Korelacja a przyczynowość

Korelacja a przyczynowość

Korelacja a przyczynowość

Korelacja a przyczynowość- Istnienie korelacji nie świadczy koniecznie o bezpośredniej zależności przyczyno­wej. Bezpośrednia zależność przyczynowa znaczy tu, że jeżeli X i Y są ze sobą skorelowane, to X przynajmniej częściowo jest przyczyną Y lub Y przynajmniej częściowo jest przyczyną X. Jeżeli między tymi dwiema zmiennymi istnieje bez­pośrednia zależność przyczynowa, zmienne te będą ze sobą skorelowane, przy za­łożeniu oczywiście, że model regresji liniowej jest adekwatny do analizowanych danych bądź też stosowana jest pewna postać korelacji nieliniowej, jeżeli jest ona tu na miejscu. Przykłady korelacji, których interpretacja wskazuje na bezpośrednie związ­ki przyczynowe, to korelacja między opadami a plonami albo między przyjmowaniem pokarmu a wagą zwierząt eksperymentalnych. Oczywiście procesy, które wiążą ze sobą te pary zmiennych, mogą być bardzo złożone. Mimo to ze względów praktycznych można przyjąć istnienie bezpośredniego związku przyczynowego.

W psychologii i pedagogice korelację między dwiema zmiennymi rzadko moż­na zinterpretować, wskazując na bezpośredni związek przyczynowy.

W wielu sy­tuacjach dwie zmienne są skorelowane ze sobą dlatego, że obie są skorelowane z pewną trzecią zmienną lub zestawem zmiennych. Po prostu X i Y mogą być ze sobą skorelowane dlatego, że obie pozostają w bezpośrednim związku przyczyno­wym z jakąś zmienną Z. Na przykład w znacznie zróżnicowanej wiekowo grupie dzieci można stwierdzić istnienie korelacji między wskaźnikiem inteligencji, a wskaźnikiem sprawności ruchowej. Korelacja taka może być spowodowana tym, że zarówno wskaźnik inteligencji, jak i wskaźnik zdolności ruchowych jest skore­lowany z wiekiem. Jeżeli wyeliminujemy wpływ wieku, korelacja może zniknąć.

Inny przykład to korelacja między wynikami testu zdolności akademickich a osiągnięciami na studiach.

Zmienne te są skorelowane nie dlatego, że istnieje między nimi jakiś bezpośredni związek przyczynowy, lecz dlatego, że u ich pod­łoża leżą pewne zdolności indywidualne, które łączy bezpośredni związek przyczy­nowy z wynikami testu zdolności akademickich i z osiągnięciami w zakresie róż­nych przedmiotów na studiach.

Czasami stwierdza się korelację tam, gdzie żadne rozsądne rozumowanie nie jest w stanie uzasadnić jej istnienia. Przykładem może tu być istnienie w latach powojennych w Kanadzie korelacji między liczbą urodzeń a spożyciem alkoholu. Oczywiście nie można twierdzić, że duża liczba niemowląt skłania silnych męż­czyzn do picia. Korelacje takie często dotyczą danych uzyskiwanych w ciągu dłuż­szego czasu i mogą być spowodowane głębszymi zmianami zachodzącymi w pew­nym układzie złożonych zmiennych społecznych i ekonomicznych. Zwykle nie da się w takich przypadkach dokonać sensownej i bezpośredniej interpretacji.

Typy korelacji

Istnieje wiele typów korelacji, wynalezionych do rozmaitych celów.  Wiele stanowi szczególny przypadek współczyn­nika według momentu iloczynowego, który jest podstawą wszelkich korelacji. Przy­pomnijmy podział zmiennych na nominalne, porządkowe i przedziałowo-stosunkowe. Istnieją metody przeznaczone do opisu związku między dwiema zmiennymi nominalnymi, a także między zmienną nominalną i przedziałowo-stosunkową. Bar­dzo interesujące są metody korelacji porządkowej lub rangowej.

Analiza statystyczna standardy APA

Współczynnik rzetelności – Alfa Cronbacha.

meto

 

 Alfa Cronbacha jest statystyką. Używa się jej zwykle do mierzenia wewnętrznej spójności albo rzetelności psychometrycznego narzędzia.

 

Innymi słowy, mierzy jak dobrze zestaw zmiennych albo pozycji mierzy pojedynczy, jednowymiarowy ukryty aspekt jednostki. Generalnie, niejedna wielkość zainteresowania medycznego, jak lęk albo poziom niepełnosprawności, są niemożliwe do jednoznacznego zmierzenia. W takich przypadkach, zadajemy szereg pytań i łączymy odpowiedzi w jedną, liczbową wartość.

