Metode de cercetare în psihologie

Ce este cercetarea corelațională?

Recetarea corelațională este un tip de cercetare neexperimentală în care cercetătorul măsoară două variabile (binare sau continue) și evaluează relația statistică (de ex, corelația) dintre ele, cu un efort redus sau deloc pentru a controla variabilele străine. Există multe motive pentru care cercetătorii interesați de relațiile statistice dintre variabile ar alege să efectueze un studiu corelațional mai degrabă decât un experiment. Primul este acela că ei nu cred că relația statistică este una cauzală sau nu sunt interesați de relațiile cauzale. Reamintim că cele două obiective ale științei sunt descrierea și predicția, iar strategia de cercetare corelațională le permite cercetătorilor să atingă ambele obiective. În mod specific, această strategie poate fi utilizată pentru a descrie puterea și direcția relației dintre două variabile și, dacă există o relație între variabile, atunci cercetătorii pot utiliza scorurile la o variabilă pentru a prezice scorurile la cealaltă (utilizând o tehnică statistică numită regresie, care este discutată în continuare în secțiunea privind corelația complexă din acest capitol).

Un alt motiv pentru care cercetătorii ar alege să folosească un studiu corelațional mai degrabă decât un experiment este acela că relația statistică de interes este considerată a fi cauzală, dar cercetătorul nu poate manipula variabila independentă deoarece este imposibil, nepractic sau lipsit de etică. De exemplu, deși un cercetător ar putea fi interesat de relația dintre frecvența cu care oamenii consumă canabis și abilitățile lor de memorare, nu poate manipula din punct de vedere etic frecvența cu care oamenii consumă canabis. Ca atare, trebuie să se bazeze pe strategia de cercetare corelațională; trebuie să măsoare pur și simplu frecvența cu care oamenii consumă canabis și să le măsoare abilitățile de memorie cu ajutorul unui test standardizat de memorie și apoi să determine dacă frecvența cu care oamenii consumă canabis este legată statistic de performanța la testul de memorie.

Corelația este, de asemenea, utilizată pentru a stabili fiabilitatea și validitatea măsurătorilor. De exemplu, un cercetător ar putea evalua validitatea unui test scurt de extraversiune administrându-l unui grup mare de participanți împreună cu un test mai lung de extraversiune care s-a dovedit deja a fi valid. Acest cercetător ar putea apoi să verifice dacă scorurile participanților la testul scurt sunt puternic corelate cu scorurile lor la testul mai lung. Se consideră că niciunul dintre scorurile de la test nu este cauza celuilalt, astfel încât nu există o variabilă independentă care să fie manipulată. De fapt, termenii „variabilă independentă” și „variabilă dependentă” nu se aplică acestui tip de cercetare.

Un alt punct forte al cercetării corelaționale este faptul că are adesea o validitate externă mai mare decât cercetarea experimentală. Reamintim că există de obicei un compromis între validitatea internă și validitatea externă. Pe măsură ce se adaugă controale mai mari la experimente, validitatea internă crește, dar adesea în detrimentul validității externe, deoarece sunt introduse condiții artificiale care nu există în realitate. În schimb, studiile corelaționale au, de obicei, o validitate internă scăzută, deoarece nimic nu este manipulat sau controlat, dar au adesea o validitate externă ridicată. Deoarece nimic nu este manipulat sau controlat de către experimentator, este mai probabil ca rezultatele să reflecte relațiile care există în lumea reală.

În cele din urmă, extinzând acest compromis între validitatea internă și cea externă, cercetarea corelațională poate ajuta la furnizarea de dovezi convergente pentru o teorie. Dacă o teorie este susținută de un experiment adevărat care are o validitate internă ridicată, precum și de un studiu corelațional care are o validitate externă ridicată, atunci cercetătorii pot avea mai multă încredere în validitatea teoriei lor. Ca un exemplu concret, studiile corelaționale care stabilesc că există o relație între vizionarea programelor de televiziune violente și comportamentul agresiv au fost completate de studii experimentale care au confirmat că relația este una cauzală (Bushman & Huesmann, 2001).

