Корреляционное исследование в психологии: Корреляционное исследование в социальной психологии

11. Корреляционное исследование

Наиболее распространенной схемой современного психологического эмпирического исследования является корреляционное исследование.

Теория корреляционного исследования, основанная на представлениях о мерах корреляционной связи, разработана К. Пирсоном и подробно излагается в учебниках по математической статистике. Здесь рассматриваются лишь методические аспекты корреляционного психологического исследования.

Стратегия проведения корреляционного исследования сходна с квазиэкспериментом. Отличие от квазиэксперимета лишь в том, что управляемое воздействие на объект отсутствует. План корреляционного исследования несложен. Исследователь выдвигает гипотезу о наличии статистической связи между несколькими психическими свойствами индивида или между определенными внешними уровнями и психическими состояниями. При этом предположения о причинной зависимости не обсуждаются.

Корреляционным называется исследование, проводимое для подтверждения или опровержения гипотезы о статистической связи между несколькими (двумя и более) переменными.

В психологии переменными могут выступать психические свойства, процессы, состояния и др.

«Корреляция» в прямом переводе означает «соотношение». Если изменение одной переменной сопровождается изменением другой, то можно говорить о корреляции этих переменных. Наличие корреляции двух переменных ничего не говорит о причинно-следственных зависимостях между ними, но дает возможность выдвинуть такую гипотезу. Отсутствие же корреляции позволяет отвергнуть гипотезу о причинно-следственной связи переменных. Различают несколько интерпретаций наличия корреляционной связи между двумя измерениями:

1. Прямая корреляционная связь. Уровень одной переменной непосредственно соответствует уровню другой. Примером является закон Хика: скорость переработки информации пропорциональна логарифму от числа альтернатив. Другой пример: корреляция высокой личностной пластичности и склонности к смене социальных установок.

2. Корреляция, обусловленная третьей переменной. Две переменные (а, с) связаны одна с другой через третью (в), не измеренную в ходе исследования. Примером подобной корреляции является установленный психологами США факт связи уровня интеллекта с уровнем доходов. Если бы такое исследование проводилось в сегодняшней России, то результаты были бы иными. Очевидно, все дело в структуре общества. Скорость опознания изображения при быстром (тахистоскопическом) предъявлении и словарный запас испытуемых также положительно коррелируют. Скрытой переменной, обусловливающей эту корреляцию, является общий интеллект.

3. Случайная корреляция, не обусловленная никакой переменной.

4. Корреляция, обусловленная неоднородностью выборки. Представим себе, что выборка, которую мы будем обследовать, состоит из двух однородных групп. Например, мы хотим выяснить, связана ли принадлежность к полу с уровнем экстраверсии. Считаем, что «измерение» пола трудностей не вызывает, экстраверсию же измеряем с помощью опросником Айзенка ETI-1.

У нас две группы: мужчины-математики и женщины-журналистки. Не удивительно, если мы получим линейную зависимость между полом и уровнем экстраверсии – интроверсии: большинство мужчин будут интровертами, большинство женщин – экстравертами.

Корреляционные связи различаются по своему виду. Если повышение уровня одной переменной сопровождается повышением уровня другой, то речь идет о положительной корреляции. Чем выше личностная тревожность, тем больше риск заболеть язвой желудка. Возрастание громкости звука сопровождается ощущением повышения его тона. Если рост уровня одной переменной сопровождается снижением уровня другой, то мы имеем дело с отрицательной корреляцией. По данным Зайонца, число детей в семье отрицательно коррелирует с уровнем их интеллекта. Чем боязливей особь, тем меньше у нее шансов занять доминирующее положение в группе.

Нулевой называется корреляция при отсутствии связи переменных.

В психологии практически нет примеров строго линейных связей (положительных или отрицательных). Большинство связей – нелинейные. Классический пример нелинейной зависимости – закон Йеркса – Додсона: возрастание мотивации первоначально повышает эффективность научения, а затем наступает снижение продуктивности (эффект «перемотивации»). Другим примером является связь между уровнем мотивации достижений и выбором задач различной трудности. Лица, мотивированные надеждой на успех, предпочитают задания среднего диапазона трудности – частота выборов на шкале трудности описывается колоколообразной кривой.

Математическую теорию линейных корреляций разработал Пирсон. Коэффициент линейной корреляции Пирсона г варьируется от -1 до +1. Значимость коэффициента корреляции зависит от принятого уровня значимости α и от величины выборки. Чем больше модуль коэффициента корреляции, тем ближе связь переменных к линейной функциональной зависимости.

