Корреляционное исследование — Психологос
Корреляционный анализ — метод обработки статистических данных, заключающийся в изучении коэффициентов (корреляции) между переменными. При этом сравниваются коэффициенты корреляции между одной парой или множеством пар признаков, для установления между ними статистических взаимосвязей.
Общая информация
Цель корреляционного анализа — обеспечить получение некоторой информации об одной переменной с помощью другой переменной. В случаях когда возможно достижение цели, говорят, что переменные коррелируют. В самом общем виде принятие гипотезы о наличии корреляции означает что изменение значения переменной А, произойдет одновременно с пропорциональным изменением значения Б: если обе переменные растут то корреляция положительная, если одна переменная растёт, а вторая уменьшается корреляция отрицательная.
Ограничения
1. Применение возможно в случае наличия достаточного количества случаев для изучения: для конкретного вида коэффициента корреляции составляет от 25 до 100 пар наблюдений.
2. Второе ограничение вытекает из гипотезы корреляционного анализа (см. выше), в которую заложена линейная зависимость переменных. Во многих случаях, когда достоверно известно, что зависимость существует корреляционный анализ может не дать результатов просто ввиду того, что зависимость не линейна (выражена, например в виде параболы).
3. Сам по себе факт корреляционной зависимости не даёт основания утверждать, какая из переменных предшествует или является причиной изменений, или что переменные вообще причинно связаны между собой, например ввиду действия третьего фактора. (см. Ложная корреляция, ниже).
Область применения
Данный метод обработки статистических данных весьма популярен в социальных науках (в частности в психологии), хотя сфера применения коэффициентов корреляции обширна: контроль качества промышленной продукции, металловедение, агрохимия и проч.
Популярность метода обусловлена двумя моментами: коэффициенты корреляции относительно просты в подсчете, их применение не требует специальной математической подготовки.
Ложная корреляция
Часто, заманчивая простота корреляционного исследования подталкивает исследователя делать ложные интуитивные выводы о наличии причинно-следственной связи между парами признаков, в то время как коэффициенты корреляции устанавливают лишь статистические взаимосвязи.
Иллюстрацией этому служит хорошо известный анекдот: если выйти на улицу и измерить у 1000 случайных прохожих размер обуви и IQ, между ними будет обнаружена статистически значимая корреляция. Однако это не значит, что размер ноги влияет на интеллект, так как на наличие этой взаимосвязи скорее всего повлияли такие факторы, как пол и возраст участников исследования.
В современной количественной методологии социальных наук, фактически произошел отказ от попыток установить причинно-следственные связи между наблюдаемыми переменными эмпирическими методами.
Поэтому когда исследователи в социальных науках говорят об установлении взаимосвязей между изучаемыми переменными, подразумевают либо общетеоретическое допущение, либо статистическую зависимость.
Корреляционное исследование. Понятия. Примеры.
Корреляционнымназывается исследование, проводимое для подтверждения или опровержения гипотезы о статистической связи между несколькими (двумя и более) переменными. В психологии в качестве переменных могут выступать психические свойства, процессы, состояния и др.
“Корреляция” в прямом переводе означает “соотношение”. Если изменение одной переменной сопровождается изменением другой, то можно говорить о корреляции этих переменных. Наличие корреляции двух переменных 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. Пример корреляция высокой личностной пластичности и склонности к смене социальных установок.
2. Корреляция, обусловленная 3-й переменной. 2 переменные (а, с) связаны одна с другой через 3-ю (в), не измеренную в ходе исследования. Примером подобной корреляции является установленный психологами США факт связи уровня интеллекта с уровнем доходов. Если бы такое исследование проводилось в сегодняшней России, то результаты были бы иными
3. Случайная корреляция, не обусловленная никакой переменной.
4. Корреляция, обусловленная неоднородностью выборки. Пример 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.
Корреляционные связи различаются по своему виду. Если повышение уровня одной переменной сопровождается повышением уровня другой, то речь идет о положительной корреляции.
