Корреляция в психологии это: Корреляции в психологии

Содержание

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 дипломных работах по психологии

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

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

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 (р0,05)

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

КОРРЕЛЯЦИЯ, ПОЛНАЯ — это… Что такое КОРРЕЛЯЦИЯ, ПОЛНАЯ?

КОРРЕЛЯЦИЯ, ПОЛНАЯ
Корреляция, при которой каждое изменение в одной переменной соответствует эквивалентному изменению в другой; коэффициент корреляции здесь будет или 1,00 или -1,00. (НЕ пытайтесь обнаружить один из этих коэффициэнтов в социальных науках).

Толковый словарь по психологии. 2013.

  • КОРРЕЛЯЦИЯ, ПЕРВОГО ПОРЯДКА
  • КОРРЕЛЯЦИЯ, ПОЛОВИННАЯ

Смотреть что такое «КОРРЕЛЯЦИЯ, ПОЛНАЯ» в других словарях:

  • Корреляция — (Correlation) Корреляция это статистическая взаимосвязь двух или нескольких случайных величин Понятие корреляции, виды корреляции, коэффициент корреляции, корреляционный анализ, корреляция цен, корреляция валютных пар на Форекс Содержание… …   Энциклопедия инвестора

  • ПОЛНАЯ КОРРЕЛЯЦИЯ — См. корреляция, полная …   Толковый словарь по психологии

  • КОРРЕЛЯЦИЯ — (от франц. correlation соотношение) в статистике понимается как взаимоотношение между изучаемыми статистическими величинами, рядами и группами; для определения наличия или отсутствия К. статистика пользуется особым методом. Метод К. применяется… …   Большая медицинская энциклопедия

  • корреляция — — [http://www.rfcmd.ru/glossword/1.8/index.php?a=index d=23] корреляция Величина, характеризующая взаимную зависимость двух случайных величин X и Y — безразлично, определяется ли она некоторой причинной связью или просто случайным… …   Справочник технического переводчика

  • полная корреляция — — [Л.Г.Суменко. Англо русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.] Тематики информационные технологии в целом EN total correlation …   Справочник технического переводчика

  • Корреляция — [correlation] величина, характеризующая взаимную зависимость двух случайных величин X и Y безразлично, определяется ли она некоторой причинной связью или просто случайным совпадением (ложной корреляцией). Для того, чтобы определить эту… …   Экономико-математический словарь

  • Корреляция и регрессия (correlation and regression) — Рассмотрение К. и Р. строится вокруг следующих осн. вопросов: а) существует ли между переменными X и Y такого рода связь, что по известным нам значениям X мы могли бы, по крайней мере с разумной степенью точности, предсказать значения Y? б)… …   Психологическая энциклопедия

  • корреляция — корреляция, корреляции, корреляции, корреляций, корреляции, корреляциям, корреляцию, корреляции, корреляцией, корреляциею, корреляциями, корреляции, корреляциях (Источник: «Полная акцентуированная парадигма по А. А. Зализняку») …   Формы слов

  • Коэффициент корреляции — (Correlation coefficient) Коэффициент корреляции это статистический показатель зависимости двух случайных величин Определение коэффициента корреляции, виды коэффициентов корреляции, свойства коэффициента корреляции, вычисление и применение… …   Энциклопедия инвестора

  • Мультиколлинеарность — (multicollinearity)  в эконометрике (регрессионный анализ)  наличие линейной зависимости между независимыми переменными (факторами) регрессионной модели. При этом различают полную коллинеарность, которая означает наличие функциональной… …   Википедия

Функция КОРРЕЛ

Функция КОРРЕЛ возвращает коэффициент корреляции двух диапазонов ячеев. Коэффициент корреляции используется для определения взаимосвязи между двумя свойствами. Например, можно установить зависимость между средней температурой в помещении и использованием кондиционера.

Синтаксис

КОРРЕЛ(массив1;массив2)

Аргументы функции КОРРЕЛ описаны ниже.

  • массив1    — обязательный аргумент. Диапазон значений ячеок.

  • массив2    — обязательный аргумент. Второй диапазон значений ячеев.

Замечания

  • Если аргумент массива или ссылки содержит текст, логические значения или пустые ячейки, эти значения игнорируются; однако ячейки с нулевыми значениями включаются.

  • Если массив1 и массив2 имеют различное количество точек данных, то correl возвращает #N/A.

  • Если массив1 или массив2 пуст или если s (стандартное отклонение) их значений равно нулю, то corREL возвращает значение #DIV/0! ошибку «#ВЫЧИС!».

  • Так как коэффициент корреляции ближе к +1 или -1, он указывает на положительную (+1) или отрицательную (-1) корреляцию между массивами. Положительная корреляция означает, что при увеличении значений в одном массиве значения в другом массиве также увеличиваются. Коэффициент корреляции, который ближе к 0, указывает на отсутствие или неабную корреляцию.

  • Уравнение для коэффициента корреляции имеет следующий вид:

    где 

    являются средними значениями выборок СРЗНАЧ(массив1) и СРЗНАЧ(массив2).

Пример

В следующем примере возвращается коэффициент корреляции двух наборов данных в столбцах A и B.

Дополнительные сведения

Вы всегда можете задать вопрос специалисту Excel Tech Community или попросить помощи в сообществе Answers community.

Корреляция — что это такое простыми словами

Обновлено 24 июля 2021 Просмотров: 172335 Автор: Дмитрий Петров
  1. Что это такое
  2. Коэффициент корреляции
  3. Причины корреляции и гипотезы
  4. Как с помощью этого становятся богаче
  5. Памятка

Здравствуйте, уважаемые читатели блога KtoNaNovenkogo.ru. Когда некоторые люди слышат слово «корреляция», то зачастую просто впадают в ступор. Оно и понятно: жуткий термин из мира высшей математики и статистики.

Сразу представляются унылые графики, многоэтажные формулы, при взгляде на которые хочется забиться в угол и плакать. На самом деле все гораздо проще.

Потратив несколько минут на прочтение этой статьи, вы узнаете, что такое корреляция и как ее использовать в повседневной жизни.

Определение корелляции — что это

Простыми словами корреляция – это взаимосвязь двух или нескольких случайных параметров. Когда одна величина растет или уменьшается, другая тоже изменяется.

Объясним на примере: существует корреляция между температурой воздуха и потреблением мороженого. Чем жарче погода, тем больше холодного лакомства покупают люди. И наоборот.

Такие закономерности устанавливаются путем исследования больших объемов статистических данных. Собираем информацию о потреблении мороженого за несколько лет и сведения о колебаниях температуры за тот же период. А дальше сопоставляем и ищем зависимость.

Коррелировать – это значит быть взаимосвязанным с чем-то. Существует положительная и отрицательная корреляции.

При положительной чем больше один параметр, тем больше и другой. Например, чем масштабнее траты фермера на удобрения, тем обильнее урожай. При обратной корреляции рост одной величины сопровождается уменьшением другой. Чем выше здание, тем хуже оно противостоит землетрясениям.

Корреляция — это взаимосвязь без гарантий

Рассмотрим пример прямой корреляции: чем выше уровень благосостояния человека, тем больше его продолжительность жизни. Обеспеченные люди питаются качественной пищей и своевременно получают врачебную помощь. В отличие от бедняков.

Однако нельзя с уверенностью сказать, что определенный олигарх проживет дольше вот этого нищего.

Это лишь статистическая вероятность, которая может не сработать для одного конкретного случая. Этим корреляция отличается от линейной зависимости, где исход известен со 100-процентной вероятностью.

Но если мы возьмем выборку из сотни тысяч богачей и такого же числа малоимущих, сравним их продолжительность жизни, то общая тенденция будет верна.

Коэффициент корреляции

Это число, которое обозначается как «r». Оно находится в промежутке от -1 до 1. Отражает силу и полюс взаимосвязи величин. Посмотрим на примере:

Значение коэффициентаКакая корреляция?О чем это говорит?
r=1Сильная положительная корреляцияЛюди, которые едят чернику, обладают острым зрением. Ешьте чернику!
r меньше 0,5Слабая положительная корреляцияНекоторые люди, которые любят чернику, обладают острым зрением. Но это не точно. Короче, ничего не пока понятно. Но лучше есть чернику на всякий случай.
r=0Корреляция отсутствуетЧерника и зрение никак не связаны.
r меньше -0,5Слабая отрицательная корреляцияБывают случаи ухудшения зрения из-за черники. Не стоит рисковать.
r=-1Сильная отрицательная корреляцияПрактически все, кто ел чернику, ослепли. Берегитесь черники!

Величина коэффициента корреляции рассчитывается по формуле:

Если внезапно потемнело в глазах и возникло непреодолимое желание закрыть статью (синдром гуманитария), то есть вариант попроще. Microsoft Exel все выполнит сам при помощи функции «КОРРЕЛ». Делается это так:

Судя по расчетам, рост человека практически никак не влияет на уровень зарплаты.

Реальные причины корреляции и возможные гипотезы

Курс доллара и стоимость нефти отрицательно коррелируют. Можем выдвинуть гипотезу: повышение цен на черное золото вызывает падение стоимости американской валюты. Но почему так происходит? Откуда взялась связь между этими явлениями?

