Корреляционные исследования в психологических научных работах

Теория корреляционного исследования разработана английским математиком К. Пирсоном. Стратегия проведения такого исследования заключается в том, что управляемое воздействие на объект отсутствует, то есть исследователь просто выдвигает гипотезу о наличии статистической связи между несколькими психическими свойствами, процессами или состояниями. При этом само предположение о причинной зависимости не обсуждается. Таким образом, корреляционному исследованию можно дать следующее определение:

Корреляционным называется исследование, проводимое для подтверждения или опровержения гипотезы о статистической связи между несколькими (двумя или более) переменными. И как я уже сказал, в качестве переменных могут выступать психические свойства, процессы, состояния и т. п. Само же слово «корреляция» в переводе означает соотношение. Говоря о данном типе исследования, стоит также дать понятие корреляционной связи.

Корреляционная связь — это связь, при которой изменение одной переменной сопровождается изменением другой, что не является свидетельством наличия причинно-следственных зависимостей между ними, но дает возможность выдвинуть гипотезу о них.

Различают несколько типов корреляционных связей: (РИСУНОК)

- прямая корреляционная связь, когда уровень одной переменной непосредственно соответствует уровню другой переменной;

- обратная корреляционная связь, когда рост уровня одной переменной сопровождается снижением уровня другой

- корреляция, обусловленная третьей переменной, когда уровень одной переменной соответствует уровню другой переменной в силу того, что обе эти переменные обусловлены третьей общей переменной;

-случайная корреляция, не обусловленная никакой переменной;

- корреляция, обусловленная неоднородностью выборки, это когда выборка состоит из двух неоднородных групп, может быть получена корреляционная связь, не существующая в генеральной совокупности.

- нулевой, если связь переменных отсутствует

Сила связи напрямую указывает, насколько ярко проявляется совместная изменчивость изучаемых переменных.

В качестве числовой характеристики вероятностной связи используют коэффициенты корреляции, значения которых изменяются в диапазоне от –1 до +1. После проведения расчетов исследователь, как правило, отбирает только наиболее сильные корреляции, которые в дальнейшем интерпретируются (табл. 1)
Критерием для отбора «достаточно сильных» корреляций может быть как абсолютное значение самого коэффициента корреляции (от 0,7 до 1), так и относительная величина этого коэффициента, определяемая по уровню статистической значимости (от 0,01 до 0,1), зависящему от размера выборки. В малых выборках для дальнейшей интерпретации корректнее отбирать сильные корреляции на основании уровня статистической значимости. Для исследований, которые проведены на больших выборках, лучше использовать абсолютные значения коэффициентов корреляции.

Таким образом, задача корреляционного анализа сводится к установлению направления (положительное или отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверке уровня значимости полученных коэффициентов корреляции.

В настоящее время разработано множество различных коэффициентов корреляции. Наиболее применяемыми являются r -Пирсона, r -Спирмена и τ -Кендалла.
Выбор метода вычисления коэффициента корреляции зависит от типа шкалы, к которой относятся переменные
Для переменных с интервальной и с номинальной шкалой используется коэффициент корреляции Пирсона (корреляция моментов произведений). Если, по меньшей мере, одна из двух переменных имеет порядковую шкалу или не является нормально распределенной, используется ранговая корреляция по Спирмену или
t-Кендалла.

Для изучения взаимосвязи двух метрических переменных, измеренных на одной и той же выборке, применяется коэффициент корреляции r -Пирсона. Сам коэффициент характеризует наличие только линейной связи между признаками, обозначаемыми, как правило, символами X и Y. Коэффициент линейной корреляции является параметрическим методом и его можно применять только если результаты измерений представлены в шкале интервалов, а само распределение отличается от нормального в незначительной степени. Существует множество ситуаций, в которых его применение целесообразно. Например: установление связи между интеллектом школьника и его успеваемостью; между настроением и успешностью выхода из проблемной ситуации; между уровнем дохода и темпераментом и т. п.

Основная статистическая гипотеза, которая проверяется корреляционным анализом, является ненаправленной и содержит утверждение о равенстве корреляции нулю в генеральной совокупности H₀: r_xy = 0.

При ее отклонении принимается альтернативная гипотеза H₁: r_xy ≠ 0 о наличии положительной или отрицательной корреляции – в зависимости от знака коэффициента корреляции. На основании принятия или отклонения гипотез делаются содержательные выводы.

