Список використаної та рекомендованої літератури. 1. АнастазиА., Урбина С. Психологическое тестирование

1. АнастазиА., Урбина С. Психологическое тестирование. —СПб.: Питер,
2002. — С. 361-378.

2. ГорбатовД. С. Практикум по психологическому исследованию. — Сама­
ра: Изд. дом "БАХРАХ — М", 2000. — С. 16-30.

3. Гриншпун Й. Б. Введение в психологию. — М.: Ин-т практич. психол.,
1996.— 152с.

4. Дружинин В. Н. Зкспериментальная психология. — СПб.: Питер,
2000.—С. 112-168.

5. КзмпбеллД. Модели зксперимента в социальной психологии й приклад-
ньіх исследованиях. — СПб.: Социал.-психол. центр, 1996. — 392 с.

6. Корнилова Т. В. Введение в психологический зксперимент. — 2-е изд. —
М.: Изд-во МГУ; Изд-во ЧеРо, 2001. — С. 136-182.

7. Краткий психологический словарь / Под общ. ред. А. В. Петровского,
М. Г. Ярошевского. — Ростов н/Д: Феникс, 1999. — 512с.

8. Литтл Т.Д., ГордееваГ. О. Метод моделирования с помощью линейньїх
структурньїх уравнений: применение в контексте анализа кросскультур-
ньіх данньїх // Психологический журнал. — 1997. — № 4. — С. 96-109.

9. МайерсД. Социальная психология. — СПб.: Питер Ком, 1998. — С. 27-63.

 

10. Максименко С. Д. Основи генетичної психології. — К.: НПЦ Перспекти­
ва, 1998. — С. 99-122.

11. Маркова А. К. й др. Формирование мотивации учення. — М.: Просвеще-
ние, 1990. —С. 54-77, 106-120.

12. Методи исследования в психологии: квазюксперимент: Учеб. пособие для
вузов / Под ред. Т. В. Корниловой. — М.: ФОРУМ; ИНФРА-М, 1998. —
296с.

Тема 9. Кореляційні дослідження у психології

• поняття про кореляцію;

• види кореляцій;

• особливості кореляційних досліджень у психології;

• міри зв'язку в кореляційних дослідженнях;

• планування кореляційних досліджень;

• методи контролю в кореляційних дослідженнях психіки;

• обробка й інтерпретація даних у кореляційному дослідженні.

Під кореляцією (від лат. соггеїаііо — "співвідношення") розуміють реально встановлений факт взаємозв'язку певного стану однієї змін­ної з певними значеннями іншої, коли зміна однієї з них супроводжу­ється зміною другої. Інакше кажучи, кореляція відображає факт кова-ріації змінних.

Кореляцію змінних х і у можна подати на так званій діаграмі розсі­ювання або кореляційному полі (рис. 4).

У*.¹

V.'

•, І

Рис. 4. Діаграма розсіювання (кореляційне поле) результатів виміру змінних д: і у

Множина крапок (результатів виміру х і у) утворює "хмаринку", за формою якої і судять про зв'язок х і у. Чим більшим є такий зв'язок, тим більше витягнутою буде "хмаринка".

Види кореляцій розрізняють, по-перше, за особливостями збору да­них. При цьому виокремлюють:

• аутохонні кореляції, які являють собою кореляцію результатів виміру однієї й тієї ж змінної на одних і тих самих об'єктах — дослі-

джуваних у різний час, що дає змогу встановити паттерн реакцій І, отже, відкриває шлях до дослідження структури особистості;

• синхронні кореляції, які встановлюють кореляції між різними
змінними, що були виміряні одночасно (на одному і тому ж етапі до­
слідження);

• перехресно-відстрочену кореляцію між двома змінними, які вимі­
ряються в різний проміжок часу, наприклад, одна — на першому ета­
пі дослідження, друга — на кінцевому етапі [5; 9].

По-друге, кореляції розрізняють за типом зв'язку, при цьому вио­кремлюють:

• лінійну кореляцію, в якій виокремлюють позитивну, коли підви­
щення рівня однієї змінної супроводжується підвищенням іншої, і не­
гативну, коли зростання рівня однієї змінної супроводжується змен­
шенням рівня іншої;

• нульову, коли зв'язок між змінними відсутній;

• нелінійну кореляцію, коли підвищення рівня однієї змінної супро­
воджується зростанням іншої до певних значень, а потім супроводжу­
ється її зменшенням (рис. 5).

Рис. 5. Види кореляцій

(а і б — сильна і слабка позитивні, в — негативна, г — нульова, діє — нелінійні кореляції) [4]

Прикладом нелінійної кореляції може бути відомий закон Йєрк-са — Додсона, згідно з яким до певних показників зростання мотива­ції сприяє підвищенню ефективності навчання, а потім ефект супермо-тивації знижує дану ефективність [3].

