تعاریف همبستگی ، مثالها و تفسیر

دکتری سائول مک لود ، یک معلم روانشناسی واجد شرایط با بیش از 18 سال تجربه کار در آموزش بیشتر و بالاتر است.

بازبینی شده بوسیله

ویرایشگر همکار برای روانشناسی ساده

BSC (Hons) ، روانشناسی ، کارشناسی ارشد ، روانشناسی آموزش

اولیویا گای-ایوانز نویسنده و ویراستار همکار برای روانشناسی ساده است. او قبلاً در بخش های مراقبت های بهداشتی و آموزشی کار کرده است.

همبستگی به معنای ارتباط است - به طور دقیق تر ، میزان ارتباط دو متغیر را اندازه گیری می کند. سه نتیجه ممکن از یک مطالعه همبستگی وجود دارد: یک همبستگی مثبت ، یک همبستگی منفی و هیچ همبستگی.

در این مقاله

انواع

• همبستگی مثبت رابطه بین دو متغیر است که در آن هر دو متغیر در یک جهت حرکت می کنند. بنابراین ، هنگامی که یک متغیر با افزایش متغیر دیگر افزایش می یابد یا یک متغیر کاهش می یابد و دیگری کاهش می یابد. نمونه ای از همبستگی مثبت قد و وزن خواهد بود. افراد بلندتر تمایل به سنگین تر دارند.

• همبستگی منفی رابطه بین دو متغیر است که در آن افزایش یک متغیر با کاهش دیگری همراه است. نمونه ای از همبستگی منفی ارتفاع بالاتر از سطح دریا و دما خواهد بود. با صعود از کوه (افزایش در ارتفاع) ، سردتر می شود (کاهش دما).

• همبستگی صفر هنگامی وجود دارد که هیچ ارتباطی بین دو متغیر وجود نداشته باشد. به عنوان مثال ، هیچ ارتباطی بین میزان چای مست و سطح هوش وجود ندارد.

توطئه های پراکندگی

همبستگی را می توان از نظر بصری بیان کرد. این کار با ترسیم یک طرح پراکندگی انجام می شود (همچنین به عنوان یک پراکندگی ، نمودار پراکندگی ، نمودار پراکندگی یا نمودار پراکندگی شناخته می شود).

طرح پراکندگی یک نمایشگر گرافیکی است که روابط یا ارتباط بین دو متغیر عددی (یا متغیرهای مشترک) را نشان می دهد که برای هر جفت نمره به عنوان نقاط (یا نقاط) نشان داده می شوند.

یک طرح پراکندگی نشان دهنده قدرت و جهت همبستگی بین متغیرهای متغیر است.

هنگامی که یک نقشه پراکنده را ترسیم می کنید ، مهم نیست که کدام متغیر روی محور x می رود و کدام محور y می رود.

به یاد داشته باشید ، در همبستگی ها ، ما همیشه با نمرات زوج سر و کار داریم ، بنابراین از مقادیر دو متغیر گرفته شده در کنار هم برای ایجاد نمودار استفاده می شود.

تصمیم بگیرید که کدام متغیر در هر محور قرار می گیرد و سپس یک صلیب را در نقطه ای قرار می دهد که دو مقدار همزمان است.

استفاده از همبستگی ها

پیش بینی

• اگر بین دو متغیر رابطه وجود داشته باشد ، می توانیم پیش بینی های دیگری را از دیگری انجام دهیم.

اعتبار

• روایی همزمان (همبستگی بین یک معیار جدید و یک معیار تثبیت شده).

قابلیت اطمینان

• قابلیت اطمینان تست-آزمون مجدد (آیا معیارها سازگار هستند؟).
• قابلیت اطمینان بین ارزیاب (آیا ناظران سازگار هستند؟).

تایید تئوری

• اعتبار پیش بینی

ضرایب همبستگی

به جای رسم نمودار پراکندگی، یک همبستگی را می توان به صورت عددی به عنوان یک ضریب بیان کرد که ا ز-1 تا +1 متغیر است. هنگام کار با متغیرهای پیوسته، ضریب همبستگی مورد استفاده، r پیرسون است.

ضریب همبستگی (r) نشان دهنده میزان قرار گرفتن جفت اعداد برای این دو متغیر روی یک خط مستقیم است. مقادیر بالای صفر نشان دهنده همبستگی مثبت و مقادیر زیر صفر نشان دهنده همبستگی منفی است.

همبستگی ۱- نشان دهنده همبستگی منفی کامل است، به این معنی که با بالا رفتن یک متغیر، متغیر دیگر پایین می آید. همبستگی 1+ نشان دهنده همبستگی مثبت کامل است، به این معنی که با بالا رفتن یک متغیر، متغیر دیگر بالا می رود.

هیچ قانونی برای تعیین اینکه چه اندازه همبستگی قوی، متوسط یا ضعیف در نظر گرفته می شود وجود ندارد. تفسیر ضریب بستگی به موضوع مطالعه دارد.

هنگام مطالعه چیزهایی که اندازه گیری آنها دشوار است، باید انتظار داشته باشیم که ضرایب همبستگی کمتر باشد (به عنوان مثال، بالای 0. 4 نسبتا قوی باشد). هنگامی که ما در حال مطالعه چیزهایی هستیم که اندازه گیری آنها آسان تر است، مانند وضعیت اجتماعی-اقتصادی، انتظار داریم همبستگی های بالاتری (به عنوان مثال، بالای 0. 75 نسبتا قوی باشد).

