Los estudios correlacionales pueden tomar todo tipo de formas, y cada ejemplo de estudio correlacional utilizará diferentes variables. Por ejemplo, podrían tratar de responder una de las siguientes preguntas:
- ¿Existe una relación entre el número de parkas vendidas y la cantidad de accidentes de esquí?
- ¿Son los fumadores más o menos propensos a correr maratones que los no fumadores?
- ¿Existe una relación entre la esperanza de vida y el color de la pintura en las paredes de una casa?
Es importante tener en cuenta que los estudios correlacionales buscan una relación entre dos conceptos; No están tratando de determinar si una variable causa otra.
Un coeficiente correlacional es un número que se utiliza en estudios correlacionales para expresar la relación entre variables. Los coeficientes correlacionales pueden variar de -1 a 1. Si el coeficiente correlacional de un estudio se acerca 1, eso significa que las dos variables en el estudio tienen una relación positiva fuerte: cuando los científicos encontraron una variable, a menudo encontran la otra. Si el coeficiente está más cerca de -1, los científicos encontraron una relación negativa: donde estaba presente una variable, la otra casi siempre estaba ausente y viceversa. Un coeficiente correlacional de 0 significa que no hubo relación, positiva o negativa, que se encontró entre las dos variables.
¿Cuál es la diferencia entre un estudio experimental versus correlacional? Los estudios correlacionales se contrastan con estudios experimentales. Si bien los estudios correlacionales no manipulan variables y solo examinan sus relaciones de manera pasiva, los estudios experimentales alteran deliberadamente las variables para comprender sus relaciones. Ambos tipos de estudios son valiosos en diferentes contextos. Buscan comprender cosas diferentes y tienen diferentes consideraciones éticas adjuntas.
La realización de encuestas es un tipo de estudio correlacional.
¿Dónde se aplica la investigación correlacional?
1 Diseño de investigación en Psicología Correlación Investigación y diseños correlativos Introducción En la investigación de correlación, se examinan las relaciones entre dos o más características. Si bien la investigación experimental tiene como objetivo producir variaciones de variables dependientes manipulando variables independientes, la investigación de correlación se ocupa de las conexiones entre las variaciones existentes entre las características de individuos, grupos sociales u otras características interesadas (ver Cronbach, 1957): existe, por ejemplo, allí, por ejemplo, ¿Una conexión entre inteligencia y éxito profesional? ¿Cómo se relacionan los rasgos de personalidad con las lidiabras con el estrés? ¿Qué sociodemográfico (por ejemplo, edad, género, nivel de educación) y qué rasgos de personalidad (por ejemplo, versión adicional, conciencia, impulsividad) están relacionados con qué tipos de uso de Internet? El experimento se considera el camino del rey para la investigación psicológica, porque este método puede ser examinado y descubierto por relaciones causales entre variables independientes y dependientes. Sin embargo, el método experimental presupone que las variables independientes pueden variar arbitrariamente y pueden verificarse lo más completamente posible. Estas condiciones no pueden realizarse en muchos problemas psicológicos y en particular de las ciencias sociales por razones fundamentales, económicas y éticas. Si por ejemplo Se debe examinar la importancia de los rasgos de personalidad para la salud y el pozo psicológico. La extraversión, la conciencia y la inestabilidad emocional no son variadas arbitrariamente, es decir, fabricadas, ya que estas propiedades ya están disponibles como las variables de organismo que se encuentran en una determinada forma. Un experimentador no puede hacer que una persona sea más consciente o más extravertida de lo que es. Otro ejemplo es el género de un investigador, que por supuesto no puede ser cambiado arbitrariamente por lo experimental. Las variables del organismo no se pueden variar sistemáticamente en un experimento, pero se pueden seleccionar, es decir, el género de un sujeto de prueba puede tenerse en cuenta como un factor adicional en un diseño multifactorial. En otras preguntas, el acceso experimental no es posible por razones económicas o éticas. Otra ventaja de la investigación de correlación en comparación con los diseños experimentales es que se pueden examinar las relaciones entre muchas variables. En contraste, solo unas pocas variables independientes y dependientes se tienen en cuenta en un experimento. Experimento versus límites de correlación de controlabilidad