Определение причины корреляции – это очень сложная задача. Переплетаются тысячи различных факторов, часть из которых скрыта.

Возможно, дело в том, что США – крупнейший потребитель нефти в мире. Каждый день они импортируют около 7,2 миллиона баррелей. Снижение цены на черное золото – хорошо для американской экономики, ведь позволяет тратить меньше денег. Следовательно, доллар растет.

Корреляция предоставляет возможность сделать вывод из статистических данных.

Например, мы выяснили, что существует отрицательная взаимосвязь между доходом персонала и его эффективностью в работе. Наша гипотеза: «Лентяи и бездельники получают больше, чем ответственные сотрудники». Тогда мы пересмотрим систему мотивации и избавимся от бесполезных людей.

Гипотеза – это лишь статистический вывод, предположение. Она вполне может оказаться ошибочной.

Согласно статистике, чем больше пожарных участвует в тушении огня, тем существенней размер ущерба. Какую гипотезу можем сделать отсюда? Пожарные приносят вред, давайте сократим их! Но если разобраться, то настоящая причина повреждения – это огонь. А увеличение числа лиц, задействованных в его тушении, – следствие масштаба пожара.

Наша вселенная бесконечна, а значит всегда можно найти несколько переменных, которые будут коррелировать между собой, несмотря на полное отсутствие причинно-следственных связей. Даже самое буйное воображение не сможет объяснить, что объединяет сыр и одеяло-убийцу:

Более подробно на эту тему смотрите в видео:

Как при помощи корреляции люди становятся богаче

Главное правило любого инвестора: не класть все яйца в одну корзину. Вложения рекомендуется диверсифицировать (что это?) – распределять. Поэтому люди покупают акции не одной компании, а десятка разных, формируя инвестиционные портфели. Если котировки какой-то фирмы упадут, то оставшиеся девять смогут отыграть падение или хотя бы уменьшить убытки.

Но это в теории, а на практике все портит корреляция. Проблема в том, что стоимости акций разных компаний внутри отрасли или даже всей страны могут сильно коррелировать. Проблемы огромной корпорации провоцируют панику на рынке, снижают стоимость иных активов, на первый взгляд не связанных между собой. В 2008 году случился крах Lehman Brothers, который вызвал цепную реакцию и обвал на мировых рынках.

Поэтому при инвестировании нужно стараться выбирать направления, которые не связаны между собой (r стремится к 0).

Например, пара «золото – облигации США» = -0,13. Если собрать портфель из совершенно независимых частей, риски финансовых потерь сократятся.

Территориальное приближение активов друг к другу усиливает корреляцию. Значит, нужно рассматривать варианты в разных точках мира, максимально удаленных друг от друга.

В жизни этот принцип тоже действует. Если ваши навыки и знания позволяют трудиться программистом, таксистом, сантехником и журналистом – вы хорошо защищены от риска безработицы.

Памятка

  1. Корреляция – это соотношение, взаимозависимость нескольких переменных.
  2. Связь бывает положительной и отрицательной.
  3. Коэффициент корреляции определяет степень взаимозависимости одной переменной от другой.
  4. На основании корреляции люди выдвигают гипотезы (часто ошибочные).
  5. Истинная причина корреляции порою скрыта под множеством факторов и внешних сил.
  6. Бывает ложная корреляционная зависимость.
  7. Раскладывая яйца по корзинам, помните о том, что они не должны коррелироваться друг с другом.

Удачи вам! До скорых встреч на страницах блога KtoNaNovenkogo.ru

Эта статья относится к рубрикам:

Александр Невеев — Иллюзорная корреляция

Иллюзорная корреляция (illusory correlation) — это психологическое явление (когнитивное искажение), которое наблюдается практически у всех людей, подобно тому, как практически все люди подвержены оптическим иллюзиям.

Возможно, явление иллюзорной корреляции будет легче понять, если назвать его словами «иллюзия связи», а суть иллюзорной корреляции заключается в том, что человек по той или иной причине видит связь между параметрами, свойствами, явлениями, которой на самом деле нет.

Обычно иллюзорная корреляция наблюдается в паре «свойство — признак наличия этого свойства». Например, если человек считает, что цвет волос может говорить о степени умственного развития человека, а жесткость волос — о жесткости характера, то речь идет как раз об иллюзорной корреляции. На самом же деле, понятно, никакой связи между цветом волос и интеллектом или между жесткостью волос и характером нет.

Экспериментально явление иллюзорной корреляции впервые исследовал Лорен Чепман (кстати, это однофамилец нашего знаменитого, хотя и провалившегося агента-нелегала Анны Чапман) еще в 1967 году. И именно этот исследователь ввел сам термин «иллюзорная корреляция».

Исследование проводилось так.

Испытуемым в течение определенного времени предъявлялись (проецировались на экран) пары слов, например, «бекон — яйца». Пары составлялись следующим образом: левым словом оказывалось одно из следующих четырех слов: бекон, лев, бутоны, лодка, а правым — одно из следующих трех слов: яйца, тигр, тетрадь.               

Таким образом испытуемому предъявлялось 12 пар слов: «бекон — яйца», «бекон — тигр», «бекон — тетрадь» и т.д. Причем эти пары слов предъявлялись много раз и чередовались в случайном порядке, но каждая пара предъявлялась равное количество раз.

Затем испытуемых просили оценить частоту появления каждой пары слов. И это ключевой момент эксперимента.

Что же в итоге?

Не смотря на то, что объективно частота предъявления каждой пары слов была одинаковой, более высокой испытуемые объявили частоту предъявления пар слов, имеющих, по выражению автора эксперимента «сильную вербальную ассоциацию». Это следующие пары слов: «бекон — яйца» (ассоциация по смежности) и «лев — тигр» (ассоциация по сходству).

Таким образом, испытуемые имели иллюзорные представления о том, что слово «бекон» теснее связано со словом «яйца», а слово «лев» со словом «тигр», чем другие слова друг с другом. Напомню, что на самом деле каждая из 12 пар слов предъявлялась равное количество раз.

Итак, при иллюзорной корреляции человек, как говорится, путает Божий дар с яичницей: видит связь там, где ее на самом деле нет.

Иллюзорная корреляция и проективные тесты. Исследовал Лорен Чепман (вместе со своей женой Джин Чепман) и роль иллюзорных корреляций в определении характера человека с помощью так называемых проективных тестов. Исследовались такие проективные тесты как «рисунок человека» и «тест Роршаха».

При этом супругов Чепман интересовал вопрос о том, почему психологи продолжают пользоваться проективными тестами, хотя в научных исследованиях многократно показывалась их несостоятельность как психодиагностического инструмента, т.е. отсутствие связи между предлагаемыми разработчиками этих тестов ключами и интерпретациями с психологическими характеристиками тестируемых индивидов. Чепманы предположили, что подобная настойчивость в использовании не валидных тестов обусловлена явлением иллюзорной корреляции, которому подвержены психологи (как и все люди).

Прежде чем перейти к описанию собственно экспериментов необходимо сказать несколько слов о проективных тестах.

Проективные тесты основаны на предположении о том, что при интерпретации бессодержательных визуальных стимулов (кляксы) или при выполнении неопределенного задания (нарисовать человека) испытуемый якобы обязательно проявит свои черты характера. Например, разработчик теста «Рисунок человека» Карен Маховер утверждала, что паранойяльный (подозрительный) субъект при рисовании человека особый акцент придаст глазам, озабоченный своей мужественностью — нарисует мускулистого человека, озабоченный собственным интеллектом — нарисует большую голову и пр. В ключах же к тесту Роршаха утверждается, например, что если человек имеет гомосексуальные склонности, то в кляксах он увидит: ягодицы, задний проход, гениталии, женскую одежду, людей неопределенного пола, людей с признаками обоих полов.

Я думаю, читатель легко заметил, что описанные выше связи между признаками и чертами характера чисто ассоциативные и основаны на бытовых, житейских, тривиальных представлениях. Действительно, почему бы человеку с сомнениями в своей мужественности и не рисовать мускулистых людей, а гомосексуалистам — не видеть в кляксах задние проходы? Но на самом деле никакой связи тут нет.

И Чепманы экспериментально показали что такого рода иллюзорным корреляциям при интерпретации упомянутых проективных тестов подвержены и профессиональные психологи, и не имеющие никакого отношения к психологии люди.

Схема эксперимента была несколько похожа на схему эксперимента по выявлению иллюзорных корреляций, который мы рассмотрели выше. Испытуемым предложили рисунки человека, выполненные как пациентами психиатрической клиники, так и здоровыми людьми, и соответствующие психологические характеристики. Например, к рисунку человека с большой головой прилагалась характеристика «обеспокоен уровнем своего интеллекта». При этом, обратите внимание (!), одни и те же психологические характеристики прилагались к разным рисункам. Например, характеристика «относится к людям с недоверием и подозрением» прилагалась как к рисункам с выраженным акцентом на глазах, так и к рисункам, не имеющим каких либо особенностей изображения глаз. Причем таких сочетаний было, как и в уже рассмотренном эксперименте, одинаковое количество.

