страница 1 | страница 2 страница 3 страница 4 ... страница 7 | страница 8
Интерпретация коэффициента корреляции
Существование даже очень большого коэффициента корреляции не гарантирует причинной связи
|
СУЩЕСТВОВАНИЕ НИЗКОГО КОЭФФИЦИЕНТА КОРРЕЛЯЦИИ МЕЖДУ НЕКОТОРЫМИ ПЕРЕМЕННЫМИ НЕ ГАРАНТИРУЕТ ОТСУТСТВИЕ ПРИЧИННЫХ СВЯЗЕЙ МЕЖДУ ЭТИМИ ПЕРЕМЕННЫМИ
|
Если высокая корреляция не гарантирует наличия причинных связей, да и связей вообще, то и низкая корреляция не позволит нам отвергнуть гипотезу о наличие такой связи.
Существует по крайней мере две проблемы с низкой корреляцией:
-
Смешение. Низкий коэффициент корреляции может быть вызван действием некоторых неучтенных факторов.
-
Ограниченный интервал данных (truncated range). Чтобы вычислить имеющую смысл корреляцию, надо иметь достаточно большую разницу между значениями интересующей нас переменной; должно быть достаточное разнообразие в распределении чисел. Если этого нет, корреляция будет очень низкой.
-
Коэффициент корреляции - показатель линейной связи. Если связь между переменными нелинейная, то коэффициент корреляции будет низким.
Еще одна проблема - неизвестное направление причинности
|
ПРИЧИННЫЕ НАБЛЮДЕНИЯ
Это контролируемые эксперименты.
Рассмотрите философские проблемы причинности на занятиях по философии, так как они влияют на психологические эксперименты больше, чем мы думаем. Некоторые исследователи даже предлагают отказаться от этого термина (причина), как от ненужного. Почему это происходит? Потому что в экспериментальной психологии неизвестно, что нам удалось определить - причину или что другое.
Причина может быть довольно сложным множеством составляющих, каждая из которых может вызывать наблюдаемый эффект. Например, время. Предположим, мы изучаем зависимость времени, в течение которого подопытные изучают некое сообщение, и изменение отношения к сообщению. Предположим, что мы меняем время и обнаруживаем, что с увеличением времени отношение к сообщению меняется. Можем ли мы сказать, что время вызвало изменение в отношении? С одной стороны, это кажется разумным. Но может быть, что это какой-то психологический процесс вызывает изменения отношения. Например, если мы кинули велик на улице на зиму, а он заржавел, то мы не скажем, что это время вызвало ржавчину.
Поэтому иногда говорят, что эксперименты - это только контролируемые корреляции, так как изменяемая переменная состоит на самом деле из нескольких смешанных частей.
Однако эксперименты позволяют нам определить направление отношений. В этом их преимущество по сравнению с корреляционными исследованиями. Эксперименты также показывают, что причина по крайней мере включена в независимую переменную, а не является каким-либо третьим фактором. Поэтому эксперименты могут быть внутренне валидны.
3
Измерения в психологии
Литература - [2] - гл. 6
Измерения - это систематический способ ставить в соответствие состояниям или свойствам объектов определенные числа или имена.
Здесь следует отметить, что любое измерение – это измерение свойства, но никак не объекта.
Психологическое измерение - оценка величины тех или других параметров реальности или оценка сходств или различий, которую производит испытуемый. На основании этих оценок исследователь «измеряет» особенности субъективной реальности испытуемого. В этом смысле «психологическое измерение» является задачей, данной испытуемому. Психологическое измерение во втором значении проводится для оценки особенностей поведения испытуемого. Это задача психолога, а не испытуемого.
ИЗМЕРИТЕЛЬНЫЕ ШКАЛЫ
Строгое определение шкалы достаточно сложно1.
Проще можно сказать, что шкала - это правило, по которому мы ставим имена (числа) в соответствие с объектами или свойствами объектов.
Типы измерительных шкал
Обычно различают 4 вида измерительных шкал (Дружинин, 1997, Elmes et al, 1992, Stevens, 1951):
-
шкала наименований (номинальная шкала, nominal scale)
-
шкала порядка (порядковая шкала, ordinal scale)
-
шкала интервалов (интервальная шкала, interval scale)
-
шкала равных отношений (шкала отношений, ratio scale)
! Хотя существуют и другие интерпретации (Coombs, 1964)
Типы шкал определяются по свойствам, которыми они обладают. Типы шкал перечислены далее с увеличением информативности. Каждая последующая шкала обладает свойствами предыдущей шкалы и еще дополнительным. Это значит, в частности, что статистические процедуры, которые можно использовать для шкалы наименований, подходят и для всех остальных. Но статистика для шкалы равных отношений не подойдет для трех менее информативных шкал.
шкала наименований
|
измеряет свойство различия по некоторому признаку и ничего больше. Шкала наименований просто сортирует объекты в различные категории.
Примеры
|
шкала порядка
|
Отражает разницу в величине некоторого свойства. Значения шкалы ставятся в соответствие значениям некоторого свойства так, что из порядок отражает порядок изменения величины этого свойства у выбранных объектов.
Такая шкала показывает порядок расположения объектов по выбранному показателю, не давая никакой информации о реальных величинах этого показателя.
Иногда такие шкалы могут иметь ноль, который совпадает с «нулем» выбранного свойства.
Шкала порядка предполагает монотонную зависимость между делениями шкалы и показателем параметра.
|
страница 1 | страница 2 страница 3 страница 4 ... страница 7 | страница 8
|