2 190 Introducción a los métodos de investigación de la psicología Las relaciones correlativas no deben interpretarse causalmente. Los procedimientos para el análisis de los contextos se utilizan con mayor frecuencia en la investigación en ciencias sociales (por ejemplo, sociología, política, psicología) por las razones mencionadas que el método experimental, pero tienen una desventaja decisiva: las relaciones correlativas no deben interpretarse causalmente; Solo es posible restringir o falsificar el número de alternativas explicativas causales a través de ciertos diseños correlativos (estudios longitudinales y, en particular, diseños de paneles cruzados, ver a continuación) y/o consideraciones de contenido. Sin embargo, la cuestión de la interpretabilidad causal de las relaciones correlativas también depende del concepto de causalidad subyacente (ver 4.1). Las relaciones correlativas tampoco son deterministas, como muchas relaciones funcionales que, p. se determinaron en física, pero solo estocásticamente (dependiendo del aleatorio) y, por lo tanto, solo con cierta probabilidad. Para evitar malentendidos, debe señalarse en este punto que la investigación de correlación no se limita a un solo procedimiento estadístico, como los coeficientes de correlación Bravais-Pearson. La regresión y los procedimientos de análisis analítico de factores (ver más abajo) también son parte de la investigación de correlación, porque esto también determina ciertos tipos de relaciones. Los procedimientos estadísticos para examinar y revisar las conexiones se transmiten en particular en el módulo 2, pero también en el módulo 6 y 7. En esta sección, solo una descripción general relacionada con el contenido, en gran medida no técnica de varios diseños correlativos o hipótesis de contexto. Investigación de las hipótesis de contexto bivariador de la asociación entre dos características de las hipótesis de conexión desaliñada abordó hipótesis de la conexión de la conexión bivariada que afectan las asociaciones presumidas entre dos características. ¿Hay, por ejemplo? ¿Una conexión entre la edad y el período promedio de uso de Internet por semana? Dependiendo del conocimiento previo (o en otros casos, teóricamente justificado), esta pregunta puede formularse como una hipótesis de contexto no gastada o dirigida. En una conexión no vigente, las hipótesis solo aceptan una asociación entre dos características y no especifican si esta es una conexión negativa o positiva, en nuestro ejemplo: el uso de edad e internet está relacionado. Por el contrario, las hipótesis de relación dirigida especifican la dirección de la asociación, p. La edad está relacionada negativamente con el período promedio de la relación de Internet o se formula de manera diferente: la edad avanzada está acompañada de un menor uso de Internet. La dirección del contexto también se puede formular positivamente, en nuestro caso la hipótesis sería: la edad avanzada va de la mano con un mayor uso de Internet.
3 Diseños de investigación en Psicología 191 Para poder examinar esta hipótesis de contexto bivariado (no perturbado o dirigido), las dos características deben plantearse en una muestra representativa más grande posible (el tiempo promedio de ritmo de Internet se puede evaluar simplemente pero relativamente inexacta por Self -juicio). Dos valores medidos darían como resultado una serie de portador y dos series de valores medidos para toda la muestra con valores medidos claramente asignables. Con la ayuda de un coeficiente de correlación, ahora se puede determinar en qué medida las dos características del tiempo de uso de Internet antiguo y promedio por semana varían o covarian juntos. La covariación se puede describir como un tipo de contexto: una conexión lineal positiva o negativa es el caso si las altas características de la característica están asociadas con características altas o más bajas de la otra característica, p. Cuanto mayor sea la edad, menor será el tiempo promedio de uso de Internet (conexión lineal negativa). Una conexión no lineal, p. Si el tiempo promedio de uso de Internet disminuye hasta una cierta edad, pero aumenta nuevamente en la edad adulta más alta. Una posible explicación para esta conexión no lineal ficticia y construida podría ser que las personas en la edad avanzada descubren cada vez más Internet como un medio de comunicación para sí mismas y pueden usarlo particularmente intensamente, ya que tienen mucho tiempo libre disponible (por lo que se llama plata. surfistas). Una conexión no lineal empíricamente asegurada es la Ley Yerkes-Dodson (Yerkes y Dodson, 1908), según la cual la productividad continúa aumentando hasta un nivel medio de excitación, pero luego disminuye con niveles de excitación más altos (conexión a la inversa a la inversa, Ver Ilustración 7-3). Contexto lineal positivo o negativo de la conexión no lineal
4 192 Introducción a los métodos de investigación de la psicología Fig. 7-3: Ley de Yerkes-Dodson Consulte el gráfico en la dirección de Wikipedia y el confinamiento de la conexión además del tipo de conexión (lineal versus no lineal) la dirección (positiva o positiva o positiva o negativo) y determinar la intensidad o el confinamiento. Los coeficientes de correlación pueden tomar valores entre + 1 y 1. Cuanto mayor sea el coeficiente, más cerca de la conexión (positiva o negativa) entre 2 características. Si se determina un coeficiente de correlación de + 1 o 1, entonces hay un lineal perfecto y, por lo tanto, ya no es estocástico, sino determinista. Las características de una característica se pueden predecir perfectamente cuando el conocimiento de las formas de la otra característica (a través de una ecuación de regresión lineal, consulte el módulo 2 o la siguiente sección). Tales correlaciones altas son más empíricamente en psicología por varias razones, porque la experiencia y el comportamiento siempre se asocian con múltiples condiciones que también pueden interactuar (ver la siguiente sección). Además de eso, los errores en la medición de las características de interés reducen la estrechez de la conexión (cf. Incluso el módulo detallado 6, la construcción de la prueba del curso). Según las convenciones de Cohen (1988), las correlaciones alrededor de +/-. 