведения такого исследования заключается в том, что управляемое воздействие на объект отсутствует. Исследователь выдвигает гипотезу о наличии статистической связи между двумя (и более) переменными. При этом предположение о причинной зависимости не обсуждается.

План корреляционного исследования является разновидностью квазиэкспериментального плана при отсутствии воздействия независимой переменной на зависимые.

Проверяемые при использовании корреляционного метода гипотезы — это гипотезы о связях. В них утверждается, что изменения одной переменной каким-то образом связаны с изменениями другой, но не предполагается, что какая-то из этих переменных является причинно-действующей.

Корреляционным называется исследование, проводимое для подтверждения или опровержения гипотезы о статистической связи между несколькими (двумя и более) переменными.
Например, мы могли бы определить корреляцию между количеством часов, затраченных на ночной сон, и сонливостью днем. Если корреляция большая, знание того, сколько времени человек спит ночью, позволит нам предсказать степень его сонливости в дневные часы. Кроме того, дневная сонливость может быть использована для прогнозирования, предсказания продолжительности ночного сна. Предположим, психолог замечает зависимость между IQ родителей и их детей, или между красотой и социальной популярностью, или между тревогой и результатами, показываемыми на экзаменах, или между преступностью и погодой. В каждом случае два наблюдения или события коррелируют (связаны друг с другом упорядоченным образом).

Силу и направление связи можно выразить в виде коэффициента корреляции. Это некое число, находящееся в пределах от +1,00 до -1,00. Если это число равно или близко нулю, зависимость между двумя измеряемыми величинами слабая или отсутствует. К примеру, корреляция между размером обуви и интеллектом равна нулю. Если корреляция равна +1,00, имеет место абсолютная положительная связь, если она равна -1,00, обнаружена абсолютная отрицательная связь.

Корреляции в психологии редко бывают абсолютными. Но чем ближе коэффициент к +1,00, тем сильнее связь. Например, однояйцевые близнецы, как правило, имеют почти идентичные IQ. IQ же родителей и их детей имеют лишь oбщee подобие. Корреляция между IQ родителей и детей равна 0,35; у однояйцевых близнецов она 0,86.

Положительная корреляция показывает, что увеличение одной величины сопровождается увеличением другой (или уменьшению соответствует уменьшение).

Например, существует положительная корреляция между успеваемостью в средней школе и успеваемостью в колледже; учащиеся, которые лучше занимаются в школе, как правило, имеют более высокую успеваемость и в колледже (и наоборот).

При отрицательной корреляции увеличение первой величины связано с уменьшением второй.

Когда говорят о корреляции, используют термины «корреляционная связь» и «корреляционная зависимость». Корреляционная связь — это согласованные изменения двух и более признаков. корреляционная зависимость — это изменения, которые вносят значения одного признака в вероятность появления разных значений другого признака. Оба термина часто используются как синонимы. Между тем, зависимость подразумевает влияние, связь — согласованные изменения. корреляционные связи не могут рассматриваться как свидетельство причинно-следственной связи, они свидетельствуют лишь о том, что изменениям одного признака, как правило, сопутствуют определенные изменения другого. Но находится ли причина изменений в одном из признаков или она оказывается за пределами исследуемой пары признаков, нам неизвестно.

Говорить в строгом смысле о зависимости мы можем только в тех случаях, когда сами оказываем какое-то контролируемое воздействие на испытуемых. Если в исследование включены независимые переменные, которые мы можем, по крайней мере, учитывать, например, возраст, то можно считать выявляемые между возрастом и психологическими признаками корреляционные связи корреляционными зависимостями. В большинстве же случаев нам трудно определить, что в рассматриваемой паре признаков является независимой, а что зависимой переменной. Учитывая, что термин «зависимость» явно или неявно подразумевает влияние, лучше пользоваться более нейтральным термином «корреляционная связь».

К примеру, мы можем заметить, что учащиеся, которые проводят перед телевизором много часов получают более низкие отметки, чем те, кто посвящает этому занятию немного времени (известный эффект «телевизионного зомби»). Свидетельствует ли это о том, что просмотр слишком большого числа телепередач является причиной худшей успеваемости? Можно сделать такое предположение, но мы не можем быть уверены, пока не поставим эксперимент.

Наличие корреляции двух переменных ничего не говорит о причинно-следственных зависимостях между ними, но дает возможность выдвинуть такую гипотезу. Отсутствие же корреляции позволяет отвергнуть гипотезу о причинно-следственной связи переменных. Различают несколько интерпретаций наличия корреляционной связи между двумя измерениями:

1. Прямая корреляционная связь. Уровень одной переменной непосредственно соответствует уровню другой. Примером является закон Хика: скорость переработки информации пропорциональна логарифму от числа альтернатив. Другой пример: корреляция высокой личностной пластичности и склонности к смене социальных установок.
2. Корреляция, обусловленная 3-й переменной. Например, скорость опознания изображения при быстром (тахистоскопическом) предъявлении и словарный запас испытуемых положительно коррелируют. Скрытой переменной, обусловливающей эту корреляцию, является общий интеллект.
3. Случайная корреляция, не обусловленная никакой переменной.
4. Корреляция, обусловленная неоднородностью выборки. Представим себе, что выборка, которую мы будем обследовать, состоит из двух однородных групп. Например, мы хотим выяснить, связана ли принадлежность к определенному полу с уровнем экстраверсии. «Измерение» пола трудностей не вызывает, экстраверсию же измеряем с помощью опросника Айзенка. У нас 2 группы: мужчины-математики и женщины-журналистки. Неудивительно, если мы получим линейную зависимость между полом и уровнем экстраверсии— интроверсии: большинство мужчин будут интровертами, большинство женщин — экстравертами.

Корреляции и причинность. Корреляционные исследования помогают нам выявить связи и сделать прогнозы. Однако корреляция не демонстрирует причинность (причинно-следственную связь). К примеру, может оказаться, что больше времени перед телевизором проводят учащиеся, не испытывающие интереса к изучаемым предметам. Если это так, тогда и отсутствие старания в учебе, и более низкие отметки являются следствием незаинтересованности, а не чрезмерного увлечения просмотром телепередач. Кажущаяся связь одной вещи с другой не означает, что между ними существует причинно-следственная зависимость.

Рассмотрим случай, когда корреляцию можно ошибочно принять за причинность. Допустим, психолог установил, что кровь пациентов-шизофреников содержит некое химическое вещество, не обнаруживаемое у здоровых людей. Означает ли это, что данное вещество является причиной шизофрении? Может показаться, что это так, но образование этого вещества может вызывать сама шизофрения. Или же и шизофрения, и химическое вещество могут являться следствием какого-то неизвестного фактора, такого, как режим питания в психиатрических больницах.

Только лишь то, что одна вещь кажется причиной другой, не подтверждает, что это действительно так. Этот факт можно отчетливо проследить на примере некоторых явно непричинных связей. Например, существует корреляция между количеством церквей в городах и количеством баров; чем больше церквей, тем больше баров. Означает ли это, что выпивка делает человека набожным? Разумеется, в данном случае никто не додумается сделать подобное заключение о причине и следствии. Но в менее очевидных ситуациях соблазн бывает велик. (Реальная зависимость такова: как количество церквей, так и количество баров связаны с численностью населения в городах.) Лучший способ удостовериться, что причинно-следственная связь существует,— поставить контролируемый эксперимент.

Главное, что отличает корреляционный подход, — это схемы сбора данных, отличные от экспериментального подхода, и соответственно иные возможности содержательных выводов при проверке психологических гипотез (в силу невозможности реализации тех форм контроля, которые характерны для экспериментальных исследований). При корреляционном подходе степень произвольности содержательной интерпретации, обосновываемой теми или иными статистическими решениями, гораздо выше, одновременно выводы менее доказательны, поскольку в случае установления значимой связи остается множество объяснений (или теоретических гипотез) относительно ее характера и направленности.

Главное преимущество корреляционного анализа состоит в том, что мы можем сразу провести множественное сопоставление признаков.

Задачей любого корреляционного исследования, как и экспериментального, является обобщение, т.е. распространение содержательных выводов об изучаемой зависимости в более широком контексте понимания, чем ограниченный рамками заданных ситуаций, популяций, переменных и т.д. Однако при корреляционном подходе всегда сохраняется многозначность выводов с точки зрения направлений возможных обобщений. Ограничения контроля при получении эмпирических данных определяют и ограничения допустимых выводов.

Корреляционные исследования | Аномальная психология

Цели обучения

• Объяснить корреляционные исследования, включая то, что коэффициент корреляции говорит нам о взаимосвязи между переменными

Корреляционное исследование

Одним из основных методов, используемых для изучения аномального поведения, является корреляционный метод. Корреляция означает, что существует связь между двумя или более переменными (например, между переменными негативного мышления и депрессивными симптомами), но эта связь не обязательно подразумевает причину и следствие. Когда две переменные коррелированы, это просто означает, что при изменении одной переменной изменяется и другая. Мы можем измерить корреляцию, вычислив статистику, известную как коэффициент корреляции. А 9Коэффициент корреляции 0011 — это число от отрицательного до положительного, которое указывает на силу и направление связи между переменными. Связь между двумя переменными можно обобщить статистически, используя коэффициент корреляции (сокращенно r ).

Числовая часть коэффициента корреляции указывает на силу связи. Чем ближе число к единице (отрицательное или положительное), тем сильнее связаны между собой переменные и тем более предсказуемыми будут изменения одной переменной при изменении другой переменной. Чем ближе число к нулю, тем слабее взаимосвязь и тем менее предсказуемыми становятся взаимосвязи между переменными. Например, коэффициент корреляции 0,9указывает на гораздо более сильную связь, чем коэффициент корреляции 0,3. Если переменные никак не связаны друг с другом, коэффициент корреляции равен нулю. Приведенный выше пример о негативном мышлении и депрессивных симптомах является примером двух переменных, которые, как мы могли бы ожидать, будут связаны друг с другом. Когда более высокие значения одной переменной (негативное мышление) связаны с более высокими значениями другой переменной (депрессивные симптомы), возникает положительная корреляция  между переменными.

