Korrelasjonsforskning
Korrelasjon betyr at det er en sammenheng mellom to eller flere variabler( for eksempel iskremforbruk og kriminalitet), men dette forholdet innebærer ikke nødvendigvis årsak og virkning. Når to variabler er korrelert, betyr det ganske enkelt at når en variabel endres, så gjør den andre. Vi kan måle korrelasjon ved å beregne en statistikk kjent som en korrelasjonskoeffisient. En korrelasjonskoeffisient er et tall fra -1 til +1 som indikerer styrken og retningen av forholdet mellom variabler. Korrelasjonskoeffisienten er vanligvis representert ved bokstaven r.
talldelen av korrelasjonskoeffisienten indikerer styrken av forholdet. Jo nærmere tallet er til 1 (det være seg negativt eller positivt), desto sterkere er variablene, og de mer forutsigbare endringene i en variabel vil være som de andre variabelendringene. Jo nærmere tallet er til null, jo svakere forholdet, og jo mindre forutsigbart blir forholdet mellom variablene. For eksempel indikerer en korrelasjonskoeffisient på 0,9 et langt sterkere forhold enn en korrelasjonskoeffisient på 0,3. Hvis variablene ikke er relatert til hverandre i det hele tatt, er korrelasjonskoeffisienten 0. Eksemplet ovenfor om iskrem og kriminalitet er et eksempel på to variabler som vi kan forvente å ha noe forhold til hverandre.
tegnet-positivt eller negativt-av korrelasjonskoeffisienten indikerer retningen av forholdet (Figur 1). En positiv korrelasjon betyr at variablene beveger seg i samme retning. Sagt på en annen måte, betyr det at når en variabel øker, så gjør den andre, og omvendt, når en variabel minker, så gjør den andre. En negativ korrelasjon betyr at variablene beveger seg i motsatt retning. Hvis to variabler er negativt korrelert, er en reduksjon i en variabel forbundet med en økning i den andre og omvendt.eksemplet på iskrem og kriminalitet er en positiv korrelasjon fordi begge variablene øker når temperaturen er varmere. Andre eksempler på positive sammenhenger er forholdet mellom en persons høyde og vekt eller forholdet mellom en persons alder og antall rynker. Man kan forvente en negativ korrelasjon mellom noens tretthet i løpet av dagen og antall timer de sov forrige natt: mengden søvn avtar som følelsen av tretthet øker. I et reelt eksempel på negativ korrelasjon fant studentforskere ved University Of Minnesota en svak negativ korrelasjon (r = -0,29) mellom gjennomsnittlig antall dager per uke at studentene fikk færre enn 5 timers søvn og DERES gpa (Lowry, Dean, & Manders, 2010). Husk at en negativ korrelasjon ikke er det samme som ingen korrelasjon. For eksempel vil vi sannsynligvis ikke finne noen sammenheng mellom søvntid og skostørrelse.
som nevnt tidligere har korrelasjoner prediktiv verdi. Tenk deg at du er på opptakskomiteen til et større universitet. Du står overfor et stort antall søknader, men du er i stand til å imøtekomme bare en liten prosentandel av søkeren bassenget. Hvordan kan du bestemme hvem som skal tas opp? Du kan prøve å korrelere dine nåværende studenters høyskole GPA med deres score på standardiserte tester som SAT eller ACT. Ved å observere hvilke korrelasjoner som var sterkest for dine nåværende studenter, kan du bruke denne informasjonen til å forutsi relativ suksess for de studentene som har søkt om opptak til universitetet.
Figur 1. Scatterplots er en grafisk visning av styrken og retningen av korrelasjoner. Jo sterkere korrelasjonen, jo nærmere datapunktene er til en rett linje. I disse eksemplene ser vi at det er (a) en positiv sammenheng mellom vekt og høyde, (b) en negativ sammenheng mellom tretthet og søvntid, og (c) ingen sammenheng mellom skostørrelse og søvntid.
Prøv det
Korrelasjon Indikerer Ikke Årsakssammenheng
Korrelasjonsforskning er nyttig fordi den tillater Oss å å oppdage styrken og retningen av relasjoner som eksisterer mellom to variabler. Derimot, korrelasjon er begrenset fordi etablere eksistensen av et forhold forteller oss lite om årsak og virkning. Mens variabler noen ganger korreleres fordi man forårsaker den andre, kan det også være at en annen faktor, en forvirrende variabel, faktisk forårsaker den systematiske bevegelsen i våre variabler av interesse. I eksemplet med iskrem/kriminalitet nevnt tidligere er temperaturen en forvirrende variabel som kan utgjøre forholdet mellom de to variablene.