Испытуемых попросили установить связь между особенностями рисунков и психологическими характеристиками авторов этих рисунков. И как читатель, должно быть, уже догадался, испытуемые продемонстрировали иллюзорную корреляцию: например, утверждали, что такая черта характера как подозрительность сочетается именно с выраженным акцентом на глазах. Более того: такая же картина наблюдалась и в следующей серии экспериметов, в которой эти две характеристики (выраженные глаза и подозрительность) вообще не встречались вместе!

Похожим образом проводился и эксперимент с пятнами Роршаха. К пятнам прилагались интерпретации, сформулированные лицами, прошедшими психодиагностику, и психологические характеристики этих людей. Например, интерпретация «задний проход» равное количество раз совпадала с каждым из следующих четырех психологических характеристик:

  • он проявляет сексуальное влечение к другим мужчинам;
  • он полагает, что окружающие сговорились вокруг него;
  • он испытывает грусть и депрессию в течение длительного времени;
  • он испытывает сильное чувство собственной неполноценности.

Как и в предыдущем эксперименте испытуемые вновь продемонстрировали явление иллюзорной корреляции, увязав интерпретацию «задний проход» с психологической характеристикой «он проявляет сексуальное влечение к другим мужчинам».

Иллюзорная корреляция в нашей жизни. Конечно, иллюзорные корреляции искажают наше с Вами восприятие не только в лабораториях. Например, именно явление иллюзорной корреляции во многом определяет формирование стереотипов по отношению к тем или иным народам или социальным слоям.

На иллюзорных корреляциях построены многие лженауки (в особенности лженауки о душе), в частности, физиогномика, соционика, графология, типология преступников Чезаре Ломброзо, френология, измышления Б.Хигира о том, что имя человека определяет его характер, а также явно оккультные учения, такие как хиромантия. Многие аспекты психологического оккультизма также коренятся в иллюзорных корреляциях. На иллюзорных корреляциях основаны и многие представления современного психоанализа и других видов психотерапии (например, когда кашель объявляется проявлением тайного желания сказать гадость, а боль в спине — проявлением тяжелой психологической ноши, которую взвалил на себя человек).

ЛИТЕРАТУРА

  1. Chapman, L (1967). «Illusory correlation in observational report». Journal of Verbal Learning and Verbal Behavior 6 (1): 151–155.
  2. Chapman, Loren J. and Jean P. (1969). «Illusory Correlation as an Obstacle to the Use of Valid Psychodiagnostic Signs». Journal of Abnormal Psychology 74 (3): 271–80.

Поделиться:

Facebook

Вконтакте

Google+

Twitter

ошибки мышления, которые искажают реальность

На протяжении веков люди обвиняли полнолуние во многих грехах, в частности, считали его причиной странного, девиантного поведения. В средневековье процветали истории о том, как полная луна превращает людей в оборотней. В XVIII веке бытовало мнение, что полнолуние может вызвать эпилепсию и лихорадку. Даже Шекспир в своей пьесе «Отелло» упоминает этот известный миф:

Отелло
Виновно отклонение луны:
Она как раз приблизилась к земле,
И у людей мутится разум.

Все эти казалось бы фантастические истории находят отражение в нашем языке и сейчас: например, слово «лунатик» (т.е. человек, который совершает какие-либо действия в состоянии сна) происходит от латинского корня «luna».

В XXI веке мы уже не верим мифам, опираясь в своих суждениях на разум и научно доказанные факты. Люди больше не обвиняют фазы Луны в болезнях и недомоганиях. Тем не менее, даже сегодня порой можно услышать, как кто-то именно влиянием полнолуния объясняет безумное поведение. Например, когда в психиатрической больнице начинается «аврал», медсестры часто говорят: «Должно быть, сегодня полнолуние».

Почему так происходит: наука vs. мифы

Между тем, существует не так много доказательств того, что полная фаза Луны действительно влияет на наше поведение. Анализ более чем 30 исследований показал, что нет никакой корреляции между фазами Луны и выигрышами в казино, количеством госпитализированных, числом самоубийств или дорожно-транспортных происшествий, уровнем преступности и многими другими показателями.

Но вот что любопытно: хотя все факты говорят об обратном, проведенное в 2005 году исследование показало, что 7 из 10 медсестер по-прежнему верят в миф о том, что полнолуние приводит к хаосу и странному поведению больных психиатрической клиники. По данным эксперимента, подавляющее большинство сотрудниц больницы (69 %!) верят во влияние полной фазы Луны на количество госпитализированных.

Не стоит думать, что медсестры, которые клянутся, что полнолуние вызывает странное поведение, глупы и поэтому верят во всякую ерунду. Они просто стали жертвами распространенной психологической ошибки, которую совершают многие из нас. Специалисты именуют этот небольшой «сбой» в работе нашего мозга «иллюзорными корреляциями» (illusory correlation).

Как мы обманываем себя, не осознавая этого

Иллюзорная корреляция возникает в тех случаях, когда мы ошибочно придаем повышенное значение одному элементу и при этом игнорируем все другие. Представьте, что вы приехали в большой незнакомый город, спускаетесь в метро и… вдруг кто-то «подрезает» вас перед самым входом в вагон. Добравшись до нужной станции, вы решаете пообедать и заходите в ближайший ресторан, но… официант открыто хамит вам. На улице вы понимаете, что потерялись, спрашиваете дорогу у прохожего и … вам показывают неверное направление. Приехав домой, вы, скорее всего, будете рассказывать родственникам о том, какие неудачи постигли вас в путешествии (еще бы, вы ведь запомнили только эту «полосу невезения»!), доказывать, что обитатели мегаполисов грубы и невоспитаны.

Однако в своем рассказе вы, скорее всего, забудете упомянуть про вкусную еду, которую попробовали в ресторане, про сотни других людей в метро, которые не толкали вас на платформе. Все эти мелочи были так незаметны, что мы не придаем им никакого значения, они даже не получают статус событий в нашей жизни. Это, скорее, «не-события». В результате получается, что легче запомнить, когда кто-то нахамил вам, чем когда вы вкусно пообедали или благополучно зашли в вагон метро.

В игру вступает наука о мозге

Сотни психологических исследований доказали, что мы склонны переоценивать важность событий, которые легко запоминаются, и недооценивать те моменты жизни, которые сложно восстановить в памяти. Принцип работы нашего мозга в этом случае прост: чем легче событие запомнилось, тем сильнее будет связь между ним и другим событием. Но на самом деле данные явления могут быть слабо связаны или не связаны друг с другом вообще.

В психологии этот феномен называется «эвристика доступности» (availability heuristic). Чем легче вспоминается какой-то момент нашей жизни (чем более он доступен), тем больше вероятность того, что мы переоценим его значение.

Иллюзорная корреляция — это своего рода сочетание эвристики доступности и такого когнитивного искажения как «предвзятость подтверждения» (тенденция интерпретировать информацию таким образом, чтобы подтвердить имеющиеся концепции).

Вы можете легко вспомнить какой-то случай (эвристика доступности) и поэтому начинаете думать, что такие случаи повторяются часто и даже складываются в определенную тенденцию. Когда это произойдет снова (как, например, полнолуние в случае с медсёстрами), вы сразу свяжете два явления и подтвердите свои же догадки (предвзятость подтверждения).

Иллюзорная корреляция — это склонность «видеть» множество ассоциаций, которых нет

 

Твитнуть цитату

Как распознать иллюзорную корреляцию?

Чтобы определить, где ваш мозг дал «сбой» и защитить себя от воздействия иллюзорных корреляций, можно использовать таблицу случайностей (contingency table), которая поможет определить правомерность ваших суждений и реальную значимость событий.

Вспомним пример с полнолунием:

Клетка А: полнолуние и аврал в психиатрической больнице. Два явления представляют собой хорошо запоминающееся сочетание, поэтому мы в будущем будем переоценивать их значение.

Клетка B: полнолуние и затишье в больнице. Ничего особенного не происходит («не-событие»). Нам будет довольно трудно вспомнить эту ночь, поэтому мы склонны игнорировать данную ячейку.

Клетка C: полнолуния нет, но в больнице аврал. В этой ситуации медсестры просто скажут в конце смены: «Суматошная ночь на работе…».

Клетка D: полнолуния по-прежнему нет, и пациенты ведут себя спокойно. Это снова пример «не-события»: ничего запоминающегося не происходит, поэтому мы проигнорируем эту ночь.

Таблица случайностей демонстрирует тот алгоритм, по которому медсестры анализируют ситуацию во время полнолуния. Они могут быстро вспомнить ту ночь, когда в полнолуние больница была переполнена, но совершенно не учитывают (просто забывают) те многочисленные смены, когда в полнолуние пациенты вели себя обычным образом. Их мозг легко «выдает» информацию об авралах во время полнолуния, именно поэтому они уверены, что эти два события связаны.

Данную таблицу из книги «50 великих мифов популярной психологии» («50 Great Myths of Popular Psychology») можно адаптировать для любых жизненных ситуаций. В большинстве случаев мы уделяем слишком много внимания клетке А, но почти не замечаем клетку В, что может привести к иллюзорной корреляции. Использование всех четырех клеток позволяет вам вычислять реальную корреляцию между двумя событиями и не поддаваться влиянию известных мифов, таких как «эффект полнолуния».

Как исправить ошибки нашего мозга?