План лонгитюдного исследования представляет собой серию отдельных замеров одной или нескольких переменных через определенные промежутки времени. Лонгитюдное исследование – это промежуточный вариант между квазиэкспериментом и корреляционным исследованием, так как время интерпретируется исследователем как независимая переменная, определяющая уровень зависимых (например, личностных черт).

Полный план корреляционного исследования представляет собой параллелепипед Р х О х Р, грани которого обозначаются как «испытуемые», «операции», «временные этапы».

Корреляционное и экспериментальное исследование

Природа корреляционного исследования

Существует два вида исследования:

• корреляция;
• эксперимент.

Рассмотрим каждый из них.

Корреляционное исследование используется в случае, если необходимо дать оценку взаимоотношениям между двумя и более переменными. Т.е. этот метод изучения выявляет связь между данными.

Если одна переменная меняет величину, то со второй происходят следующие изменения. Во-первых, стоит отметить, что это исследование дает сведения о направлении и силе взаимосвязи между двумя данными. Это направление говорит о том, как связаны переменные: позитивно или негативно. Сила взаимосвязи может быть в виде степени точности, также может предсказать величину одной из переменных. Эти два аспекта (сила и направление) являются статистическими критериями, или коэффициентами корреляции (r), который ранжируется от +1,00 до -1,00. Например: переменная А высока, В высока, то корреляция позитивная. Если А высока, а В низка, то корреляция негативная. Если В не связана с А, то корреляция отсутствует.

Социально-психологические исследования не содержит полную корреляцию. Коэффициент редко превышает +0,60:

• корреляции от +0,50 до +0,60 являются сильными;
• корреляции от +0,30 до +0,50 – умерено сильные;
• корреляции ниже от +0,30 или +0,20 – слабые.

Корреляция выше +0,60 бывает в том случае, если ряд факторов, определяющие поведение, мнение и оценки людей.

Используя математическую обработку данных, исследователь может применять разные подходы к вычислению коэффициенты корреляции.

Специфика ранговой корреляции

Рассмотрим коэффициент ранговой корреляции Спирмена (r), так как именно его часто применяют в социально-психологических исследованиях благодаря своей универсальности и простоте. Универсальность, т.е. применим ко всем данным, проста – легко вычисляется «вручную».

Пример. Для того чтобы понять роль мастера в организации, были собраны данные в виде оценочных суждений от работников разного иерархического уровня. В исследование рассматривали вопрос взаимосвязи восприятия мастера рабочими низкого иерархического уровня и высшего с самооценкой самого мастера. Для оценивания были представлены такие качества, как:

• требовательность;
• настойчивость;
• уравновешенность;
• доброта;
• скромность;
• дисциплинированность;
• справедливость;
• оптимизм и т.д.

В результате была выявлена положительная корреляция между самооценкой мастера и оценкой рабочих: r = +0,39. Положительная связь наблюдается также между самооценкой мастера и вышестоящих коллег:

r = +0,33, но в данном случае носит менее устойчивую связь. Самый низкий коэффициент был выявлен между оценками мастера руководством цеха и рабочими r = +0,18.

Вывод

Рассматриваемая ситуация не всегда имеет одинаковую оценку и, поэтому может быть производной от других социальных ролей, которые связаны с принадлежностью этой личности к другой группе, являющейся значимой. Из полученных данных видно, что рабочие играют для мастера референтную роль, а цеховые руководители нет. Конечно, этот результат требует детальной проверки.

Исходя из выше сказанного, было выявлено несколько выводов, которые описывали восприятие и понимание личности и работы мастера в зависимости от социально-демографических и ролевых характерных черт субъектов и объектов оценки.

Плюсы такого исследования:

• эффективен при сборе большого количества данных;
• полученные результаты чаще всего являются питательной почвой для идей и гипотез.

Минус:

• исследование не может до конца определить причину взаимосвязи между двумя переменными.

Определение экспериментального исследования

Данное изучение направлено на выявление связи между причиной и следствием. Здесь происходит манипуляция переменной, которая проявляется испытуемым, после наблюдается эффект манипуляции на другую переменную, с которой на самом деле не производится никаких манипуляций. Манипулируемая переменная называется независимой. Ее и проверяют экспериментально, так как она может быть причиной изменений другой, зависимой переменной.

После того, как произошло воздействие независимой переменной, исследователь определенным способом собирает сведения о реакции поведения, о вербальной реакции. Это делается для того, чтоб определить влияния переменной. Если это так, то на основе эксперимента заключается вывод, что независимая переменная является причиной изменений зависимой.

