Результаты
Оценки каждого испытуемого по тесту на способности и по качеству работы могут быть представлены на диаграмме разброса. Каждое число на диаграмме обозначает количество испытуемых, которые имеют данную комбинацию тестовой оценки (ось абсцисс) и оценки работы (ось ординат).
Все оценки охватываются овалом, который вытянут слева направо и вверх. Это значит, что оценки положительно коррелируют. Величину корреляции можно вычислить. Для диаграммы разброса, приведенной, величина коэффициента корреляции, характеризующего степень связи тестовых и рабочих оценок, равна 0,60, или, если быть пунктуальным, +0,60. В практических задачах мы не должны серьезно рассматривать возможность отрицательной корреляции. Отрицательные корреляции, когда они обнаруживаются, чаше всего настолько невелики, что могут считаться следствием случайной флюктуации "истинного" нулевого значения. Когда же они достаточно велики, они чаще всего связаны с характером шкалы на одной из осей. Так, например, число правильных ответов по одному тесту может иметь отрицательную корреляцию с числом ошибок по другому тесту. Некоторые испытуемые, имеющие высокую тестовую оценку, оказались в качестве контролеров хуже, чем те, у которых тестовая оценка была ниже [5].
Вывод
Используя найденный коэффициент корреляции, можно делать довольно точные предсказания. Из корреляции между тестовой оценкой и рабочей оценкой можно вывести секущую оценку, которая должна обеспечить заданный процент удовлетворительно работающих лиц. Мы можем также установить для каждой тестовой оценки будущих претендентов наиболее вероятную рабочую оценку, а также величину ошибки предсказания.
В данном примере один вид поведения использовался для предсказания другого вида поведения. Возможно, что в основе корреляции лежало то, что измерявшиеся способности, как и предполагалось, были существенны для данного вида работы. Однако возможно и многое другое. Например, может быть, все дело было во внимательности или в количестве усилий, которое данный человек готов был затратить. В практических ситуациях нас не интересуют объяснения: нужны только результаты. При высокой корреляции предсказание будет хорошим, при низкой корреляции - плохим.
. Надежность и валидность тестов
Тест называется надежным, если мы можем рассчитывать, что одно и то же лицо каждый раз, при повторных испытаниях, получит примерно ту же самую оценку (относительно других) [9]. Как известно, существует много причин непоследовательности поведения, включая факторы времени, которые мы не можем контролировать. Однако влияние этого непостоянства можно уменьшить, используя достаточно продолжительный тест, конечно, соответствующего уровня трудности. Один из способов выявления надежности теста заключается в том, чтобы дать один и тот же тест (или очень близкие варианты, если это необходимо) дважды той же самой группе испытуемых. Если коэффициент корреляции между результатами двух применений теста высокий (например, 0,90), то тест считается надежным. Однако все еще остается вопрос о надежности самого исследования. Это означает, что через тест нужно провести большое число испытуемых. Иными словами, надежность теста должна основываться на достаточной надежности самого исследования.
Тест называется валидным всегда по отношению к некоторой другой оценке, например оценке качества работы, - если он высоко коррелирует с этой оценкой (например, 0,60). И снова, чтобы узнать, является ли данное заключение валидным, т.е. следует ли оно из надежного исследования, нужно использовать достаточное число испытуемых [2].
. Типы корреляционных исследований
В корреляционных исследованиях отсутствуют планируемые изменения независимой переменной.
Исследователи, изучавшие опыт воспитания детей, не убеждали одних родителей использовать хорошие методы воспитания, а других - плохие. Эти различия в методах уже существовали. Порядок рождения ребенка тоже не зависел от экспериментатора. Он тоже уже существовал. Точно так же индивидуальные различия по тесту на способности не задавались экспериментатором. Таким образом, корреляционное исследование - это такое исследование, в котором одни поведенческие различия соотносятся с другими, уже существующими. Параметры, по которым различаются корреляционные исследования. [5]
Степень приближения к независимой переменной
Как уже говорилось, в принципе можно было бы спланировать такой эксперимент, в котором экспериментатор решал бы сам, какие родители будут применять хорошие методы воспитания детей, а какие - плохие. Но вследствие практической неосуществимости такого эксперимента было предпринято корреляционное исследование. Еще большую проблему представляет порядок рождения. Каким активным вмешательством можно добиться, чтобы данный ребенок родился, например, четвертым? И все же порядок рождения - это нечто, похожее па независимую переменную. Ведь это - переменная, предшествующая во времени, следовательно, она может стать причиной различий в поведении. Такого совсем нельзя сказать отесте на способности, который использовался для предсказания качества работы контролера. Одна и та же причина (какой бы она ни была) обеспечивала данному лицу и высокую оценку по тесту, и возможность стать хорошим контролером. В различиях тестовых оценок нет ничего от независимой переменной. Фактически мы могли бы точно так же из работы испытуемого в качестве контролера вывести, насколько успешно он будет справляться с тестом на способности. И если этого не делаем, то только потому, что это не имеет практического смысла [5].