Оказывается, мы проводим иллюзорные корреляции во многих сферах жизни: Все слышали истории успеха Билла Гейтса (Bill Gates) или Марка Цукерберга (Mark Zuckerberg), которые бросили колледж, чтобы начать бизнес, принесший им миллиарды. Мы придаем повышенное значение этим случаям, обсуждаем их с друзьями и знакомыми. Между тем, вы никогда не услышите о тех нерадивых учениках, которые не добились успеха и не создали всемирно известных компаний. В потоке информации мы улавливаем только самые экстраординарные случаи, собираем «сливки», игнорируя при этом сотни или даже тысячи историй людей, бросивших колледж, но не уложившихся в парадигму успеха.

Если вы слышите, что арестовали представителя определенной этнической группы или расы, то, вероятно, вы будете в дальнейшем воспринимать каждого выходца из этой страны или континента как потенциального бандита. Но при этом вы забываете о тех 99% неизвестных вам людей, которые ведут примерный образ жизни и никогда не были арестованы (потому что арест — это событие, а не-арест — не-событие).

Если мы читаем в новостях о нападении акулы, то отказываемся заходить в океан во время отпуска на побережье. Вероятность нападения не увеличилась с тех пор, как мы плавали в последний раз, ведь мы не учитываем миллионы людей, которые вернулись невредимыми. Но никому не интересны скучные заголовки: «Миллионы туристов остаются живы каждый день», поэтому журналисты делают акцент на экстраординарных случаях, а мы проводим иллюзорную корреляцию и отказываемся от отдыха на побережье.

Когнитивные заблуждения подталкивают нас «видеть» множество ассоциаций, которых нет. Например, многие люди, страдающие артритом, настаивают на том, что их суставы болят больше в дождливую погоду, чем в ясную. Однако исследования показывают, что эта ассоциация — плод их воображения. По-видимому, такие люди обращают слишком большое внимание на клетку А — случаи, когда идет дождь и у них болят суставы, — что заставляет их воспринимать корреляцию, которой не существует.

Многие из нас даже не догадываются, что наша избирательная память о событиях влияет на убеждения, которых мы придерживаемся. Теперь вы знаете о когнитивных искажениях и сможете выявить и устранить иллюзорные корреляции в повседневной жизни с помощью таблицы случайностей.

Высоких вам конверсий!

По материалам: jamesclear.comimage source Thomas Hawk

15-04-2016

Определения корреляции, примеры и интерпретация

Определения корреляции, примеры и интерпретация

Д-р Саул МакЛеод, обновлено 2020


Корреляция означает ассоциацию — точнее, это мера степени, в которой две переменные связаны. Есть три возможных результата корреляционного исследования: положительная корреляция, отрицательная корреляция и отсутствие корреляции.

  • Положительная корреляция — это связь между двумя переменными, в которой обе переменные движутся в одном направлении.Следовательно, когда одна переменная увеличивается вместе с другой, или одна переменная уменьшается, а другая уменьшается. Примером положительной корреляции может быть рост и вес. Более высокие люди обычно тяжелее.
  • Отрицательная корреляция — это взаимосвязь между двумя переменными, в которой увеличение одной переменной связано с уменьшением другой. Примером отрицательной корреляции может служить высота над уровнем моря и температура. По мере подъема на гору (увеличение высоты) становится холоднее (температура снижается).
  • нулевая корреляция существует, когда нет связи между двумя переменными. Например, нет никакой связи между количеством выпитого чая и уровнем интеллекта.
  • Диаграммы рассеяния

    Корреляцию можно выразить визуально. Это делается путем рисования диаграммы рассеяния (также известной как диаграмма рассеяния, диаграмма рассеяния, диаграмма рассеяния или диаграмма рассеяния).

    Диаграмма рассеяния — это графический дисплей, на котором показаны отношения или связи между двумя числовыми переменными (или сопеременными), которые представлены в виде точек (или точек) для каждой пары оценок.

    Диаграмма рассеяния показывает силу и направление корреляции между переменными.

    Когда вы рисуете диаграмму рассеяния, не имеет значения, какая переменная идет по оси x, а какая — по оси y.

    Помните, что в корреляциях мы всегда имеем дело с парными оценками, поэтому значения двух переменных, взятых вместе, будут использоваться для построения диаграммы.

    Определите, какая переменная будет идти по каждой оси, а затем просто поставьте крестик в точке, где 2 значения совпадают.

    Некоторые виды использования корреляций

    Некоторые виды использования корреляций

    Прогнозирование

    • Если существует связь между двумя переменными, мы можем делать прогнозы относительно друг друга.

    Срок действия

    • Одновременное действие (корреляция между новым показателем и установленным показателем).

    Надежность

    • Проверка-повторная проверка надежности (согласованы ли измерения).
    • Надежность между экспертами (согласны ли наблюдатели).

    Проверка теории


    Коэффициенты корреляции: определение силы корреляции

    Коэффициенты корреляции: определение силы корреляции

    Вместо построения диаграммы рассеяния корреляция может быть выражена численно в виде коэффициента от -1 до +1. При работе с непрерывными переменными следует использовать коэффициент корреляции r Пирсона.

    Коэффициент корреляции ( r ) указывает степень, в которой пары чисел для этих двух переменных лежат на прямой линии.Значения больше нуля указывают на положительную корреляцию, а значения ниже нуля указывают на отрицательную корреляцию.

    Корреляция –1 указывает на идеальную отрицательную корреляцию, означающую, что, когда одна переменная растет, другая понижается. Корреляция +1 указывает на идеальную положительную корреляцию, означающую, что по мере увеличения одной переменной растет другая.

    Нет правила для определения того, какой размер корреляции считается сильной, умеренной или слабой. Интерпретация коэффициента зависит от темы исследования.

    При изучении вещей, которые трудно измерить, следует ожидать, что коэффициенты корреляции будут ниже (например, выше 0,4 будет относительно сильным). Когда мы изучаем вещи, которые легче измерить, такие как социально-экономический статус, мы ожидаем более высоких корреляций (например, выше 0,75 будет относительно сильным).

    В исследованиях такого рода мы редко видим корреляции выше 0,6. Для такого рода данных мы обычно считаем корреляцию выше 0,4 относительно сильной; корреляции между 0.2 и 0,4 — умеренные, а значения ниже 0,2 — слабые.

    Когда мы изучаем вещи, которые легче подсчитать, мы ожидаем более высоких корреляций. Например, для демографических данных мы обычно считаем корреляцию выше 0,75 относительно сильной; корреляции между 0,45 и 0,75 умеренные, а корреляции ниже 0,45 считаются слабыми.


    Корреляция против причинности

    Корреляция против причинности

    Причинность означает, что одна переменная (часто называемая переменной-предиктором или независимой переменной) вызывает другую (часто называемую переменной результата или зависимой переменной).

    Можно провести эксперименты, чтобы установить причинно-следственную связь. Эксперимент изолирует независимую переменную и манипулирует ею, чтобы наблюдать ее влияние на зависимую переменную, и контролирует среду, чтобы можно было исключить посторонние переменные.

    Корреляция между переменными, однако, не означает автоматически, что изменение одной переменной является причиной изменения значений другой переменной. Корреляция показывает, только если существует связь между переменными.

    Корреляция не всегда доказывает причинно-следственную связь, поскольку может быть задействована третья переменная. Например, пребывание пациента в больнице коррелирует со смертью, но это не означает, что одно событие вызывает другое, поскольку может быть задействована третья переменная (например, диета, уровень упражнений).
    Сводка

    «Корреляция не является причинно-следственной связью» означает, что наличие взаимосвязи между двумя переменными не обязательно означает, что одна вызывает другую.

    Корреляция определяет переменные и ищет связь между ними.Эксперимент проверяет влияние, которое независимая переменная оказывает на зависимую переменную, но корреляция ищет взаимосвязь между двумя переменными.

    Это означает, что эксперимент может предсказать причину и следствие (причинно-следственную связь), но корреляция может предсказать только взаимосвязь, поскольку может быть задействована другая посторонняя переменная, о которой она не знает.


    Сила корреляций

    Сила корреляций

      1 .Корреляция позволяет исследователю исследовать встречающиеся в природе переменные, которые, возможно, неэтично или непрактично проверять экспериментально. Например, было бы неэтично проводить эксперимент по поводу того, вызывает ли курение рак легких.

      2 . Корреляция позволяет исследователю ясно и легко увидеть, существует ли связь между переменными. Затем это можно отобразить в графической форме.

    Ограничения корреляций

    Ограничения корреляций

      1 .Корреляция не подразумевает и не может подразумевать причинно-следственную связь. Даже если между двумя переменными существует очень сильная связь, мы не можем предположить, что одна вызывает другую.

      Например, предположим, что мы обнаружили положительную корреляцию между просмотром насилия по телевизору и агрессивным поведением в подростковом возрасте. Возможно, причиной обоих этих факторов является третья (посторонняя) переменная — скажем, например, взросление в доме с насилием — и что и просмотр телевизора, и агрессивное поведение являются результатом этого.