Для примера рассмотрим исследование Семеновой З.Ф. Оно было проведено на студии телевидения и выявляло роли социального статуса коммуникатора (независимая переменная) на восприятие информации реципиента (зависимая переменная).

Эксперимент проводился естественным путем. Т.е. на экскурсию в телестудию пригласили людей и под удобным предлогом предложили посмотреть новости. Люди думали, что они смотрят передачу для эфира. Во всех новостях был представлен один и тот же человек, с одним и тем же сообщением, в одно и том же гриме, но в разных амплуа:

• конструктор завод;
• бригадир;
• ученый;
• журналист.

Выборка испытуемых – 667 человек:

• мужчин – 291;
• женщин – 376.

В каждой группе 20-30 человек. Деятельность людей разная:

• рабочие;
• инженерно-технические сотрудники;
• интеллигенция.

После просмотра новостей всем объясняли цели экскурсии и раздали анкеты для заполнения.

Изначально предполагалось, что социальный статус коммуникатора будет оказывать влияние на отношение испытуемых к сообщению, что и произошло на самом деле. Влияние произошло из-за близости социальной категории, например, рабочим была важна новость от «бригадира». Корреляция иногда была равна +0,88.

Плюс экспериментального исследования:

• хороший контроль над переменными.

Вывод

Корреляция и эксперимент имеют определенные сильные стороны, поэтому они могут дополнять друг друга. В первую очередь их необходимо характеризовать как особенность организационного плана, который может использовать психолог для получения новых научных данных. Сбор первичной информации происходит с помощью определенных методов. Выявлены три основных:

• опрос;
• наблюдение;
• анализ документов.

Перечисленные способы носят междисциплинарный характер, которые используют юристы, психологи, социологи, журналисты и т.д. Все остальные методы являются производными.

Корреляционные исследования – общая психология

Перейти к содержанию

Психологические исследования

Цели обучения

• Объясните, что коэффициент корреляции говорит нам о связи между переменными
• Объясните, почему корреляция не означает причинно-следственную связь

Знаете ли вы, что с ростом продаж мороженого растет и общий уровень преступности? Возможно ли, что удовольствие от вашего любимого вкуса мороженого может привести к преступному веселью? Или, совершив преступление, вы думаете, что решите угоститься шишкой? Нет никаких сомнений в том, что между мороженым и преступлением существует связь (например, Harper, 2013), но было бы довольно глупо полагать, что одно на самом деле вызвало другое.

Гораздо более вероятно, что и продажи мороженого, и уровень преступности связаны с температурой на улице. Когда температура теплая, многие люди выходят из своих домов, взаимодействуют друг с другом, раздражаются друг на друга, а иногда и совершают преступления. Кроме того, когда на улице тепло, мы с большей вероятностью будем искать прохладное лакомство, например, мороженое. Как определить, действительно ли существует связь между двумя вещами? И когда есть связь, как мы можем определить, объясняется ли она совпадением или причинно-следственной связью?

Корреляционные исследования

означает, что существует связь между двумя или более переменными (такими как потребление мороженого и преступность), но эта связь не обязательно подразумевает причину и следствие. Когда две переменные коррелированы, это просто означает, что при изменении одной переменной изменяется и другая. Мы можем измерить корреляцию, вычислив статистику, известную как коэффициент корреляции. — это число от -1 до +1, которое указывает на силу и направление взаимосвязи между переменными. Коэффициент корреляции обычно обозначается буквой 9.0025 р .

Числовая часть коэффициента корреляции указывает на силу связи. Чем ближе число к 1 (отрицательное или положительное), тем сильнее связаны переменные и тем более предсказуемыми будут изменения одной переменной при изменении другой переменной. Чем ближе число к нулю, тем слабее взаимосвязь и тем менее предсказуемыми становятся взаимосвязи между переменными. Например, коэффициент корреляции 0,9 указывает на гораздо более сильную связь, чем коэффициент корреляции 0,3. Если переменные никак не связаны друг с другом, коэффициент корреляции равен 0. Приведенный выше пример о мороженом и преступности является примером двух переменных, которые, как мы могли бы ожидать, не будут связаны друг с другом.

Знак — положительный или отрицательный — коэффициента корреляции указывает на направление связи (рис. 1). означает, что переменные движутся в одном направлении. Иными словами, это означает, что при увеличении одной переменной увеличивается и другая, и наоборот, при уменьшении одной переменной уменьшается и другая. означает, что переменные движутся в противоположных направлениях. Если две переменные имеют отрицательную корреляцию, то уменьшение одной переменной связано с увеличением другой и наоборот.