Возрастание громкости звука сопровождается ощущением повышения его тона. Если рост уровня одной переменной сопровождается снижением уровня другой, то мы имеем дело с отрицательной корреляцией. Чем боязливей особь, тем меньше у нее шансов занять доминирующее положение в группе.
Нулевой называется корреляция при отсутствии связи переменных.
В психологии практически нет примеров строго линейных связей (положительных или отрицательных). Большинство связей – нелинейные. Примером является связь между уровнем мотивации достижений и выбором задач различной трудности. Лица, мотивированные надеждой на успех, предпочитают задания среднего диапазона трудности
Математическую теорию линейных корреляций разработал Пирсон. Ее основания и приложения излагаются в соответствующих учебниках и справочниках по математической статистике. Напомним, что коэффициент линейной корреляции Пирсона г варьируется от -1 до +1
Значимость коэффициента корреляции зависит от принятого уровня значимости и от величины выборки.
Чем больше модуль коэффициента корреляции, тем ближе связь переменных к линейной функциональной зависимости.
Поможем написать любую работу на аналогичную тему
Реферат
Корреляционное исследование. Понятия. Примеры.
От 250 руб
Контрольная работа
Корреляционное исследование. Понятия. Примеры.
От 250 руб
Курсовая работа
Корреляционное исследование. Понятия. Примеры.
От 700 руб
Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Узнать стоимость
Корреляционные исследования | Когда и как использовать
Опубликован в
7 июля 2021 г.
Корреляционный план исследования исследует отношения между переменными без контроля или манипулирования исследователем какой-либо из них.
Корреляция отражает силу и/или направление связи между двумя (или более) переменными. Направление корреляции может быть как положительным, так и отрицательным.
| Положительная корреляция | Обе переменные изменяются в одном направлении | С ростом роста увеличивается и вес |
|---|---|---|
| Отрицательная корреляция | Переменные изменяются в противоположных направлениях | По мере увеличения потребления кофе снижается усталость |
| Нулевая корреляция | Между переменными нет связи | Потребление кофе не коррелирует с ростом |
СОДЕРЖАНИЕ
- Корреляционные и экспериментальные исследования
- Когда использовать корреляционные исследования
- Как собрать корреляционные данные.
Корреляционное и экспериментальное исследование
Как корреляционные, так и экспериментальные исследования используют количественные методы для изучения взаимосвязей между переменными. Но есть важные различия в способах сбора данных и типах выводов, которые вы можете сделать.
| Корреляционные исследования | Экспериментальные исследования | |
|---|---|---|
| Назначение | Используется для проверки силы связи между переменными | Используется для проверки причинно-следственных связей между переменными |
| Переменные | Переменные наблюдаются только без манипуляций или вмешательства исследователей | Манипуляции с независимой переменной и наблюдение за зависимой переменной |
| Управление | Используется ограниченный контроль, поэтому другие переменные могут играть роль в отношениях | Посторонние переменные контролируются, чтобы они не могли повлиять на интересующие вас переменные |
| Срок действия | Высокая внешняя валидность: вы можете с уверенностью обобщать свои выводы на другие группы населения или условия | Высокая внутренняя валидность: вы можете уверенно делать выводы о причинно-следственной связи |
Когда использовать корреляционное исследование
Корреляционные исследования идеально подходят для быстрого сбора данных в естественных условиях.
Это поможет вам обобщить ваши выводы на реальные жизненные ситуации внешне обоснованным способом.
Есть несколько ситуаций, когда корреляционное исследование является подходящим выбором.
Для исследования непричинных связей
Вы хотите выяснить, существует ли связь между двумя переменными, но не ожидаете найти между ними причинно-следственную связь.
Корреляционные исследования могут дать представление о сложных отношениях в реальном мире, помогая исследователям разрабатывать теории и делать прогнозы.