Co to jest?

 

Na przykład, załóżmy, że chcemy się dowiedzieć jaki jest stopień niepełnosprawności pacjentów cierpiących na mielopatię szyjki macicy.

Najpierw przygotujemy tabelę z 10 pozycjami rejestrującymi poziom trudności napotykanych przy wykonywaniu codziennych czynności. Każda pozycja jest oceniana od 1 co znaczy „bezproblemowo” do 4 co oznacza „niewykonalne”. Zsumowany wynik z tych 10 pozycji da nam ostateczny rezultat.

Jednakże, kiedy pozycje są użyte by stworzyć skalę, muszą być wewnętrznie spójne. Każda z pozycji powinna mierzyć tę samą rzecz, więc powinny być one ze sobą skorelowane. Alfa Cronbacha generalnie wrasta gdy korelacje pomiędzy pozycjami wzrastają. Z tego powodu, współczynnik jest także nazywany spójnością wewnętrzną albo wewnętrzną spójnością rzetelności dla testu.

Zakres

 

Wartość alfa (α) może się znajdować pomiędzy minus nieskończonością a 1. Jednak, tylko dodatnia wartość (α) ma sens. Generalnie, współczynnik alfa ma zakres od 0 do 1 i może zostać wykorzystany do opisania rzetelności czynników wydobytych dychotomicznie (czyli pytań z dwoma możliwymi odpowiedziami) i/albo kwestionariuszy lub skali sformatowanych wielopunktowo (np. skala oceny 1=biedny, 5=wyśmienity).

Niektórzy znawcy nalegają by wynik rzetelności wynosił 0,7 albo więcej w czasie używania psychometrycznego narzędzia. Ta zasada powinna być stosowana ostrożnie gdy (α) ma być liczona z pozycji, które nie są skorelowane.

Zastrzeżenia

 

Pomimo, że Alfa Cronbacha jest dzisiaj szeroko stosowana, jest związanych z nią kilka problemów.

 

Pierwszym problemem jest to, że alfa jest zależna nie tylko od wielkości korelacji pomiędzy pozycjami, ale także od liczby pozycji na skali. Skala może sprawiać wrażenie „homogenicznej” poprzez zwykłe dublowanie liczby pozycji, nawet jeżeli średnie korelacji pozostaną niezmienne.

 

To prowadzi prosto do drugiego problemu. Jeżeli mamy dwie skale z których każda mierzy odrębny aspekt, i połączymy je by stworzyć jedną długą skalę, alfa prawdopodobnie będzie wysoka, chociaż połączona skala w oczywisty sposób dotyka dwóch różnych atrybutów.

 

Po trzecie, jeśli alfa jest zbyt wysoka, może to sugerować nadmierną ilość pozycji, to znaczy, pozycji zadających to samo pytanie w odrobinę inny sposób. 

 

Więcej informacji na:

Analiza rzetelności

Analiza statystyczna danych do pracy doktorskiej

Rzetelność Pomiaru

Psychometria 2

Model połówkowy – Analiza rzetelności

Analiza danych statystycznych opracowanie statystyczne badania ankiety danych historycznych

Wprowadzenie do analizy równań strukturalnych. Analiza ścieżek / SEM / SEPATH

Statystyczna analiza danych w psychologii

Usługi statystyczne pomoc statystyczna

Pomoc statystyczna dla doktorantów. Czy taka pomoc jest niezbędna?

analiza statystyczna w nauce

Etapy wnioskowania statystycznego i wybór odpowiedniego testu.

meto

 

Na etapy wnioskowania statystycznego i wyboru testu składają się następujące punkty:

-sformułowanie hipotezy zerowej i alternatywnej

-określenie skali pomiarowej badanej zmiennej

-wybór testu statystycznego

-określenie poziomu istotności alfa dla testu statystycznego i wielkości próby N

-określenie rozkładu z próby statystyki danego testu statystycznego przy założeniu słuszności hipotezy zerowej

-określenie obszaru odrzuceń hipotezy zerowej

-obliczenie wartości statystyki testu i podjęcie decyzji odnośnie hipotezy zerowej

Przy wyborze odpowiedniego testu statystycznej istotności różnic należy wziąć pod uwagę 4 rzeczy:

  1. Skala pomiarowa (zmiennej zależnej)

-nominalna

-porządkowa

-interwałowa lub ilorazowa

  1. Liczebność grup

-małe (do 30 osób)

-duże (powyżej 30 osób)

3.Liczba porównywanych grup

-testy dla jednej grupy

-testy dla dwóch grup

-testy dla więcej niż dwóch grup

  1. Grupy zależne lub niezależne (techniki wyboru osób do próby)

Gdy już odpowiemy sobie na powyższe pytania z łatwością dobierzemy odpowiedni test statystyczny.

