高中级点平均(GPA)是否预测大学绩效?读给孩子帮助未来的学校表现吗?研究人员,立法者,商界人士,教师和父母都对变量有关感兴趣。这种关系是一种通用方式,其中一个变量的不同值与第二变量的不同值相关联。关系程度允许我们预测未来的行为和性能。相关性可以参考用于表示两个变量与研究方法中的相关解释程度之间的关系的统计数据。
相关系数,通常表示为R.,是描述有多强烈变量相关的统计数据。相关系数范围从-1.00到+1.00。它提供了两个关于两个变量之间关系的重要信息。强度描述了数值术语的关系程度。越靠近1.00,关系的程度越强。当描述相关性的强度时,忽略标志,正面或负面。归零表示两个变量无关。换句话说,知道变量A没有告诉你关于变量B的任何事情。知道一个人的鞋子大小没有关于他的智慧。相比之下,1.00,正面或负面的相关性将允许您完全预测变量A的变量B的变化。大多数相关性均落在零和1.00之间。高中GPA与第一年大学成功之间的相关性约为+.5。 This means that about 25% of the variability in first year college success can be explained by high school performance. The percentage of variability explained is obtained by squaring the correlation.
相关性的符号提供了关于两个变量之间关系方向的信息。正相关表明变量在相同方向上变化。换句话说,当一个变量的值增加/减小时,第二变量的值增加/减小相同方向。例如,平均而言,对测试的人越多,他们的成绩越好。这两个变量都在相同的方向上变化。
负相关表明变量在相反的方向上变化。换句话说,当一个变量增加/减小的值时,第二变量的值增加/减小相反方向。例如,在夏天消耗的热巧克力少于冬天。因此,消耗的热巧克力和外部温度之间的关系是阴性的。
相关设计,寻求描述变量之间的关系而不直接操纵变量的非驱动设计对于预测是有用的。使用相关设计的发现的主要问题是它们通常以因果方式解释。相关性可用于涉及实验和非实验方法的研究。值得注意的是,在使用非激活方法时不能从相关分析中推断出原因。没有适当的实验控制,研究人员无法确定原因和效果。例如,在双变量关系中,变量x的变化可能导致变量Y的变化。然而,也可以想到变量Y导致变量x的变化。使用非异步方法时,还有危险两个变量之间没有直接的因果关系。而是两个变量之间可能存在关系,因为某些其他变量会导致它们都是。该第三种变量限制了研究人员识别变量变化原因的能力。
参考:
- Cozby,P。(2001)。行为研究方法(第7届。)。帕洛阿尔托,加利福尼亚州:梅菲尔德。
- 埃弗蒂特,S。(2001)。心理学家的统计数据。马瓦,新泽:erlbaum。
- Statsoft,(N.D.)。基本统计:相关性。从...获得http://www.statsoft.com/textbook/stbasic.html.
- Trochim,W.(2001)。研究方法知识库(第2)。辛辛那提,哦:原子狗。