ПримерВы хотите знать, существует ли какая-либо связь между количеством детей у людей и политической партией, за которую они голосуют. Вы не думаете, что наличие большего количества детей заставляет людей голосовать по-разному — более вероятно, что и то, и другое зависит от других переменных, таких как возраст, религия, идеология и социально-экономический статус. Но сильная корреляция может быть полезна для прогнозирования моделей голосования.Для изучения причинно-следственных связей между переменными
Вы считаете, что между двумя переменными существует причинно-следственная связь, но проводить экспериментальные исследования, в которых используется одна из переменных, нецелесообразно, неэтично или слишком дорого.
Корреляционные исследования могут предоставить первоначальные указания или дополнительную поддержку теорий о причинно-следственных связях.
ПримерВы хотите выяснить, вызывают ли выбросы парниковых газов глобальное потепление. Практически невозможно провести эксперимент, который контролировал бы глобальные выбросы с течением времени, но с помощью наблюдений и анализа вы можете показать сильную корреляцию, подтверждающую теорию.Для тестирования новых измерительных инструментов
Вы разработали новый инструмент для измерения вашей переменной, и вам нужно проверить его надежность или достоверность.
Корреляционное исследование можно использовать для оценки того, последовательно или точно ли инструмент отражает концепцию, которую он призван измерить.
Пример. Вы разрабатываете новую шкалу для измерения одиночества у маленьких детей на основе неофициальных данных во время самоизоляции. Чтобы проверить эту шкалу, вам нужно проверить, действительно ли она измеряет одиночество.
Вы собираете данные об одиночестве, используя три разных измерения, включая новую шкалу, и проверяете степень корреляции между различными измерениями. Обнаружение высоких корреляций означает, что ваша шкала действительна.Как собирать корреляционные данные
В корреляционных исследованиях можно использовать множество различных методов. В социальных и поведенческих науках наиболее распространенными методами сбора данных для этого типа исследований являются опросы, наблюдения и вторичные данные.
Важно тщательно выбирать и планировать свои методы, чтобы обеспечить надежность и достоверность ваших результатов. Вы должны тщательно отобрать репрезентативную выборку, чтобы ваши данные без предвзятости отражали интересующую вас группу населения.
Опросы
При проведении опросов вы можете использовать анкеты для измерения интересующих вас переменных. Вы можете проводить опросы онлайн, по почте, по телефону или лично.
Опросы — это быстрый и гибкий способ сбора стандартизированных данных от многих участников, но важно убедиться, что ваши вопросы сформулированы непредвзято и содержат релевантную информацию.
Натуралистическое наблюдение
Натуралистическое наблюдение — это тип полевого исследования, при котором вы собираете данные о поведении или явлении в его естественной среде.
Этот метод часто включает запись, подсчет, описание и классификацию действий и событий. Естественные наблюдения могут включать как качественные, так и количественные элементы, но для оценки корреляции вы собираете данные, которые можно анализировать количественно (например, частоты, продолжительность, масштабы и количества).
Естественные наблюдения позволяют легко обобщать полученные результаты на контексты реального мира и изучать опыт, который невозможно воспроизвести в лабораторных условиях. Но анализ данных может занять много времени и быть непредсказуемым, а предвзятость исследователя может исказить интерпретацию.
Вторичные данные
Вместо сбора исходных данных вы также можете использовать данные, которые уже были собраны для другой цели, например официальные отчеты, опросы или предыдущие исследования.
Использование вторичных данных недорого и быстро, поскольку сбор данных завершен. Однако данные могут быть ненадежными, неполными или не совсем актуальными, и вы не можете контролировать надежность или достоверность процедур сбора данных.
Пример Чтобы выяснить, связано ли рабочее время с психическим здоровьем, вы используете официальную национальную статистику и научные исследования из нескольких разных стран, чтобы объединить данные о среднем рабочем времени и показателях психических заболеваний.