Описание корреляции
Все три исследования были названы корреляционными, но только в случае отбора контролеров вычислялся коэффициент корреляции. Этот показатель наиболее значим в том случае, если каждая из двух сопоставляемых переменных имеет непрерывное колоколообразное распределение. Это справедливо для оценок почти любого теста. Оценки распределяются от низшей к высшей непрерывно и имеют максимум в области среднего значения. Поэтому в исследовании контролеров коэффициент корреляции хорошо подходит для описания корреляции между двумя переменными. Его можно было бы использовать также и в исследовании приспособленности. Каждый испытуемый имеет оценку приспособленности на почти непрерывной шкале. Почти наверняка эти оценки можно было бы аппроксимировать колоколообразным распределением. Факторы-предпосылки распределялись примерно таким же образом, хотя, в общем, были ступенчатыми, а не постепенно меняющимися. Доход семьи прямо мог бы использоваться как континуальный показатель, хотя распределение оказалось бы отрезанным со стороны высоких доходов. Однако вместо коэффициента корреляции здесь было использована сравнение групп с высокими и низкими показателями, поскольку не совсем ясно, что значит средняя величина приспособленности.
Цель
Исследования приспособленности и порядка рождения проводились для того, чтобы понять, чем определяются различия в поведении. Это не значит, что результаты исследования приспособленности не могут быть использованы в практических целях. Труднее представить сиюминутное практическое использование результатов исследования порядка рождения. И, конечно же, исследование по отбору контролеров преследует явную практическую цель. Так что давайте не будем "смешивать" тип исследования и его цель. Если в исследовании вычисляется коэффициент корреляции или соотносятся две оценки поведения, это еще не значит, что оно имеет практический характер. Такое делается во многих чисто теоретических исследованиях. Коэффициенты корреляции находятся между тестовыми оценками детей и родителей, между оценками идентичных близнецов и т.д. Все это - теоретические исследования, в которых пытаются разделить влияние наследственности и среды. Предпринимаются также теоретические исследования, в которых члены одной и той же группы испытуемых проводятся через разные тесты - точно так же, как это делалось при исследовании контролеров. Иногда даже используется 40 или 50 различных тестов, и между каждой парой тестов вычисляются коэффициенты корреляции. Для выявления значительно меньшего числа базисных переменных, адекватно описывающих различия между индивидами, применяется техника, называемая факторным анализом [5].
5. Корреляционные связи. Виды
Корреляционные связи - это вероятностные изменения, которые можно изучать только на представительных выборках как методами математической статистики [9]. Термина: Корреляционная связь и Корреляционная зависимость - часто используются как синонимы. Зависимость подразумевает влияние, связь - любые согласованные изменения, которые могут объясняться сотнями причин. Корреляционные связи не рассматриваются как свидетельство причинно-следственной зависимости, они свидетельствуют лишь о том, что изменениям одного признака, как правило, сопутствуют определенные изменения другого.
Корреляционная зависимость - это изменения, которые вносят значения одного признака в вероятность появления разных значений другого признака [9].
Итак, задача корреляционного анализа сводится к установлению формы (линейная, нелинейная) и направления (положительное или отрицательное) связи между варьирующими признаками, измерению ее тесноты, и к проверке уровня значимости полученных коэффициентов корреляции.
Корреляционные связи могут различать по форме, направлению и степени (силе).
По форме корреляционная связь бывает - прямолинейной или криволинейной. Прямолинейная, например, связь между количеством тренировок на тренажере и количеством правильно решаемых задач в контрольной сессии. Криволинейной, например, связь между уровнем мотивации и эффективностью выполнения задачи. (см. Приложение рисунок 1) Когда повышается мотивация, то эффективность выполнения задачи сначала возрастает, затем достигается оптимальный уровень мотивации, которому соответствует максимальная эффективность выполнения задачи; дальнейшему повышению мотивации сопутствует уже снижение эффективности.
По направлению корреляционная связь может быть положительной ("прямой") и отрицательной ("обратной"). При положительной прямолинейной корреляции более высоким значениям одного признака соответствуют более высокие значения другого, а более низким значениям одного признака - низкие значения другого (см. Приложение рисунок 2). При отрицательной корреляции соотношения обратные (см. приложение рисунок 3). При положительной корреляции коэффициент корреляции имеет положительный знак, при отрицательной корреляции - отрицательный знак [10]. Степень, сила или теснота корреляционной связи определяется по величине коэффициента корреляции. Сила связи не зависит от ее направленности и определяется по абсолютному значению коэффициента корреляции. Выделяют несколько интерпретаций наличия корреляционной связи между двумя измерениями:
. Прямая корреляционная связь. Уровень одной переменной непосредственно соответствует уровню другой. Например закон Хика: скорость переработки информации пропорциональна логарифму от числа альтернатив. Другой пример: корреляция высокой личностной пластичности и склонности к смене социальных установок.