Знак — положительный или отрицательный — коэффициента корреляции указывает на направление связи. Положительные корреляции несут положительные знаки; отрицательные корреляции несут отрицательные знаки. Положительная корреляция означает, что переменные движутся в одном направлении. Иными словами, это означает, что при увеличении одной переменной увеличивается и другая, и наоборот, при уменьшении одной переменной уменьшается и другая. Отрицательная корреляция означает, что переменные движутся в противоположных направлениях. Если две переменные имеют отрицательную корреляцию, то уменьшение одной переменной связано с увеличением другой и наоборот.

Другими примерами положительной корреляции являются отношения между депрессией и нарушением нормального режима сна. Тогда можно было бы ожидать, что оценки по показателю депрессии будут положительно коррелировать с показателями по показателю нарушений сна.

Можно ожидать, что между депрессией и самооценкой существует отрицательная корреляция. Чем более депрессивны люди, тем ниже их баллы по шкале самооценки Розенберга (RSES), мера самооценки, широко используемая в социальных исследованиях. Имейте в виду, что отрицательная корреляция — это не то же самое, что отсутствие корреляции. Например, мы, вероятно, не найдем связи между депрессией и чьим-то ростом.

В корреляционных исследованиях ученые пассивно наблюдают и измеряют явления. Здесь мы не вмешиваемся и не меняем поведение, как в экспериментах. В корреляционном исследовании мы выявляем закономерности отношений, но обычно не можем сделать вывод, что к чему приводит. Важно отметить, что с помощью корреляционного исследования вы можете одновременно исследовать только две переменные, не больше и не меньше.

Как упоминалось ранее, корреляции имеют прогностическую ценность. Итак, что, если вы хотите проверить, связаны ли расходы на других со счастьем, но у вас нет 20 долларов, чтобы дать каждому участнику? Вы можете использовать корреляционный план, что и сделал профессор Данн. Она спрашивала людей, какую часть своего дохода они тратят на других или жертвуют на благотворительность, а позже спрашивала их, насколько они счастливы. Как вы думаете, связаны ли эти две переменные? Да они были! Чем больше денег люди тратили на других, тем счастливее они были.

Дополнительные сведения о корреляции

Чтобы выяснить, насколько хорошо совпадают две переменные, мы можем построить зависимость между двумя оценками на так называемой диаграмме рассеяния (рис. 1). На диаграмме рассеяния каждая точка представляет точку данных. (В данном случае это отдельные лица, но это может быть и другая единица измерения.) Важно отметить, что каждая точка дает нам две части информации — в данном случае информацию о том, насколько хорошо человек оценил прошедший месяц (ось x ) и насколько счастлив человек чувствовал себя в прошлом месяце ( и -ось). Какая переменная откладывается на какой оси, не имеет значения.

Рисунок 1 . Диаграмма рассеяния связи между счастьем и оценками за последний месяц, положительная корреляция ( r = 0,81). Каждая точка представляет человека.

В приведенном выше примере направление связи положительное. Это означает, что люди, которые восприняли прошедший месяц как хороший, сообщили, что чувствовали себя более счастливыми, тогда как люди, которые восприняли этот месяц как плохой, сообщили, что чувствовали себя менее счастливыми.

На диаграмме рассеяния точки образуют узор, простирающийся от левого нижнего угла к правому верхнему (точно так же, как на рис. 1). Значение r для положительной корреляции обозначается положительным числом (хотя знак плюс обычно опускается). Здесь значение r равно 0,81.

На рисунке 2 показана отрицательная корреляция, связь между средним ростом мужчин в стране (ось y ) и распространенностью возбудителя или распространенностью болезни в этой стране ( x -ось). На этой диаграмме рассеяния каждая точка представляет страну. Обратите внимание, как точки простираются от левого верхнего угла к правому нижнему. Что это означает в реальном мире? Это означает, что люди ниже ростом в тех частях мира, где больше болезней. Значение r для отрицательной корреляции обозначается отрицательным числом, то есть перед ним стоит знак минус (-). Здесь это -0,83.

Рисунок 2 . Диаграмма рассеяния, показывающая связь между средним ростом мужчины и распространенностью возбудителя, отрицательная корреляция ( r = –0,83). Каждая точка представляет страну (Chiao, 2009).

Сила корреляции зависит от того, насколько хорошо совпадают две переменные. Напомним, что в корреляционном исследовании профессора Данна расходы на других положительно коррелировали со счастьем: чем больше денег люди тратили на других, тем счастливее они были. В этот момент вы можете подумать про себя: «Я знаю очень щедрого человека, который раздал много денег другим людям, но он несчастен!» Или, может быть, вы знаете очень скупого человека, который счастлив настолько, насколько это возможно. Да, могут быть исключения. Если ассоциация имеет много исключений, она считается слабой корреляцией. Если ассоциация имеет мало или вообще не имеет исключений, она считается сильной корреляцией. Сильная корреляция — это такая корреляция, при которой две переменные всегда или почти всегда идут вместе. В примере со счастьем и тем, насколько хорошим был месяц, ассоциация сильна. Чем сильнее корреляция, тем плотнее точки на диаграмме рассеяния будут располагаться вдоль наклонной линии. ^[1]

Попробуйте

Проблемы с корреляцией

Если между щедростью и счастьем существует положительная корреляция, должны ли мы заключить, что щедрость вызывает счастье? Точно так же, если рост и распространенность возбудителя имеют отрицательную корреляцию, должны ли мы заключить, что болезнь вызывает низкорослость? Только по корреляции мы не можем быть уверены. Например, в первом случае может быть так, что счастье вызывает щедрость, или щедрость вызывает счастье. Или третья переменная может вызвать счастье обоих и щедрость, создающая иллюзию прямой связи между ними. Например, богатство может быть третьей переменной, которая вызывает как большее счастье, так и большую щедрость. Вот почему корреляция не означает причинно-следственную связь — фраза, которую часто повторяют психологи. ^[2]

Корреляция не указывает причинно-следственную связь

Корреляционное исследование полезно, потому что оно позволяет нам обнаружить силу и направление взаимосвязей, существующих между двумя переменными. Однако корреляция ограничена, потому что установление существования взаимосвязи мало что говорит нам о причина и следствие . Хотя переменные иногда коррелируют, потому что одна действительно вызывает другую, также может быть, что какой-то другой фактор, смешанная переменная , на самом деле вызывает систематическое движение интересующих нас переменных. В упомянутом ранее примере с депрессией и негативным мышлением стресс представляет собой смешанную переменную, которая может объяснить взаимосвязь между двумя переменными.

Даже когда мы не можем указать на четкие смешанные переменные, мы не должны предполагать, что корреляция между двумя переменными подразумевает, что одна переменная вызывает изменения в другой. Это может раздражать, когда причинно-следственная связь кажется ясной и интуитивно понятной. Вспомните наш пример о связи между депрессией и нарушением нормального режима сна. Кажется разумным предположить, что нарушение сна может вызывать более высокие баллы по показателю депрессии, точно так же, как высокая степень депрессии может приводить к более нарушенным моделям сна, но если бы мы были ограничены корреляционное исследование , мы перешагнули бы границы, сделав такое предположение. И депрессия, и нарушение сна могут быть вызваны основным физиологическим расстройством или любой другой третьей переменной, которую вы не измерили.

К сожалению, люди все время ошибочно утверждают, что причинно-следственная связь является функцией корреляций. Хотя корреляционное исследование имеет неоценимое значение для выявления взаимосвязей между переменными, основным ограничением является невозможность установить причинно-следственную связь. Корреляционный метод не предполагает манипулирования интересующими переменными. В предыдущем примере экспериментатор не манипулировал депрессивными симптомами или характером сна людей. Психологи хотят делать заявления о причине и следствии, но единственный способ сделать это — провести эксперимент, чтобы ответить на исследовательский вопрос. В следующем разделе описывается, как исследователи используют экспериментальные методы, в которых экспериментатор манипулирует одной или несколькими интересующими переменными и наблюдает их влияние на другие переменные или результаты в контролируемых условиях.

смотреть IT

В этом видео мы обсуждаем один из лучших методов психологии для прогнозирования поведения: корреляцию. Но означает ли это, что поведение обязательно произойдет? Давай выясним!

Вы можете просмотреть стенограмму «#5 Корреляция против причинно-следственной связи — Psy 101» здесь (откроется в новом окне).

Попробуйте

Подумай об этом

Подумайте, почему корреляционные исследования часто используются при изучении аномального поведения. Если корреляционные модели не демонстрируют причинно-следственной связи, почему исследователи делают причинно-следственные заявления относительно своих результатов? Бывают ли случаи, когда корреляционные результаты могут продемонстрировать причинно-следственную связь?

Глоссарий

причинно-следственная связь:  изменения одной переменной вызывают изменения другой переменной; может быть определена только с помощью плана экспериментального исследования

предвзятость подтверждения:  склонность игнорировать свидетельства, опровергающие идеи или убеждения

смешанная переменная:  непредвиденный внешний фактор, влияющий на обе представляющие интерес переменные,\; часто создается ложное впечатление, что изменения одной переменной вызывают изменения другой переменной, тогда как на самом деле внешний фактор вызывает изменения обеих переменных

корреляция: связь между двумя или более переменными; когда две переменные коррелированы, одна переменная изменяется так же, как и другая

коэффициент корреляции: число от -1 до +1, указывающее силу и направление связи между переменными и обычно обозначаемое как r

отрицательное корреляция:  две переменные изменяются в разных направлениях, причем одна становится больше, а другая становится меньше; отрицательная корреляция — это не то же самое, что отсутствие корреляции

положительная корреляция:  две переменные изменяются в одном направлении, обе становятся больше или меньше

---

1. Сколлон, Северная Каролина (2020). Исследовательские конструкции. В Р. Бисвас-Динер и Э. Динер (редакторы), серия учебников Noba: Психология. Шампейн, Иллинойс: Издательство DEF. Получено с http://noba.to/acxb2thy ↵
2. Scollon, CN (2020). Исследовательские конструкции. В Р. Бисвас-Динер и Э. Динер (редакторы), серия учебников Noba: Психология. Шампейн, Иллинойс: Издательство DEF. Получено с http://noba.to/acxb2thy ↵

Психологическая статистика

Что такое корреляция? Корреляция — это статистический метод, который используется для измерения и описания взаимосвязи между двумя переменными. Обычно за двумя переменными просто наблюдают, а не манипулируют ими.