Вы статистически анализируете данные, чтобы увидеть, имеют ли страны, которые работают меньше часов, лучшие результаты в области психического здоровья.Как анализировать корреляционные данные
После сбора данных вы можете статистически проанализировать взаимосвязь между переменными с помощью корреляционного или регрессионного анализа или того и другого. Вы также можете визуализировать отношения между переменными с помощью диаграммы рассеяния.
Различные типы коэффициентов корреляции и регрессионного анализа подходят для ваших данных в зависимости от их уровня измерения и распределения.
Корреляционный анализ
Используя корреляционный анализ, вы можете обобщить взаимосвязь между переменными в коэффициент корреляции : одно число, описывающее силу и направление взаимосвязи между переменными. С помощью этого числа вы будете количественно определять степень взаимосвязи между переменными.
Коэффициент корреляции «продукт-момент» Пирсона, также известный как r Пирсона, обычно используется для оценки линейной зависимости между двумя количественными переменными.
Коэффициенты корреляции обычно находятся для двух переменных одновременно, но вы можете использовать множественный коэффициент корреляции для трех или более переменных.
Регрессионный анализ
С помощью регрессионного анализа можно предсказать, насколько изменение одной переменной будет связано с изменением другой переменной. Результатом является уравнение регрессии , которое описывает линию на графике ваших переменных.
Это уравнение можно использовать для прогнозирования значения одной переменной на основе заданного значения (значений) другой переменной (переменных). Лучше всего выполнить регрессионный анализ после проверки корреляции между вашими переменными.
Корреляция и причинно-следственная связь
Важно помнить, что корреляция не подразумевает причинно-следственную связь. Тот факт, что вы нашли корреляцию между двумя вещами, не означает, что вы можете заключить, что одна из них вызывает другую по нескольким причинам.
Проблема направленности
Если две переменные коррелированы, это может быть связано с тем, что одна из них является причиной, а другая — следствием. Но корреляционный дизайн исследования не позволяет сделать вывод, что есть что. Из соображений предосторожности исследователи не делают выводов о причинно-следственных связях на основе корреляционных исследований.
Пример. Вы обнаружили положительную корреляцию между уровнем витамина D и депрессией: люди с низким уровнем витамина D более склонны к депрессии. Но вы не можете быть уверены в том, что низкий уровень витамина D вызывает депрессию, или депрессия вызывает снижение потребления витамина D из-за изменения образа жизни или аппетита. Таким образом, вы можете только заключить, что существует связь между этими двумя переменными.Проблема с третьей переменной
Вмешивающаяся переменная — это третья переменная, которая влияет на другие переменные, заставляя их казаться причинно связанными, хотя на самом деле это не так.
Вместо этого существуют отдельные причинно-следственные связи между вмешивающимся фактором и каждой переменной.
В корреляционных исследованиях исследователь имеет ограниченный контроль над посторонними переменными или вообще отсутствует. Даже если вы статистически контролируете некоторые потенциальные искажающие факторы, все равно могут быть другие скрытые переменные, которые маскируют взаимосвязь между переменными вашего исследования.
Пример. Вы обнаружили сильную положительную корреляцию между рабочим временем и стрессом, связанным с работой: люди с меньшим рабочим временем сообщают о более низком уровне стресса, связанного с работой. Однако это не доказывает, что сокращение продолжительности рабочего дня приводит к снижению стресса. Есть много других переменных, которые могут влиять на обе переменные, такие как средний доход, условия труда и ненадежность работы. Вы можете статистически контролировать эти переменные, но вы не можете с уверенностью сказать, что меньшее рабочее время снижает стресс, потому что другие переменные могут усложнить взаимосвязь.
Хотя корреляционное исследование не может продемонстрировать причинно-следственную связь само по себе, оно может помочь вам разработать причинно-следственную гипотезу, проверенную в контролируемых экспериментах.
Часто задаваемые вопросы о корреляционных исследованиях
- Что такое корреляция?
Корреляция отражает силу и/или направление связи между двумя или более переменными.