Если по результатам статистической проверки H₀: r_xy = 0 не отклоняется, то содержательный вывод будет следующим: связь между X и Y не обнаружена.

Если же при H₀ r_xy = 0 отклоняется, значит, обнаружена положительная или отрицательная связь между X и Y. Однако к интерпретации выявленных корреляционных связей следует подходить осторожно. С научной точки зрения, простое установление связи между двумя переменными не означает существования причинно-следственных отношений. Более того, наличие корреляции не устанавливает отношения последовательности между причиной и следствием. Оно просто указывает, что две переменные взаимосвязаны между собой в большей степени, чем это можно ожидать при случайном совпадении, поэтому следует избегать категоричных фраз типа «переменная X является причиной увеличения показателя Y ». Подобные утверждения следует формулировать как предположения, которые должны быть строго обоснованы теоретически.

Поговорим о самом плане корреляционного исследования. В нем, как я уже говорил, котором отсутствует управляемое воздействие на объект, т. е. независимая переменная не воздействует на зависимую, по сути в данном исследовании все переменные являются зависимыми. И хотя фактором, который определяет данную зависимость, обычно выступает одна из этих переменных или скрытая переменная, предположение о причинной зависимости не обсуждается, исследователь выдвигает лишь гипотезу о наличии статистической связи между переменными.

Выделяются следующие типы корреляционного исследования:

1) сравнение двух групп, которое используется для установления сходства или различия двух естественных или рандомизованных групп по выраженности того или иного параметра; Этот план лишь условно можно отнести к корреляци­онным исследованиям. Допустим, у вас есть желание выяснить, отличаются ли мужчины и женщины по уровню экстраверсии. Для этого вы должны создать две репрезентативные выборки, уравненные по прочим значимым для экст­раверсии—интроверсии параметрам (по параметрам, влияющим на уровень экстра­версии—интроверсии), и провести измерение с помощью определенного теста EPQ. Средние ре­зультаты у 2 групп сравниваются с помощью t-критерия Стьюдента. При необходи­мости сравниваются дисперсии показателя экстраверсии по критерию F.

Простейшее сопоставление 2 групп содержит в себе источники ряда артефактов, характерных для корреляционного исследования. Во-первых, возникает проблема рандомизации групп — они должны четко разделяться по выбранному критерию. Во-вторых, реальные измерения происходят не одновременно, а разновременно:

R' О1 —

R" — О2

В-третьих, хорошо, если тестирование внутри группы проводят одновременно. Если же отдельных испытуемых тестируют в разное время, то на результате может сказаться влияние временного фактора на величину переменной.

Будем считать, что пол без особых усилий поменять нельзя, ну по крайней мере, сделать это быстро, но можно перейти из одной учебной группы в другую, а также из класса в класс.

Если исследователь задался целью сравнить две учебные группы по уровню ус­певаемости, он должен позаботиться о том, чтобы не произошло их «перемешива­ния» в ходе исследования.

Эффект неодновременности измерении в двух группах (в случае предположения о значимости этого фактора) можно было бы «убрать» введением двух контрольных групп, но тогда тестировать их тоже придется в другое время. Удобнее разделить пер­воначальные группы пополам и тестирование (по возможности) провести по следу­ющему плану:

R' О1 —

R" — О2

__________________

R' О3 —

R" — О4

Обработка результатов для выявления эффекта последовательности осуществ­ляется методом двухфакторного анализа 2 х 2.

Сравнение естественных (нерандо­мизированных) групп ведется по тому же плану.

2) одномерное исследование одной группы в разных условиях, план этого ис­следования аналогичен предыдущему, но по своей сути он близок к эксперименту, так как условия, в которых находится группа, различаются. В случае корреляцион­ного исследования мы не управляем уровнем независимой переменной, а лишь кон­статируем изменение поведения индивида в новых условиях. Примером может слу­жить изменение уровня тревожности детей при переходе из детского сада в 1-й класс школы: группа одна и та же, а условия различные.

