5 ejemplos de investigación correlacional que te sorprenderán

La investigación correlacional es un tipo de investigación no experimental en la que el investigador mide dos variables y evalúa la relación estadística (es decir, la correlación) entre ellas con poco o ningún esfuerzo para controlar las variables extrañas. Hay muchas razones por las que los investigadores interesados en las relaciones estadísticas entre variables elegirían realizar un estudio correlacional en lugar de un experimento. La primera es que no creen que la relación estadística sea causal o no esté interesada en las relaciones causales. Recuerde que dos objetivos de la ciencia son describir y predecir, y la estrategia de investigación correlacional permite a los investigadores lograr ambos objetivos. Específicamente, esta estrategia se puede usar para describir la fuerza y la dirección de la relación entre dos variables y si hay una relación entre las variables, los investigadores pueden usar puntajes en una variable para predecir puntajes en la otra (utilizando una técnica estadística llamada regresión ).

Otra razón por la que los investigadores elegirían usar un estudio correlacional en lugar de un experimento es que se cree que la relación estadística de interés es causal, pero el investigador no puede manipular la variable independiente porque es imposible, poco práctica o poco ética. Por ejemplo, si bien podría estar interesado en la relación entre la frecuencia que las personas usan el cannabis y sus habilidades de memoria, no puedo manipular éticamente la frecuencia que las personas usan el cannabis. Como tal, debo confiar en la estrategia de investigación correlacional; Simplemente debo medir la frecuencia en que las personas usan el cannabis y medir sus habilidades de memoria utilizando una prueba estandarizada de memoria y luego determinar si la frecuencia que usan el uso del cannabis está estadísticamente relacionado con el rendimiento de la prueba de memoria.

La correlación también se utiliza para establecer la fiabilidad y validez de las mediciones. Por ejemplo, un investigador podría evaluar la validez de una breve prueba de extraversión administrándola a un gran grupo de participantes junto con una prueba de extraversión más larga que ya ha demostrado ser válida. Este investigador podría verificar si los puntajes de los participantes en la prueba breve están fuertemente correlacionadas con sus puntajes en el más largo. Se cree que ninguna puntuación de prueba causa al otro, por lo que no hay una variable independiente para manipular. De hecho, los términos variables independientes y variables dependientes no se aplican a este tipo de investigación.

Otra fortaleza de la investigación correlacional es que a menudo tiene mayor validez externa que la investigación experimental. Recuerde que generalmente hay una compensación entre la validez interna y la validez externa. A medida que se agregan mayores controles a los experimentos, la validez interna aumenta pero a menudo a expensas de la validez externa. Por el contrario, los estudios correlacionales generalmente tienen una validez interna baja porque no se manipula nada o control, pero a menudo tienen una alta validez externa. Dado que nada es manipulado o controlado por el experimentador, los resultados tienen más probabilidades de reflejar las relaciones que existen en el mundo real.

¿Qué es una investigación correlacional?

La investigación correlacional es un tipo de investigación no experimental en la que el investigador mide dos variables y evalúa la relación estadística (es decir, la correlación) entre ellas con poco o ningún esfuerzo para controlar las variables extrañas. Esencialmente, hay dos razones por las que los investigadores interesados en las relaciones estadísticas entre variables elegirían realizar un estudio correlacional en lugar de un experimento. La primera es que no creen que la relación estadística sea causal. Por ejemplo, un investigador podría evaluar la validez de una breve prueba de extraversión administrándola a un gran grupo de participantes junto con una prueba de extraversión más larga que ya ha demostrado ser válida. Este investigador podría verificar si los puntajes de los participantes en la prueba breve están fuertemente correlacionadas con sus puntajes en el más largo. Se cree que ninguna puntuación de prueba causa al otro, por lo que no hay una variable independiente para manipular. De hecho, los términos variables independientes y variables dependientes no se aplican a este tipo de investigación.

La otra razón por la que los investigadores elegirían usar un estudio correlacional en lugar de un experimento es que se cree que la relación estadística de interés es causal, pero el investigador no puede manipular la variable independiente porque es imposible, poco práctica o poco ética. Por ejemplo, Allen Kanner y sus colegas pensaron que la cantidad de «molestias diarias» (por ejemplo, vendedores groseros, tráfico pesado) que experimentan las personas afecta la cantidad de síntomas físicos y psicológicos que tienen (Kanner, Coyne, Schaefer y Lazarus, 1981 ) [1]. Pero debido a que no podían manipular la cantidad de molestias diarias que experimentaron sus participantes, tuvieron que conformarse con medir la cantidad de problemas diarios, junto con la cantidad de síntomas, utilizando cuestionarios de autoinforme. Aunque la fuerte relación positiva que encontraron entre estas dos variables es consistente con su idea de que los problemas causan síntomas, también es consistente con la idea de que los síntomas causan problemas o que alguna tercera variable (por ejemplo, neuroticismo) causa ambos.