Корреляция требует двух оценок от одних и тех же лиц. Эти оценки обычно обозначаются как X и Y. Пары оценок могут быть перечислены в таблице или представлены на диаграмме рассеяния.

Пример: Нас может заинтересовать корреляция между вашими баллами SAT-M и вашим средним баллом в UNC.

Вот результаты SAT по математике и средний балл 13 учеников этого класса, а также диаграмма рассеяния для всех 41 ученика:

Диаграмма рассеяния имеет значения X (GPA) на горизонтальной (X) оси и значения Y (MathSAT) на вертикальной (Y) оси. Каждый человек идентифицируется одной точкой (точкой) на графике, расположенной таким образом, что координаты точки (значения X и Y) соответствуют баллам человека X (GPA) и Y (MathSAT).

Например, у учащегося по имени «Obs5» (в шестой строке таблицы) средний балл = 2,30, а MathSAT = 710. Этот учащийся представлен на диаграмме рассеяния выделенной и помеченной («5») точкой в ​​верхней левой части диаграммы рассеяния. Обратите внимание, что это справа от MathSAT 710 и выше GPA 2,30.

Обратите внимание, что корреляция Пирсона (объясненная ниже) между этими двумя переменными составляет 0,32.

Характеристики отношений Корреляции имеют три важные характеристики. Они могут рассказать нам о направление отношения, форма (форма) отношения и степень (сила) отношения между двумя переменными.

1. Направление отношений
Мера корреляции говорит нам о направлении связи между двумя переменными. Направление может быть положительным или отрицательным .

1. Положительный
: При положительном отношении обе переменные имеют тенденцию двигаться в одном направлении: если одна переменная увеличивается, другая имеет тенденцию также увеличиваться. Если один уменьшается, другой имеет тенденцию к уменьшению.

В приведенном выше примере GPA и MathSAT положительно связаны. По мере увеличения среднего балла (или MathSAT) другая переменная также имеет тенденцию к увеличению.

2. Отрицательный
: При отрицательном отношении переменные имеют тенденцию двигаться в противоположных направлениях: если одна переменная увеличивается, другая имеет тенденцию уменьшаться, и наоборот.

Направление связи между двумя переменными определяется знаком коэффициента корреляции переменных. Позитивные отношения имеют знак «плюс», тогда как негативные отношения имеют знак «минус».

2. Форма (форма) отношений
: Форма или форма отношения относится к тому, является ли отношение прямым или изогнутым.
1. Линейная
: Прямая связь называется линейной , потому что она аппроксимирует прямую линию. Пример GPA, MathSAT показывает зависимость, которая является, грубо говоря, линейной зависимостью.
2. Криволинейная
: Криволинейная взаимосвязь называется криволинейной , потому что он приближается к изогнутой линии. Пример взаимосвязи между количеством миль на галлон и объемом двигателя различных автомобилей, проданных в США в 1982 году, показан ниже. Это криволинейно (и отрицательно).




В этом курсе мы имеем дело только с коэффициентами корреляции, которые измеряют линейную зависимость. Существуют и другие коэффициенты корреляции, измеряющие криволинейную связь, но они выходят за рамки вводного уровня.

3. Степень (сила) отношений

Наконец, коэффициент корреляции измеряет степень (силу) взаимосвязи между двумя переменными. Показатели, которые мы обсуждаем, измеряют только силу линейной связи между двумя переменными. Две особые сильные стороны:

1. Perfect Relationship
: Когда две переменные точно (линейно) связаны, коэффициент корреляции равен либо +1,00, либо -1,00. Говорят, что они совершенно линейно связаны как положительно, так и отрицательно.
2. Нет связи
: Когда две переменные вообще не связаны, их корреляция равна 0,00.

Существуют сильные стороны между -1,00, 0,00 и +1,00. Заметьте, однако. что +1,00 — это наибольшая положительная корреляция, а -1,00 — наибольшая возможная отрицательная корреляция. Вот три примера:

Вес и мощность

Связь между весом и мощностью является сильной, линейной и положительной, хотя и не идеальной. Коэффициент корреляции Пирсона равен +,9.2.

Передаточное отношение и мощность

Связь между передаточным числом и мощностью еженедельно отрицательная, хотя и не равная нулю. Коэффициент корреляции Пирсона равен -0,59.

Передаточное отношение и количество миль на галлон

Взаимосвязь между передаточным числом и MPG еженедельно положительна, хотя и не равна нулю. Коэффициент корреляции Пирсона равен 0,42.

Где и почему мы используем корреляцию

1. Прогноз
: Корреляции можно использовать для прогнозирования. Если в прошлом было известно, что две переменные коррелируют, то мы можем предположить, что они будут коррелировать и в будущем. Мы можем использовать значение одной переменной, которое известно сейчас, чтобы предсказать значение, которое примет другая переменная в будущем.

Например, мы требуем, чтобы учащиеся старших классов сдавали экзамен SAT, потому что мы знаем, что в прошлом баллы SAT хорошо коррелировали с баллами среднего балла, которые учащиеся получают во время учебы в колледже. Таким образом, мы прогнозируем, что высокие баллы SAT приведут к высоким баллам GPA, и наоборот.

2. Валидность
: Предположим, мы разработали новый тест интеллекта. Мы можем определить, действительно ли он измеряет интеллект, сопоставив баллы нового теста, например, с баллами, которые те же люди получают в стандартизированных тестах IQ, или их баллами в тестах на способность решать проблемы, или их результатами в учебных задачах и т. д.

Это процесс проверки нового теста интеллекта. Процесс основан на корреляции.

3. Надежность
: Корреляции можно использовать для определения надежности некоторого процесса измерения. Например, мы могли бы применить наш новый тест IQ в двух разных случаях к одной и той же группе людей и посмотреть, какова корреляция. Если корреляция высока, тест надежен. Если он низкий, то нет.
4. Проверка теории
: Многие психологические теории делают конкретные прогнозы относительно взаимосвязи между двумя переменными. Например, предполагается, что интеллект родителей и детей положительно связан. Мы можем проверить этот прогноз, проведя IQ-тесты для родителей и их детей и измерив корреляцию между двумя показателями.

Корреляционные исследования – Методы исследования в психологии – 2-е канадское издание

Глава 7: Неэкспериментальные исследования

1. Дайте определение корреляционным исследованиям и приведите несколько примеров.
2. Объясните, почему исследователь может выбрать проведение корреляционного исследования, а не экспериментального исследования или другого типа неэкспериментального исследования.

Корреляционное исследование — это тип неэкспериментального исследования, в котором исследователь измеряет две переменные и оценивает статистическую взаимосвязь (т. е. корреляцию) между ними, практически не прилагая усилий для контроля посторонних переменных. По сути, есть две причины, по которым исследователи, интересующиеся статистическими отношениями между переменными, предпочитают проводить корреляционное исследование, а не эксперимент. Во-первых, они не верят, что статистическая связь является причинно-следственной. Например, исследователь может оценить достоверность краткого теста на экстраверсию, проведя его для большой группы участников вместе с более длительным тестом на экстраверсию, валидность которого уже доказана. Затем этот исследователь может проверить, сильно ли коррелируют результаты участников по краткому тесту с их результатами по более длинному тесту. Считается, что ни один из результатов теста не является причиной другого, поэтому независимой переменной, которой можно было бы манипулировать, нет. На самом деле термины независимая переменная  и зависимая переменная e не применяются к такого рода исследованиям.

Другая причина, по которой исследователи предпочитают использовать корреляционное исследование, а не эксперимент, заключается в том, что интересующая статистическая связь считается причинно-следственной, но исследователь  не может  манипулировать независимой переменной, потому что это невозможно, непрактично или неэтично. Например, Аллен Каннер и его коллеги считали, что количество «ежедневных хлопот» (например, грубые продавцы, большой трафик), с которыми сталкиваются люди, влияет на количество физических и психологических симптомов, которые они испытывают (Kanner, Coyne, Schaefer, & Lazarus, 19).81). ^[1] Но поскольку они не могли манипулировать количеством ежедневных неприятностей, с которыми сталкивались их участники, им пришлось довольствоваться измерением количества ежедневных неприятностей — наряду с количеством симптомов — с помощью анкет самоотчетов. Хотя сильная положительная связь, которую они обнаружили между этими двумя переменными, согласуется с их идеей о том, что неприятности вызывают симптомы, она также согласуется с идеей о том, что симптомы вызывают неприятности или что какая-то третья переменная (например, невротизм) вызывает и то, и другое.

Распространенное заблуждение среди начинающих исследователей состоит в том, что корреляционное исследование должно включать две количественные переменные, такие как баллы по двум тестам на экстраверсию или количество неприятностей и количество симптомов, с которыми столкнулись люди. Однако определяющей чертой корреляционного исследования является то, что измеряются две переменные — ни одна из них не подвергается манипуляциям — и это верно независимо от того, являются ли переменные количественными или категориальными. Представьте, например, что исследователь применяет шкалу самооценки Розенберга к 50 американским студентам и 50 японским студентам. Хотя это «похоже» на эксперимент между испытуемыми, это корреляционное исследование, поскольку исследователь не манипулировал национальностью студентов. То же самое относится и к исследованию Качиоппо и Петти, сравнивающих профессоров и фабричных рабочих с точки зрения их потребности в познании. Это корреляционное исследование, потому что исследователи не манипулировали профессиями участников.