      2 . Корреляция не позволяет нам выходить за рамки предоставленных данных. Например, предположим, что была обнаружена связь между временем, затраченным на домашнее задание (от 1/2 часа до 3 часов), и количеством G.C.S.E. проходит (с 1 по 6). Было бы неправомерно делать из этого вывод, что, потратив 6 часов на домашнее задание, можно получить 12 G.C.S.E. проходит.

    Как сослаться на эту статью:
    Как сослаться на эту статью:

    McLeod, S.А. (2018, 14 января). Определения корреляции, примеры и интерпретация . Просто психология. www.simplypsychology.org/correlation.html

    сообщить об этом объявлении

    Корреляции | tutor2u

    Не только психологи используют корреляции, на самом деле этот метод будет использоваться во многих дисциплинах. Корреляция проверяет, связаны ли два набора чисел ; другими словами, это два набора чисел, которые каким-то образом соответствуют.

    В случае психологии анализируемые числа относятся к поведению (или переменным, которые могут влиять на поведение), но на самом деле любые две переменные, дающие количественные данные, могут быть проверены, чтобы установить, существует ли корреляция.

    Каждый из двух наборов чисел представляет собой сопеременную . После того, как данные были собраны для каждой из сопеременных, они могут быть нанесены на диаграмму рассеяния и / или статистически проанализированы для получения коэффициента корреляции .

    Диаграммы рассеяния и коэффициенты указывают на силу связи между двумя переменными , которая подчеркивает степень соответствия двух переменных.

    Связь между двумя переменными всегда дает коэффициент от 1 до -1.

    Коэффициенты с минусом перед ними подчеркивают отрицательную корреляцию , что означает, что по мере увеличения одного набора чисел другой набор уменьшается или по мере уменьшения одного увеличивается другой, поэтому тенденция в данных одной переменной противоречит Другие.

    Напротив, положительные коэффициенты указывают на то, что оба набора данных демонстрируют одну и ту же тенденцию, поэтому по мере увеличения одного набора данных увеличивается и другой, или когда один набор уменьшается, те же тенденции наблюдаются во втором наборе данных

    Эксперименты против корреляций

    Наиболее фундаментальное различие между экспериментами и корреляциями состоит в том, что эксперименты оценивают влияние одной переменной (I.V.) от другой измеряемой переменной (D.V.).

    Это требует, чтобы данные были дискретными или отдельными, и влияние этого на что-то еще измеряется.

    Напротив, корреляции не используют отдельные отдельные условия, вместо этого они оценивают, насколько существует связь между двумя сопутствующими переменными, которые связаны.

    Например, если психолог был заинтересован в исследовании стресса и болезни, он мог бы получить оценки стресса и болезни для 20 участников и оценить, как эти два набора чисел соотносятся друг с другом, тем самым применяя корреляционный метод.Это можно было бы превратить в эксперимент, если бы исследователь выделил 10 участников с низкими показателями стресса (например, 10/50 или меньше) и 10 участников с высокими показателями стресса (например, 40/50 или более). Теперь существует два условия: одно — для низкого уровня стресса, а другое — для высокого. Если бы исследователь взял оценку болезни для всех 20 участников и сравнил участников с низким уровнем стресса и с участниками с высоким уровнем стресса, это было бы экспериментальной оценкой воздействия стресса на болезнь.

    Сильные стороны корреляций

    Корреляции очень полезны в качестве метода предварительного исследования , позволяющего исследователям идентифицировать связь, которая может быть дополнительно исследована с помощью более контролируемых исследований.

    Может использоваться для исследования вопросов, которые являются деликатными / в противном случае были бы неэтичными, поскольку не требуется преднамеренного манипулирования переменными.

    Ограничения корреляций

    Корреляции только идентифицируют ссылку; они не определяют, какие переменные вызывают какие.Может присутствовать третья переменная, которая влияет на одну из сопеременных, которая не рассматривается.

    Напр. стресс может привести к курению / употреблению алкоголя, что ведет к болезни, поэтому существует косвенная связь между стрессом и болезнью.

    корреляция | Блог вводной психологии (S14) _B

    Чтобы полностью понять психологию, вам необходимо понять одно утверждение: «Корреляция не всегда равняется причинности». Хрестоматийное определение корреляции — это мера взаимосвязи между двумя или более переменными.Корреляцию можно измерить как математическое соотношение. Две переменные имеют идеальную положительную корреляцию, если их коэффициент корреляции равен +1, или они могут иметь идеальную отрицательную корреляцию, если коэффициент равен -1. Например, по мере вашего роста ваш рост в дюймах полностью положительно коррелирует с вашим ростом в сантиметрах. Психология очень сложна, поэтому идеальных корреляций почти не бывает. Вместо этого две переменные будут либо иметь умеренную корреляцию (положительную или отрицательную), либо вообще не иметь корреляции.Я понимаю этот термин, задав себе вопрос: «Влияет ли А на B, и если да, то как связаны эти две переменные?» Единственный способ проверить корреляцию между двумя переменными — провести эксперимент. Стандартный эксперимент имеет независимую переменную (переменную, которой манипулируют в эксперименте) и зависимую переменную (переменную, которую предлагается изменить в ответ на независимую переменную). За многие годы учебы я искал подходящую учебную среду, которая способствовала бы моей подготовке к экзаменам.Хотя я не ставил эксперимент намеренно, я могу описать свои методы проб и ошибок, пытаясь найти идеальную среду для учебы, как эксперимент.

    Когда я впервые поступил в колледж, мне было трудно на курсах естествознания, и я не понимал, почему. Я перебирал слайды снова и снова, но все равно набирал средний балл. Я решил уделить больше внимания тому, как я готовился к этим экзаменам. Я пробовал учиться с другими людьми для нескольких экзаменов и викторин, и я пробовал заниматься в одиночестве в тихой обстановке для других экзаменов и викторин.Я обнаружил, что запоминаю больше информации, когда учусь в одиночестве. Я общительный человек, поэтому люблю разговаривать, поэтому, когда я с другими людьми, я обнаруживаю, что меньше сосредоточен на том, чего я на самом деле пытаюсь достичь.

    Я возвращаюсь к своему первоначальному утверждению: «Корреляция не всегда равняется причинности». Я понимаю, что это не идеальная корреляция. Могло быть много других факторов, почему я не справился с некоторыми оценками, когда учился с другими. Были экзамены, по которым я не справился, хотя учился один.Что я смог вынести из этой саморефлексии, так это то, что мне нужна среда, больше похожая на библиотеку, чтобы максимально сосредоточиться на учебе. Этот фокус может не совсем соответствовать хорошим оценкам, но я думаю, что он помогает мне добиться успеха.

    Эта запись была размещена в разделе Методы и помечена как корреляция пользователем acj5097.

    Бихевиоризм, разработанный в 1920-х годах, был методом научного психоанализа, основанным на принципе, что ментальные события запускаются стимулами в окружающей среде, что вызывает поведение и действия в ответ.На теорию сильно повлияло понимание того, что стимулы приводят к реакции и, более того, к вознаграждению или наказанию. Большая часть этой теории может быть связана с базовыми родительскими навыками, такими как приучение к горшку. Когда ребенок достигает возраста использования туалета и часто проходит мимо подгузников или «подтягиваний», родители будут вознаграждать за хорошее поведение, использование туалета положительным поощрением или небольшим материальным призом, который будет оценен маленьким ребенком. Напротив, если ребенок не производит желаемого ответа родителю, может наблюдаться отрицательная или разочарованная реакция.Часто повторение этого реакционного поведения со стороны родителей создает в голове ребенка шаблон, согласно которому каждый раз, когда им нужно пойти в ванную, туалет — лучшее место для этого, если они хотят сделать своих родителей счастливыми. Другими словами, мысленное событие, вызванное окружающей средой вокруг сознания ребенка, которое мозг сообщает о необходимости помочиться, вызывает реакцию, которая будет вознаграждена родителем, использующим туалет вместо подгузника.

    Случай в моей жизни, когда практика бихевиористского анализа была бы возможна, — это период около Рождества, когда моя бабушка собирает подарки для меня и моих родителей.Рождество для нее — повод побаловать своего единственного внука, меня, и поиграть мускулами рук покупателя в попытке поднять настроение. Однако иногда непомерное количество подарков, которые она сносила вместе с ней, становилось чрезмерным. Только чтобы услышать крик родителей о том, что в нашем доме нет места для очередного грузовика с одеждой, игрушками, принадлежностями для искусства, кухонными приборами, книгами и драгоценностями, она часто получала угрозы вернуть все это. Моим родителям потребовалось несколько лет наказания, чтобы исправить такое поведение, однако теперь каждый год меня приятно встречает нормальный уровень прекрасных подарков от бабушки, а у моих родителей нет сердцебиения или коронарных артерий.

    Эта запись была размещена в рубрике Методы и помечена как корреляция, природа, воспитание автором Michael Grasso.

    Исследователи из Университета Джона Хопкинса только что опубликовали исследование, в котором они пришли к выводу, что кофеин и способность помнить положительно коррелируют. В исследовании участники смотрели на изображения, и через пять минут им давали таблетку плацебо или таблетку кофеина на 200 мг. Дав участникам кофеин после эксперимента, можно было устранить ряд факторов, которые могли способствовать увеличению памяти: внимание, бдительность или сосредоточенность.Применяя его после эксперимента, они смогли сузить круг возможных факторов до улучшения способности мозга запоминать. Группа, которой давали таблетки с кофеином, смогла более подробно вспомнить изображения на следующий день. Эти эффекты можно было сопоставить только с 24-часовым периодом времени, долговременная память не проверялась в этом эксперименте. Однако кофеин и долгосрочное здоровье взаимосвязаны. Также считается, что кофеин может защитить от когнитивных нарушений, таких как болезнь Альцгеймера, у пожилых людей.