3) корреляционное исследование попарно эквивалентных групп, проводимое при исследовании близнецов методом внутрипарных корреляций, что дает возможность выявления доли влияния среды и генотипа на развитие того или иного признака: если корреляция монозиготных близнецов надежно выше корреляции дизиготных близнецов, то можно судить о существующей генетической детерминации признака, а если нет — о средовой детерминации;

Дизи-готные или монозиготные близнецы разбиваются на две группы: в каждой — один близнец из пары. У близнецов обеих групп измеряют интересующие психические параметры. Затем вычисляется корреляция между параметрами (О-корреляция) или близнецами (Р-корреляция).

4) многомерное корреляционное исследование, проводимое для проверки гипотезы о связи нескольких переменных, для чего после неоднократного тестирования экспериментальной группы данные вносятся в таблицу, которая обрабатывается, затем подсчитываются коэффициенты линейных корреляций и выявляются статистические различия; то есть, отбирается группа, которая пред­ставляет собой либо генеральную совокупность, либо интересующую нас популя­цию. Отбираются тесты, затем группа тестируется по определенной программе.

R А(О1) В(О2) С (О3) D(О4).... N(Оn),

где А, В, С... N — тесты, Оi — операция тестирования.

В некоторых случаях возникает необходимость вычисле­ния множественных корреляций, частных корреляций, корреляционных отношений или редукции размерности — уменьшения числа параметров.

Для уменьшения числа измеренных параметров используются различные мето­ды латентного анализа. Главной причиной артефактов, возникающих при прове­дении многомерного психологического тестирования, является реальное физиче­ское время. При анализе данных корреляционного исследования мы отвлекаемся от неодновременности проводимых измерений.

Перечислим основные артефакты, которые возникают в ходе применения этого плана:

1. Эффект последовательности — предшествующее выполнение одного теста мо­жет повлиять на результат выполнения другого (симметричный или асимметрич­ный перенос).

2. Эффект научения — при выполнении серии различных тестовых испытаний у участника эксперимента может повышаться компетентность в тестировании.

3. Эффекты фоновых воздействий и «естественного» развития приводят к неконт­ролируемой динамике состояния испытуемого в ходе исследования.

4. Взаимодействие процедуры тестирования и состава группы проявляется при ис­следовании неоднородной группы: интроверты хуже сдают экзамены, чем экст­раверты, «тревожные» хуже справляются со скоростными тестами интеллекта.

Для контроля эффектов последовательности и переноса следует пользоваться тем же приемом, что и при планировании экспериментов, а именно — контрбалан­сировкой. Только вместо воздействий меняется порядок проведения тестов.

Для 3 тестов полный план корреляционного исследования с контрбалансиров­кой выглядит следующим образом:

1-я группа: А В С; 2-я группа: С А В; 3-я группа: В С А

где А, В, С — различные тесты.

Пример. Необходимо было выявить, как влияет вид задания на успешность выполнения сменяющих одна другую задач. Предположили, что для испытуемых не безразлично, в какой последовательности им даются тесты. Были выбраны задания на креативность (из теста Торренса) и на общий интеллект (из теста Айзенка). Задачи давались испытуемым в случайном порядке. Оказалось, что если задание на креативность выполняется первым, то скорость и точность реше­ния задачи на интеллект снижается. Обратного эффекта не наблюдалось. Не вдава­ясь в объяснения этого явления, можно заметить, что здесь мы столкнулись с классическим эффектом асимметричного переноса.

5) структурное корреляционное исследование, выявляющее различие в уровне корреляционных зависимостей между одними и теми же показателями, измененными у испытуемых разных групп; От предшествующих вариан­тов эта схема отличается тем, что исследователь выявляет не отсутствие или нали­чие значимых корреляций, а различие в уровне значимых корреляций между одними и теми же показателями, которые измерялись у представителей раз­личных групп.

Допустим, необходимо проверить гипотезу о том, влияет ли пол родителя и пол ребенка на сходство или различие их личност­ных черт, например уровня нейротизма по Айзенку. Для этого мы должны провести исследование реальных групп — семей. Затем вычисляются коэффициенты корре­ляции уровней тревожности родителей и детей. Получаются 4 основных коэффици­ента корреляции: 1) мать—дочь; 2) мать—сын; 3) отец—дочь; 4) отец—сын, и два дополнительных: 5) сын—дочь; 6) мать—отец. Если нас интересует лишь сравне­ние сходства—различия первой группы корреляций, а не исследование ассортативности, то мы строим 4-клеточную таблицу 2 х 2 (табл. 5.14). Корреляции подвергаются Z-преобразованию и сравниваются по t-критерию Стьюдента.