На рис. 7.2 показаны данные гипотетического исследования взаимосвязи между тем, составляют ли люди ежедневный список дел («список дел») и стрессом. Обратите внимание, что неясно, является ли этот план экспериментом или корреляционным исследованием, потому что неясно, манипулировали ли независимой переменной. Если исследователь случайным образом поручил некоторым участникам составлять ежедневные списки дел, а другим — нет, то это эксперимент. Если исследователь просто спрашивал участников, составляли ли они ежедневные списки дел, то это корреляционное исследование. Это различие важно, потому что если бы исследование было экспериментом, то можно было бы сделать вывод, что составление ежедневных списков дел снижает стресс участников. Но если бы это было корреляционное исследование, можно было бы сделать вывод только о том, что эти переменные связаны. Возможно, стресс отрицательно влияет на способность людей планировать заранее (проблема направленности). Или, возможно, более добросовестные люди чаще составляют списки дел и меньше подвержены стрессу (проблема третьей переменной). Важным моментом является то, что то, что определяет исследование как экспериментальное или корреляционное, определяется не изучаемыми переменными, не тем, являются ли переменные количественными или категориальными, не типом графика или статистики, используемой для анализа данных. Так проводится исследование.

Рисунок 7.2. Результаты гипотетического исследования того, испытывают ли люди, которые ежедневно составляют списки дел, меньше стресса, чем люди, которые не составляют таких списков

Опять же, определяющей чертой корреляционного исследования является то, что ни одна из переменных не подвергается манипулированию. Неважно, как и где измеряются переменные. Исследователь может предложить участникам прийти в лабораторию для выполнения компьютеризированной задачи на диапазон цифр в обратном порядке и компьютеризированной задачи на принятие решения, связанной с риском, а затем оценить взаимосвязь между оценками участников по этим двум задачам. Или исследователь может пойти в торговый центр, чтобы спросить людей об их отношении к окружающей среде и покупательских привычках, а затем оценить взаимосвязь между этими двумя переменными. Оба этих исследования были бы корреляционными, потому что никакие независимые переменные не манипулируются. Однако, поскольку некоторые подходы к сбору данных тесно связаны с корреляционными исследованиями, имеет смысл обсудить их здесь. Два из них, на которых мы сосредоточимся, — это натуралистические наблюдения и архивные данные. Третье исследование, обзорное исследование, обсуждается в отдельной главе, глава 9..

 – это подход к сбору данных, который включает в себя наблюдение за поведением людей в среде, в которой оно обычно происходит. Таким образом, натуралистическое наблюдение является типом полевого исследования (в отличие от лабораторного исследования). Это может быть наблюдение за покупателями в продуктовом магазине, за детьми на школьной площадке или за психиатрическими больными в их палатах. Исследователи, занимающиеся натуралистическим наблюдением, обычно делают свои наблюдения как можно ненавязчивее, чтобы участники часто не осознавали, что их изучают. С этической точки зрения этот метод считается приемлемым, если участники остаются анонимными, а поведение происходит в публичной обстановке, где люди обычно не ожидают конфиденциальности. Например, покупатели продуктовых магазинов, кладущие товары в свои тележки, ведут себя публично, и это легко заметить сотрудникам магазина и другим покупателям. По этой причине большинство исследователей считают этически приемлемым наблюдение за ними для исследования. С другой стороны, один из аргументов против этичности натуралистического наблюдения за «поведением в ванной», обсуждавшегося ранее в книге, заключается в том, что у людей есть разумное ожидание уединения даже в общественном туалете, и что это ожидание было нарушено.

Исследователи Роберт Левин и Ара Норензаян использовали натуралистические наблюдения для изучения различий в «темпе жизни» в разных странах (Левин и Норензаян, 1999). ^[2] Одной из их мер было наблюдение за пешеходами в большом городе, чтобы узнать, сколько времени им потребовалось, чтобы пройти 60 футов. Они обнаружили, что люди в некоторых странах ходят достоверно быстрее, чем люди в других странах. Например, жители Канады и Швеции преодолели 60 футов в среднем чуть менее чем за 13 секунд, а жители Бразилии и Румынии — почти за 17 секунд.

Поскольку натуралистическое наблюдение происходит в сложном и даже хаотичном «реальном мире», есть две тесно связанные проблемы, с которыми исследователи должны разобраться, прежде чем собирать данные. Первый – это выборка. Когда, где и при каких условиях будут производиться наблюдения и за кем именно? Левин и Норензаян описали свой процесс отбора проб следующим образом:

«Скорость ходьбы мужчин и женщин на расстоянии 60 футов измерялась как минимум в двух местах в основных центральных районах каждого города. Измерения проводились в основные рабочие часы в ясные летние дни. Все места были плоскими, свободными, имели широкие тротуары и были достаточно малолюдными, чтобы пешеходы могли двигаться с потенциально максимальной скоростью. Чтобы контролировать эффекты общения, использовались только пешеходы, идущие в одиночку. Дети, лица с явными физическими недостатками и витрины не учитывались. В большинстве городов было замерено 35 мужчин и 35 женщин». (стр. 186)

Точное описание процесса отбора проб позволяет наблюдателям управлять сбором данных, а также обеспечивает некоторый контроль над важными посторонними переменными. Например, проводя наблюдения в ясные летние дни во всех странах, Левин и Норензаян контролировали влияние погоды на скорость ходьбы людей.

Второй вопрос — измерение. Какое конкретное поведение будет наблюдаться? В исследовании Левина и Норензаяна измерение было относительно простым. Они просто измерили 60-футовое расстояние вдоль городского тротуара, а затем использовали секундомер для измерения времени участников, когда они проходили это расстояние. Однако часто поведение, представляющее интерес, не столь очевидно и объективно. Например, исследователи Роберт Краут и Роберт Джонстон хотели изучить реакцию боулеров на их удары, когда они смотрели на кегли, а затем поворачивались к своим товарищам (Kraut & Johnston, 19). 79). ^[3] Но какие «реакции» они должны наблюдать? Основываясь на предыдущих исследованиях и собственном пилотном тестировании, Краут и Джонстон составили список реакций, в который вошли «закрытая улыбка», «открытая улыбка», «смех», «нейтральное лицо», «посмотреть вниз», «отвести взгляд» и «покрытие лица» (закрытие лица руками). Наблюдатели запоминали этот список, а затем практиковались, кодируя реакции боулеров, которые были записаны на видео. Во время самого исследования наблюдатели говорили в диктофон, описывая наблюдаемые реакции. Одним из наиболее интересных результатов этого исследования было то, что боулеры редко улыбались, когда они все еще смотрели на кегли. Они с гораздо большей вероятностью улыбались после того, как повернулись к своим спутникам, что позволяет предположить, что улыбка — это не просто выражение счастья, но и форма социального общения.

Когда наблюдения требуют суждения со стороны наблюдателей — как в исследовании Краута и Джонстона — этот процесс часто описывается как . Кодирование обычно требует четкого определения набора целевых моделей поведения. Затем наблюдатели классифицируют участников по отдельности в зависимости от того, какое поведение они проявляли, и сколько раз они проявляли каждое поведение. Наблюдатели могут даже записывать продолжительность каждого поведения. Целевое поведение должно быть определено таким образом, чтобы разные наблюдатели кодировали его одинаково. Эта трудность с кодированием связана с межэкспертной надежностью, как упоминалось в главе 5. Ожидается, что исследователи продемонстрируют межэкспертную надежность своей процедуры кодирования, заставив несколько оценщиков независимо кодировать одно и то же поведение, а затем показав, что разные наблюдатели находятся в близком согласии. Краут и Джонстон, например, записывали на видео часть реакций участников, и два наблюдателя независимо кодировали их. Два наблюдателя показали, что они согласны с реакциями, которые проявлялись 97% времени, что указывает на хорошую межэтапную надежность.

Другим подходом к корреляционным исследованиям является использование данных, которые уже были собраны для какой-либо другой цели. Примером может служить исследование Бретта Пелхэма и его коллег о «скрытом эгоизме» — склонности людей отдавать предпочтение людям, местам и вещам, которые похожи на них самих (Pelham, Carvallo, & Jones, 2005). ^[4] В одном исследовании они изучили записи социального обеспечения, чтобы показать, что женщины с именами Вирджиния, Джорджия, Луиза и Флоренс чаще всего переезжали в штаты Вирджиния, Джорджия, Луизиана и Флорида соответственно.

Как и при натуралистическом наблюдении, измерение может быть более или менее простым при работе с архивными данными. Например, относительно просто подсчитать количество людей с фамилией Вирджиния, проживающих в разных штатах, на основе данных социального обеспечения. Но рассмотрим исследование взаимосвязи между оптимизмом и здоровьем, проведенное Кристофером Петерсоном и его коллегами с использованием данных, собранных много лет назад для изучения развития взрослых (Peterson, Seligman, & Vaillant, 19). 88). ^[5] В 1940-х годах здоровые студенты мужского пола заполнили открытую анкету о тяжелом военном опыте. В конце 1980-х Петерсон и его коллеги проанализировали ответы мужчин на анкеты, чтобы получить представление о стиле объяснения — их привычных способах объяснения плохих событий, которые с ними происходят. Более пессимистичные люди склонны винить себя и ожидать долгосрочных негативных последствий, затрагивающих многие аспекты их жизни, в то время как более оптимистичные люди склонны обвинять внешние силы и ожидать ограниченных негативных последствий. Чтобы получить меру объяснительного стиля для каждого участника, исследователи использовали процедуру, в которой все негативные события, упомянутые в ответах на вопросы анкеты, и любые их причинно-следственные объяснения были идентифицированы и записаны на каталожных карточках. Они были переданы отдельной группе оценщиков, которые оценили каждое объяснение с точки зрения трех отдельных аспектов оптимизма-пессимизма. Затем эти оценки усреднялись для получения оценки стиля объяснения для каждого участника. Затем исследователи оценили статистическую взаимосвязь между стилем объяснений мужчин, когда они были студентами бакалавриата, и архивными показателями их здоровья примерно в 60-летнем возрасте. Основной результат заключался в том, что чем более оптимистичными были мужчины в студенческие годы, тем здоровее они были в пожилом возрасте. Пирсон r  было +0,25.