    Проведенное выше исследование было ярким примером функционализма. Функционализм — это изучение того, как разум приспосабливается к изменяющейся среде. В эксперименте использовалось случайное распределение с репрезентативной популяцией, не употребляющей кофеин. Это лучше всего подчеркивает эффекты кофеина, возникающие во время эксперимента. Во время эксперимента тело сталкивается с измененным состоянием ума, что позволяет наблюдать адаптацию мозга. Эксперимент дал результаты, которые привели к выводу, что адаптация ума связана с кратковременным увеличением памяти.Эксперимент открывает дверь к пониманию того, почему произошли эти эффекты. Стоит отметить, что это исследование было корреляционным и что результат может учитывать только корреляцию, а не причинно-следственную связь. Следующим шагом может стать экспериментирование, чтобы определить, что на самом деле является причиной такого результата.

    Джона Хопкинса. «Теперь все это возвращается ко мне: исследователи обнаружили, что кофеин улучшает память». ScienceDaily. ScienceDaily, 12 января 2014 г. .

    Эта запись была размещена в рубрике Мозг и помечена как кофеин, корреляция, функционализм, краткосрочная пользователем kqs5395.

    положительных корреляций в психологии | Примеры — видео и стенограмма урока

    Что такое положительная корреляция?

    Есть всевозможные ассоциации между разными типами поведения людей. Эти ассоциации и есть то, что исследователи и статистики называют корреляциями .Положительная корреляция — это взаимосвязь между двумя переменными, в которой обе переменные движутся в одном направлении . Чтобы понять определение положительной корреляции и что это означает, что две переменные движутся в одном направлении , рассмотрим следующий пример. Несколько лет назад в Санта-Крус, Калифорния, было проведено исследование, в ходе которого люди ответили на опрос в местной газете. Исследователи были заинтересованы в понимании связи между удовлетворенностью отношениями и частотой, с которой люди, состоящие в отношениях, вместе занимаются интересными делами.Вот примерный вопрос, использованный в этом исследовании:

    Насколько увлекательно то, что вы делаете вместе со своим партнером?

    Участники дали ответы по шкале, где 1 = совсем не очень интересно и 5 = чрезвычайно интересно . Исследователи обнаружили, что люди, дававшие высокие баллы за вопросы, измеряющие волнение, также давали высокие баллы за вопросы, измеряющие удовлетворенность отношениями. То же самое касалось низких и средних баллов. Участники, получившие низкие баллы по одной шкале, также получили низкие баллы по другой.И участники, которые ответили со средними баллами, сделали это по обеим шкалам. Это пример положительной корреляции и того, что имеют в виду исследователи, когда говорят, что две переменные движутся в одном направлении .

    Вот еще несколько примеров положительной корреляции:

    • Средний балл средней школы имеет тенденцию положительно коррелировать со средним баллом колледжа.
    • Хорошее настроение положительно коррелирует с количеством часов сна человека каждую ночь.
    • Посещаемость занятий положительно коррелирует с результатами тестов по данному курсу.

    Отрицательная корреляция

    Отрицательная корреляция — это когда две связанные переменные движутся в противоположном направлении . Другими словами, отрицательная корреляция возникает, когда высокие баллы по одной шкале сопровождаются низкими баллами по другой шкале.

    Пример. Исследователь хочет измерить взаимосвязь между прослушиванием громкой музыки и оценками учащихся за выполнение домашних заданий. Исследователь проводит опрос студентов, задавая им различные вопросы о том, как часто они слушают громкую музыку.Затем исследователь сравнивает свои ответы в опросе с оценками за домашнее задание и обнаруживает, что ученики, которые сообщили, что слушали громкую музыку дома, чаще получали более низкие оценки при выполнении домашних заданий. Это отрицательная корреляция, потому что в этом примере более частое прослушивание громкой музыки сопровождается более низкими оценками за домашнее задание. Одна переменная увеличивается, а оценка другой снижается.

    Положительная корреляция в психологии

    Корреляционный анализ часто используется в области психологии.Определение положительной корреляции в психологии означает, что два поведения движутся в одном направлении. Вот несколько примеров положительной корреляции, которые были обнаружены в ходе психологических исследований:

    • Люди, испытывающие депрессию, также чаще сообщают о чувстве одиночества.
    • Люди, получившие высокие баллы по критериям открытости, также обычно получают более высокие баллы по критериям творчества и воображения.
    • Дети, которые чаще вербально общаются с родителями, часто получают более высокие баллы по словарному запасу, чем дети, которые реже общаются с родителями.

    Корреляция против причинно-следственной связи

    Когда обнаруживается, что две переменные коррелированы, возникает соблазн сделать вывод, что корреляция представляет собой причинную связь. В конце концов, что-то заставляет переменную Y коррелировать с переменной X . Однако после проведения корреляционного анализа невозможно узнать, что является причиной чего. Есть несколько корреляций, связанных с данными из реального мира, которые не представляют причинно-следственных связей. Например:

    Согласно данным Министерства сельского хозяйства США и переписи населения США, существует положительная корреляция между уровнем разводов в некоторых штатах США и потреблением маргарина.Однако употребление маргарина не вызывает развода. Точно так же развод не заставляет человека есть маргарин.

    Согласно данным Национального научного фонда и переписи населения США, существует положительная корреляция между общим доходом от аркадных игр и количеством докторских степеней, присуждаемых в области компьютерных наук. Но доход от аркадных игр не заставляет людей получать докторскую степень. Кроме того, получение докторской степени по информатике не означает, что люди, владеющие аркадными играми, зарабатывают больше.

    Почему две переменные могут быть связаны? Рассмотрим следующий пример:

    Исследователь обнаруживает положительную корреляцию между временем, проведенным с кем-то, и тем, насколько кто-то доверяет этому человеку. Есть три возможных способа сделать причинный вывод относительно этой корреляции:

    1. Совместное времяпрепровождение вызывает доверие между двумя людьми.
    2. Доверие между двумя людьми заставляет их проводить время вместе.
    3. Есть еще одна переменная, которая влияет на соотношение между доверием и временем, проведенным вместе.Например, два человека могут доверять друг другу, когда время, которое они проводят вместе, включает обмен своими ценностями и прошлым опытом. Или два человека могут установить доверительные отношения, когда проводят время вместе, преодолевая трудности. А как насчет случаев, когда два человека проводят много времени вместе и не доверяют друг другу?

    Психологи утверждают, что один из лучших способов исключить альтернативные объяснения корреляций — это провести эксперимент, который включает манипулирование переменными в контролируемой обстановке.Поскольку корреляционные исследования обычно включают проведение опросов в неэкспериментальном контексте, часто невозможно сделать случайное утверждение о корреляции.

    Корреляционное исследование — Методы исследования в психологии — 2-е канадское издание

    1. Определите корреляционное исследование и приведите несколько примеров.
    2. Объясните, почему исследователь может предпочесть проводить корреляционное исследование, а не экспериментальное исследование или другой тип неэкспериментального исследования.

    Корреляционное исследование — это тип неэкспериментального исследования, в котором исследователь измеряет две переменные и оценивает статистическую взаимосвязь (т. Е. Корреляцию) между ними с минимальными усилиями по контролю посторонних переменных или без них. По сути, есть две причины, по которым исследователи, заинтересованные в статистических отношениях между переменными, предпочли бы провести корреляционное исследование, а не эксперимент. Во-первых, они не верят, что статистическая связь является причинной.Например, исследователь может оценить валидность краткого теста на экстраверсию, назначив его большой группе участников вместе с более длинным тестом на экстраверсию, эффективность которого уже доказана. Затем этот исследователь может проверить, сильно ли коррелируются ли результаты участников в кратком тесте с их оценками в более длинном. Считается, что ни один результат теста не влияет на другой, поэтому нет независимой переменной, которой можно было бы манипулировать. Фактически, термины независимая переменная, и зависимая переменная e не применимы к такого рода исследованиям.