در این نوع مطالعات، ما به ندرت همبستگی های بالاتر از 0. 6 را می بینیم. برای این نوع داده ها، ما معمولاً همبستگی های بالای 0. 4 را نسبتاً قوی در نظر می گیریم. همبستگی بین 0. 2 و 0. 4 متوسط است و موارد زیر 0. 2 ضعیف در نظر گرفته می شوند.

وقتی در حال مطالعه چیزهایی هستیم که به راحتی قابل شمارش هستند، انتظار همبستگی بالاتری داریم. به عنوان مثال، با داده های جمعیت شناختی، ما به طور کلی همبستگی های بالای 0. 75 را نسبتا قوی در نظر می گیریم. همبستگی بین 0. 45 و 0. 75 متوسط است و موارد زیر 0. 45 ضعیف در نظر گرفته می شود.

همبستگی در مقابل علیت

علیت به این معناست که یک متغیر (که اغلب متغیر پیش بینی یا متغیر مستقل نامیده می شود) باعث دیگری می شود (اغلب متغیر نتیجه یا متغیر وابسته نامیده می شود).

برای ایجاد علیت می توان آزمایش هایی انجام داد. یک آزمایش، متغیر مستقل را جداسازی و دستکاری می کند تا تأثیر آن را بر متغیر وابسته مشاهده کند و محیط را کنترل می کند تا متغیرهای خارجی حذف شوند.

با این حال ، همبستگی بین متغیرها به معنای خودکار نیست که تغییر در یک متغیر علت تغییر در مقادیر متغیر دیگر است. یک همبستگی فقط در صورت وجود رابطه بین متغیرها نشان می دهد.

در حالی که متغیرها گاهی با همبستگی همبستگی دارند زیرا یکی دیگر باعث دیگری می شود ، همچنین می تواند این باشد که برخی از عوامل دیگر ، یک متغیر مخدوش ، در واقع باعث حرکت سیستماتیک در متغیرهای مورد علاقه ما می شوند.

همبستگی همیشه علیت را اثبات نمی کند ، زیرا ممکن است متغیر سوم درگیر شود. به عنوان مثال ، بیمار بودن در بیمارستان با مرگ در ارتباط است ، اما این بدان معنی نیست که یک رویداد باعث دیگری می شود ، زیرا متغیر سوم دیگر ممکن است درگیر شود (مانند رژیم و سطح ورزش).

خلاصه

"همبستگی علیت نیست" به این معنی است که فقط به این دلیل که دو متغیر مرتبط هستند ، لزوماً به معنای این نیست که یکی باعث دیگری شود.

یک همبستگی متغیرها را مشخص می کند و به دنبال رابطه بین آنها است. یک آزمایش تاثیری را که یک متغیر مستقل بر متغیر وابسته دارد ، آزمایش می کند اما یک همبستگی به دنبال رابطه بین دو متغیر است.

این بدان معنی است که آزمایش می تواند علت و معلول (علیت) را پیش بینی کند ، اما یک همبستگی فقط می تواند رابطه را پیش بینی کند ، زیرا ممکن است متغیر بیرونی دیگری درگیر باشد که در مورد آن شناخته نشده است.

نقاط قوت

1همبستگی به محقق این امکان را می دهد تا متغیرهای طبیعی را که ممکن است غیر اخلاقی یا غیر عملی برای آزمایش تجربی باشد ، بررسی کند. به عنوان مثال ، انجام آزمایشی در مورد اینکه آیا سیگار کشیدن باعث سرطان ریه می شود ، غیر اخلاقی خواهد بود.

2همبستگی به محقق این امکان را می دهد تا به وضوح و به راحتی ببیند که آیا بین متغیرها رابطه وجود دارد یا خیر. سپس این می تواند به صورت گرافیکی نمایش داده شود.

محدودیت ها

1. همبستگی برای دلالت بر علیت نمی توان و نمی توان در نظر گرفت. حتی اگر ارتباط بسیار محکمی بین دو متغیر وجود داشته باشد ، نمی توانیم فرض کنیم که یکی باعث دیگری می شود.

به عنوان مثال ، فرض کنید ما بین تماشای خشونت در T. V و رفتار خشونت آمیز در بزرگسالی ارتباط مثبت پیدا کردیم. این ممکن است که علت هر دو این یک متغیر سوم (بیرونی) باشد - به عنوان مثال ، در یک خانه خشونت آمیز رشد می کند - و این که هر دو تماشای T. V. و رفتار خشونت آمیز نتیجه این است.

2همبستگی به ما اجازه نمی دهد تا از داده های داده شده فراتر برویم. به عنوان مثال ، فرض کنید مشخص شد که بین زمان صرف شده برای کارهای خانه (1/2 ساعت تا 3 ساعت) و تعداد G. C. S. E ارتباط وجود دارد. عبور می کند (1 تا 6). این استنباط نمی شود که از این امر استنباط شود که صرف 6 ساعت برای تکالیف احتمالاً 12 G. C. S. E ایجاد می کند. عبور می کند