相关性研究何时及如何使用
一个相关研究设计调查之间的关系变量没有研究人员控制或操纵它们。
相关性反映了两个(或多个)变量之间关系的强度和/或方向。相关性的方向可以是正的,也可以是负的。
正相关 | 两个变量的变化方向相同 | 作为高度的增加,重量也会增加 |
---|---|---|
负相关 | 变量的变化方向相反 | 作为饮用咖啡的增加,疲劳减少 |
零相关 | 变量之间没有关系 | 饮用咖啡并不与高度 |
相关性研究与实验研究
相关和实验研究都使用定量方法研究变量之间的关系。但是有重要的区别数据收集你可以得出的结论的方法和类型。
相关研究 | 实验研究 | |
---|---|---|
目的 | 用于测试变量之间的关联强度 | 用于检验变量之间的因果关系 |
变量 | 研究人员仅在没有操作或干预的情况下观察变量 | 一个独立变量是否被操纵并观察到因变量 |
控制 | 有限的控制使用,那么其他变量可能在关系中发挥作用 | 外部变量是受控制的,这样它们就不会影响你感兴趣的变量 |
有效性 | 高外部效度:你可以自信地将你的结论推广到其他人群或环境中 | 高内部效度:你可以自信地得出因果关系的结论 |
何时使用相关研究
相关性研究是从自然环境中快速收集数据的理想方法。这对你有帮助概括把你的发现和现实生活中的情况联系起来。
在一些情况下,相关性研究是一个合适的选择。
调查非因果关系
你想知道两个变量之间是否存在关联,但你不期望找到它们之间的因果关系。
相关性研究可以深入了解复杂的现实世界关系,帮助研究人员发展理论并做出预测。
探索变量之间的因果关系
你认为两个变量之间存在因果关系,但进行操纵其中一个变量的实验研究是不切实际的、不道德的,或者成本太高。
相关研究可以为因果关系理论提供初步的证据或额外的支持。
测试新的测量工具
你已经开发了一种测量变量的新工具,你需要测试它可靠性或有效性.
相关性研究可以用来评估一个工具是否一致或准确地捕捉到它想要测量的概念。
如何收集相关数据
有很多不同的方法可以用在相关研究中。在社会和行为科学中,这类研究最常见的数据收集方法包括调查,观察,辅助数据。
仔细选择和计划方法以确保结果的可靠性和有效性是很重要的。你应该仔细选择一个代表样本这样你的数据就能反映出你感兴趣的人群研究偏见.
调查
在调查研究,你可以使用调查问卷来测量你感兴趣的变量。你可以通过在线、邮件、电话或亲自进行调查。
调查是一种快速、灵活的方式,可以从许多参与者那里收集标准化数据,但重要的是要确保你的问题以公正的方式措辞,并捕捉到相关的见解。
自然观察
自然观察是一种实地研究,你在自然环境中收集有关行为或现象的数据。
这种方法通常包括记录、计数、描述和分类动作和事件。自然主义的观察可以包括这两方面定性和定量元素,但为了评估相关性,您需要收集可能的数据定量分析(例如,频率、持续时间、规模和数量)。
自然主义的观察可以让你很容易地将你的结果推广到现实世界的环境中,你也可以研究不是这样的经验可复制的在实验室环境中。但是数据分析可能很耗时,而且不可预测,研究者的偏见也可能斜的解释。
辅助数据
除了收集原始数据,您还可以使用已经为不同目的收集的数据,例如官方记录、民意调查或以前的研究。
使用二手数据既便宜又快速,因为数据收集就完成了。然而,数据可能不可靠,不完整或不完全相关,您无法控制可靠性或有效性数据收集程序。
如何分析相关数据
在收集数据后,可以使用相关或统计分析变量之间的关系回归分析,或者两者兼有。你也可以用散点图来可视化变量之间的关系。
不同类型的相关系数和回归分析适用于您的数据测量水平而且分布.
相关分析
使用相关分析,你可以把变量之间的关系总结为一个相关系数:描述变量之间关系的强度和方向的单个数字。有了这个数字,你就可以量化变量之间的关系程度。
的皮尔逊积矩相关系数也被称为皮尔逊r,通常用于评估两个定量变量之间的线性关系。
相关系数通常一次用于两个变量,但您可以对三个或更多变量使用多重相关系数。
回归分析
与一个回归分析,你可以预测一个变量的变化与另一个变量的变化之间的关联程度。结果是回归方程它描述了变量图上的直线。
你可以使用这个方程来预测一个变量的值基于另一个变量的给定值。在测试变量之间的相关性后,最好进行回归分析。
相关性和因果关系
记住这一点很重要相关性并不意味着因果关系.仅仅因为你发现了两件事之间的相关性,并不意味着你可以得出其中一件事导致另一件事的结论。
方向性问题
如果两个变量是相关的,可能是因为其中一个是原因,另一个是结果。但是相关研究设计不允许你这么做推断出哪个是哪个。为了谨慎起见,研究人员并没有从相关研究中得出因果关系的结论。
第三变量问题
一个混杂变量是第三个变量,它影响其他变量,使它们看起来有因果关系,尽管它们并没有因果关系。相反,在混杂因素和每个变量之间存在独立的因果关系。
在相关研究中,研究人员的控制是有限的或没有的外部变量.即使你在统计上控制了一些潜在的混杂因素,仍然可能有其他隐藏变量掩盖了你的研究变量之间的关系。
虽然相关研究不能证明因果关系它的拥有,它可以帮助你发展因果关系假设这在对照实验中得到了验证。
有关相关研究的常见问题
- 一个相关关系中有多少个变量?
-
一个相关通常一次测试两个变量,但您可以测试三个或更多变量之间的相关性。
- 什么是相关系数?
-
一个相关系数是描述变量之间关系的强度和方向的单个数字。
不同类型的相关系数可能适用于您的数据测量水平而且分布.的皮尔逊积矩相关系数r)通常用于评估两个定量变量之间的线性关系。
引用这篇Scribbr文章
如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。