Un error común entre los investigadores principiantes es que la investigación correlacional debe involucrar dos variables cuantitativas, como las puntuaciones en dos pruebas de extraversión o el número de problemas y el número de síntomas que las personas han experimentado. Sin embargo, la característica definitoria de la investigación correlacional es que las dos variables se miden, ni una manipulada, y esto es cierto independientemente de si las variables son cuantitativas o categóricas. Imagine, por ejemplo, que un investigador administra la escala de autoestima de Rosenberg a 50 estudiantes universitarios estadounidenses y 50 estudiantes universitarios japoneses. Aunque esto «se siente» como un experimento entre sujetos, es un estudio correlacional porque el investigador no manipuló las nacionalidades de los estudiantes. Lo mismo es cierto para el estudio de Cacioppo y Petty comparando profesores y trabajadores de fábricas en términos de su necesidad de cognición. Es un estudio correlacional porque los investigadores no manipularon las ocupaciones de los participantes.

La Figura 7.2 muestra datos de un estudio hipotético sobre la relación entre si las personas hacen una lista diaria de cosas que hacer (una «lista de tareas») y el estrés. Tenga en cuenta que no está claro si este diseño es un experimento o un estudio correlacional porque no está claro si la variable independiente fue manipulada. Si el investigador asignó aleatoriamente a algunos participantes para hacer listas diarias de tareas y otras no hacerlo, entonces es un experimento. Si el investigador simplemente preguntó a los participantes si hicieron listas diarias de tareas pendientes, entonces es un estudio correlacional. La distinción es importante porque si el estudio fue un experimento, se podría concluir que hacer que las listas diarias redujeran el estrés de los participantes. Pero si se tratara de un estudio correlacional, solo podría concluir que estas variables están relacionadas. Quizás estar estresado tiene un efecto negativo en la capacidad de las personas para planificar con anticipación (el problema de direccionalidad). O tal vez las personas que son más concienzudas tienen más probabilidades de hacer listas de tareas pendientes y es menos probable que se estresen (el tercer problema variable). El punto crucial es que lo que define un estudio como experimental o correlacional no son las variables que se están estudiando, ni si las variables son cuantitativas o categóricas, ni el tipo de gráfico o estadísticas utilizadas para analizar los datos. Así es como se realiza el estudio.

Nuevamente, la característica definitoria de la investigación correlacional es que ninguna variable se manipula. No importa cómo o dónde se miden las variables. Un investigador podría hacer que los participantes acudieran a un laboratorio para completar una tarea computarizada de dígitos atrasado y una tarea de toma de decisiones arriesgada computarizada y luego evaluar la relación entre los puntajes de los participantes en las dos tareas. O un investigador podría ir a un centro comercial para preguntar a las personas sobre sus actitudes hacia el medio ambiente y sus hábitos de compra y luego evaluar la relación entre estas dos variables. Ambos estudios serían correlacionales porque no se manipula ninguna variable independiente. Sin embargo, debido a que algunos enfoques para la recopilación de datos están fuertemente asociados con la investigación correlacional, tiene sentido discutirlos aquí. Los dos en los que nos centraremos son datos de observación naturalista y archivo. Una tercera, la investigación de la encuesta, se discute en su propio capítulo, Capítulo 9.

¿Qué es una investigación correlacional ejemplos?

La psicología es una ciencia, y como cualquier otra, su conocimiento debe ser científicamente obtenido, verificado y validado. Para esto, los psicólogos realizan tres tipos de investigación:

Investigación experimental: el tipo de investigación más empírico, donde las variables se pueden manipular en condiciones de laboratorio y se pueden estudiar diferentes situaciones y compararse para establecer relaciones de causa y efecto entre variables.
Investigación clínica: realizada a través de estudios de casos bajo la premisa de que ciertas características individuales pueden generalizarse al resto de la población.
Investigación correlacional: busca la relación entre dos variables. Los datos necesarios se recopilan a través de encuestas (cuestionarios y entrevistas), investigación de archivo (estudios anteriores que presentan los datos) y la observación naturalista (observación de los fenómenos a medida que ocurren naturalmente, sin intervenir). Los datos se analizan estadísticamente para verificar la relación entre las variables.