10 pueden ser las conexiones débiles con +/-. 30 se interpretan como conexiones medianas y alrededor de +/-. 50 como relaciones sólidas. Una correlación de +/-. 50 entre dos características aún está lejos de ser una conexión perfecta, pero ya es una conexión sólida en psicología debido a la condición múltiple de experiencia y comportamiento. El coeficiente de correlación se puede utilizar depende del nivel de escala de las características registradas. En la Tabla 7-6, el coeficiente de correlación
5 Diseños de investigación en Psicología 193 caterines Dependiendo del nivel de escala solo enumerado; Puede encontrar información más detallada en el Módulo 2. En nuestro ejemplo, si asume las autoevaluaciones de las escalas de intervalo de período de uso de Internet (que ciertamente no es sin problemas), entonces se puede calcular la correlación de par del producto Bravais-Pearson. Tab. 7-6: Tipos de correlación bivariante Cuentan con X característica de la escala de intervalo de Y los dicotomas cuentan con escala ordinal a escala de intervalo ordinal Producto – Correlación de rango de rango de punto Biser Dicotomas Cuentan con la correlación de impulso de escala ordinal – Correlación φ – Coeficiente – Correlación de rango de rango biseral – con el ejemplo listado y el ejemplo y el ejemplo de la lista y El alcance del uso de Internet es un diseño correlativo de sección cruzada, en el que las características se recopilan solo en un cierto tiempo de medición (puede obtener más información sobre los diseños transversales en el Módulo 4 en psicología del desarrollo). En un diseño longitudinal, la misma característica se elevaría en el caso bivariado en todas las personas de una muestra en dos tiempos de medición diferentes. Este diseño se utiliza en la psicología diferencial y la investigación de la personalidad cuando la estabilidad temporal de las propiedades, p. Conciencia, debe determinarse. Las propiedades como experiencia habitual y tendencias conductuales deben tener una estabilidad empírica con el tiempo. Para poder determinar esta estabilidad temporal, se determina una correlación de devolución entre las características de una característica en caso de una muestra de personas en el tiempo T 1 y las características de la misma característica en el tiempo T 2 se determinan (las características de la La conciencia característica es, por ejemplo, por un cuestionario adecuado en el juicio elevado o extranjero). La correlación resultante se refiere a la estabilidad diferencial de la característica, es decir, la estabilidad temporal de las diferencias interindividuales. La estabilidad diferencial significa eliminar a las personas en las mismas posiciones relativas dentro de un grupo a lo largo del tiempo. Diseño de sección cruzada correlativa Diseño longitudinal Estabilidad diferencial
¿Cómo hacer una hipótesis correlacional ejemplos?
Ahora ampliamos el enfoque para las pruebas de hipótesis de una muestra del coeficiente de correlación a dos muestras.
- Dos pares de muestras independientes: esta página web
- Dos pares de muestra dependientes con una muestra en común (caso superpuesto)
- Dos pares de muestra dependientes sin muestra en común (caso no superpuesto)
Teorema 1: Suponga que R1 y R2 son como en el teorema 1 de las pruebas de correlación a través de la transformación de Fisher donde R1 y R2 se basan en muestras independientes y suponen que ρ1 = ρ2. Si Z se define de la siguiente manera, entonces z ∼ n (0,1).
donde s está como se define anteriormente. Dado que ρ1 = ρ2 se deduce que ρ´1 = ρ´2, y así
Podemos usar el Teorema 1 para probar si los coeficientes de correlación de dos poblaciones son iguales en función de tomar una muestra de cada población y comparar los coeficientes de correlación de las muestras.
Ejemplo 1: Se toma una muestra de 40 parejas de Londres comparando el coeficiente intelectual del esposo con el de su esposa. El coeficiente de correlación para la muestra es .77. ¿Es esto significativamente diferente del coeficiente de correlación de .68 para una muestra de 30 parejas de París?
Funciones de estadísticas reales: la siguiente función se proporciona en el paquete de recursos de estadísticas reales.
Correl2Test (R1, N1, R2, N2, Alpha, Lab): función de matriz que genera z, valor p (dos colas), inferior y superior (es decir, un límite inferior y superior del intervalo de confianza alfa), donde R1 y N1 son el coeficiente de correlación y el tamaño de la muestra para la primera muestra y R2 y N2 son valores similares para la segunda muestra. Si Lab = True, la salida toma la forma de un rango 4 × 2 con la primera columna que consiste en etiquetas, mientras que si Lab = falso (predeterminado), la salida toma la forma de un rango 4 × 1 sin etiquetas. Si se omite alfa, es predeterminado a .05.
