Positiivinen korrelaatio voidaan määritellä kahden muuttujan väliseksi suoraksi suhteeksi eli kun yhden muuttujan arvo kasvaa, myös toisen muuttujan arvo kasvaa. Tässä postauksessa selitetään tätä käsitettä psykologiassa muutamien esimerkkien avulla.
”Jäätelönkulutus (tuoppeja henkeä kohti laskettuna) ja murhien määrä New Yorkissa korreloivat positiivisesti. Toisin sanoen, kun myydyn jäätelön määrä henkeä kohti kasvaa, murhien määrä kasvaa. Outoa mutta totta!”
– Deborah J. Rumsey, Statistics For Dummies®
Psykologia käyttää tutkimuksessaan erilaisia menetelmiä, ja yksi niistä on minkä tahansa kahden muuttujan välisen korrelaation tutkiminen. Korrelaatio ei ole mitään muuta kuin kahden muuttujan välisen suhteen asteen mittaaminen. Se voidaan piirtää graafisesti niiden välisen suhteen osoittamiseksi.
Haluatko kirjoittaa meille? No, etsimme hyviä kirjoittajia, jotka haluavat levittää sanaa. Ota yhteyttä, niin jutellaan…
Tehdään töitä yhdessä!
Korrelaatio tutkii kahden muuttujan välistä suhdetta, ja sen kerroin voi vaihdella välillä -1-1. Positiivisesti kallistuva suhde ei ole mitään muuta kuin positiivinen korrelaatio. Sen arvo voi vaihdella välillä 0-1. Positiivinen korrelaatio tarkoittaa, että kahden muuttujan välillä on positiivinen suhde, eli kun yhden muuttujan arvo kasvaa, myös toisen muuttujan arvo kasvaa, ja päinvastoin, kun toisen muuttujan arvo laskee. Korrelaatiota käytetään monilla aloilla, kuten matematiikassa, tilastotieteessä, taloustieteessä, psykologiassa jne.
Tarkastellaan hypoteettista esimerkkiä, jossa tutkija yrittää tutkia kahden muuttujan, nimittäin ”x” ja ”y”, välistä yhteyttä. Esimerkki auttaa sinua ymmärtämään, mitä on positiivinen korrelaatio.
Olkoon ’x’ opiskelijan opiskelemien tuntien määrä ja ’y’ hänen pistemääränsä kokeessa (maksimipistemäärä: 120). Tutkija poimii luokasta 20 oppilasta ja kirjaa ylös, kuinka monta tuntia he ovat opiskelleet koetta varten. Tämän jälkeen tutkija kirjaa oppilaiden testissä saamat pisteet. Yritetään vertailla opiskelijan opiskeluun käyttämän tuntimäärän ja hänen saamansa pistemäärän välistä suhdetta.
► Tässä aineistossa on kaksi muuttujaa ’x’ ja ’y’. Tutkija on kirjannut 20 havaintoa. Piirretään nämä pisteet kuvaajaan.
► Kun pisteet on piirretty kuvaajaan, saadaan hajontadiagrammi. Hajontadiagrammi osoittaa trendin ja näyttää, onko korrelaatio positiivinen vai negatiivinen.
► Nouseva trendi viittaa yleensä positiiviseen korrelaatioon, ja toisaalta laskeva trendi viittaa yleensä negatiiviseen korrelaatioon. Suhteen aste vaihtelee kuitenkin joka kerta. Siten hajontadiagrammi auttaa meitä havainnollistamaan korrelaatiota.
► Psykologiassa korrelaatiosta voi olla apua käyttäytymismallien tutkimisessa. Jos esimerkiksi haluat tutkia, epäonnistuvatko ne opiskelijat, jotka ovat masentuneita, kokeissa tai saavatko heikkoja pisteitä, voit piirtää havaintojasi ja tutkia niiden välistä yhteyttä. Jos yhteys on positiivinen, se tarkoittaa, että masentuneet opiskelijat ovat alttiimpia epäonnistumaan kokeissa.
Aineiston graafinen esittäminen: Scatter Diagram
Mitä havaitsemme?
Haluaisitko kirjoittaa meille? No, me etsimme hyviä kirjoittajia, jotka haluavat levittää sanaa. Ota yhteyttä, niin jutellaan…
Tehdään töitä yhdessä!
► Kun olemme piirtäneet pisteet kuvaajaan, voimme huomata hajontadiagrammin nousevan/ nousevan trendin. Tämä osoittaa, että muuttujan ”x” arvon kasvaessa myös muuttujan ”y” arvo kasvaa. Tämä osoittaa siis, että opiskelijat, jotka ovat käyttäneet enemmän opiskelutunteja, ovat saaneet paremmat pisteet kokeessa.
► Tällä tutkimusmenetelmällä on kuitenkin omat rajoituksensa. Nämä tiedot perustuvat tilastoihin, jotka koskevat 20:tä luokan oppilasta, joilla on erilainen älykkyysosamäärä. Vaikka tässä havaittu suuntaus on positiivinen, on erittäin todennäköistä, että myös kyseisen oppilaan ÄO-tasolla voi olla tärkeä vaikuttava tekijä. Jos oletetaan, että kaikkien oppilaiden älykkyysosamäärä on keskimäärin samankaltainen, johtopäätös, jonka mukaan opiskelutuntien lisääntyessä pistemäärä paranee, saattaa pitää paikkansa, jos oletetaan, että kaikkien oppilaiden älykkyysosamäärä on keskimäärin samanlainen. On kuitenkin muitakin muuttujia, joita ei voida sulkea pois, kuten opiskelijoiden keskittymiskyky, jotka voivat vaikuttaa pistemääriin.
Esimerkkejä positiivisesta korrelaatiosta tosielämässä
► Jos kävelen enemmän, poltan enemmän kaloreita.
► Yrityksen kasvun myötä yrityksen osakkeiden markkina-arvo kasvaa.
► Kun kysyntä kasvaa, tuotteen hinta nousee (samalla tarjonnan tasolla).
► Kun opiskelet enemmän, saat korkeat pisteet kokeissa.
► Kun maksat työntekijöillesi enemmän, he ovat motivoituneita suoriutumaan paremmin.
► Roskaruoan kulutuksen lisääntyessä lihavuus lisääntyy.
► Kun meditoit enemmän, keskittymiskykysi paranee.
► Pariskunnilla, jotka viettävät enemmän aikaa yhdessä, on terveellisempi ja kestävämpi parisuhde.
On huomioitava, että korrelaatio ei ole kausaalisuhde. Suora suhde tai positiivinen suhde ei tarkoita, että ne olisivat toistensa syy ja seuraus. Kahden muuttujan välinen korrelaatio auttaa tutkijaa määrittämään niiden välisen yhteyden. Tilastotiedot perustuvat kuitenkin otokseen, ja siksi ne voivat joskus johtaa harhaanjohtaviin tuloksiin. Voimakas positiivinen korrelaatio ei tarkoita, että niiden välillä on välttämättä yhteys; se voi johtua tuntemattomasta ulkoisesta muuttujasta. Näin ollen tutkijoiden on oltava varovaisia tilastotietojen suhteen, kun he tekevät johtopäätöksiä.