Pomiar zmiennej interwałowej

Autorem tekstu jest Marta Mrozek.

POMIAR ZMIENNEJ NA SKALI NOMINALNEJ

GRUPY ZALEŻNE                                                                        GRUPY NIEZALEŻNE

test McNemary                                              Małe liczebności                     Duże liczebności

Test Fishera                            Test Chi-kwadrat

POMIAR ZMIENNEJ NA SKALI PORZĄDKOWEJ

DWIE GRUPY                                                         WIĘCEJ NIŻ DWIE GRUPY

GRUPY ZALEŻNE  GRUPY NIEZALEŻNE

GRUPY ZALEŻNE  GRUPY NIEZALEŻNE

Test Wilcoxona          Test Manna-Whitneya

Test Friedmana           Test Kruskala-Wallisa

POMIAR ZMIENNEJ NA SKALI INTERWAŁOWEJ

JEDNA GRUPA                   DWIE GRUPY                     WIĘCEJ NIŻ DWIE GRUPY

Duża   Mała                            Zależne           Niezależne                              ANOVA

Test Z     Test t dla  jednej średniej                Duża        Mała                         Duża   Mała

jednej średniej

Test Z dla                   Test t dla         Test Z dla dwóch średnich

danych zależnych       danych zależnych

Badamy homogeniczność                                                                                                     wariancji

wariancje w grupach są równe     wariancje w grupach różnią się

Test t dla dwóch średnich                 Test t dla dwóch średnich z poprawką na nierówność wariancji

problemy klasyfikacyjne

Steiger z bar statistic – test istotności statystycznej dla różnic między korelacjami

meto

 

Nie wiesz, ale chcesz policzyć różnice pomiędzy korelacjami, policzyć efekt mediacyjny lub porównać różnice pomiędzy wektorami B?

Przeszukaliśmy dla Was internety w celu dostarczenia tego typu analiz statystycznych. Są one rzadko spotykane w oprogramowaniach statystycznych (np. tego typu analizy statystycznej w SPSS, Statistica, Gretl, SAS nie znajdziecie).
https://www.surrey.ac.uk/psychology/current/statistics/ChrisCalcv1_4.xls < – Steiger, J. H. (1980). Tests for comparing elements of a correlation matrix. Psychological Bulletin, 87, 245-251.

http://www.psychmike.com/dependent_correlations.php <- super ekstra akrusz kalkululacyjny z testami różnic między korelacjami, wskaźnikami B (analiza regresji), testem Aroiana i Sobela (analiza mediacji)

analiza statystyczna ankiet

Struktura procesu badawczego (Metodologia Badań)

meto1

Struktura procesu badawczego w psychologii

Psychologia jest nauką o zachowaniach człowieka, które są ukierunkowane na osiągnięcie określonego celu (czynności) oraz o samym człowieku, który jest podmiotem swoich działań (Tomaszewski, 1975 za: Brzeziński, 2015). Taki obszar zainteresowań psychologii wpływa na konieczność użycia specyficznych schematów metodologicznych podczas poszukiwania odpowiedzi na pytania badawcze. Stosowane procedury badawcze muszą uwzględniać fakt, że podmiotem badania jest istota ludzka, a nie element przyrody nieożywionej np. skała, skamielina.

Etapy procesu badawczego w psychologii:

  1. Postawienie problemu badawczego i hipotezy badawczej.

Każde naukowe badanie zaczyna się, gdy badacz werbalizuje problem naukowy w formie pytania. Źródłem pytania badawczego są luki w wiedzy, rozbieżność stanowisk naukowych występująca wokół danego zagadnienia, a także chęć znalezienia lepszego od dotychczasowych sposobów opisywania danego wycinka rzeczywistości. Próbą odpowiedzi na pytanie nurtujące badacza jest hipoteza badawcza.

  1. Określenie obrazu przestrzeni zmiennych niezależnych X1, …, Xn istotnych dla zmiennej zależnej Y- O(Py) oraz obrazu struktury przestrzeni zmiennej zależnej YO(Sy).

W tej fazie mieszczą się problemy istotnościowe, hipotezy istotnościowe i hipotetyczne układy zmiennych niezależnych.

