Нормы и интерпретация результатов теста (стр. 7 из 12)

Корреляции. В примере, рассмотренном выше (С. 260), сравнивались два ряда чисел, представляющие два ряда показателей одной и той же выборки; по смыслу задачи нужно было установить, существенная ли разница между этими рядами. Это были ряды, взятые из ситуации «до» и «после». Есть, однако, и многочисленные ситуации, когда исследователь заинтересован не в том, чтобы найти степень существенности разницы между вариационными рядами, а в том, чтобы найти, насколько тесно эти ряды связаны между собой, какова направленность этой связи. Так, группе школьников были предложены два теста, задания которых были построены на материале школьных дисциплин гуманитарного цикла — литературы и истории. Но в первом тесте для выполнения заданий требовалась актуализация умственного действия аналогии, а во втором — умственного действия классификации. Данные тестирования представлены в двух числовых рядах. Исследователю нужно ответить на вопрос, насколько тесно связаны эти два ряда. При строгой постановке эксперимента это исследование должно было пролить свет на то, какую роль играют умственные действия, указанные выше, на усвоение знаний в гуманитарном цикле.

Пример. Исследовалась выборка из 15 школьников. Для вычисления коэффициента корреляции, отражающего тесноту связи между двумя рядами, используются как параметрические, так и непараметрические методы.

До перехода к расчетам полезно рассмотреть любые коррелируемые ряды в их размещении в корреляционной решетке. По оси абсцисс размещаются показатели одного, а по оси ординат — другого ряда.

Теснота связи между рядами благодаря этой решетке становится легко обозримой. На рис. 3 схематически изображены различные виды соотношения коррелируемых рядов. Как видно, схемы отражают всего пять различных соотношений.

2. Слабая положительная связь

3. Отсутствие связи

4. Отрицательная связь

5. Нелинейная зависимость

Рис. 3

На схемах можно усмотреть как тесноту связи, так и ее направленность. Схема 3 демонстрирует полное отсутствие связи между рядами; на схеме 5 показана нелинейная связь между рядами, та ее форма, которая показана на этой схеме лишь одна из возможных.

Коэффициент корреляции принимает значение от -1 (схема 4) до +1 (схема 1). В этих пределах возможны все числовые значения коэффициента корреляции. Если никакой связи между рядами не существует, то коэффициент равен 0 (схема 3). В подавляющем большинстве случаев коэффициент составляет величину, не достигающую 1. При положительной корреляции при увеличении числовых значений одного ряда соответственно увеличиваются числовые значения другого ряда. При отрицательной корреляции увеличению числовых значений одного ряда соответствует уменьшение числовых значений другого ряда.

Если исследователь убежден в том, что оба коррелируемых ряда можно рассматривать как ряды параметрические, то для вычисления коэффициента корреляции применяется параметрический метод по формуле Пирсона:

Существует много различных видов этой формулы, представляющих собой ее преобразования. Исследователь сам выбирает удобную для себя формулу. Об уровне значимости коэффициента корреляции судят по табл. 5, причем для г число степеней свободы fd = п - 2, где п — объем выборки.

Вычисление коэффициента корреляции по Пирсону. Коэффициент показывает тесноту связи между выполнением задач в тестах «Аналогии» и «Классификации». Данные по тесту «Аналогии» обозначены х, а по тесту «Классификации» — у.

Для упрощения расчетов введены некоторые тождества.

Испытуемые	х	y	х²	y²	ху
А	1	3	1	9	3
Б	2	4	4	16	8
В	3	5	9	25	15
Г	3	6	9	36	18
Д	4	6	16	36	24
Е	4	7	16	49	28
Ж	4	7	16	49	28
3	5	8	25	64	40
И	5	8	25	64	40
К	6	8	36	64	48
Л	6	8	36	64	48
М	7	9	49	81	63
Н	8	9	64	81	72
О	9	10	81	100	90
П	10	11	100	121	110
n = 15	77	109	487	859	635

Число степеней свободы fd = п - 2 = 15 - 2 = 13. По таблице уровней значимости находим, что при 13 степенях свободы r_0,999 = = 0,760. Сравниваем это значение с полученным коэффициентом:

0,76 < 0,96.