6) лонгитюдное корреляционное исследование, строящееся по плану временных серий с тестированием группы через определенные промежутки времени, при чем в отличие от простого лонгитюда исследователя интересуют изменения не столько самих переменных, сколько связей между ними.

Лонгитюдное исследование — вариант квазиэкспериментальных исследовательских планов. Воздействующей пе­ременной здесь психолог считает время. Оно яв­ляется аналогом плана тестирования одной группы в разных условиях. Только усло­вия считаются константными. Результатом любого временного исследования (в том числе и лонгитюдного) является построение временного тренда измеряемых пере­менных, которые могут быть аналитически описаны теми или иными функциональ­ными зависимостями.

Помимо эффектов обучения, последовательности и т.д. в лонгитюдном исследовании следует учи­тывать эффект выбывания: не всех испытуемых, первоначально принимавших учас­тие в эксперименте, удается обследовать через какое-то определенное время. Воз­можно взаимодействие эффектов выбывания и тестирования (отказ от участия в последующем обследовании) и т.д.

Структурное лонгитюдное исследование отличается от простого лонгитюда тем, что нас интересует не столько изменение центральной тенденции или разброса ка­кой-либо переменной, сколько изменение связей между переменными. Такого рода исследования широко распространены в психогенетике.

Вы наверное на протяжении всего моего доклада думали, а в чем же основное отличие экспериментального метода и корреляционного – дак вот, оно в том, что в экспериментальном методе управляют переменными, а в корреляционном измеряется одна или несколько характеристик и вычисляется корреляция между этими характеристиками.

Маклеод, Эткин и Чафи изучали характер воздействия насилия на телеэкране на уровень агрессии у детей. Они измерили ряд показателей агрессии у выборки 6-10-классников, а также оценили (использовав самоотчеты) время, в течение которого обычно каждый ребенок смотрел по телевизору сцены насилия. Их интересовал вопрос, есть ли связь между просмотром телепрограмм с эпизодами насилия и уровнем агрессии — то есть были ли наиболее агрессивными те дети, которые наблюдали на телеэкране больше всего насилия? В их исследовании такая связь была действительно обнаружена.

Исследование Маклеода называется корреляционным, поскольку независимая переменная не подвергалась манипуляциям. Маклеод и др. не осуществляли экспериментальный контроль типа телепрограмм, которые смотрела их выборка, не контролировали они и уровень агрессии, которую демонстрировали дети. И параметры просмотров телепрограмм, и уровень агрессии измерялись в своем естественном виде; при этом цель исследования состояла в выявлении возможного совместного изменения одного показателя с другим. В данном исследовании величина коэффициента корреляции зависела от возраста и пола испытуемых, а также от методов оценки уровня агрессии; однако большинство показателей приходилось на интервале от 0,2 до 0,3, что говорит о наличии умеренно положительной связи между просмотром телепрограмм с эпизодами насилия и агрессивным поведением.

Подобную выявленную корреляционную связь можно объяснить тремя способами. Первый: просмотр телепрограмм с эпизодами насилия является причиной повышения агрессии. Если бы исследователи экспериментально изменили параметры просмотров, то могли бы довольно уверенно сделать такой вывод. Но поскольку экспериментальные манипуляции не производились, существуют альтернативные объяснения: возможно, более агрессивные дети выбирают более агрессивные телепрограммы. В этом случае уже склонность к агрессии является причиной просмотра программ с эпизодами насилия, а не наоборот. Наконец, есть и третье объяснение: возможно, и просмотр агрессивных телепередач, и агрессивное поведение определяются неким третьим причинным фактором, а не влияют друг на друга. К примеру, определенные стили воспитания способствуют и агрессивности, и предпочтению агрессивных телепрограмм; поэтому два показателя изменяются параллельно, однако ни один не является причиной другого.

Это доказательство можно изложить в таком общем виде, что когда между переменной А и переменной В существует корреляционная связь, следует рассматривать три альтернативных варианта: А является причиной В, В является причиной А или некий третий фактор С является причиной А и В.

В любом случае в корреляционном исследовании отсутствуют причинно-следственные формы контроля, максимум, что оно может продемонстрировать, это совместное изменение двух или более показателей, но оно не объяснит, почему происходит данное изменение.