- Положительная корреляция означает, что обе переменные изменяются в одном направлении.
- Отрицательная корреляция означает, что переменные изменяются в противоположных направлениях.
- Нулевая корреляция означает отсутствие связи между переменными.
- В чем разница между корреляционным и экспериментальным исследованием?
Контролируемые эксперименты устанавливают причинно-следственную связь, тогда как корреляционные исследования показывают только связи между переменными.
- В экспериментальном плане вы манипулируете независимой переменной и измеряете ее влияние на зависимую переменную. Другие переменные контролируются, поэтому они не могут повлиять на результаты.
- В корреляционном плане вы измеряете переменные, не манипулируя ни одной из них. Вы можете проверить, изменяются ли ваши переменные вместе, но вы не можете быть уверены, что одна переменная вызвала изменение другой.
В целом корреляционное исследование имеет высокую внешнюю достоверность, в то время как экспериментальное исследование имеет высокую внутреннюю достоверность.
Процитировать эту статью Scribbr
Если вы хотите процитировать этот источник, вы можете скопировать и вставить цитату или нажать кнопку «Цитировать эту статью Scribbr», чтобы автоматически добавить цитату в наш бесплатный генератор цитирования.
Бхандари, П. (2022, 05 декабря). Корреляционные исследования | Когда и как использовать. Скриббр. Проверено 8 декабря 2022 г., с https://www.scribbr.com/methodology/correlational-research/
Процитировать эту статью
Полезна ли эта статья?
Вы уже проголосовали. Спасибо 🙂
Ваш голос сохранен 🙂
Обработка вашего голоса.
..
Прита имеет академическое образование в области английского языка, психологии и когнитивной нейробиологии. Как междисциплинарный исследователь, она любит писать статьи, объясняющие сложные исследовательские концепции для студентов и ученых.
Корреляционные исследования: объяснение, примеры и типы
Вы, наверное, замечали, что чем меньше вы спите, тем больше вы устаете. Возможно, вы также заметили, что чем больше вы репетируете такой навык, как письмо, тем лучше у вас это получается. Это простые наблюдения из жизни, которые заложили основы корреляционных исследований. Хотя эти наблюдения должны быть научно проверены, чтобы стать фактами, эти примеры являются основой корреляционных исследований.
- В этом объяснении вы найдете презентацию корреляционных исследований в психологии.
- Будут представлены различные типы корреляционных исследований.
- Далее вы узнаете об интерпретации результатов корреляционных исследований.
- Вы также узнаете, почему корреляционные исследования не позволяют исследователям установить причину и следствие.
- Наконец, будут обсуждаться преимущества и недостатки корреляционного исследования в психологии.
Корреляционная психология
Корреляционный анализ широко используется в психологических исследованиях. Корреляционное исследование основано на наблюдениях между переменными; это означает, что нет никаких экспериментальных манипуляций.
Целью корреляционных исследований является определение того, связаны ли две переменные, и если да, то насколько сильна связь.
Корреляционные исследования — это неэкспериментальный метод исследования и статистический анализ, используемый для понимания линейной зависимости или ассоциации между двумя переменными.
При планировании корреляционного исследования исследователи предпринимают следующие шаги:
- Постановка вопроса исследования.
- Идентификация переменных.
- Написание утверждений гипотез.
- Проведение исследований и сбор данных.
- Анализ данных.
Типы корреляционных исследований
Существуют три типа корреляционных исследований, которые мы подробно опишем ниже с примерами. Далее будут оцениваться различные типы исследований с представлением сильных и слабых сторон каждого из них.
Корреляционные исследования: натуралистические наблюдения
В корреляционных исследованиях натуралистических наблюдений исследователи записывают наблюдения переменных в естественных условиях; это не экспериментальный метод, в котором никакие переменные не манипулируются.
Примером такого типа корреляционного исследования являются исследователи, которые идут в супермаркет (в естественной обстановке) и наблюдают, сколько людей покупают мороженое в жаркий день.