. Корреляция, обусловленная 3-й переменной. Две переменные (а, с) связаны одна с другой через третью (в), неизмеренную в ходе исследования. По правилу транзитивности, если есть R (а, b) и R (b, с), то R (а, с). Примером такой корреляции является установленный американскими психологами факт связи уровня интеллекта с уровнем доходов. Если бы такое исследование проводилось в сегодняшней России, то результаты были бы иными. Очевидно, все дело в структуре общества. Скорость опознания изображения при быстром (тахистоскопическом) предъявлении и словарный запас испытуемых также положительно коррелируют. Скрытой переменной, обусловливающей эту корреляцию, является общий интеллект.
. Случайная корреляция, не обусловленная никакой переменной.
. Корреляция, обусловленная неоднородностью выборки. Вообразим себе, что выборка, которую будем обследовать, состоит из двух однородных групп. Пример, хотим выяснить, связана ли принадлежность к определенному полу с уровнем экстраверсии. Считаем, что "измерение" пола трудностей не вызывает, экстраверсию же измеряем с помощью опросника Айзенка ETI-1.2 группы: мужчины-математики и женщины-журналистки. Неудивительно, если мы получим линейную зависимость между полом и уровнем экстраверсии-интроверсии: большинство мужчин будут интровертами, большинство женщин - экстравертами. А также, корреляционные связи различаются по своему виду. Если повышение уровня одной переменной сопровождается повышением уровня другой, то речь идет о положительной корреляции. Чем выше личностная тревожность, тем больше риск заболеть язвой желудка. Возрастание громкости звука сопровождается ощущением повышения его тона. Если рост уровня одной переменной сопровождается снижением уровня другой, то мы имеем дело с отрицательной корреляцией. По данным Зайонца, число детей в семье отрицательно коррелирует с уровнем их интеллекта. Чем боязливей особь, тем меньше у нее шансов занять доминирующее положение в группе [6].
Нулевой называется корреляция при отсутствии связи переменных. Примеров строго линейных связей (положительных или отрицательных) в психологии практически нет. Большинство связей - нелинейные. Классический пример нелинейной зависимости - закон Йеркса-Додсона: возрастание мотивации первоначально повышает эффективность научения, а затем наступает снижение продуктивности (эффект "перемотивации"). Другим примером является связь между уровнем мотивации достижений и выбором задач различной трудности. Лица, мотивированные надеждой на успех, предпочитают задания среднего диапазона трудности - частота выборов на шкале трудности описывается колоколообразной кривой.
Математическую теорию линейных корреляций разработал Пирсон. Основания и приложения теории изложены в учебниках и справочниках по математической статистике. Вспомним, что коэффициент линейной корреляции Пирсона r варьируется от - 1 до +1. Его вычисляют путем нормирования ковариации переменных на произведение их среднеквадратических отклонений.
Значимость коэффициента корреляции зависит от принятого уровня значимости, а и от величины выборки. Чем больше модуль коэффициента корреляции, тем ближе связь переменных к линейной функциональной зависимости.
Общая классификация корреляционных связей
В зависимости от коэффициента корреляции выделяют следующие корреляционные связи:
сильная или тесная связь при коэффициенте корреляции r>0,70;
средняя связь (при 0,50<r<0,69);
умеренная связь (при 0,30<r<0,49);
слабая связь (при 0, 20<r<0,29);
очень слабая связь (при r<0, 19) [10].
. Корреляционные поля и цель их построения
Корреляцию изучают на основании экспериментальных данных, которые представляют собой измеренные значения (xi, yi) двух признаков. Допустим, экспериментальных данных немного, то двумерное эмпирическое распределение представляется в виде двойного ряда значений xi и yi. Но при этом корреляционную зависимость между признаками можно описывать разными способами. Соответствие между аргументом и функцией может быть задано таблицей, формулой, графиком и т.д.[8].
Как и другие статистические методы, корреляционный анализ основан на использовании вероятностных моделей, описывающих поведение исследуемых признаков в некоторой генеральной совокупности, из которой получены экспериментальные значения xi и yi. Когда исследуется корреляция между количественными признаками, значения которых можно точно измерить в единицах метрических шкал (метры, секунды, килограммы и т.д.), то очень часто принимается модель двумерной нормально распределенной генеральной совокупности. Такая модель отображает зависимость между переменными величинами xi и yi графически в виде геометрического места точек в системе прямоугольных координат. Такую графическую зависимость называются также диаграммой рассеивания или корреляционным полем.
Данная модель двумерного нормального распределения (корреляционное поле) дает наглядную графическую интерпретацию коэффициента корреляции, т.к. распределение в совокупности зависит от пяти параметров: μx, μy - средние значения (математические ожидания); σx,σy - стандартные отклонения случайных величин Х и Y и р - коэффициент корреляции, который является мерой связи между случайными величинами Х и Y.
| Возможности гражданского участия в противодействии коррупции |