Cercetarea corelațională implică întotdeauna variabile cantitative?

O concepție greșită frecventă în rândul cercetătorilor începători este aceea că cercetarea corelațională trebuie să implice două variabile cantitative, cum ar fi scorurile la două teste de extraversiune sau numărul de neplăceri zilnice și numărul de simptome pe care le-au avut oamenii. Cu toate acestea, caracteristica definitorie a cercetării corelaționale este că cele două variabile sunt măsurate – niciuna dintre ele nu este manipulată – și acest lucru este valabil indiferent dacă variabilele sunt cantitative sau categorice. Imaginați-vă, de exemplu, că un cercetător administrează Scala de stimă de sine Rosenberg la 50 de studenți americani și 50 de studenți japonezi. Deși acest lucru „pare” a fi un experiment între subiecți, este un studiu corelațional, deoarece cercetătorul nu a manipulat naționalitatea studenților. Același lucru este valabil și în cazul studiului realizat de Cacioppo și Petty, care compară cadrele didactice universitare și muncitorii din fabrici în ceea ce privește nevoia lor de cunoaștere. Este un studiu corelațional pentru că cercetătorii nu au manipulat ocupațiile participanților.

Figura 6.2 prezintă date dintr-un studiu ipotetic privind relația dintre faptul că oamenii își fac sau nu o listă zilnică de lucruri de făcut (o „to-do list”) și stres. Observați că nu este clar dacă acesta este un experiment sau un studiu corelațional, deoarece nu este clar dacă variabila independentă a fost manipulată. Dacă cercetătorul a repartizat la întâmplare unii participanți să facă liste zilnice de lucruri de făcut și alții nu, atunci este un experiment. Dacă cercetătorul i-a întrebat pur și simplu pe participanți dacă au întocmit liste zilnice de lucruri de făcut, atunci este vorba de un studiu corelațional. Distincția este importantă deoarece, dacă studiul ar fi fost un experiment, atunci s-ar fi putut concluziona că întocmirea listelor zilnice de sarcini ar fi redus stresul participanților. Dar dacă ar fi fost un studiu corelațional, s-ar putea concluziona doar că aceste variabile sunt legate statistic. Poate că a fi stresat are un efect negativ asupra capacității oamenilor de a planifica în avans (problema direcționalității). Sau poate că persoanele care sunt mai conștiincioase sunt mai predispuse să facă liste de lucruri de făcut și mai puțin predispuse să fie stresate (problema celei de-a treia variabile). Punctul crucial este că ceea ce definește un studiu ca fiind experimental sau corelațional nu sunt variabilele studiate, nici dacă variabilele sunt cantitative sau categorice, nici tipul de grafic sau de statistică utilizat pentru a analiza datele. Ceea ce definește un studiu este modul în care este efectuat studiul.

Colectarea datelor în cercetarea corelațională

Încă o dată, caracteristica definitorie a cercetării corelaționale este aceea că niciuna dintre variabile nu este manipulată. Nu contează cum sau unde sunt măsurate variabilele. Un cercetător ar putea cere participanților să vină la un laborator pentru a completa o sarcină computerizată de întindere inversă a cifrelor și o sarcină computerizată de luare a deciziilor riscante și apoi să evalueze relația dintre scorurile participanților la cele două sarcini. Sau un cercetător ar putea merge la un centru comercial pentru a-i întreba pe oameni despre atitudinea lor față de mediu și despre obiceiurile lor de cumpărături și apoi să evalueze relația dintre aceste două variabile. Ambele studii ar fi corelaționale, deoarece nu este manipulată nicio variabilă independentă.

