Взаимосвязь между временем, посвященным занятиям, и оценками является при мером положительной корреляции. Приведенные ниже данные, полученные в ходе гипотетического исследования восьми студентов, говорят о наличии положитель ной корреляции. В данном случае первой переменной является время, операцио нально определенное как количество часов в неделю, потраченных на учебу, а вто рой — средний балл (СБ), варьирующийся от 0,0 до 4,0. Студент 1 Студент 2 Студент 3 Студент 4 Студент 5 Студент 6 Студент 7 Студент 8 Время, потраченное на учебу 42 23 31 35 16 26 39 19 СБ 3,3 2,9 3,2 3,2 1,9 2,4 3,7 2,5 Значительное время, потраченное на учебу (42 часа), связано с высоким сред ним баллом (3,3), а самое малое время (16 часов) — с низким баллом (1,9). Примером отрицательной корреляции может быть взаимосвязь между беспо лезно потраченным временем и средним баллом. Бесполезно потраченное время можно операционально определить как количество часов в неделю, потраченное на определенные занятия, например на игру в видеоигры, просмотр телесериалов или игру в гольф (конечно, эти виды деятельности можно назвать и «терапией»). Ниже приведены гипотетические данные для других восьми студентов. На этот раз вы увидите обратную взаимосвязь между количеством часов в неделю, потраченных впустую, и средним баллом: Студент 1 Студент 2 Студент 3 Студент 4 Студент 5 Студент 6 Студент 7 Студент 8 Время, потраченное па учебу 42 23 31 35 16 26 39 19 СБ 1,8 3,0 2,2 2,9 3,7 3,0 2,4 3,4 Корреляция и регрессия: основы 3 1 5 Обратите внимание, что при отрицательной корреляции переменные имеют обратную взаимосвязь: большое количество потраченного зря времени (42) связа но с низким средним баллом (1,8), а небольшое (16) — с более высоким (3,7). Силу корреляции показывает особая величина описательной статистики, нося щая название «коэффициент корреляции». Коэффициент корреляции равен -1,00 в случае прямой отрицательной корреляции, 0,00 при отсутствии взаимосвязи и +1,00 при полной положительной корреляции. Наиболее распространенным коэф фициентом корреляции является пирсоново r (о нем упоминалось во вставке 9.1), названное так в честь британского ученого, соперничающего в известности с сэром Рональдом Фишером. Пирсоново r вычисляется для данных, полученных с помо щью интервальной шкалы или шкалы отношений. В случае других шкал измере ний рассматриваются другие виды корреляции. К примеру, для порядковых дан ных (т. е. упорядоченных) вычисляется «ро» Спирмена. В приложении С показа но, как вычислять пирсоново r. Так же как среднее арифметическое и стандартное отклонение, коэффициент корреляции является величиной описательной статистики. В ходе заключитель ного анализа определяется, является ли конкретная корреляция значимо большей (или меньшей) нуля. Таким образом, для корреляционных исследований нулевая гипотеза (Н 0 ) говорит, что действительное значение r равно 0 (т. е. нет никаких взаимосвязей), а альтернативная гипотеза (Н 1 ) — что r № 0. Отвергнуть нулевую гипотезу — значит решить, что между двумя переменными существует значимая взаимосвязь. В приложении С показано, как определить, является ли корреляция статистически значимой.
Ви переглядаєте статтю (реферат): «Положительная и отрицательная корреляция» з дисципліни «Дослідження в психології: методи і планування»