    Другая причина, по которой исследователи предпочли бы использовать корреляционное исследование, а не эксперимент, заключается в том, что интересующая статистическая взаимосвязь считается причинной, но исследователь не может манипулировать независимой переменной, потому что это невозможно, непрактично или неэтично. Например, Аллен Каннер и его коллеги считали, что количество «ежедневных неприятностей» (например, грубые продавцы, интенсивный трафик), с которыми сталкиваются люди, влияет на количество физических и психологических симптомов, которые у них есть (Kanner, Coyne, Schaefer, & Lazarus, 1981 ).Но поскольку они не могли манипулировать количеством ежедневных неприятностей, с которыми сталкивались их участники, им пришлось довольствоваться , измеряя количество ежедневных неприятностей — наряду с количеством симптомов — с помощью опросников самооценки. Хотя сильная положительная взаимосвязь, которую они обнаружили между этими двумя переменными, согласуется с их идеей о том, что неприятности вызывают симптомы, она также согласуется с идеей, 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 люди столкнулись. Однако определяющей чертой корреляционного исследования является то, что измеряются две переменные — ни одна из них не подвергается манипуляции — и это верно независимо от того, являются ли переменные количественными или категориальными. Представьте, например, что исследователь применяет шкалу самооценки Розенберга к 50 студентам американских университетов и 50 студентам японских университетов.Хотя это «похоже» на эксперимент между субъектами, это корреляционное исследование, потому что исследователь не манипулировал национальностями студентов. То же верно и в отношении исследования Качиоппо и Петти, в котором профессора и фабричные рабочие сравнивают их потребность в познании. Это корреляционное исследование, потому что исследователи не манипулировали профессией 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 назначил одних участников для составления ежедневных списков дел, а других — нет, то это эксперимент. Если исследователь просто спросил участников, составляли ли они ежедневные списки дел, то это корреляционное исследование. Это различие важно, потому что, если бы исследование было экспериментом, можно было бы сделать вывод, что составление ежедневных списков дел снижает уровень стресса участников.Но если бы это было корреляционное исследование, можно было бы только сделать вывод, что эти переменные связаны. Возможно, стресс отрицательно влияет на способность людей планировать наперед (проблема направленности). Или, возможно, более сознательные люди с большей вероятностью будут составлять списки дел и менее подвержены стрессу (проблема третьей переменной). Решающим моментом является то, что исследование как экспериментальное или корреляционное определяется не изучаемыми переменными, ни количественными или категориальными переменными, ни типом графика или статистикой, используемыми для анализа данных.Так проводится исследование.

    Рисунок 7.2. Результаты гипотетического исследования того, испытывают ли люди, составляющие ежедневные списки дел, меньший стресс, чем люди, которые не составляют такие списки.

    Опять же, определяющей чертой корреляционного исследования является то, что ни одна из переменных не подвергается манипуляции. Не имеет значения, как и где измеряются переменные. Исследователь мог бы попросить участников прийти в лабораторию, чтобы выполнить компьютеризированную задачу на обратный диапазон цифр и компьютеризированную задачу по принятию рискованных решений, 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 их покупательских привычках, а затем оценить взаимосвязь между этими двумя переменными. Оба этих исследования будут корреляционными, потому что никакие независимые переменные не изменяются. Однако, поскольку некоторые подходы к сбору данных тесно связаны с корреляционными исследованиями, имеет смысл обсудить их здесь. Мы сосредоточимся на двух натуралистических наблюдениях и архивных данных. Третье, обзорное исследование, обсуждается в отдельной главе, главе 9.

    Натуралистическое наблюдение — это подход к сбору данных, который включает наблюдение за поведением людей в окружающей среде, в которой это обычно происходит. Таким образом, натуралистическое наблюдение — это вид полевых исследований (в отличие от лабораторных исследований). 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 проводят свои наблюдения максимально ненавязчиво, так что участники часто не подозревают, что их изучают.С этической точки зрения этот метод считается приемлемым, если участники остаются анонимными, а поведение происходит в общественных местах, где люди обычно не ожидают конфиденциальности. Например, покупатели продуктовых магазинов, складывающие товары в тележки для покупок, ведут себя публично, что легко заметить работникам магазина и другим покупателям. По этой причине большинство исследователей сочли бы этически приемлемым наблюдение за ними для исследования. С другой стороны, один из аргументов против этичности натуралистического наблюдения за «поведением в ванной», обсуждавшийся ранее в книге, заключается в том, что у людей есть разумные ожидания 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 (Levine & Norenzayan, 1999). Одна из их мер заключалась в наблюдении за пешеходами в большом городе, чтобы узнать, сколько времени им нужно, чтобы пройти 60 футов. Они обнаружили, что люди в некоторых странах передвигались надежно быстрее, чем люди в других странах. Например, жители Канады и Швеции преодолевали 60 футов в среднем за 13 секунд, а жители Бразилии и Румынии — за 17 секунд.

    Поскольку натуралистическое наблюдение происходит в сложном и даже хаотическом «реальном мире», есть две тесно связанные проблемы, с которыми исследователи должны столкнуться перед сбором данных. Первый — это отбор проб. Когда, где и при каких условиях будут проводиться наблюдения и за кем именно? Левин и Норензаян описали 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 основное рабочее время в ясные летние дни. Все места были плоскими, беспрепятственными, с широкими тротуарами и были достаточно малолюдными, чтобы пешеходы могли двигаться с потенциально максимальной скоростью. Для контроля эффектов общения использовались только пешеходы, идущие в одиночку. Время для детей, лиц с явными физическими недостатками и посетителей витрин не учитывалось. В большинстве городов были засчитаны тридцать пять мужчин и 35 женщин ». (стр.186)

    Точная спецификация процесса выборки таким образом делает сбор данных управляемым для наблюдателей, а также обеспечивает некоторый контроль над важными посторонними переменными.Например, проводя свои наблюдения в ясные летние дни во всех странах, Левин и Норензаян контролировали влияние погоды на скорость ходьбы людей.

    Вторая проблема — это измерение. Какое конкретное поведение будет наблюдаться? В исследовании Левина и Норензаяна измерение было относительно простым. Они просто отмерили 60-футовое расстояние вдоль городского тротуара, а затем использовали секундомер, чтобы отследить время участников, когда они прошли это расстояние. Однако часто интересующее поведение не столь очевидно или объективно.Например, исследователи Роберт Краут и Роберт Джонстон хотели изучить реакцию боулеров на свои удары, как когда они смотрят на кегли, так и когда они поворачиваются к своим товарищам (Kraut & Johnston, 1979). Но какие «реакции» они должны наблюдать? Основываясь на предыдущих исследованиях и собственном пилотном тестировании, Краут и Джонстон составили список реакций, который включал «закрытая улыбка», «открытая улыбка», «смех», «нейтральное лицо», «взгляд вниз», «взгляд в сторону» и «Прикрытие лица» (закрытие лица руками).Наблюдатели запомнили этот список, а затем практиковались, кодируя реакции боулеров, которые были записаны на видео. Во время фактического исследования наблюдатели говорили в диктофон, описывая реакции, которые они наблюдали. Среди 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 товарищам, предполагая, 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 код , кодирование . Кодирование обычно требует четкого определения набора целевого поведения. Затем наблюдатели классифицируют участников по отдельности с точки зрения того, к какому поведению они прибегали 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 их одинаково.Эта трудность с кодированием является проблемой межэкспертной надежности, как упоминалось в главе 5. Ожидается, что исследователи продемонстрируют межэкспериментальную надежность своей процедуры кодирования, предложив нескольким оценщикам независимо кодировать одно и то же поведение, а затем продемонстрировав, что разные наблюдатели находятся в тесном согласии. Краут и Джонстон, например, записывали на видео часть реакций участников, и два наблюдателя независимо друг от друга кодировали их. Два наблюдателя показали, что они согласны с реакциями, которые проявлялись в 97% случаев, что свидетельствует о хорошей межэкспертной надежности.

    Другой подход к корреляционному исследованию — использование архивных данных , которые уже были собраны для каких-то других целей. Примером может служить исследование Бретта Пелхэма и его коллег о «неявном эгоизме» — тенденции людей отдавать предпочтение людям, местам и вещам, которые похожи на них самих (Pelham, Carvallo, & Jones, 2005). В одном исследовании они изучили записи социального обеспечения, чтобы показать, что женщины с именами Вирджиния, Джорджия, Луиза и Флоренс с наибольшей вероятностью переехали в штаты Вирджиния, Джорджия, Луизиана и Флорида соответственно.

    Как и в случае с натуралистическим наблюдением, измерение может быть более или менее простым при работе с архивными данными. Например, подсчитать количество людей по имени Вирджиния, которые живут в разных штатах, на основе данных социального обеспечения относительно просто. Но рассмотрим исследование Кристофера Петерсона и его коллег о взаимосвязи между оптимизмом и здоровьем с использованием данных, которые были собраны много лет назад для исследования развития взрослых (Peterson, Seligman, & Vaillant, 1988).В 1940-х годах здоровые студенты мужского пола заполнили открытый вопросник о тяжелых переживаниях во время войны. В конце 1980-х Петерсон и его коллеги проанализировали ответы мужчин на анкету, чтобы определить стиль объяснения — их привычные способы объяснения плохих событий, которые с ними происходят. Более пессимистичные люди склонны винить себя и ожидать долгосрочных негативных последствий, влияющих на многие аспекты их жизни, в то время как более оптимистичные люди склонны обвинять внешние силы и ожидать ограниченных негативных последствий.Чтобы получить оценку стиля объяснения для каждого участника, исследователи использовали процедуру, в которой все негативные события, упомянутые в ответах на анкету, и любые причинные объяснения для них были идентифицированы и записаны на учетных карточках. Они были предоставлены отдельной группе экспертов, которые оценили каждое объяснение по трем отдельным параметрам оптимизма-пессимизма. Затем эти оценки были усреднены для получения оценки стиля объяснения для каждого участника. Затем исследователи оценили статистическую взаимосвязь между манерой объяснения мужчин как студентов бакалавриата и архивными показателями их здоровья примерно в 60-летнем возрасте.Первичный результат заключался в том, что чем более оптимистично мужчины были в студенчестве, тем здоровее они были в старшем возрасте. Цена Pearson r была +.25.

