Positive Korrelation kann als direkte Beziehung zwischen zwei Variablen definiert werden, d.h. wenn der Wert der einen Variablen steigt, steigt auch der Wert der anderen. In diesem Beitrag wird dieses Konzept in der Psychologie anhand einiger Beispiele erläutert.
„Der Konsum von Eiscreme (Pints pro Person) und die Zahl der Morde in New York sind positiv korreliert. Das heißt, je mehr Eiscreme pro Person verkauft wird, desto höher ist die Zahl der Morde. Seltsam, aber wahr!“
– Deborah J. Rumsey, Statistics For Dummies®
Die Psychologie verwendet verschiedene Methoden für ihre Forschung, und eine davon ist die Untersuchung der Korrelation zwischen zwei beliebigen Variablen. Die Korrelation ist nichts anderes als ein Maß für den Grad der Beziehung zwischen zwei Variablen. Sie kann grafisch dargestellt werden, um die Beziehung zwischen ihnen zu zeigen.
Wollen Sie für uns schreiben? Nun, wir suchen gute Autoren, die das Wort verbreiten wollen. Setzen Sie sich mit uns in Verbindung und wir reden…
Lassen Sie uns zusammenarbeiten!
Die Korrelation untersucht die Beziehung zwischen zwei Variablen, und ihr Koeffizient kann zwischen -1 und 1 liegen. Eine positiv geneigte Beziehung ist nichts anderes als eine positive Korrelation. Sein Wert kann zwischen 0 und 1 liegen. Eine positive Korrelation bedeutet, dass eine positive Beziehung zwischen den beiden Variablen besteht, d. h. wenn der Wert der einen Variablen steigt, steigt auch der Wert der anderen Variablen, und das Gegenteil ist der Fall, wenn der Wert der einen Variablen sinkt. Die Korrelation wird in vielen Bereichen verwendet, z. B. in der Mathematik, Statistik, Wirtschaft, Psychologie usw.
Nehmen wir ein hypothetisches Beispiel, in dem ein Forscher versucht, die Beziehung zwischen zwei Variablen, nämlich „x“ und „y“, zu untersuchen. Das Beispiel wird Ihnen helfen zu verstehen, was eine positive Korrelation ist.
Lassen Sie ‚x‘ die Anzahl der Stunden sein, die ein Student gelernt hat, und ‚y‘ seine Punktzahl in einem Test (maximale Punktzahl: 120). Der Forscher wählt 20 Schüler aus einer Klasse aus und notiert die Anzahl der Stunden, die sie für den Test gelernt haben. Anschließend erfasst der Forscher die von den Schülern im Test erzielten Noten. Wir versuchen, die Beziehung zwischen der Anzahl der Stunden, die ein Schüler für das Lernen aufgewendet hat, und der entsprechenden Note zu vergleichen.
► Die gegebenen Daten bestehen aus zwei Variablen „x“ und „y“. Es gibt 20 Beobachtungen, die vom Forscher aufgezeichnet wurden. Wir werden diese Punkte in ein Diagramm eintragen.
► Nachdem wir die Punkte in das Diagramm eingetragen haben, erhalten wir ein Punktediagramm. Das Streudiagramm gibt den Trend an und zeigt, ob die Korrelation positiv oder negativ ist.
► Ein Aufwärtstrend deutet in der Regel auf eine positive Korrelation hin, ein Abwärtstrend dagegen auf eine negative Korrelation. Der Grad der Beziehung ist jedoch jedes Mal unterschiedlich. Daher hilft uns das Streudiagramm, die Korrelation zu visualisieren.
► In der Psychologie kann die Korrelation bei der Untersuchung von Verhaltensmustern hilfreich sein. Wenn man zum Beispiel untersuchen möchte, ob depressive Schüler in ihren Prüfungen versagen oder schlechte Noten erzielen, kann man die Beobachtungen aufzeichnen und den Zusammenhang zwischen ihnen untersuchen. Wenn ein positiver Zusammenhang besteht, bedeutet dies, dass depressive Studenten eher dazu neigen, in ihren Prüfungen zu versagen.
Graphische Darstellung von Daten: Streudiagramm
Was beobachten wir?
Wollen Sie für uns schreiben? Nun, wir suchen gute Autoren, die das Wort verbreiten wollen. Setzen Sie sich mit uns in Verbindung und wir sprechen darüber…
Lassen Sie uns zusammenarbeiten!
► Nachdem wir die Punkte in das Diagramm eingetragen haben, können wir die steigende Tendenz des Streudiagramms erkennen. Dies bedeutet, dass mit dem Anstieg des Wertes der Variablen „x“ auch der Wert von „y“ zunimmt. Dies deutet darauf hin, dass die Schüler, die mehr Lernstunden investiert haben, im Test besser abgeschnitten haben.
► Diese Erhebungsmethode hat jedoch ihre eigenen Grenzen. Diese Daten beruhen auf der Statistik von 20 Schülern einer Klasse mit unterschiedlichen IQ-Werten. Obwohl der hier beobachtete Trend positiv ist, besteht eine hohe Wahrscheinlichkeit, dass auch das IQ-Niveau des jeweiligen Schülers einen wichtigen Beitrag leistet. Die Schlussfolgerung, dass je mehr Stunden man lernt, desto besser ist die Punktzahl, könnte zutreffen, wenn man davon ausgeht, dass der IQ-Wert aller Schüler im Durchschnitt ähnlich ist. Es gibt jedoch andere Variablen, die nicht ausgeschlossen werden können, wie z. B. das Konzentrationsniveau der Schüler, die die Ergebnisse beeinflussen können.
Beispiele für positive Korrelation im wirklichen Leben
► Wenn ich mehr laufe, verbrenne ich mehr Kalorien.
► Mit dem Wachstum des Unternehmens steigt der Marktwert der Unternehmensaktien.
► Wenn die Nachfrage steigt, steigt der Preis des Produkts (bei gleichem Angebot).
► Wenn man mehr lernt, schneidet man in den Prüfungen besser ab.
► Wenn man seinen Angestellten mehr zahlt, sind sie motiviert, bessere Leistungen zu erbringen.
► Mit der Zunahme des Konsums von Junk Food steigt auch die Fettleibigkeit.
► Wenn man mehr meditiert, steigt die Konzentrationsfähigkeit.
► Paare, die mehr Zeit miteinander verbringen, haben eine gesündere und dauerhaftere Beziehung.
Es ist zu beachten, dass Korrelation nicht gleichbedeutend mit Kausalität ist. Ein direkter Zusammenhang oder eine positive Beziehung bedeutet nicht, dass sie Ursache und Wirkung füreinander sind. Eine Korrelation zwischen zwei Variablen hilft dem Forscher bei der Bestimmung des Zusammenhangs zwischen ihnen. Statistische Daten beruhen jedoch auf einer Stichprobe und können daher manchmal zu irreführenden Ergebnissen führen. Eine starke positive Korrelation bedeutet nicht zwangsläufig, dass eine Beziehung zwischen ihnen besteht; sie könnte auf eine unbekannte externe Variable zurückzuführen sein. Daher müssen die Forscher mit den statistischen Daten vorsichtig sein, wenn sie Schlussfolgerungen ziehen.