Пример мороженого и уровня преступности представляет собой положительную корреляцию, поскольку обе переменные увеличиваются при повышении температуры. Другими примерами положительной корреляции являются отношения между ростом и весом человека или отношения между возрастом человека и количеством морщин. Можно было бы ожидать, что существует отрицательная корреляция между чьей-либо усталостью в течение дня и количеством часов, которые они спали предыдущей ночью: количество сна уменьшается по мере того, как чувство усталости увеличивается. В реальном примере отрицательной корреляции студенты-исследователи из Миннесотского университета обнаружили слабую отрицательную корреляцию (9). 0025 r = -0,29) между средним количеством дней в неделю, когда учащиеся спали менее 5 часов, и их средним баллом (Lowry, Dean, & Manders, 2010). Имейте в виду, что отрицательная корреляция — это не то же самое, что отсутствие корреляции. Например, мы, вероятно, не обнаружим корреляции между количеством часов сна и размером обуви.

Как упоминалось ранее, корреляции имеют прогностическую ценность. Представьте, что вы входите в приемную комиссию крупного вуза. Вы сталкиваетесь с огромным количеством заявок, но можете разместить лишь небольшой процент от пула соискателей. Как вы можете решить, кого следует принять? Вы можете попытаться сопоставить средний балл колледжа ваших нынешних студентов с их баллами по стандартным тестам, таким как SAT или ACT. Наблюдая, какие корреляции были самыми сильными для ваших нынешних студентов, вы могли бы использовать эту информацию, чтобы предсказать относительный успех тех студентов, которые подали заявку на поступление в университет.

Рисунок 1 . Диаграммы рассеяния представляют собой графическое представление силы и направления корреляций. Чем сильнее корреляция, тем ближе точки данных к прямой линии. В этих примерах мы видим, что существует (а) положительная корреляция между весом и ростом, (б) отрицательная корреляция между усталостью и количеством часов сна и (в) отсутствие корреляции между размером обуви и количеством часов сна.

Корреляция не указывает причинно-следственную связь

Корреляционное исследование полезно, потому что оно позволяет нам обнаружить силу и направление взаимосвязей, существующих между двумя переменными. Однако корреляция ограничена, поскольку установление существования взаимосвязи мало что говорит нам о . Хотя переменные иногда коррелируют, потому что одна действительно вызывает другую, также может быть, что какой-то другой фактор, a , на самом деле вызывает систематическое движение интересующих нас переменных. В упомянутом ранее примере с мороженым/уровнем преступности температура является смешанной переменной, которая может объяснить взаимосвязь между двумя переменными.

Даже когда мы не можем указать на четкие смешанные переменные, мы не должны предполагать, что корреляция между двумя переменными подразумевает, что одна переменная вызывает изменения в другой. Это может разочаровать, когда кажется, что все ясно и интуитивно понятно. Вспомните наше обсуждение исследований, проведенных Американским онкологическим обществом, и то, как их исследовательские проекты были одними из первых демонстраций связи между курением и раком. Кажется разумным предположить, что курение вызывает рак, но если мы ограничимся корреляционное исследование , мы перешагнем границы, сделав такое предположение.

К сожалению, люди все время ошибочно утверждают, что причинно-следственная связь является функцией корреляций. Такие утверждения особенно распространены в рекламе и новостях. Например, недавнее исследование показало, что люди, которые регулярно едят хлопья, достигают более здорового веса, чем те, кто редко ест хлопья (Frantzen, Treviño, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al. , 2005). Угадайте, как производители хлопьев сообщают об этом открытии. Действительно ли употребление хлопьев помогает человеку поддерживать здоровый вес, или есть другие возможные объяснения, например, тот, у кого здоровый вес, с большей вероятностью будет регулярно есть здоровый завтрак, чем тот, кто страдает ожирением, или тот, кто избегает приема пищи в попытке соблюдать диету (рис. 2)? Хотя корреляционное исследование имеет неоценимое значение для выявления взаимосвязей между переменными, основным ограничением является невозможность установить причинно-следственную связь. Психологи хотят делать заявления о причине и следствии, но единственный способ сделать это — провести эксперимент, чтобы ответить на исследовательский вопрос. В следующем разделе описывается, как научные эксперименты включают методы, которые исключают или контролируют альтернативные объяснения, что позволяет исследователям исследовать, как изменения в одной переменной вызывают изменения в другой переменной.

Попробуйте

Watch It

Посмотрите этот клип из Freakonomics, чтобы увидеть пример того, как корреляция , а не указывает на причинно-следственную связь.