Статистичною мірою кореляційного зв'язку є насамперед вибірко­вий коефіцієнт коваріації змінних х і у.

п-1 тобто середній добуток відхилень кожної змінної.

Слід зауважити, що коваріація змінної самої з собою є дисперсією змінної:

— \2

П-1

Частіше як статистичну міру зв'язку між даними використовують коефіцієнт кореляції, який являє собою відношення отриманої кова-ріації до максимально можливої:

-\2

Значення коефіцієнта г (який називають коефіцієнтом Пірсона) тим більше, чим більшим є зв'язок між змінними. При цьому значу­щість цього зв'язку залежить від прийнятого рівня значущості й вели­чини вибірки. Крім коефіцієнта Пірсона, для даних, отриманих за шкалою інтервалів можна використовувати коефіцієнт рангової коре­ляціїСтрмена р:

р=1-

 

де п — кількість вимірів змінних.

Для шкали порядку з метою виміру зв'язків між змінними викорис­товують коефіцієнт Кендалла, який ґрунтується на підрахунку розбіж­ностей у порядку ранжування змінних хіу.

Для дихотомічної шкали, яку іноді ототожнюють із шкалою най­менувань, використовують так званий (^-коефіцієнт.

Наприклад, результати дослідження груп чоловіків і жінок, які проходили певне дослідження і досягли (або не досягли) успіху, мож­на подати таким чином (табл. 15):

Таблиця 15 Представлення результатів дослідження за дихотомічною шкалою

 

Групи	Успішні	Неуспішні	Разом
Чоловіки	а	Ь	а +Ь
Жінки	с	сі	с+сі
Разом	а+с	Ь+сІ	а+Ь+с+сІ

Тоді коефіцієнт ф можна визначити за формулою

ай-Ьс

Зазначимо, що якщо змінна представлена множиною п-випадків із середнім М і стандартним відхиленням а, її значення можна перетво­рити на іншу множину даних із стандартним відхиленням, яке дорів­нює 1. Тоді нові значення змінних будуть безпосередньо виражатися у відхиленнях вихідних значень від середнього, виміряних в одиницях стандартного відхилення. Це особливо важливо за необхідності порів­няння результатів виміру змінних різної розмірності. Для цього "сирі" бали переводяться в стандартні оцінки 2 за формулою

_х_і-М

У цьому випадку коефіцієнт кореляції буде визначатися за форму­лою

_!'

п

Слід зауважити, що стандартну оцінку для змінної у можна отри­мати, якщо стандартну оцінку змінної х помножити на коефіцієнт ко­реляції між х і у:

7 = Г 7

*~у ХУ^-Х'

У результаті на діаграмі розсіювання можна побудувати так звану лінію передбачення, яка поєднує середні оцінки досліджуваної змінної у і тим самим дозволяє передбачити її значення за оцінками змінної х (рис. 6)

Як видно з рис. 6, лінія передбачення проходить через перетин то­чок г_л = 0, г = 0, які є середніми значеннями відповідних розподілів.

Кут нахилу лінії передбачення визначається величиною коефіцієнта кореляції. При цьому значенню коефіцієнта кореляції, який дорівнює О, відповідає горизонтальна лінія, а значенню коефіцієнта кореляції, що рівний 1, відповідає лінія передбачення під кутом нахилу 45°.

Слід зауважити, що передбачувана величина (г) ближче до серед­ньої розподілу, ніж та величина, на основі якої робиться передбачення (гД тому говорять, що передбачення прямують (регресують) до серед­нього, а лінія передбачення називається також лінією регресії х на у.

ПО

У.

+2,0 ^;

+ 1,0 -

о -

-1,0 -

-2,0 -1,0 0 +1,0 +2,0

Рис. 6. Лінія передбачення значень змінної у за значеннями змінної дг

(за Р. Готтсданкером) [3]

Чим вище значення коефіцієнта кореляції, тим нижча регресія пе­редбачення. У випадку повної кореляції регресія до середньої відсутня, тоді, наприклад, якщо значення г_х = 1,5, то і значення 2 = 1,5 і так для кожної пари значень змінних х і у.

Якщо кореляція між змінними відсутня, то лінія передбачення буде горизонтальною, і всі передбачувані значення в цьому випадку регре­сують до середнього.

Розглянута г-шкала є прикладом лінійного перетворення значень змінної, за якої зберігається співвідношення між первинними і 2-показ-никами, отже, зберігаються всі властивості первинного розподілу [1; 3].

Вищезазначені міркування стосуються тих випадків, коли форма розподілу змінних х і у подібна. Якщо необхідно порівняти дані, що представлені розподілами різної форми, використовують нелінійні перетворення. А. Анастазі зазначає про необхідність для такого роду обчислень перевести спочатку "сирі" значення в процентилі, а потім у нормалізовані стандартні показники [1].