Selv når vi ikke kan peke på klare forvirrende variabler, bør vi ikke anta at en korrelasjon mellom to variabler innebærer at en variabel forårsaker endringer i en annen. Dette kan være frustrerende når et årsakssammenheng virker klart og intuitivt. Tenk tilbake til vår diskusjon av forskningen gjort Av American Cancer Society og hvordan deres forskningsprosjekter var noen av de første demonstrasjonene av sammenhengen mellom røyking og kreft. Det virker rimelig å anta at røyking forårsaker kreft, men hvis vi var begrenset til korrelasjonsforskning, ville vi overskride grensene våre ved å gjøre denne antakelsen.
Dessverre gjør folk feilaktig krav på årsakssammenheng som en funksjon av korrelasjoner hele tiden. Slike påstander er spesielt vanlig i reklame og nyheter. For eksempel fant nyere forskning at folk som spiser frokostblanding regelmessig, oppnår sunnere vekter enn de som sjelden spiser frokostblanding (Frantzen, Treviñ, Echon, Garcia-Dominic, & DiMarco, 2013; Barton et al., 2005). Gjett hvordan kornselskapene rapporterer dette funnet. Spiser frokostblanding virkelig en person til å opprettholde en sunn vekt, eller er det andre mulige forklaringer, for eksempel noen med en sunn vekt er mer sannsynlig å regelmessig spise en sunn frokost enn noen som er overvektige eller noen som unngår måltider i et forsøk på å diett (Figur 2)? Mens korrelasjonsforskning er uvurderlig for å identifisere relasjoner mellom variabler, er en stor begrensning manglende evne til å etablere årsakssammenheng. Psykologer ønsker å uttale seg om årsak og virkning, men den eneste måten å gjøre det på er å gjennomføre et eksperiment for å svare på et forskningsspørsmål. Den neste delen beskriver hvordan vitenskapelige eksperimenter innlemme metoder som eliminerer, eller kontroll for, alternative forklaringer, som tillater forskere å utforske hvordan endringer i en variabel årsak endringer i en annen variabel.
Prøv det
Se det
Se dette klippet Fra Freakonomics for et eksempel på hvordan korrelasjon ikke indikerer årsakssammenheng.
Figur 2. Betyr spise frokostblanding virkelig føre noen til å være en sunn vekt? (kreditt: Tim Skillern)
Illusoriske Korrelasjoner
fristelsen til å gjøre feilaktige årsak-og-effekt-utsagn basert på korrelasjonsforskning er ikke den eneste måten vi har en tendens til å feiltolke data. Vi har også en tendens til å gjøre feilen i illusoriske korrelasjoner, spesielt med usystematiske observasjoner. Illusoriske korrelasjoner, eller falske korrelasjoner, oppstår når folk tror at relasjoner eksisterer mellom to ting når ingen slike forhold eksisterer. En velkjent illusorisk korrelasjon er den antatte effekten som månens faser har på menneskelig atferd. Mange hevder lidenskapelig at menneskelig atferd påvirkes av månens fase, og spesielt at folk oppfører seg merkelig når månen er full (Figur 3).
Figur 3. Mange tror at en fullmåne gjør at folk oppfører seg merkelig. (kreditt: Cory Zanker)
det er ikke nektet at månen utøver en kraftig innflytelse på vår planet. Flo og fjære av havets tidevann er tett knyttet til gravitasjonskreftene til månen. Mange tror derfor at det er logisk at vi også påvirkes av månen. Tross alt består kroppene våre i stor grad av vann. En meta-analyse av nesten 40 studier viste konsekvent at forholdet mellom månen og vår oppførsel ikke eksisterer (Rotton & Kelly, 1985). Mens vi kan være mer oppmerksom på merkelig oppførsel under månens fulle fase, forblir frekvensen av merkelig oppførsel konstant gjennom månens syklus.
Hvorfor er vi så tilbøyelige til å tro på illusoriske sammenhenger som dette? Ofte leser eller hører vi om dem og aksepterer bare informasjonen som gyldig. Eller, vi har en anelse om hvordan noe fungerer og deretter se etter bevis for å støtte den anelse, ignorerer bevis som ville fortelle oss vår anelse er falsk; dette er kjent som bekreftelse skjevhet. Andre ganger finner vi illusoriske korrelasjoner basert på informasjonen som kommer lettest i tankene, selv om informasjonen er sterkt begrenset. Og mens vi kan føle oss sikre på at vi kan bruke disse relasjonene til å bedre forstå og forutsi verden rundt oss, kan illusoriske korrelasjoner ha betydelige ulemper. For eksempel tyder forskning på at illusoriske korrelasjoner – der visse atferd er unøyaktig tilskrives bestemte grupper – er involvert i dannelsen av skadelige holdninger som til slutt kan føre til diskriminerende oppførsel (Fiedler, 2004).