Faza ta rozpoczyna się postawieniem problemu istotnościowego: Jakie zmienne niezależne są istotne dla zmiennej zależnej Y? W celu odpowiedzi na to pytanie wysnuwamy hipotezę istotnościową 1 ( Zmienne niezależne X1, …, Xn są istotne dla zmiennej zależnej Y). Zbiór zmiennych niezależnych, uznanych przez badacza za istotne dla Y, tworzy obraz przestrzeni zmiennych istotnych dla Y.

Hipoteza istotnościowa 2 również jest formą odpowiedzi na pytanie badawcze ( Zmienne z O(Py) uporządkowane są pod względem istotności dla Y w następujący sposób…). Przyjęcie hipotezy, która wprowadza do O(Py) porządek istotnościowy stwarza obraz struktury przestrzeni zmiennej Y (tj. O(Sy)). Zmienne wchodzące w składy obrazu struktury przestrzeni zmiennej Y mogą oddziaływać na Y niezależnie bądź wchodzić ze sobą w interakcje i wspólnie oddziaływać na zmienną zależną Y.

Trzeci problem istotnościowy zawiera się w pytaniu: Jaki jest rodzaj obrazu struktury przestrzennej zmiennej Y? Obraz ten może być interakcyjny bądź izolowany.

  1. Operacjonalizacja zmiennych.

Etap ten polega na nadaniu sensu empirycznego pojęciom abstrakcyjnym, teoretycznym. Operacjonalizacja zmiennych wymaga zastosowania narzędzi pomiarowych. Mogą nimi być istniejące już specjalistyczne aparatury, testy psychologiczne bądź narzędzia konstruowane specjalnie na potrzeby danego badania.

  1. Wybór modelu badawczego:

  1. Dobór próby z populacji.

Dobór próby jest bardzo ważny, gdyż to dzięki udziałowi osób badanych badacz weryfikuje swoje przewidywania. Ważnym jest, aby próba była reprezentatywna, w tym celu pobieramy ją z populacji w sposób losowy. Inne sposoby wyłaniania próby z populacji obarczają wyniki badania mniejszym lub większym błędem.
Więcej na temat doboru próby możecie poczytać tutaj: Dobór próby i problemy z tym związane/.

  1. Wybór modelu statystycznego:

Wybór ten jest uzależniony od wybranego w kroku 4 modelu badawczego.

  1. Akceptacja bądź odrzucenie hipotezy.

W tym kroku badacz decyduje, czy weryfikowaną przez siebie hipotezę uznaje za potwierdzoną bądź nie.
Warto pamiętać o tym, że odrzucenie hipotezy nie jest klęską, gdyż mogło to być efektem błędów metodologicznych. Dlatego w przypadku niepotwierdzenia hipotezy należy krytycznie przeanalizować przebieg postępowania badawczego pod kątem błędów w sztuce.

  1. Ocena, interpretacja oraz generalizacja rezultatu badawczego.

W celu zakończenia procesu badawczego naukowiec musi sobie zadać jeszcze kilka pytań:
1) Jaka była jakość badania pod względem metodologicznym?

Krytyczna ocena tej części procesu badawczego powinna skłonić badacza do powrotu do czynności przeprowadzonych na poprzednich etapach badania, co umożliwia wprowadzenie potrzebnych poprawek. Cofanie się do wcześniejszych etapów badania może obejmować więcej niż jeden pełny cykl badawczy.

2) Jakie jest znaczenie psychologiczne uzyskanego wyniku?

W tym kroku zastanawiamy się, co nasze wyniki wnoszą do psychologii (rozwój teorii) oraz jaki jest ich wymiar aplikacyjny (możliwość wykorzystania w praktyce).

3) Jaki jest zasięg wniosków, które wyłoniły się po zakończeniu badania?

Pytanie to dotyczy generalizowalności wniosków badania. Aby wyniki uzyskane na danej próbie można było generalizować na całą populację, owa próba musi być reprezentatywna. Zakres wniosków jest zależny także od użytych procedur manipulowania zmiennymi.

Powodzenia w badaniach!

Źródło:

Brzeziński, J. (2015). Metodologia badań psychologicznych. Warszawa: Wydawnictwo Naukowe PWN.

Potrzebujesz wsparcia lub usług statystyczno-metodologicznych? Napisz do nas lub zadzwoń. Oferujemy niskie ceny przy badaniach korelacyjnych i prostych eksperymentach!

Władzą jest wiedza o źródłach zmienności Metodolog.pl motto