Преимущество натуралистических наблюдательных исследований в том, что они позволяют исследователям наблюдать за участниками в естественных условиях.
Это повышает вероятность того, что участники продемонстрируют свое реальное поведение, повышая достоверность результатов. Например, в лабораторных условиях участники могут вести себя не так искренне из-за самой обстановки.
Тем не менее, следует учитывать некоторые ограничения, такие как сложность ограничения искажающих факторов, которые могут повлиять на достоверность исследования и снизить ее.
Корреляционные исследования: метод опроса
Метод опроса использует опросы и анкеты для измерения переменных исследователей.
Примером может служить использование анкет для определения самого высокого уровня образования и социально-экономического статуса.
Цель исследования может состоять в том, чтобы определить, существует ли связь между уровнем образования и доходом человека.
Преимущество этого метода исследования заключается в том, что он относительно недорогой, не занимает слишком много времени и позволяет за короткое время привлечь большое количество участников.
Метод обычно использует случайные выборки для набора, поэтому результаты исследования более обобщаемы, чем другие методы выборки.
Однако респонденты могут отвечать социально желательным образом, а не честно, что снижает достоверность результатов.
Корреляционные исследования: архивные исследования
Архивное исследование — это тип корреляционного исследования, в котором для измерения переменных используются вторичные данные, такие как предыдущие исследования, тематические исследования, исторические документы и медицинские регистры.
Использование регистра детской астмы Детского фонда здоровья для наблюдения за взаимосвязью между астмой и ее распространенностью среди детей является примером архивного исследования.
Преимущество корреляционного архивного исследования в том, что оно может быть дешевле альтернативных методов. Данные легко доступны, и исследователи могут получить данные, которые больше не могут быть собраны, например, документы из исторических периодов.
Тем не менее, следует учитывать недостатки архивных исследований. При проведении архивных исследований исследователь не может контролировать методы сбора данных, что затрудняет определение надежности и достоверности данных. Другая проблема заключается в том, что могут отсутствовать некоторые данные, необходимые для исследования.
Корреляционные исследования: интерпретации
При статистическом анализе корреляционных данных вычисляется коэффициент корреляции.
Коэффициент корреляции ( r ) — мера, определяющая силу связи между двумя переменными.
Значения коэффициента корреляции ( r ) могут находиться в диапазоне от +1 до -1.
Положительное число указывает на положительную связь между переменными; если одна переменная увеличивается, ожидается, что другая тоже увеличится.
Отрицательный коэффициент указывает на отрицательную связь между переменными. Если одна переменная увеличивается, то ожидается, что другая уменьшится.
Коэффициент 0 указывает на отсутствие связи между двумя переменными.
Значение коэффициента корреляции определяет силу корреляции данных:
- Когда r = 0, то корреляции нет.
- Когда r находится в пределах 0,1-0,39, корреляция слабая.
- Когда r находится в пределах 0,4–0,69, существует умеренная корреляция.
- Когда r находится между 0,7 и 0,99, существует сильная корреляция.
- Когда r равно 1, то существует идеальная корреляция.
Графики Scatter обычно используются для отображения взаимосвязи между переменными путем построения графика данных при сообщении данных о корреляции. Диаграммы рассеяния позволяют визуально увидеть силу корреляции и направление между переменными.
Если точки данных расположены близко к линии градиента и имеют положительный градиент, это указывает на положительную взаимосвязь. Если градиент отрицателен, связь отрицательна.
Рис. 1. Диаграмма рассеяния показывает положительную корреляцию между двумя переменными.
Корреляционное исследование причин и следствий
Одна из основных идей, которую исследователи должны помнить при проведении корреляционных исследований, заключается в том, что исследователи не могут установить причинно-следственную связь в корреляционных исследованиях.