Corelații între variabile cantitative

Corelațiile dintre variabilele cantitative sunt adesea prezentate folosind diagrame de dispersie. Figura 6.3 prezintă câteva date ipotetice privind relația dintre cantitatea de stres la care sunt supuși oamenii și numărul de simptome fizice pe care le au. Fiecare punct din diagrama de dispersie reprezintă scorul unei persoane pentru ambele variabile. De exemplu, punctul încercuit din figura 6.3 reprezintă o persoană al cărei scor de stres a fost de 10 și care avea trei simptome fizice. Luând în considerare toate punctele, se poate observa că persoanele supuse unui stres mai mare tind să aibă mai multe simptome fizice. Acesta este un bun exemplu de relație pozitivă, în care scorurile mai mari la o variabilă tind să fie asociate cu scoruri mai mari la cealaltă. Cu alte cuvinte, acestea evoluează în aceeași direcție, fie în sus, fie în jos. O relație negativă este una în care scorurile mai mari la o variabilă tind să fie asociate cu scoruri mai mici la cealaltă. Cu alte cuvinte, acestea se deplasează în direcții opuse. Există o relație negativă între stres și funcționarea sistemului imunitar, de exemplu, deoarece un stres mai mare este asociat cu o funcționare mai scăzută a sistemului imunitar.

Tăria unei corelații între variabile cantitative se măsoară de obicei folosind o statistică numită coeficient de corelație Pearson (sau r al lui Pearson). După cum arată figura 6.4, r-ul lui Pearson variază de la -1,00 (cea mai puternică relație negativă posibilă) la +1,00 (cea mai puternică relație pozitivă posibilă). O valoare de 0 înseamnă că nu există nicio relație între cele două variabile. Atunci când r-ul lui Pearson este 0, punctele de pe o diagramă de dispersie formează un „nor” fără formă. Pe măsură ce valoarea sa se deplasează spre -1,00 sau +1,00, punctele se apropie din ce în ce mai mult de a cădea pe o singură linie dreaptă. Coeficienții de corelație apropiați de ± 0,10 sunt considerați mici, valorile apropiate de ± 0,30 sunt considerate medii, iar valorile apropiate de ± 0,50 sunt considerate mari. Observați că semnul coeficientului r al lui Pearson nu are legătură cu puterea acestuia. Valorile Pearson’s r de +,30 și -,30, de exemplu, sunt la fel de puternice; doar că una reprezintă o relație pozitivă moderată, iar cealaltă o relație negativă moderată. Cu excepția coeficienților de fiabilitate, majoritatea corelațiilor pe care le găsim în psihologie sunt de dimensiuni mici sau moderate. Site-ul http://rpsychologist.com/d3/correlation/, creat de Kristoffer Magnusson, oferă o excelentă vizualizare interactivă a corelațiilor care vă permite să ajustați puterea și direcția unei corelații în timp ce asistați la modificările corespunzătoare ale diagramei de dispersie.

Există două situații comune în care valoarea r-ului lui Pearson poate fi înșelătoare. r-ul lui Pearson este o măsură bună doar pentru relațiile liniare, în care punctele sunt cel mai bine aproximate de o linie dreaptă. Nu este o măsură bună pentru relațiile neliniare, în care punctele sunt mai bine aproximate de o linie curbă. Figura 6.5, de exemplu, prezintă o relație ipotetică între cantitatea de somn pe care o au oamenii pe noapte și nivelul lor de depresie. În acest exemplu, linia care aproximează cel mai bine punctele este o curbă – un fel de „U” răsturnat – deoarece persoanele care dorm aproximativ opt ore tind să fie cel mai puțin deprimate. Cei care dorm prea puțin și cei care dorm prea mult tind să fie mai deprimați. Chiar dacă figura 6.5 arată o relație destul de puternică între depresie și somn, r-ul lui Pearson ar fi aproape de zero, deoarece punctele din diagrama de dispersie nu se potrivesc bine cu o singură linie dreaptă. Acest lucru înseamnă că este important să se facă o diagramă de dispersie și să se confirme că o relație este aproximativ liniară înainte de a folosi r-ul lui Pearson. relațiile neliniare sunt destul de frecvente în psihologie, dar măsurarea puterii lor depășește scopul acestei cărți.