Этот метод является примером — семейства систематических подходов к измерению с использованием сложных архивных данных. Точно так же, как натуралистическое наблюдение требует определения интересующего поведения, а затем отмечая его по мере его появления, анализ контента требует указания ключевых слов, фраз или идей, а затем нахождения всех их вхождений в данных. Затем эти события можно подсчитать, рассчитать по времени (например, количество времени, посвященное развлекательным темам в вечернем выпуске новостей) или проанализировать множеством других способов.

• Корреляционное исследование включает измерение двух переменных и оценку взаимосвязи между ними без манипулирования независимой переменной.
• Корреляционное исследование не определяется тем, где и как собираются данные. Однако некоторые подходы к сбору данных тесно связаны с корреляционными исследованиями. К ним относятся натуралистическое наблюдение (при котором исследователи наблюдают за поведением людей в контексте, в котором оно обычно происходит) и использование архивных данных, которые уже были собраны для какой-либо другой цели.

Обсуждение: по каждому из следующих ответов решите, является ли описанное исследование наиболее вероятным экспериментальным или корреляционным, и объясните, почему.

1. Исследователь в области образования сравнивает успеваемость учащихся из «богатой» части города с успеваемостью учащихся из «бедной» части города.
2. Когнитивный психолог сравнивает способность людей вспоминать слова, которые им было приказано «прочитать», с их способностью вспоминать слова, которые им было приказано «вообразить».
3. Менеджер изучает корреляцию между средними баллами новых сотрудников в колледже и их отчетами об успеваемости за первый год.
4. Автомобильный инженер устанавливает различные рычаги переключения передач на новый прототип автомобиля, каждый раз прося нескольких человек оценить, насколько комфортно они себя чувствуют.
5. Ученый-диетолог изучает взаимосвязь между температурой в холодильниках людей и количеством бактерий в их продуктах.
6. Социальный психолог говорит некоторым участникам исследования, что им нужно поторопиться в соседнее здание, чтобы завершить исследование. Она говорит другим, что они могут не торопиться. Затем она наблюдает, останавливаются ли они, чтобы помочь научному сотруднику, который притворяется обиженным.

---

1. Каннер, А. Д., Койн, Дж. К., Шефер, К., и Лазарус, Р. С. (1981). Сравнение двух режимов измерения стресса: ежедневные неприятности и подъемы по сравнению с крупными жизненными событиями. Журнал поведенческой медицины, 4 , 1–39. ↵
2. Левин, Р. В., и Норензаян, А. (1999). Темп жизни в 31 стране. Журнал межкультурной психологии, 30 , 178–205. ↵
3. Kraut, RE, & Johnston, RE (1979). Социальные и эмоциональные сообщения улыбки: этологический подход. Журнал личности и социальной психологии, 37 , 1539–1553. ↵
4. Пелхэм, Б.В., Карвалло, М., и Джонс, Дж.Т. (2005). Скрытый эгоизм. Текущие направления в психологии, 14 , 106–110. ↵
5. Peterson, C., Seligman, M.E.P., & Vaillant, GE (1988). Пессимистический стиль объяснения является фактором риска соматического заболевания: 35-летнее лонгитюдное исследование. Журнал личности и социальной психологии, 55 , 23–27. ↵

6.2 Корреляционные исследования – методы исследования в психологии

Цели обучения

1. Дайте определение корреляционным исследованиям и приведите несколько примеров.
2. Объясните, почему исследователь может выбрать проведение корреляционного исследования, а не экспериментального исследования или другого типа неэкспериментального исследования.
3. Интерпретируйте силу и направление различных коэффициентов корреляции.
4. Объясните, почему корреляция не подразумевает причинно-следственную связь.

Что такое корреляционное исследование?

Корреляционное исследование — это тип неэкспериментального исследования, в котором исследователь измеряет две переменные и оценивает статистическую взаимосвязь (т. е. корреляцию) между ними, практически не прилагая усилий для контроля посторонних переменных. Есть много причин, по которым исследователи, интересующиеся статистическими отношениями между переменными, предпочитают проводить корреляционное исследование, а не эксперимент. Во-первых, они не верят, что статистическая связь является причинной, или не интересуются причинно-следственными связями. Напомним, две цели науки — описывать и предсказывать, и стратегия корреляционного исследования позволяет исследователям достичь обеих этих целей. В частности, эту стратегию можно использовать для описания силы и направления связи между двумя переменными, и если связь между переменными существует, то исследователи могут использовать оценки одной переменной для прогнозирования оценок другой (используя статистический метод, называемый регрессией). ).

Еще одна причина, по которой исследователи предпочитают использовать корреляционное исследование, а не эксперимент, заключается в том, что интересующая статистическая связь считается причинно-следственной, но исследователь  не может  манипулировать независимой переменной, потому что это невозможно, непрактично или неэтично. Например, хотя меня может интересовать взаимосвязь между частотой, с которой люди употребляют каннабис, и их способностями к запоминанию, я не могу этически манипулировать частотой, с которой люди употребляют каннабис. Таким образом, я должен полагаться на стратегию корреляционного исследования; Я должен просто измерить частоту, с которой люди употребляют марихуану, и измерить их способности к запоминанию с помощью стандартизированного теста памяти, а затем определить, связана ли частота употребления марихуаны статистически с результатами теста памяти.

Корреляция также используется для установления надежности и достоверности измерений. Например, исследователь может оценить достоверность краткого теста на экстраверсию, проведя его для большой группы участников вместе с более длительным тестом на экстраверсию, валидность которого уже доказана. Затем этот исследователь может проверить, сильно ли коррелируют результаты участников по краткому тесту с их результатами по более длинному тесту. Считается, что ни один из результатов теста не является причиной другого, поэтому независимой переменной, которой можно было бы манипулировать, нет. На самом деле термины независимая переменная  и зависимая переменная e не применяются к такого рода исследованиям.

Еще одна сильная сторона корреляционного исследования заключается в том, что его внешняя валидность часто выше, чем экспериментальное исследование. Напомним, что обычно существует компромисс между внутренней и внешней валидностью. По мере того, как к экспериментам добавляются более строгие меры контроля, повышается внутренняя валидность, но часто за счет внешней валидности. Напротив, корреляционные исследования обычно имеют низкую внутреннюю валидность, поскольку ничего не манипулируют и не контролируют, но они часто имеют высокую внешнюю валидность. Поскольку экспериментатор ничем не манипулирует и ничем не контролируется, результаты, скорее всего, будут отражать отношения, существующие в реальном мире.

Наконец, расширяя этот компромисс между внутренней и внешней достоверностью, корреляционное исследование может помочь предоставить сходящиеся доказательства для теории. Если теория поддерживается настоящим экспериментом с высокой внутренней валидностью, а также корреляционным исследованием с высокой внешней валидностью, то исследователи могут быть более уверены в валидности своей теории. В качестве конкретного примера, корреляционные исследования, установившие, что существует связь между просмотром телевизора с насилием и агрессивным поведением, были дополнены экспериментальными исследованиями, подтверждающими причинно-следственную связь (Bushman & Huesmann, 2001) ^[1] . Эти сходящиеся результаты дают убедительные доказательства того, что существует реальная связь (на самом деле причинно-следственная связь) между просмотром телевизора с насилием и агрессивным поведением.

Сбор данных в корреляционных исследованиях

Опять же, отличительной чертой корреляционных исследований является то, что ни одна из переменных не подвергается манипулированию. Неважно, как и где измеряются переменные. Исследователь может предложить участникам прийти в лабораторию для выполнения компьютеризированной задачи на диапазон цифр в обратном порядке и компьютеризированной задачи на принятие решения, связанной с риском, а затем оценить взаимосвязь между оценками участников по этим двум задачам. Или исследователь может пойти в торговый центр, чтобы спросить людей об их отношении к окружающей среде и покупательских привычках, а затем оценить взаимосвязь между этими двумя переменными. Оба этих исследования были бы корреляционными, потому что никакие независимые переменные не манипулируются.

Корреляции между количественными переменными

Корреляции между количественными переменными часто представляются с помощью диаграмм рассеяния . На рис. 6.3 показаны некоторые гипотетические данные о взаимосвязи между уровнем стресса, которому подвергаются люди, и количеством имеющихся у них физических симптомов. Каждая точка на диаграмме рассеяния представляет оценку одного человека по обеим переменным. Например, обведенная точка на Рисунке 6.3 представляет человека с оценкой стресса 10 и у которого было три физических симптома. Принимая во внимание все пункты, можно увидеть, что у людей, находящихся в условиях большего стресса, как правило, больше физических симптомов. Это хороший пример положительная связь , в которой более высокие баллы по одной переменной, как правило, связаны с более высокими баллами по другой. Отрицательная связь  – это связь, в которой более высокие оценки по одной переменной, как правило, связаны с более низкими оценками по другой. Существует отрицательная связь между стрессом и работой иммунной системы, например, потому что более высокий уровень стресса связан с более низким функционированием иммунной системы.

Рисунок 6.3 Диаграмма рассеяния, показывающая гипотетическую положительную связь между стрессом и количеством физических симптомов. Точка в кружке представляет человека с 10 баллами стресса и тремя физическими симптомами. Коэффициент Пирсона для этих данных равен +,51.