Допустим, исследовательская группа проверяет, существует ли связь между аутизмом и продажами экологически чистых продуктов. Чтобы проверить это, они собирают существующие данные из правительственных баз данных. И действительно, они обнаруживают, что за последние десять лет количество диагнозов аутизма увеличилось, а вместе с ними и объемы продаж экологически чистых продуктов. Между переменными существует положительная связь.
Исследование не означает, что диагноз аутизм заставляет людей покупать экологически чистые продукты, а также не означает, что продажа органических продуктов вызывает аутизм.
В этом примере это может быть очевидно, но в реальных исследованиях исследователи должны быть осторожны, делая такие выводы.
Возможно, что в некоторых случаях одна переменная действительно вызывает другую. В таких случаях необходимо провести дополнительные экспериментальные исследования, чтобы подтвердить или опровергнуть это.
Пример корреляционного исследования
Изучение взаимосвязи между переменными десятилетиями находится в центре внимания психологических исследований.
Примеры включают исследования, изучающие взаимосвязь между употреблением алкоголя и безработицей, взаимосвязь между успеваемостью и карьерным успехом или взаимосвязь между уровнем дохода и преступностью.
Корреляционное исследование начнется с определения вопроса исследования. Например, исследование может изучить взаимосвязь между самооценкой и социальной тревожностью. Основываясь на предыдущих выводах, исследователи могут предположить, что между ними существует отрицательная корреляция.
Отрицательная корреляция предполагает, что по мере повышения самооценки снижается социальная тревожность или наоборот.
Затем исследователи решают, какие опросные листы или анкеты будут использоваться для измерения двух переменных. После этого будет рассчитан корреляционно-статистический тест.
Статистический анализ может дать значительный результат, в котором коэффициент корреляции составляет -0,78, что позволяет исследователям сделать вывод о том, что действительно существует отрицательная связь между самооценкой и социальной тревожностью.
В корреляционных исследованиях важно отметить, что отрицательная корреляция означает, что конкретная переменная будет увеличиваться/уменьшаться. Любая из переменных может увеличиваться или уменьшаться. Единственное, в чем мы можем быть уверены, так это в том, что при увеличении одного значение другого будет уменьшаться.
Исследователи могут нанести свои данные на диаграмму рассеяния, чтобы они и читатели могли визуализировать результаты.
Что касается эффекта причинности, заманчиво предположить, что низкая самооценка заставляет людей испытывать социальную тревогу. И хотя это может быть так, это нельзя установить с помощью корреляционного теста.
Рис. 2. Пример диаграммы рассеяния, показывающей отрицательную корреляцию.
Преимущества и недостатки корреляционных исследований Психология
В этом разделе критически рассматриваются преимущества и недостатки корреляционных исследований.
Одним из основных преимуществ корреляционного исследования является то, что его быстро и легко провести. Исследователям не требуется больших статистических знаний, чтобы использовать его.
Кроме того, корреляции могут быть проверены для существующих данных, что может вдохновить будущие исследования и быть полезным, когда исследователь может иметь ограниченный доступ к явлению, например. если это основано на прошлых событиях.
Один из основных недостатков корреляционного исследования состоит в том, что оно не может установить, связаны ли переменные причинно причинно.
Причина и следствие означают, что хотя исследование может установить взаимосвязь между двумя переменными, оно не может сделать вывод о том, вызывает ли одна из переменных изменение другой или наоборот.
Поскольку корреляционные исследования измеряют только сопутствующие переменные, другие потенциальные смешанные факторы не учитываются. Вмешивающиеся переменные могут быть лучшим объясняющим фактором для результатов исследования, что затрудняет определение достоверности результатов.
Корреляционные исследования — основные выводы
- Корреляционные исследования — это неэкспериментальный метод исследования, используемый для понимания линейной зависимости/ассоциации между двумя переменными.
- Три типа корреляционных исследований — это натуралистические наблюдательные исследования, опросы и архивные корреляционные исследования.
- При статистическом анализе корреляционных данных вычисляется коэффициент корреляции; он сообщает исследователям о силе и направлении взаимосвязи между двумя переменными.