Celelalte situații frecvente în care valoarea r-ului lui Pearson poate fi înșelătoare este atunci când una sau ambele variabile au un interval limitat în eșantion în raport cu populația. Această problemă este denumită restricție de interval. Să presupunem, de exemplu, că există o corelație negativă puternică între vârsta oamenilor și plăcerea lor pentru muzica hip-hop, după cum arată diagrama de dispersie din figura 6.6. Aici, r-ul lui Pearson este -,77. Cu toate acestea, dacă ar trebui să colectăm date doar de la persoanele cu vârste cuprinse între 18 și 24 de ani – reprezentate de zona umbrită din figura 6.6 – atunci relația ar părea destul de slabă. De fapt, r-ul lui Pearson pentru acest interval restrâns de vârste este 0. Prin urmare, este o idee bună să concepeți studiile pentru a evita restricționarea intervalului. De exemplu, dacă vârsta este una dintre variabilele dvs. principale, atunci puteți planifica să colectați date de la persoane cu o gamă largă de vârste. Cu toate acestea, deoarece restrângerea intervalului nu este întotdeauna anticipată sau ușor de evitat, este o bună practică să examinați datele dvs. pentru o posibilă restrângere a intervalului și să interpretați r-ul lui Pearson în funcție de aceasta. (Există, de asemenea, metode statistice pentru a corecta r-ul lui Pearson pentru restricția intervalului, dar acestea depășesc scopul acestei cărți).

Corelația nu implică cauzalitatea

Probabil că ați auzit în repetate rânduri că „Corelația nu implică cauzalitatea”. Un exemplu amuzant în acest sens vine de la un studiu din 2012 care a arătat o corelație pozitivă (Pearson’s r = 0,79) între consumul de ciocolată pe cap de locuitor al unei națiuni și numărul de premii Nobel acordate cetățenilor din acea națiune. Cu toate acestea, pare clar că acest lucru nu înseamnă că mâncarea de ciocolată îi determină pe oameni să câștige premii Nobel și nu ar avea sens să încercăm să creștem numărul de premii Nobel câștigate recomandând părinților să-și hrănească copiii cu mai multă ciocolată.

Există două motive pentru care corelația nu implică cauzalitatea. Primul se numește problema direcționalității. Două variabile, X și Y, pot fi legate statistic pentru că X îl cauzează pe Y sau pentru că Y îl cauzează pe X. Luați în considerare, de exemplu, un studiu care arată că dacă oamenii fac sau nu exerciții fizice este legat statistic de cât de fericiți sunt – astfel încât oamenii care fac exerciții fizice sunt în medie mai fericiți decât cei care nu le fac. Această relație statistică este în concordanță cu ideea că exercițiile fizice cauzează fericirea, dar este, de asemenea, în concordanță cu ideea că fericirea cauzează exercițiile fizice. Poate că faptul de a fi fericiți le dă oamenilor mai multă energie sau îi determină să caute oportunități de a socializa cu alții mergând la sală. Al doilea motiv pentru care corelația nu implică o cauzalitate se numește problema celei de-a treia variabile. Două variabile, X și Y, pot fi legate din punct de vedere statistic nu pentru că X îl cauzează pe Y sau pentru că Y îl cauzează pe X, ci pentru că o a treia variabilă, Z, le cauzează atât pe X, cât și pe Y. De exemplu, faptul că națiunile care au câștigat mai multe premii Nobel tind să aibă un consum mai mare de ciocolată reflectă probabil geografia, în sensul că țările europene tind să aibă rate mai mari de consum de ciocolată pe cap de locuitor și investesc mai mult în educație și tehnologie (încă o dată, pe cap de locuitor) decât multe alte țări din lume. În mod similar, relația statistică dintre exercițiile fizice și fericire ar putea însemna că o a treia variabilă, cum ar fi sănătatea fizică, le determină pe amândouă. Faptul că sunt sănătoși din punct de vedere fizic i-ar putea determina pe oameni să facă exerciții fizice și să-i facă să fie mai fericiți. Corelațiile care sunt rezultatul unei a treia variabile sunt adesea denumite corelații false.

Câteva exemple excelente și amuzante de corelații false pot fi găsite la http://www.tylervigen.com (figura 6.7 oferă un astfel de exemplu).

.