Полученный коэффициент корреляции показывает, что между результатами в тестах «Аналогии» и «Классификации» имеется связь. Высокий уровень значимости свидетельствует о том, что эта связь с высокой вероятностью будет воспроизводиться в таких же экспериментах.

Вычисление коэффициента корреляции по Спирмену (коэффициент ранговой корреляции).

Исследовательское задание указано на с. 266. Формула ранговой корреляции такова:

где d — разность рангов ряда х и ряда у т.е. (R_x- R_y).

Таблица 6

Испытуемые	х	R_x	y	R_y	dR_xR_y	R²_{dRxR y}
А	1	1	3	1	0	0
Б	2	2	4	2	0	0
В	3	3,5	5	3	0,5	0,25
Г	3	3,5	6	4,5	1	1
Д	4	6	6	4,5	1,5	2,25
Е	4	6	7	6,5	0,5	0,25
Ж	4	6	7	6,5	0,5	0,25
3	5	8,5	8	9,5	1	1
И	5	8,5	8	9,5	1	1
К	6	10,5	8	9,5	1	1
Л	6	10,5	8	9,5	1	1
М	7	12	9	12,5	0,5	0,25
Н	8	13	9	12,5	0,5	0,25
О	9	14	10	14	0	0
П	10	15	11	15	0	0
n = 15 n² = 225	Σd²_RxRy = 8,5

fd = п - 2 = 15 - 2 = 13.

Производится раздельное ранжирование ряда х и ряда у. Вычисляется разность рангов d попарно. Знак разности не существенен, так как по формуле нужно возвести d в квадрат. Далее действия определяются формулой:

По таблице уровней значимости r > r_0,99 (0,98 > 0,70).

Коэффициенты, вычисленные двумя разными способами, как и нужно было ожидать, чрезвычайно близки друг к другу; отличаются они на 0,02, что никакого значения практически не имеет.

Нельзя трактовать коэффициент корреляции как величину, означающую процент взаимозависимых связей вариант двух коррелируемых рядов, т.е. например, коэффициент 0,50 трактовать как 50% таких связей этих рядов. Это далеко не так. Об этом проценте вообще по коэффициенту корреляции судить нельзя. Возведенный в квадрат коэффициент корреляции называется коэффициентом детерминации (r² или r²). Он показывает, сколько процентов вариант обоих рядов оказались взаимозависимыми. При коэффициенте 0,50 процент таких взаимозависимых вариант составит 0,50², т.е. 0,25 (HeinzA., Ebner С.GrundlagenderStatistikfiirPsychologen, PadagogenundSoziologen. Berlin, 1967. S. 112). Для коэффициента 0,98 коэффициент детерминации составит 0,98² = 0,9604. Следовательно, взаимозависимы примерно 96% вариант обоих рядов.

Корреляция как метод статистического анализа в психологических исследованиях применяется очень часто. Всем, кто работает с применением корреляционного анализа, т.е. выясняет посредством этого метода тесноту связи двух рядов, следует напомнить, что коэффициент, как бы высок он ни был, нельзя интерпретировать как показатель наличия причинной связи между коррелируемыми рядами. Если коэффициент и может быть как-то использован в обсуждении вопроса о возможных причинных связях, то только в том случае, когда содержательная логика исследования и выдвигаемые при этом теоретические соображения позволяют опереться как на один из аргументов и на значение коэффициента корреляции.

В изложении метода корреляции речь шла исключительно о линейных корреляциях, которые изображены на схемах №1,2, 4. Но там же приведена схема криволинейной корреляции (№ 5). Вообще говоря, вероятно, и в психике человека протекают процессы, взаимосвязь которых не имеет линейного вида. Вычисление нелинейных корреляций и, главное их истолкование не относятся к простейшим статистическим методам, о которых говорится в этой главе. Но об их существовании следует знать.

Наконец, полезно напомнить, что корреляции по Пирсону (с определенными ограничениями и в определенных сочетаниях) создают ту базу, на которой открываются возможности перехода к так называемому факторному анализу. (Наиболее ясное изложение сути факторного анализа см.: Теплов Б.М. Типологические особенности в н.д. человека. М., 1967. Т. 5. С. 239).