¿Qué es hipótesis correlacional y ejemplos?
La investigación correlacional es un tipo de método de investigación no experimental en el que un investigador mide dos variables, comprende y evalúa la relación estadística entre ellos sin influencia de una variable extranjera.
Nuestra mente puede hacer cosas brillantes. Por ejemplo, puede memorizar el tintineo de un camión de pizza. Cuanto más fuerte sea el jingle, más cerca está el camión de pizza. ¿Quién nos enseñó eso? Nadie ! Confiamos en nuestra comprensión y llegamos a una conclusión. No nos detenemos allí, ¿verdad? Si hay varios camiones de pizza en la región y todos tienen un tintineo diferente, los memorizaríamos a todos y haríamos el vínculo entre el tintineo y su camión de pizza.
Esto es precisamente lo que es la investigación correlacional, establecer una relación entre dos variables, «jingle» y «distancia del camión» en este ejemplo particular. El estudio correlacional está buscando variables que parezcan interactuar entre sí. Cuando ve un cambio variable, tiene una idea bastante justa de cómo cambiará la otra variable.
El coeficiente de correlación muestra la correlación entre dos variables (un coeficiente de correlación es una medida estadística que calcula la fuerza de la relación entre dos variables), un valor medido entre -1 y +1. Cuando el coeficiente de correlación está cerca de +1, existe una correlación positiva entre las dos variables. Si el valor está cerca de -1, existe una correlación negativa entre las dos variables. Cuando el valor está cerca de cero, entonces no hay relación entre las dos variables.
¿Cómo realizar un estudio de tipo correlacional?
Los estudios correlacionales son un tipo de investigación que a menudo se usa en psicología, así como en otros campos, como la medicina. La investigación correlacional es una forma preliminar de recopilar información sobre un tema. El método es útil incluso si los investigadores no pueden realizar un experimento.
Los investigadores usan correlaciones para ver si hay una relación entre dos o más variables, pero las variables en sí mismas no están bajo el control de los investigadores.
Si bien la investigación correlacionada puede demostrar una relación entre las variables, no puede demostrar que al cambiar una variable cambiará otra. En otras palabras, los estudios correlativos no pueden demostrar relaciones de causa-efecto.
Hay tres tipos de investigación correlacionada: observación naturalista, método de investigación e investigación de archivo. Cada tipo tiene su propósito, así como sus pros y contras.
El método de observación naturalista proporciona la observación y el registro de variables de interés en un entorno natural sin interferencia o manipulaciones.
Opción si el experimento de laboratorio no está disponible
Las variables extranjeras no se pueden controlar
Los sujetos pueden comportarse de manera diferente si consciente de ser observados
Este método es particularmente adecuado para estudios en los que los investigadores quieren ver cómo se comportan las variables en su entorno o estado natural. Por lo tanto, es posible inspirarme en las observaciones para guiar futuras caminos de investigación.
¿Qué se hace en un estudio correlacional?
La investigación se divide en tipos (niveles): descriptivo: el objetivo es observar y registrar la frecuencia con la que ocurre un determinado evento. Correlación: el objetivo es descubrir en qué medida las variaciones de un cierto comportamiento (variable) se conectan sistemáticamente a las variaciones de otras variables. Experimental: el objetivo es proporcionar información causal. El experimentador modifica algunos aspectos del entorno cambiando las variables.
El método de observación es un tipo de análisis descriptivo y no puede participar ni participar. Se dice que el método de observación que no anula es naturalista y establece que el observador no interfiere con el medio ambiente (típico de la etología). En el método del observador participante, el observador entra como una parte activa de la situación que desea estudiar (típica de la antropología). La observación tiene un grado subjetivo muy alto, por lo tanto, la misma investigación es producida por diferentes observadores, posiblemente no conscientes (ciegos) de la iPostese de la investigación.
En la investigación correlacional, el investigador está buscando una relación entre múltiples variables. La correlación es la covarición sistemática de dos o más variables. Si a como A, B crece (directamente proporcional), se dice que la correlación es perfecta y, por el contrario (inversamente proporcional), perfecta negativa. Cuando la correlación es 0, las variables son independientes y no relacionadas entre sí. La correlación no explica la causalidad, dos variables correlacionadas no explican el enlace causal, de hecho, las variables relacionadas no son necesariamente una causa de la otra. Este es el problema de las correlaciones, es decir, cuando las variables tomadas en consideración están relacionadas con una tercera variable que no se tiene en cuenta. Las correlaciones cruzadas entre las variables a menudo se tienen en cuenta.
Artículos Relacionados:
