Gdy rozporządzamy wielką liczbą danych, metoda korelacji jest często najlepszym ze znanych sposobów wykrywania zależności. Gdy znamy np. wykazy ocen, które studenci wstępujący na wyższe studia uzyskiwali w szkole średniej, dobrym sposobem uchwycenia zależności pomiędzy ocenami w szkole średniej i wyższej jest skorelowanie ich, tj. stwierdzenie, czy tym, którym szło dobrze w szkole średniej, powodzi się równie dobrze w szkole wyższej i na odwrót.
Chociaż w pewnych przypadkach (jak w poprzednim przykładzie z mózgiem) analiza korelacyjna zbliżona jest do badania eksperymentalnego ze zmienną niezależną i zależną, o korelacji niekoniecznie trzeba myśleć tymi kategoriami. Gdy uzyskuje się dwie miary dla każdego członka badanej populacji, wyniki można pogrupować dwojako – możemy zapytać, jakie przeciętne oceny uzyskiwali w szkole średniej trójkowi studenci, jak również możemy spytać, jak idzie na uczelni czwórkowym uczniom ze szkoły średniej.
Jednostką pomiarową (korelacji) jest współczynnik korelacji oznaczany literą r. (Psychologowie często opuszczają słowo „współczynnik” i mówią tylko o „korelacji”). Metody obliczania współczynnika korelacji opisano w rozdziale 13: w tym miejscu możemy jedynie podać pewne reguły praktyczne, które pomogą czytelnikowi przy interpretacji współczynników koleracji podanych w niektórych tablicach i wykresach tej książki.
– 1. Korelacja r = + 1.00 oznacza doskonalą prostą zależność, ścisłą zgodność pomiędzy dwiema miarami. Gdyby waga odpowiadała ściśle wysokości ciała, to znaczy można by dokładnie określić wagę danej osoby, znając jej wzrost, wówczas waga i wysokość byłyby całkowicie skorelowane. (Obwód kola i jego promień są skorelowane całkowicie, lecz obwód trójkąta i jego wysokość – nie). Gdy korelacja jest dodatnia, często opuszcza się znak plus.
– 2. Korelacja r = -1.00 oznacza doskonałą odwrotną zależność. Na przykład, gdyby liczba dni opuszczonych z powodu choroby w ciągu roku szkolnego wpływała na obniżenie stopni uzyskanych w tym foku (im dłuższa choroba, tym gorsze stopnie), a zależność ta byłaby ścisła, można by ją wyrazić za pomocą współczynnika korelacji r = -1.00.
– 3. Korelacja zbliżona do r = ,00 10 oznacza brak zależności. Tak więc można by oczekiwać zerowej korelacji pomiędzy ilością piegów a wynikami testu inteligencji.
– 4. Korelacja pomiędzy r = ,00 a 4- 1,00 lub -1,00 wskazuje na istnienie zależności niedoskonałej: ujemne i dodatnie współczynniki korelacji o tej samej wielkości reprezentują ten- sam stopień zależności przy pozostałych warunkach jednakowych11.
– 5. Korelacja nie jest wyrażana w procentach, tak że korelacji r = ,25 nie można interpretować jako dwa razy mniejszej niż korelacja r = ,50. Później podamy pewne zasady interpretowania korelacji. Spośród typowych korelacji stwierdzonych przez badaczy podajemy następujące:
– 1) korelacja r = ,50 pomiędzy wysokością jednego z rodziców a wysokością jego dziecka w wieku dojrzałym:
– 2) korelacja ,30-,60 pomiędzy wynikami testów zdolności szkolnych a ocenami na pierwszym roku studiów:
– 3) korelacja ok. ,70-,80 pomiędzy ocenami w pierwszym semestrze a ocenami w drugim semestrze pierwszego roku studiów.
– 6. Trzeba pewnych dodatkowych wiadomości, aby określić, czy dana korelacja jest istotna, tj. czy można polegać na wynikającej z niej zależności. Zależy to zarówno od wartości współczynnika korelacji (dodatniego, bądź ujemnego), jak i od liczby przypadków, na podstawie których obliczono ten współczynnik. Najpewniejsza jest wysoka korelacja (zarówno dodatnia, jak i ujemna) oparta na wielu przypadkach: najmniej pewna jako wskaźnik zależności lub wskaźnik kierunku zależności jest niska korelacja oparta na niewielu przypadkach. Nie można mieć zaufania nawet do wysokiej korelacji opartej na niewielu przypadkach, ponieważ mogłaby ona powstać nawet wtedy, gdy brak był jakiejkolwiek prawdziwej zależności.
Leave a reply