Сила корреляции между количественными переменными обычно измеряется с помощью статистики, называемой Коэффициент корреляции Пирсона (или Пирсона r ) . Как показано на Рисунке 6.4, r Пирсона колеблется от −1,00 (самая сильная возможная отрицательная связь) до +1,00 (самая сильная возможная положительная связь). Значение 0 означает, что между двумя переменными нет связи. Когда r Пирсона равно 0, точки на диаграмме рассеяния образуют бесформенное «облако». По мере того, как его значение приближается к −1,00 или +1,00, точки все ближе и ближе подходят к одной прямой. Коэффициенты корреляции около ± 0,10 считаются малыми, значения около ± 0,30 считаются средними, а значения около ± 0,50 считаются большими. Обратите внимание, что знак Пирсона r  не имеет отношения к его силе. Например, значения r Пирсона +,30 и -0,30 одинаково сильны; просто одно представляет умеренное положительное отношение, а другое умеренное отрицательное отношение. За исключением коэффициентов надежности, большинство корреляций, которые мы находим в психологии, малы или умеренны по размеру. Веб-сайт http://rpsychologist.com/d3/correlation/, созданный Кристоффером Магнуссоном, обеспечивает прекрасную интерактивную визуализацию корреляций, которая позволяет вам регулировать силу и направление корреляции, наблюдая за соответствующими изменениями на диаграмме рассеивания.

. может ввести в заблуждение. r Пирсона является хорошей мерой только для линейных отношений, в которых точки лучше всего аппроксимируются прямой линией. Это плохой показатель для нелинейных отношений, в которых точки лучше аппроксимируются кривой линией. На рис. 6.5, например, показана гипотетическая связь между количеством сна, которое люди получают за ночь, и уровнем их депрессии. В этом примере линия, которая лучше всего соответствует точкам, представляет собой кривую — своего рода перевернутую букву «U», потому что люди, которые спят около восьми часов, как правило, менее всего подвержены депрессии. Те, кто спит слишком мало, и те, кто спит слишком много, как правило, более склонны к депрессии. Несмотря на то, что на рис. 6.5 показана довольно сильная связь между депрессией и сном, критерий Пирсона r  будет близок к нулю, потому что точки на диаграмме рассеяния не совпадают с одной прямой линией. Это означает, что важно построить диаграмму рассеяния и подтвердить, что зависимость приблизительно линейна, прежде чем использовать r Пирсона. Нелинейные отношения довольно распространены в психологии, но измерение их силы выходит за рамки этой книги.

Рисунок 6.5 Гипотетическая нелинейная связь между сном и депрессией

Другие распространенные ситуации, в которых значение 9 Пирсона0019 r  может ввести в заблуждение, если одна или обе переменные имеют ограниченный диапазон в выборке по сравнению с генеральной совокупностью. Эта проблема называется ограничением диапазона . Предположим, например, что существует сильная отрицательная корреляция между возрастом людей и их удовольствием от хип-хопа, как показано на диаграмме рассеяния на Рисунке 6.6. r Пирсона здесь составляет -0,77. Однако если бы мы собирали данные только от 18–24-летних, представленных заштрихованной областью на рис. 6.6, тогда взаимосвязь выглядела бы довольно слабой. На самом деле, Пирсон r  для этого ограниченного диапазона возрастов равен 0. Поэтому рекомендуется планировать исследования таким образом, чтобы избежать ограничения диапазона. Например, если возраст является одной из ваших основных переменных, вы можете запланировать сбор данных от людей самых разных возрастов. Однако, поскольку ограничение диапазона не всегда можно ожидать или легко избежать, рекомендуется изучить ваши данные на предмет возможного ограничения диапазона и интерпретировать r Pearson в свете этого. (Существуют также статистические методы для корректировки 9 Пирсона). 0019 r  для ограничения диапазона, но они выходят за рамки этой книги).

olds (в ​​синем поле) равно 0.

Корреляция не подразумевает причинно-следственной связи

Вы, наверное, неоднократно слышали, что «корреляция не подразумевает причинно-следственной связи». Забавным примером этого является исследование 2012 года, которое показало положительную корреляцию (9 Пирсонов).0015 r = 0,79) между потреблением шоколада на душу населения в стране и числом Нобелевских премий, присужденных гражданам этой страны ^[2] . Однако кажется очевидным, что это не означает, что употребление шоколада помогает людям получать Нобелевские премии, и было бы бессмысленно пытаться увеличить количество выигранных Нобелевских премий, рекомендуя родителям кормить своих детей больше шоколадом.

Есть две причины, по которым корреляция не подразумевает причинно-следственную связь. Первая называется проблема направленности . Две переменные, X и Y , могут быть статистически связаны, потому что X вызывает Y или потому что Y вызывает X . Рассмотрим, например, исследование, показывающее, что то, занимаются ли люди спортом, статистически связано с тем, насколько они счастливы, так что люди, которые занимаются спортом, в среднем счастливее, чем люди, которые этого не делают. Эта статистическая взаимосвязь согласуется с идеей о том, что упражнения вызывают счастье, но она также согласуется с идеей о том, что упражнения вызывают счастье. Возможно, счастье дает людям больше энергии или побуждает их искать возможности для общения с другими людьми, посещая тренажерный зал. Вторая причина того, что корреляция не подразумевает причинно-следственной связи, называется0011 проблема с третьей переменной . Две переменные, x и y , могут быть статистически связаны не потому, что x вызывает Y , или из -за Y вызывает x , но из -за некоторой третьей переменной, z , вызывает оба x . и  Y . Например, тот факт, что страны, которые получили больше Нобелевских премий, как правило, имеют более высокое потребление шоколада, вероятно, отражает географическое положение, поскольку европейские страны, как правило, имеют более высокие показатели потребления шоколада на душу населения 9.0015 и инвестируют в образование и технологии больше (опять же, на душу населения), чем многие другие страны мира. Точно так же статистическая связь между физическими упражнениями и счастьем может означать, что какая-то третья переменная, например физическое здоровье, вызывает обе другие. Быть физически здоровым может заставить людей заниматься спортом и сделать их счастливее. Корреляции, которые являются результатом третьей переменной, часто называют 90 011 ложными корреляциями.

Несколько отличных и забавных примеров ложных корреляций можно найти на сайте http://www.tylervigen.com (один из таких примеров представлен на рис. 6.7).

Ключевые выводы

• Корреляционное исследование включает измерение двух переменных и оценку взаимосвязи между ними без манипулирования независимой переменной.
• Корреляция не подразумевает причинно-следственной связи. Статистическая связь между двумя переменными, X и Y , не обязательно означает, что X вызывает Y . Также возможно, что Y вызывает X или что третья переменная, Z , вызывает как X , так и Y .
• Хотя корреляционное исследование нельзя использовать для установления причинно-следственных связей между переменными, корреляционное исследование позволяет исследователям достичь многих других важных целей (установление надежности и достоверности, предоставление сходящихся доказательств, описание взаимосвязей и создание прогнозов)
• Коэффициенты корреляции могут принимать значения от -1 до +1. Знак указывает направление связи между переменными, а числовое значение указывает на силу связи.

---

1. Бушман, Б.Дж., и Хьюсманн, Л.Р. (2001). Влияние телевизионного насилия на агрессию. В D. Singer & J. Singer (Eds.), Справочник детей и СМИ (стр. 223–254). Тысяча дубов, Калифорния: Sage. ↵
2. Мессерли, Ф. Х. (2012). Потребление шоколада, когнитивная функция и лауреаты Нобелевской премии. Медицинский журнал Новой Англии, 367 , 1562-1564. ↵

Корреляционные исследования: что это такое с примерами

Наш разум может делать блестящие вещи. Например, он может запомнить звон грузовика с пиццей. Чем громче звон, тем ближе к нам грузовик с пиццей. Кто нас этому научил? Никто! Мы полагались на наше понимание и пришли к выводу. Мы не останавливаемся на достигнутом, не так ли? Если в этом районе есть несколько грузовиков с пиццей, и у каждого из них есть своя мелодия, мы бы запомнили все это и связали мелодию с ее грузовиком с пиццей.

Именно этим и является корреляционное исследование, устанавливающее взаимосвязь между двумя переменными, «звонком» и «расстоянием до грузовика» в данном конкретном примере. Корреляционное исследование ищет переменные, которые кажутся взаимодействующими друг с другом. Когда вы видите изменение одной переменной, у вас есть четкое представление о том, как изменится другая переменная.

Что такое корреляционное исследование?

Корреляционное исследование представляет собой тип неэкспериментального метода исследования, при котором исследователь измеряет две переменные, понимает и оценивает статистическую взаимосвязь между ними без влияния какой-либо посторонней переменной.

 

Сбор результатов исследований

Корреляционные исследования Пример

значение измеряется между -1 и +1. Когда коэффициент корреляции близок к +1, между двумя переменными существует положительная корреляция. Если значение относительно -1, между двумя переменными существует отрицательная корреляция. Когда значение близко к нулю, между двумя переменными нет связи.

Давайте рассмотрим пример, чтобы понять корреляционное исследование.

Рассмотрим гипотетически; исследователь изучает корреляцию между раком и браком. В этом исследовании есть две переменные: болезнь и брак. Скажем, брак имеет отрицательную связь с раком. Это означает, что у женатых людей меньше шансов заболеть раком.

Однако это не обязательно означает, что брак непосредственно предотвращает рак. В корреляционных исследованиях невозможно установить факт, что к чему приводит. Это заблуждение, что корреляционное исследование включает две количественные переменные. Однако реальность такова, что измеряются две переменные, но ни одна из них не изменяется. Это верно независимо от того, являются ли переменные количественными или категориальными.

Типы корреляционных исследований

В основном выделяют три типа корреляционных исследований:

1. Положительная корреляция: Положительная связь между двумя переменными – это когда увеличение одной переменной приводит к увеличению другой переменной . Уменьшение одной переменной приведет к уменьшению другой переменной. Например, количество денег, которое есть у человека, может положительно коррелировать с количеством автомобилей, которыми он владеет.

2. Отрицательная корреляция: Отрицательная корреляция буквально противоположна положительной связи. Если есть увеличение одной переменной, вторая переменная покажет уменьшение и наоборот.