Пошук і аналіз указаних статистичних мір зв'язку використовуєть­ся, по-перше, як прийом статистичного аналізу даних, коли, напри­клад, оцінюється надійність експериментальних результатів, валід-ність тестових методик, або коли відсутність кореляції дозволяє від­кинути гіпотезу про причинно-наслідковий зв'язок між змінними. Немо­жливість відхилення 0-гіпотези в останньому випадку обумовлена відсутністю коваріації незалежної і залежної змінних, яка є суттєвою умовою каузального висновку. Отже, коефіцієнт кореляції, як міра

зв'язку, може виконувати ту ж роль, що і міри відмінностей (напри­клад, /-Стьюдента, дисперсійний аналіз тощо).

По-друге, оцінка статистичної міри зв'язку є необхідною складо­вою кореляційного дослідження як засобу емпіричної перевірки психоло­гічних гіпотез про природні зв 'язки між змінними, рівні яких активно не змінюються, а лише вимірюються дослідником.

Отже, кореляційним дослідженням, як правило, називають пасивно спостережуване дослідження, яке має на меті виявлення статистично­го взаємозв'язку між змінними і психологічний прогноз на основі ви­значених інтеркореляцій [9].

Такого роду дослідження широко використовуються у випадку ускладнення предмета, коли організація активних експерименталь­них дій неможлива, утруднена або небажана, оскільки процеси, що досліджуються, можуть утратити якісну специфіку, якщо їх штучно ізолювати. Наприклад, досить важко, а з етичних міркувань і немож­ливо, дослідити каузальні зв'язки між розлученням батьків і розвит­ком певних особистісних характеристик дітей або, скажімо, між по­рядком народжуваності й інтелектом. Тут можливо установити тіль­ки статистичні зв'язки.

Крім того, кореляційне дослідження, на відміну від експерименту, дає змогу у більшості випадків швидко провести дослідження, зеконо­мити гроші й час.

Слід зауважити, що в разі встановлення значущого зв'язку між змінними залишається можливою велика кількість пояснень (або тео­ретичних гіпотез) стосовно характеру і природи такого зв'язку.

Зокрема, залежність, можливо, є каузальною, але напрям зв'язку може бути будь-яким, при цьому без експериментального контролю неможливо віддати перевагу жодному з них.

Так, наприклад, дослідження взаємозв'язку агресивності й пере­гляду телевізійних передач не дають остаточної відповіді стосовно того, чи агресивність спонукає до перегляду телевізійних передач пев­ної спрямованості, чи, навпаки, такі передачі породжують агресивну поведінку [7].

Може виявитися, що змінні не будуть пов'язані каузальним зв'яз­ком, але входять у комплекс взаємодії, що інші каузальні залежності породжують кореляцію між ними. Наприклад, високий рівень розвит­ку інтелекту може породжувати кореляцію між успішністю навчання з математики й історії і є в цьому випадку прихованою змінною.

У зв'язку з цим доцільно здійснити перевірку альтернативних пояс­нень щодо впливу "третього прихованого чинника" шляхом статис­тичного вилучення "підозрюваних" чинників впливу.

Наприклад, Л. Ірон і Р. Х'юсманн виявили, що інтенсивність пе­регляду фільмів зі сценами насильства у 875 восьмирічних дітей ко­релювала з агресивністю навіть після статистичного вилучення най­більш очевидних третіх факторів (чисельності сім'ї, статусу, освіти батьків тощо). Більш того, коли вони знову дослідили цих самих ді­тей у 19-річному віці, виявилося, що перегляд жорстоких бойовиків у помірному ступені визначає агресивність у 19 років, але агресив­ність у 8 років не визначає захоплення жорстокими бойовиками в 19 років. Це може означати, що не агресивна схильність зумовлює праг­нення дивитися "круті" фільми, а швидше за все, "круті" фільми здатні провокувати людину на насилля, задаючи певні моделі пове­дінки [7].

Іноді кореляція може бути обумовлена неоднорідністю вибірки. Наприклад, коли до вибірки були відібрані чоловіки — математики, а жінки — журналісти, можна встановити кореляцію між статтю і екс-травертованістю.

Може також трапитися, що кореляція між змінними обумовлена випадком і не має за собою опосередкованого впливу прихованих змінних чи інших причин.

Отже, в кореляційному дослідженні через відсутність заплановано­го впливу на залежну змінну використовуються ті характеристики, що вже існують, і це не дає змоги, як правило, встановити причинно-наслідкові залежності між змінними.