Вы можете просмотреть стенограмму «Корреляция против причинности: фильм о фрикономике» здесь (откроется в новом окне).

Рисунок 2 . Действительно ли употребление хлопьев способствует здоровому весу? (кредит: Тим Скиллерн)

Иллюзорные корреляции

Искушение сделать ошибочные утверждения о причинно-следственных связях, основанные на корреляционных исследованиях, — не единственный способ, которым мы склонны неправильно интерпретировать данные. Мы также склонны совершать ошибку иллюзорных корреляций, особенно при бессистемных наблюдениях. , или ложные корреляции, возникают, когда люди верят, что отношения существуют между двумя вещами, хотя таких отношений не существует. Одной из хорошо известных иллюзорных корреляций является предполагаемое влияние фаз луны на поведение человека. Многие люди страстно утверждают, что на поведение людей влияет фаза луны и, в частности, что люди ведут себя странно, когда луна полная (рис. 3).

Рисунок 3 . Некоторые люди считают, что полная луна заставляет людей вести себя странно. (кредит: Кори Занкер)

Нельзя отрицать, что Луна оказывает сильное влияние на нашу планету. Приливы и отливы океана тесно связаны с гравитационными силами Луны. Поэтому многие люди считают, что Луна тоже влияет на нас. Ведь наш организм в значительной степени состоит из воды. Однако метаанализ почти 40 исследований неизменно демонстрировал, что связи между Луной и нашим поведением не существует (Rotton & Kelly, 1985). Хотя мы можем уделять больше внимания странному поведению во время полной лунной фазы, частота странного поведения остается постоянной на протяжении всего лунного цикла.

Почему мы так склонны верить в подобные иллюзорные корреляции? Часто мы читаем или слышим о них и просто принимаем информацию как достоверную. Или у нас есть предчувствие о том, как что-то работает, а затем мы ищем доказательства, подтверждающие это предчувствие, игнорируя доказательства, говорящие о том, что наше предчувствие ложно; это известно как . В других случаях мы находим иллюзорные корреляции, основанные на информации, которая легче всего приходит на ум, даже если эта информация сильно ограничена. И хотя мы можем быть уверены, что можем использовать эти отношения, чтобы лучше понимать и предсказывать мир вокруг нас, иллюзорные корреляции могут иметь существенные недостатки. Например, исследования показывают, что иллюзорные корреляции, в которых определенное поведение ошибочно приписывается определенным группам, участвуют в формировании предвзятых взглядов, которые в конечном итоге могут привести к дискриминационному поведению (Fiedler, 2004).

Подумай об этом

У всех нас есть склонность время от времени проводить иллюзорные корреляции. Попробуйте подумать об иллюзорной корреляции, которой придерживаетесь вы, член семьи или близкий друг. Как, на ваш взгляд, возникли эти иллюзорные соотношения и что можно сделать в будущем для борьбы с ними?

Лицензии и атрибуты (Щелкните, чтобы развернуть)

Контент под лицензией CC, совместно используемый ранее

• Анализ результатов. Автор: : Колледж OpenStax. Расположен по адресу : https://openstax.org/books/psychology-2e/pages/2-3-analyzing-findings. Лицензия : CC BY: Attribution . Условия лицензии : Загрузите бесплатно по адресу https://openstax.org/books/psychology-2e/pages/1-introduction.

Все права защищены содержание

• Корреляция против причинно-следственной связи: фильм о фрикономике. Расположен по адресу : https://www.youtube.com/watch?v=lbODqslc4Tg. Лицензия : Другое . Условия лицензии : Стандартная лицензия YouTube

License

General Psychology от OpenStax и Lumen Learning распространяется под лицензией Creative Commons Attribution 4.0 International License, если не указано иное.

Поделиться этой книгой

Поделиться в Твиттере

Корреляционные исследования | Аномальная психология

Цели обучения

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

Корреляционное исследование

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

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

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

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

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

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

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

Дополнительные сведения о корреляции

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

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

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

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

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

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

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

Попробуйте

Проблемы с корреляцией

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

Корреляция не указывает причинно-следственную связь

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

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

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

смотреть IT

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

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

Попробуйте

Подумай об этом

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

Глоссарий

причинно-следственная связь: изменения одной переменной вызывают изменения другой переменной; можно определить только с помощью экспериментального плана исследования

предвзятость подтверждения:  склонность игнорировать свидетельства, опровергающие идеи или убеждения

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

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

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

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

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

---

1. Сколлон, Северная Каролина (2020).

   No related posts.