Например, образованность может отрицательно коррелировать с уровнем преступности, когда увеличение одной переменной приводит к снижению другой, и наоборот. Если уровень образования в стране повышается, это может снизить уровень преступности. Обратите внимание, это не означает, что отсутствие образования приводит к преступлениям. Это означает лишь то, что считается, что недостаток образования и преступность имеют общую причину – бедность.

3. Нет корреляции: В этом третьем типе нет корреляции между двумя переменными. Изменение одной переменной не обязательно приведет к изменению другой переменной. Например, быть миллионером и счастье не связаны. Увеличение денег не приводит к счастью.

Характеристики корреляционного исследования

Корреляционное исследование имеет три основные характеристики. Это: 

• Неэкспериментальный : Корреляционное исследование не является экспериментальным. Это означает, что исследователям не нужно манипулировать переменными с помощью научной методологии, чтобы либо согласиться, либо не согласиться с гипотезой. Исследователь только измеряет и наблюдает взаимосвязь между переменными, не изменяя их и не подвергая внешней обусловленности.
• Ретроспективный взгляд : Корреляционное исследование только оглядывается на исторические данные и наблюдает за событиями в прошлом. Исследователи используют его для измерения и выявления исторических закономерностей между двумя переменными. Корреляционное исследование может показать положительную связь между двумя переменными, но это может измениться в будущем.
• Динамический : Образцы между двумя переменными из корреляционного исследования никогда не бывают постоянными и всегда меняются. Две переменные, имеющие отрицательную корреляцию в прошлом, могут иметь положительную корреляционную связь в будущем из-за различных факторов.

Сбор исследовательской информации

Сбор данных

Отличительной чертой корреляционного исследования является то, что исследователь не может манипулировать ни одной из задействованных переменных. Неважно, как и где измеряются переменные. Исследователь мог наблюдать за участниками в закрытой среде или в общественном месте.

Исследователи используют два метода сбора данных для сбора информации в корреляционных исследованиях.

Натуристическое наблюдение

Натуралистическое наблюдение — это способ сбора данных, при котором поведение людей наблюдают в их естественной среде, в которой они обычно существуют. Этот метод относится к полевым исследованиям. Это может означать, что исследователь может наблюдать за людьми в продуктовом магазине, в кинотеатре, на игровой площадке или в подобных местах.

Исследователи, которые обычно участвуют в этом типе сбора данных, проводят наблюдения как можно ненавязчивее, чтобы участники, участвующие в исследовании, не знали, что за ними наблюдают, иначе они могут отклониться от своего естественного образа.

С этической точки зрения этот метод приемлем, если участники остаются анонимными и если исследование проводится в общественном месте, где люди обычно не ожидают полной конфиденциальности. Как упоминалось ранее, возьмем пример продуктового магазина, где люди могут наблюдать за тем, как люди берут товар из прохода и кладут в сумки для покупок. Это приемлемо с этической точки зрения, поэтому большинство исследователей выбирают публичные места для записи своих наблюдений. Этот метод сбора данных может быть как качественным, так и количественным.

Архивные данные

Другим подходом к корреляционным данным является использование архивных данных. Архивная информация – это данные, которые были ранее собраны в результате проведения подобных исследований. Архивные данные обычно становятся доступными благодаря первичным исследованиям.

В отличие от естественных наблюдений, информация, собранная с помощью архивных данных, может быть довольно простой. Например, подсчет количества людей по имени Ричард в различных штатах Америки на основе данных социального обеспечения является относительно коротким.

Используйте метод корреляционного исследования для проведения корреляционного исследования и измерения статистической взаимосвязи между двумя переменными. Откройте для себя самые важные идеи. Используйте исследовательскую платформу QuestionPro, чтобы получить комплексную информацию, которая поможет вашему бизнесу выйти на передовые позиции в отрасли.

Исследования для принятия лучших решений. Начните бесплатную пробную версию сегодня. Кредитная карта не требуется.

       

Планы корреляционных исследований: типы, примеры и методы

Человеческий разум — это мощный инструмент, который позволяет вам просеивать, казалось бы, не связанные между собой переменные и устанавливать связь с конкретным предметом. Именно этот навык вступает в игру, когда мы говорим о корреляционных исследованиях.

Корреляционные исследования — это то, чем мы занимаемся каждый день; подумайте о том, как вы устанавливаете связь между звонком в дверь в определенное время и приходом молочника. Таким образом, целесообразно понимать различные типы доступных корреляционных исследований и, что более важно, как их проводить.

Что такое корреляционное исследование?

Корреляционное исследование — это метод исследования, который включает наблюдение за двумя переменными с целью установления статистически соответствующей связи между ними. Цель корреляционного исследования состоит в том, чтобы идентифицировать переменные, которые имеют какую-то связь в той мере, в какой изменение одной приводит к некоторому изменению другой.

Этот тип исследования носит описательный характер, в отличие от экспериментального исследования, которое полностью опирается на научную методологию и гипотезу. Например, корреляционное исследование может выявить статистическую взаимосвязь между людьми с высоким доходом и их переездом; то есть чем больше люди зарабатывают, тем больше вероятность того, что они переедут или нет.

Какие существуют типы корреляционных исследований?

По сути, существует 3 типа корреляционных исследований: положительное корреляционное исследование, отрицательное корреляционное исследование и отсутствие корреляционного исследования. Каждый из этих типов определяется своеобразными характеристиками.

• Положительные корреляционные исследования

Положительное корреляционное исследование — это метод исследования, включающий две статистически соответствующие переменные, когда увеличение или уменьшение одной переменной приводит к аналогичному изменению другой. Например, когда увеличение заработной платы работников приводит к увеличению цен на товары и услуги и наоборот.

• Отрицательное корреляционное исследование

Отрицательное корреляционное исследование — это метод исследования, включающий две статистически противоположные переменные, когда увеличение одной из переменных создает альтернативный эффект или уменьшение другой переменной. Примером отрицательной корреляции является ситуация, когда рост товаров и услуг вызывает снижение спроса и наоборот.

• Исследование нулевой корреляции

Нулевое корреляционное исследование — это тип корреляционного исследования, в котором участвуют 2 переменные, не обязательно статистически связанные. В этом случае изменение одной из переменных может не вызвать соответствующее или альтернативное изменение другой переменной.

Нулевое корреляционное исследование предназначено для переменных с расплывчатыми статистическими отношениями. Например, богатство и терпение могут быть переменными при нулевом корреляционном исследовании, поскольку они статистически независимы.

Паттерны спорадических изменений, которые происходят в переменных с нулевой корреляцией, обычно происходят случайно, а не в результате соответствующей или альтернативной взаимной инклюзивности.

Корреляционные исследования также можно классифицировать на основе методов сбора данных. Исходя из этого, существует 3 типа корреляционных исследований: натуралистические наблюдательные исследования, обзорные исследования и архивные исследования.

Какие методы сбора данных используются в корреляционных исследованиях?

Методы сбора данных в корреляционных исследованиях – это исследовательские методологии, принятые лицами, проводящими корреляционные исследования, для определения линейной статистической зависимости между двумя переменными. Эти методы сбора данных используются для сбора информации в корреляционных исследованиях.

3 метода сбора данных в корреляционных исследованиях: метод натуралистического наблюдения, метод архивных данных и метод опроса. Все это будет четко объяснено в последующих параграфах.

• Натуралистическое наблюдение

Натуралистическое наблюдение — это метод корреляционного исследования, который включает в себя наблюдение за поведением людей в естественной среде, в которой они существуют, в течение определенного периода времени. Это тип полевого метода исследования, при котором исследователь уделяет пристальное внимание естественным моделям поведения изучаемых субъектов.

Этот метод чрезвычайно сложен, так как исследователь должен проявлять особую осторожность, чтобы испытуемые не подозревали, что за ними наблюдают, иначе они отклоняются от своих естественных моделей поведения. Всем субъектам, находящимся под наблюдением, лучше всего оставаться анонимными, чтобы избежать нарушения конфиденциальности.

Основные преимущества метода натуралистического наблюдения заключаются в том, что он позволяет исследователю полностью наблюдать объекты (переменные) в их естественном состоянии. Однако это очень дорогой и трудоемкий процесс, к тому же субъекты могут узнать об этом действии в любое время и могут действовать вопреки.

• Архивные данные

Архивные данные — это метод корреляционного исследования, который включает использование уже собранной информации о переменных в корреляционном исследовании. Поскольку этот метод предполагает использование уже собранных и проанализированных данных, он обычно направлен прямо в цель.

Для этого метода корреляционного исследования используются более ранние исследования, проведенные другими исследователями, или исторические записи анализируемых переменных. Этот метод помогает исследователю отслеживать уже определенные статистические закономерности переменных или субъектов.

Этот метод дешевле, экономит время и предоставляет исследователю больше доступных данных для работы. Однако у него есть проблема с точностью данных, поскольку важная информация может отсутствовать в предыдущем исследовании, поскольку исследователь не имеет контроля над процессом сбора данных.

• Метод обследования

Метод опроса является наиболее распространенным методом корреляционного исследования; особенно в таких областях, как психология. Он включает случайную выборку переменных или субъектов исследования, в котором участники заполняют анкету, ориентированную на интересующие предметы.

Этот метод очень гибкий, поскольку исследователи могут собирать большие объемы данных за очень короткое время. Тем не менее, он зависит от предвзятости ответов на опросы, а также на него могут повлиять предвзятые вопросы опроса или недостаточное представительство респондентов или участников опроса.

Это было бы правильно объяснено в разделе о методах сбора данных в корреляционных исследованиях.

Примеры корреляционного исследования

Примеры корреляционного исследования многочисленны и выделяют несколько случаев, когда корреляционное исследование может быть выполнено для определения статистической поведенческой тенденции в отношении рассматриваемых переменных. Вот 3 примера корреляционного исследования.