La correlación entre las variables se muestra a través de un valor que va de -1.00 a +1.00. Este valor se llama coeficiente correlacional. Cuando el coeficiente correlacional está cerca de +1.00, existe una correlación positiva entre las variables. En otras palabras, un aumento en X acompaña a un aumento en Y. Cuando el coeficiente correlacional es cercano a -1.00, hay una correlación negativa entre las variables o un aumento en X es seguido por una disminución en Y. y cuando el coeficiente correlacional está cerca de 0.00 no hay relación entre las variables. Cuanto más cerca sea el valor de +1.00 o -1.00, más fuerte es la relación. Veremos ejemplos reales de esto más adelante en esta publicación.

Ahora, lo más importante para recordar sobre los estudios correlacionales es que la correlación no implica causalidad. Por ejemplo, digamos que el «matrimonio» tiene una correlación negativa con el «cáncer», lo que significa que las personas que están casadas tienen menos probabilidades de desarrollar cáncer a lo largo de sus vidas que aquellas que permanecen solteras. Esto no significa necesariamente que uno cause al otro o que el matrimonio evite directamente el cáncer. Tal vez una variable causa a la otra, pero incluso si lo hace, en estudios correlacionales no es posible determinar la dirección de la causalidad o lo que está causando qué. Y también podría ser que una tercera variable desconocida es lo que causa la correlación. Tenga esto en cuenta a medida que vemos los ejemplos de estudio correlacional.

¿Qué es la investigación correlacional y sus características?

Investigación correlacional es una vía potente para adquirir y analizar información. Es un método de investigación no experimental en el que los investigadores investigan y evalúan las relaciones estadísticas entre dos variables de investigación sin controlar a ningún influyente o las variables involucradas.

Este artículo se detiene en las complejidades del diseño de investigación correlacional.

Los diseños de investigación correlacionales son efectivos en todo tipo de conjuntos de datos cuantitativos. Por ejemplo, ampliamente utilizada en la investigación de mercado, otra razón clave para utilizar la investigación correlacional es cuando la manipulación variable es imposible o poco ética. En tales casos, el uso de estudios correlacionales, determinar las relaciones estadísticas entre dos variables implica solo medir instancias.

Las características básicas de la investigación correlacional son las siguientes:

El análisis correlacional descubre las relaciones entre el comportamiento, los ocurrencias y otros aspectos de las variables de investigación en cuestión de forma natural. Por lo tanto, la investigación correlacional puede ayudar a validar e investigar la confiabilidad de las mediciones. Una observación estándar actúa como referencia para validar otra.

Los investigadores podrían evaluar la validez de una breve prueba de extraversión al contar con los resultados y la naturaleza de otra prueba de extraversión validada. El investigador puede verificar si los puntajes de las nuevas pruebas tienen una fuerte correlación con los resultados del estudio validado. Como ninguno de los puntajes de las pruebas afectan al otro, no hay variables independientes para manipular.

¿Qué es la investigación correlacional?

El método científico adoptado para el desarrollo de la parte cuantitativa de nuestra investigación es del tipo correlacional para un estudio principalmente transversal del comportamiento de toma de drogas. A diferencia del método experimental en el sentido estricto en el que el experimentador manipula la variable independiente distribuyendo los sujetos al azar en diferentes condiciones o modalidad de expresión de esta variable, en nuestro estudio todas las variables se dan al inicio.

Además, si el método experimental permite establecer vínculos causales entre los fenómenos observados, este no es el caso con el método correlacional que esencialmente ofrece un enfoque descriptivo para los vínculos entre los fenómenos en la pregunta380. Sin embargo, dado que nuestro estudio evalúa los elementos de la historia personal de los sujetos, como la historia psiquiátrica, este tipo de variable puede considerarse como comportamientos de comportamientos que ocurren más tarde 381.

Con respecto a los datos que hemos recopilado, estos se procesaron estadísticamente con la versión 5382. Estadística de EPI-INFO.

El KHI cuadrado se reemplaza por la prueba exacta de Fisher (unilateral) cuando un valor esperado es inferior a cinco. A veces se lleva a cabo el cálculo del riesgo relativo (RR), se refiere a la tasa de tasa de enfermedad en las personas expuestas / tasa de enfermedad en la impestión. La enfermedad puede considerarse como la variable dependiente (que va en la dirección del síntoma) y la exposición como la variable independiente. Como resultado, un riesgo relativo mayor que A indica que la variable independiente tiende a aumentar las posibilidades de tener la enfermedad o la característica en cuestión. Cuando el riesgo relativo es inferior a uno, la variable independiente juega el papel de un factor protector.

¿Cuáles son los tipos de investigación correlacional?

La correlación Ioricerca es un tipo de investigación no experimental en la que los investigadores miden dos variables y establecen una relación estadística entre ellas (correlación), sin la necesidad de incluir variables externas para lograr conclusiones significativas.

Hay dos razones esenciales por las cuales los investigadores están interesados en estas relaciones estadísticas entre variables y están motivadas para realizar investigaciones correlativas.

El primero es porque no creen que la relación entre estas variables sea accidental, es decir, que un investigador aplique una encuesta cuyo uso es conocido por un grupo de personas previamente elegidas.

La segunda razón por la cual este tipo de investigación se realiza en lugar de experimentación se debe a la relación estadística causal entre las variables, de esta manera no pueden manipular las variables de forma independiente, ya que es imposible, no muy práctico e inmoral.

Existen tres tipos de investigación correlacional (observación natural, encuestas y cuestionarios, análisis de información). De la misma manera, la correlación entre las variables puede ser positiva (directamente proporcional) o negativa (inversamente proporcional). Indique la forma en que una variable puede influir en la otra.

Por lo general, se cree que la investigación correlacionada debería involucrar dos variables cuantitativas, como las puntuaciones, los resultados del número de eventos repitidos dentro de un período de tiempo.

Sin embargo, la característica más importante de la investigación correlativa es que las dos variables tratadas se miden (sin ser manipuladas) y los resultados son verdaderos independientemente del tipo de variable (cuantitativa o categórica) (Price, Jhangiani y Chiang, 2017).

¿Cómo se aplica el metodo correlacional?

Usando un análisis de correlación, puede resumir la relación entre las variables en un coeficiente de correlación: un número único que describe la fuerza y la dirección de la relación entre las variables. Con este número, cuantificará el grado de relación entre variables.

Los coeficientes de correlación generalmente se encuentran para dos variables a la vez, pero puede usar un coeficiente de correlación múltiple para tres o más variables.

Con un análisis de regresión, puede predecir cuánto cambio en una variable se asociará con un cambio en la otra variable. El resultado es una ecuación de regresión que describe la línea en un gráfico de sus variables.

Puede usar esta ecuación para predecir el valor de una variable en función de los valores dados de las otras variables. Es mejor realizar un análisis de regresión después de probar una correlación entre sus variables.

Es importante recordar que la correlación no implica causalidad. El hecho de que encuentre una correlación entre dos cosas no significa que pueda concluir que una de ellas causa al otro por algunas razones.

Si se correlacionan dos variables, podría deberse a que una de ellas es una causa y la otra es un efecto. Pero el diseño de investigación correlacional no le permite inferir cuál es cuál. Para errar por precaución, los investigadores no concluyen la causalidad de los estudios correlacionales.

Una variable de confusión es una tercera variable que influye en otras variables para que parezcan causalmente relacionadas a pesar de que no lo están. En cambio, hay enlaces causales separados entre el confundidor y cada variable.

¿Qué es la hipotesis correlacional ejemplos?

El coeficiente de correlación de momento del producto (PMCC), o R, es una medida de cuán fuertemente relacionadas están las 2 variables. Varía entre -1 y 1, lo que indica la fuerza de una correlación.
Cuanto más cercano es 1 o -1 cuanto más fuerte sea la correlación (positiva o negativa) entre dos variables.
La hipótesis nula es la hipótesis que se supone que es correcta hasta que se demuestre lo contrario. Establece que no hay correlación entre las variables.
La hipótesis alternativa es la que se acepta cuando se rechaza la hipótesis nula. Puede ser una cola (mirando un resultado) o dos colas (mirando ambos resultados, positivo y negativo).
Si el nivel de significancia es del 5%, esto significa que existe un 5% de posibilidades de que la hipótesis nula sea rechazada incorrectamente.

Sí. La correlación de Pearson produce un valor de PMCC, o valor R, lo que indica la fuerza de la relación entre dos variables.

Sí. La correlación no es equivalente a la causalidad, sin embargo, podemos probar hipótesis para determinar si existe una correlación (o asociación) entre dos variables.

Necesita una hipótesis nula (p = 0) y alternativa. El valor PMCC o R debe calcularse, en función de los datos de la muestra. Según el nivel de significancia y el tamaño de la muestra, el valor crítico se puede resolver a partir de una tabla de valores en el folleto de fórmula. Finalmente, el valor R y el valor crítico se pueden comparar para determinar qué hipótesis se acepta.

Hay una correlación lineal positiva perfecta entre 2 variables

¿Qué es una hipótesis correlacional?

Una hipótesis es una declaración comprobable sobre cómo funciona algo en el mundo natural. Mientras que algunas hipótesis predicen una relación causal entre dos variables, otras hipótesis predicen una correlación entre ellas. Según la base de conocimiento de los métodos de investigación, una correlación es un número único que describe la relación entre dos variables. Si no predice una relación causal o no puede medir una objetiva, indique claramente en su hipótesis de que simplemente está prediciendo una correlación.

Investigue el tema en profundidad antes de formar una hipótesis. Sin un conocimiento adecuado sobre el tema, no podrá decidir si escribir una hipótesis para la correlación o la causalidad. Lea los hallazgos de experimentos similares antes de escribir su propia hipótesis.

Una hipótesis es una declaración comprobable sobre cómo funciona algo en el mundo natural.
Sin un conocimiento adecuado sobre el tema, no podrá decidir si escribir una hipótesis para la correlación o la causalidad.

Identificar la variable independiente y la variable dependiente. Su hipótesis se preocupará por lo que sucede con la variable dependiente cuando se realiza un cambio en la variable independiente. En una correlación, las dos variables experimentan cambios al mismo tiempo en un número significativo de casos. Sin embargo, esto no significa que el cambio en la variable independiente cause el cambio en la variable dependiente.

Construya un experimento para probar su hipótesis. En un experimento correlativo, debe poder medir la relación exacta entre dos variables. Esto significa que deberá averiguar con qué frecuencia ocurre un cambio en ambas variables en términos de un porcentaje específico.

Una hipótesis es una declaración comprobable sobre cómo funciona algo en el mundo natural.
Sin un conocimiento adecuado sobre el tema, no podrá decidir si escribir una hipótesis para la correlación o la causalidad.

Identificar la variable independiente y la variable dependiente.

En un experimento correlativo, debe poder medir la relación exacta entre dos variables.

Establecer los requisitos del experimento con respecto a la significación estadística. Instruya a los lectores exactamente con qué frecuencia las variables deben correlacionarse para alcanzar un nivel lo suficientemente alto de significación estadística. Este número variará considerablemente dependiendo del campo. En un estudio científico altamente técnico, por ejemplo, las variables pueden necesitar correlacionar el 98 por ciento del tiempo; Pero en un estudio sociológico, la correlación del 90 por ciento puede ser suficiente. Mire otros estudios en su campo particular para determinar los requisitos de significación estadística.

¿Cuándo se utiliza la investigación correlacional?

Fondo:
La importancia de la investigación correlacional se ha informado en la literatura, pero pocos textos de investigación discuten el diseño en cualquier detalle.

Apuntar:
Discutir cuestiones y consideraciones importantes en la investigación correlacional y sugerir formas de evitar posibles problemas durante la preparación y aplicación del diseño.

Discusión:
Este artículo se dirige a la brecha identificada en la literatura con respecto al diseño de investigación correlacional. Específicamente, analiza la importancia y el propósito de la investigación correlacional, su aplicación, análisis e interpretación con contextualizaciones a la investigación de enfermería y salud.

Conclusión:
Los resultados de la investigación correlacional se pueden utilizar para determinar la prevalencia y las relaciones entre las variables, y para pronosticar eventos de los datos y el conocimiento actuales. A pesar de sus muchos usos, se requiere prudencia al usar la metodología y el análisis de datos. Para ayudar a los investigadores a reducir los errores, se destacan temas importantes para la discusión y se presentan varias opciones para analizar los datos.

Implicaciones para la Practica:
La investigación correlacional se usa ampliamente y este documento debe ser particularmente útil para los investigadores de enfermeras novatos. Además, los resultados generados a partir de la investigación correlacional se pueden utilizar, por ejemplo, para informar la toma de decisiones e para mejorar o iniciar actividades o cambios relacionados con la salud.