У той же час в окремих випадках і в кореляційних дослідженнях є можливим наблизитися до розуміння відношень між змінними як при-чинно-наслідкових подібно тому, як гіпотетико-дедуктивний метод міркувань є характерним для власне експериментальних досліджень і полягає у виведенні з системи теоретичних положень таких наслідків-гіпотез, які можуть бути перевірені емпірично з використанням про­цедур експериментального контролю. Йдеться про можливість порів­няння емпірично виявлених кореляцій з тими, що теоретично припуска­ються у формальних каузальних моделях зв'язків між змінними, як, наприклад, у психогенетиці.

Плани кореляційних досліджень часто розглядають як форми конт­ролю при отриманні емпіричних даних, тобто як аналог форм експе­риментального контролю. Такі плани містять:

• план виміру основних змінних;

• форми контролю діапазону їхніх проявів;

• форми контролю побічних змінних, які обумовлюють змішуван­
ня змінних.

Контроль побічних змінних у кореляційному дослідженні здійсню­ється через складання однорідних груп, які вирівняні за усіма парамет­рами, крім одного, що цікавить дослідника.

Наприклад, у відомому дослідженні впливу порядку народжува­ності на інтелект відмінності, скажімо, між 2 і 5 дитиною порівнюва­лися в межах однорідних груп — сімей, які мали 5, 6, 7 і більше дітей. Це дозволило уникнути змішування досліджуваних змінних із побіч­ною змінною — соціально-економічним становищем сім'ї, оскільки сім'ї з низьким соціально-економічним статусом мають, як правило, більше дітей і гірші умови життя, які в цілому можуть негативно по­значитися на рівні розвитку дітей. І дійсно, в цьому дослідженні було показано, що якщо досліджуються групи з різною кількістю дітей в сім'ях, виявляється кореляційний зв'язок між зниженням показників інтелекту і збільшенням чисельності сім'ї [3; 6].

Отже, складання однорідних груп являє собою форму контролю у вигляді стабілізації всіх рівнів побічної змінної таким чином, щоб на кожному рівні незалежної змінної вони були представлені рівномір­но. При цьому кількість однорідних підгруп дорівнює кількості рівнів побічних змінних.

Наприклад, у зазначеному дослідженні була виокремлена підгру­па з сім'єю з п'яти дітей і вже в середині цієї групи вивчався вплив по­рядку народження на інтелект [3].

Контроль побічних змінних із невеликою кількістю досліджува­них може також здійснюватися шляхом підбору пар досліджуваних, які вирівняні за побічною змінною, коли кожному індивіду однієї гру­пи підбирається індивід другої групи з такими ж побічними характе­ристиками. При цьому виникає загроза нерепрезентативності вибір­ки, оскільки чим більше побічних змінних, тим менше можна підібра­ти досліджуваних з їхніми рівними значеннями.

У цілому контроль у кореляційних дослідженнях є статистичним, що означає, по-перше, більш-менш повне охоплення у вибірці всіх рів­нів випадкових варіацій побічних змінних, по-друге, розгляд емпірич­но отриманого коефіцієнта кореляції між змінними як міра оцінки 0-гіпотези (про відсутність зв'язку між двома чи більше показниками вибірки).

Водночас на відміну від квазіекспериментальних схем "де і на кому проводити дослідження", в яких встановлюється причинно-на-

слідковий зв'язок між змінними на основі контролю розі ґасШт (див. тему 8), в кореляційних дослідженнях такий контроль, як пра­вило, відсутній [5].

Контрольні запитання і завдання

1. У чому суть поняття "кореляція"? Яким є його співвідношення
з поняттям "коваріація"?

2. Назвіть міри зв'язку в кореляційному дослідженні й особли­
вості їхнього дослідження на шкалі інтервалів, порядку, номі­
нальній шкалі тощо.

3. Чи може коефіцієнт кореляції виступати як спосіб визначення
впливу незалежної змінної на залежну? Чому?

4. Яким чином можна використати коефіцієнт кореляції в емпі­
ричному дослідженні психіки?

5. Чи можна сказати, що коефіцієнт коваріації є дисперсією? Об­
ґрунтуйте свою відповідь.

6. У чому полягають відмінності між кореляційним дослідженням
і квазіекспериментом?

7. Чому в кореляційному дослідженні завжди спостерігається
змішування змінних і тільки іноді — в "істинному" експери­
менті?

8. Чи можна назвати кореляційне дослідження "пасивно спостере­
жуваним"? Чому?

9. Які з наведених нижче форм контролю змішувань змінних ви­
користовуються в кореляційному дослідженні: індивідуальний
підбір пар, контроль латентних змінних, підбір груп, які
відрізняються за рівнем змінних, відбір досліджуваних до екві­
валентних груп?

10. Які проблеми виникають унаслідок контролю змішувань шля­хом попарного відбору? Наведіть приклад.