    Этот метод является примером анализа содержимого — семейства систематических подходов к измерению с использованием сложных архивных данных. Подобно тому, как натуралистическое наблюдение требует определения интересующего поведения и последующего наблюдения за ним по мере его появления, контент-анализ требует определения ключевых слов, фраз или идей, а затем поиска всех их вхождений в данных.Затем эти события можно подсчитать, рассчитать время (например, количество времени, посвященное развлекательным темам в вечерних новостях) или проанализировать множеством других способов.

    • Корреляционное исследование включает измерение двух переменных и оценку взаимосвязи между ними без манипуляций с независимой переменной.
    • Корреляционное исследование не зависит от того, 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 том контексте, в котором оно обычно происходит) и использование архивных данных, которые уже были собраны для каких-то других целей.

    Обсуждение: Для каждого из следующих пунктов решите, является ли описываемое исследование экспериментальным или корреляционным, наиболее вероятно, и объясните, почему.

    1. Исследователь в области образования сравнивает успеваемость студентов из «богатой» части города с успеваемостью студентов из «бедной» части города.
    2. Когнитивный психолог сравнивает способность людей вспоминать слова, которые им было приказано «читать», с их способностью вспоминать слова, которые им было приказано «вообразить».
    3. Менеджер изучает взаимосвязь между средними оценками новых сотрудников в колледже и их отчетами об успеваемости за первый год.
    4. Инженер-автомобилестроитель устанавливает различные рычаги переключения передач в новый прототип автомобиля, каждый раз прося нескольких человек оценить, насколько комфортно работает рычаг переключения передач.
    5. Специалист в области пищевых продуктов изучает взаимосвязь между температурой в холодильниках людей и количеством бактерий в их пище.
    6. Социальный психолог говорит некоторым участникам исследования, что им нужно поспешить в следующее здание, чтобы завершить исследование. Она говорит другим, что они могут не торопиться. Затем она наблюдает, перестают ли они помогать ассистенту-исследователю, который притворяется, что ему больно.

    Корреляционное исследование: определение с примерами

    Что такое корреляционное исследование?

    Корреляционное исследование — это тип неэкспериментального метода исследования, в котором исследователь измеряет две переменные, понимает и оценивает статистические отношения между ними без влияния каких-либо посторонних переменных.

    Наш разум может творить гениальные вещи. Например, он может запомнить звон фургона с пиццей. Чем громче звон, тем ближе к нам грузовик с пиццей. Кто нас этому научил? Никто! Мы полагались на свое понимание и пришли к выводу. Мы ведь не останавливаемся на достигнутом? Если в этом районе есть несколько грузовиков с пиццей, и у каждого из них свой джингл, мы запомним все это наизусть и свяжем этот джингл с его грузовиком с пиццей.

    Собирать аналитические данные

    Это и есть корреляционное исследование, устанавливающее взаимосвязь между двумя переменными, «звон» и «расстояние до грузовика» в данном конкретном примере.Корреляционное исследование ищет переменные, которые, кажется, взаимодействуют друг с другом. Когда вы видите изменение одной переменной, вы имеете четкое представление о том, как изменится другая переменная.

    Пример

    Коэффициент корреляции показывает корреляцию между двумя переменными (коэффициент корреляции — это статистическая мера, которая вычисляет силу взаимосвязи между двумя переменными), значение, измеряемое между -1 и +1. Когда коэффициент корреляции близок к +1, существует положительная корреляция между двумя переменными.Если значение близко к -1, существует отрицательная корреляция между двумя переменными. Когда значение близко к нулю, между двумя переменными нет никакой связи.

    Давайте рассмотрим пример корреляционного исследования.

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

    Однако это не обязательно означает, что брак напрямую помогает избежать рака. При корреляционном исследовании невозможно установить, что к чему. Ошибочно считать, что корреляционное исследование включает две количественные переменные. Однако в действительности измеряются две переменные, но ни одна из них не изменяется. Это верно независимо от того, являются ли переменные количественными или категориальными.

    Виды корреляционных исследований

    В основном было выделено три типа корреляционных исследований:

    1.Положительная корреляция: Положительная взаимосвязь между двумя переменными — это когда увеличение одной переменной приводит к увеличению другой переменной. Уменьшение одной переменной приведет к уменьшению другой переменной. Например, количество денег 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, образование может отрицательно коррелировать с уровнем преступности, когда увеличение одной переменной приводит к снижению другой, и наоборот. Повышение уровня образования в стране может снизить уровень преступности. Обратите внимание: это не означает, что отсутствие образования ведет 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 разнице в другой переменной. Например, состояние миллионера и счастье не взаимосвязаны. Увеличение денег не ведет к счастью.

    Характеристики корреляционного исследования

    Корреляционное исследование имеет три основных характеристики. Их:

    • Не экспериментальный : Корреляционное исследование не экспериментальное. 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 за взаимосвязью между переменными, не изменяя их и не подвергая их внешнему условию.
    • Взгляд в прошлое : корреляционное исследование рассматривает только 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 взаимосвязь между двумя переменными, но это может измениться в будущем.
    • Динамический : закономерности между двумя переменными из корреляционных исследований 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.

    Собирать аналитические данные

    Сбор данных

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

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

    Натуралистическое наблюдение

    Натуралистическое наблюдение — это способ сбора данных, при котором наблюдается поведение людей в их естественной среде, в которой они обычно существуют. Этот метод является разновидностью полевых исследований. Это может означать, что исследователь наблюдает за людьми в продуктовом магазине, в кинотеатре, на детской площадке или в подобных местах.

    Исследователи, которые обычно участвуют в этом типе сбора данных, проводят наблюдения настолько ненавязчиво, насколько это возможно, чтобы участники, участвующие в исследовании, не знали, что за ними наблюдают, иначе они могут отклониться от своего естественного «я».

    С этической точки зрения этот метод приемлем, если участники остаются анонимными и если исследование проводится в общественных местах, в месте, где люди обычно не ожидают полной конфиденциальности. Как упоминалось ранее, возьмем пример продуктового магазина, где можно наблюдать за людьми, которые собирают товар из прохода и складывают пакеты для покупок.Это приемлемо с этической точки зрения, и по этой причине большинство исследователей выбирают общественные места для записи своих наблюдений. Этот метод сбора данных может быть как качественным, так и количественным.

    Архивные данные

    Другой подход к корреляционным данным — использование архивных данных. Архивная информация — это данные, которые были ранее собраны путем проведения аналогичных исследований. Архивные данные обычно становятся доступными в результате первичного исследования.

    В отличие от естественного наблюдения, информация, собранная с помощью архивных данных, может быть довольно простой.Например, подсчитать количество людей по имени Ричард в различных штатах Америки на основе данных социального страхования довольно просто.

    корреляция | S-cool, сайт доработки

    Корреляция — это статистический метод, используемый для количественной оценки силы связи между двумя переменными.

    Часто используется в психологических исследованиях, например, Мурштейн (1972), провел корреляционный анализ оценок привлекательности партнеров (исследование «компьютерных танцев»).

    Сильные стороны: Слабые стороны
    Вычисление силы отношения между переменными. Невозможно предположить причинно-следственную связь. , сильная корреляция между переменными может вводить в заблуждение.
    Полезно как указатель для дальнейших, более подробных исследований. Отсутствие корреляции может не означать, что отношения нет, это может быть нелинейное.

    Для корреляционного исследования данные могут быть нанесены в виде точек на диаграмму рассеяния . Затем через точки проводится линия наилучшего соответствия, чтобы показать тенденцию изменения данных.

    Если обе переменные увеличиваются вместе, это положительная корреляция .

    Если одна переменная увеличивается, а другая уменьшается, это отрицательная корреляция .

    Если линия наилучшего соответствия не может быть проведена, значит, нет корреляции.

    Корреляцию можно количественно оценить с помощью коэффициента корреляции — математической меры степени взаимосвязи между наборами данных.

    После расчета коэффициент корреляции будет иметь значение от -1 до +1.

    +1 = идеальная положительная корреляция все точки на прямой линии, когда x увеличивается, y увеличивается. Значение, близкое к единице, указывает на сильную положительную корреляцию.

    0 = нет корреляции точек показывают разную степень корреляции.

    Примечание: Корреляция около нуля может скрывать нелинейную зависимость.

    -1 = идеальная отрицательная корреляция все точки на прямой, по мере увеличения x y уменьшается. Значение, близкое к -1, указывает на сильную отрицательную связь.

    Примечание: В реальных жизненных ситуациях или в психологических экспериментах вы не найдете идеальной корреляции между переменными, жизнь такая же.

    Психологи вычисляют коэффициент корреляции , а затем, используя статистические таблицы (придуманные блестящими математиками), вычисляют вероятность того, что их результаты могли быть случайными.

    Если они могут сказать, что вероятность того, что их результаты действительно демонстрируют сильную корреляцию, составляет 95%, то они соглашаются с тем, что она существует.

    .

    Добавить комментарий

    Ваш адрес email не будет опубликован.