• Вы хотите знать, менее ли терпеливы богатые люди. Судя по вашему опыту, вы считаете, что богатые люди нетерпеливы. Однако вы хотите установить статистическую закономерность, которая подтверждает или опровергает ваше убеждение. В этом случае вы можете провести корреляционное исследование, чтобы выявить тенденцию, связывающую обе переменные.
• Вы хотите узнать, есть ли зависимость между заработком людей и количеством детей. Вы не верите, что люди с большей покупательной способностью рожают больше детей, чем люди с меньшей покупательной способностью.

Вы думаете, что то, сколько люди зарабатывают, вряд ли определяет количество их детей. Тем не менее, проведение корреляционного исследования обеих переменных может выявить любую корреляционную связь, существующую между ними.

• Вы считаете, что насилие в семье вызывает кровоизлияние в мозг. Вы не можете проводить эксперимент, так как было бы неэтично намеренно подвергать людей домашнему насилию.

Тем не менее, вы можете провести корреляционное исследование, чтобы выяснить, страдают ли жертвы домашнего насилия от кровоизлияния в мозг чаще, чем остальные.

Каковы характеристики корреляционного исследования?

• Корреляционные исследования не являются экспериментальными

Корреляционное исследование не является экспериментальным, поскольку оно не предполагает манипулирования переменными с использованием научной методологии для подтверждения или несогласия с гипотезой. В корреляционном исследовании исследователь просто наблюдает и измеряет естественную связь между двумя переменными; не подвергая ни одну из переменных внешнему обусловливанию.

• Корреляционные исследования ретроспективны

Корреляционное исследование не принимает во внимание будущее, поскольку оно только наблюдает и измеряет недавнюю историческую взаимосвязь, существующую между двумя переменными. В этом смысле статистическая закономерность, полученная в результате корреляционного исследования, обращена в прошлое и может перестать существовать в любой момент в будущем.

Корреляционное исследование наблюдает и измеряет исторические закономерности между двумя переменными, такими как взаимосвязь между высокодоходными работниками и уплатой налогов. Корреляционное исследование может выявить положительную связь между вышеупомянутыми переменными, но это может измениться в любой момент в будущем.

• Корреляционное исследование является динамическим

Статистические закономерности между двумя переменными, полученные в результате корреляционных исследований, постоянно меняются. Корреляция между двумя переменными меняется ежедневно, поэтому ее нельзя использовать в качестве фиксированных данных для дальнейших исследований.

Например, 2 переменные могут иметь отрицательную корреляционную связь в течение периода времени, возможно, 5 лет. По истечении этого времени корреляционная связь между ними может стать положительной; как наблюдается в отношениях между облигациями и акциями.

• Данные, полученные в результате корреляционного исследования, не являются постоянными и не могут использоваться в качестве стандартной переменной для дальнейших исследований.

Что такое коэффициент корреляции?

Коэффициент корреляции является важной величиной в корреляционных исследованиях, которая показывает, является ли взаимосвязь между двумя переменными положительной, отрицательной или несуществующей. Обычно он обозначается знаком [r] и входит в диапазон возможных коэффициентов корреляции от -1,0 до +1,0.

Сила корреляции между количественными переменными обычно измеряется с использованием статистики, называемой коэффициентом корреляции Пирсона (или r Пирсона). На положительную корреляцию указывает значение 1,0, на полную отрицательную корреляцию указывает значение -1,0, а на нулевую корреляцию указывает значение 0,0.

Важно отметить, что коэффициент корреляции отражает только линейную зависимость между двумя переменными; он не фиксирует нелинейные отношения и не может разделять зависимые и независимые переменные. Коэффициент корреляции помогает определить степень статистической взаимосвязи между переменными.

Каковы преимущества корреляционных исследований?

• В случаях, когда проведение экспериментальных исследований неэтично, можно использовать корреляционное исследование для определения взаимосвязи между двумя переменными. Например, при изучении людей проведение эксперимента может рассматриваться как небезопасное или неэтичное; следовательно, выбор корреляционного исследования был бы лучшим вариантом.
• С помощью корреляционного исследования вы можете легко определить статистическую взаимосвязь между двумя переменными.
• Проведение корреляционного исследования требует меньше времени и средств, чем экспериментальное исследование. Это становится серьезным преимуществом при работе с минимальным количеством исследователей и финансирования или при очень низком количестве переменных в исследовании.
• Корреляционное исследование позволяет исследователю проводить неглубокий сбор данных с использованием различных методов, таких как краткий опрос. Краткий опрос не требует, чтобы исследователь проводил его лично, поэтому исследователь может работать с несколькими людьми.

Каковы недостатки корреляционных исследований?

• Корреляционное исследование носит ограниченный характер, поскольку его можно использовать только для определения статистической взаимосвязи между двумя переменными. Его нельзя использовать для установления связи между более чем двумя переменными.
• Не учитывает причину и следствие между двумя переменными, поскольку не выделяет, какая из двух переменных отвечает за наблюдаемую статистическую закономерность. Например, тот факт, что образование положительно коррелирует с вегетарианством, не объясняет, ведет ли образование к тому, чтобы стать вегетарианцем, или же вегетарианство ведет к более высокому уровню образования.
• Причины того и другого можно предположить, но до тех пор, пока не будут проведены дополнительные исследования, установить причину невозможно. Кроме того, причиной обоих может быть третья, неизвестная переменная. Например, жизнь в штате Детройт может привести как к образованию, так и к вегетарианству.
• Корреляционное исследование зависит от прошлых статистических моделей для определения взаимосвязи между переменными. Таким образом, его данные не могут быть полностью использованы для дальнейших исследований.
• В корреляционном исследовании исследователь не может контролировать переменные. В отличие от экспериментального исследования, корреляционное исследование позволяет исследователю только наблюдать переменные для соединения статистических закономерностей без введения катализатора.
• Информация, полученная в результате корреляционных исследований, ограничена. Корреляционное исследование показывает только взаимосвязь между переменными и не приравнивает к причинно-следственной связи.

В чем разница между корреляционными и экспериментальными исследованиями?  

• Методология

Основное различие между корреляционным исследованием и экспериментальным исследованием заключается в методологии. В корреляционном исследовании исследователь ищет статистическую закономерность, связывающую 2 естественные переменные, в то время как в экспериментальном исследовании исследователь вводит катализатор и отслеживает его влияние на переменные.

• Наблюдение

В корреляционном исследовании исследователь пассивно наблюдает за явлениями и измеряет любую взаимосвязь, возникающую между ними. Однако в экспериментальных исследованиях исследователь активно наблюдает за явлениями после запуска изменения поведения переменных.

• Причинность

В экспериментальных исследованиях исследователь вводит катализатор и отслеживает его влияние на переменные, то есть причину и следствие. В корреляционном исследовании исследователя не интересуют причины и следствия в их применении; скорее, он или она выявляет повторяющиеся статистические закономерности, связывающие переменные в исследовании.

• Количество переменных

исследования охватывают неограниченное количество переменных. Корреляционное исследование, с другой стороны, обслуживает только 2 переменные.

• Экспериментальное исследование является причинным, тогда как корреляционное исследование является относительным.
• Корреляционное исследование носит предварительный характер и почти всегда предшествует экспериментальному исследованию.
• В отличие от корреляционного исследования, экспериментальное исследование позволяет исследователю контролировать переменные.

Как использовать онлайн-формы для корреляционного исследования

Одним из самых популярных методов проведения корреляционного исследования является проведение опроса, который можно упростить с помощью онлайн-формы. Опросы для корреляционных исследований включают в себя создание различных вопросов, которые вращаются вокруг наблюдаемых переменных и позволяют респондентам давать ответы на эти вопросы.

Использование онлайн-формы для корреляционного исследования поможет исследователю собрать больше данных за минимальное время. Кроме того, исследователь сможет охватить больше респондентов, чем это возможно с помощью печатных форм корреляционного исследования.

Кроме того, исследователь сможет быстро обрабатывать и анализировать все ответы, чтобы объективно установить статистическую закономерность, связывающую переменные в исследовании. Использование онлайн-формы для корреляционного исследования также помогает исследователю минимизировать затраты, понесенные в течение исследовательского периода.

Чтобы использовать онлайн-форму для корреляционного исследования, вам необходимо зарегистрироваться на платформе сбора данных, такой как Formplus. Formplus позволяет создавать настраиваемые формы для корреляционных исследований с помощью конструктора Formplus.

Вы можете настроить форму опроса корреляционного исследования, добавив фоновые изображения, новые цветовые темы или логотип своей компании, чтобы сделать ее еще более профессиональной. Кроме того, в Formplus также есть шаблон формы опроса, который вы можете редактировать для корреляционного исследования.

Вы можете создавать различные типы вопросов для опроса, включая открытые вопросы, рейтинговые вопросы, закрытые вопросы и вопросы с несколькими ответами в своем опросе в конструкторе Formplus. После создания опроса корреляционного исследования вы можете поделиться персонализированной ссылкой с респондентами по электронной почте или в социальных сетях.

Formplus также позволяет собирать автономные ответы в вашей форме.

Начало работы с Formplus

Заключение 

Корреляционное исследование позволяет исследователям установить статистическую закономерность между двумя, казалось бы, взаимосвязанными переменными; как таковая, она является отправной точкой любого исследования. Он позволяет связать 2 переменные, наблюдая за их поведением в наиболее естественном состоянии.

В отличие от экспериментального исследования, корреляционное исследование не делает акцент на причинном факторе, влияющем на 2 переменные, и это делает данные, полученные в результате корреляционного исследования, подверженными постоянным изменениям. Однако это быстрее, проще, дешевле и удобнее, чем экспериментальное исследование.

При выборе наилучшего типа исследования важно всегда помнить о цели своего исследования. Если вам просто нужно наблюдать за тем, как переменные реагируют на изменения, то лучше всего подписаться на экспериментальные исследования.

Лучше всего проводить корреляционное исследование, используя форму онлайн-опроса корреляционного исследования, так как это делает процесс сбора данных более удобным. Formplus — это отличная онлайн-платформа для сбора данных, которую вы можете использовать для создания пользовательских форм опроса для корреляционных исследований.