La corrélation positive peut être définie comme la relation directe entre deux variables, c’est-à-dire que lorsque la valeur d’une variable augmente, la valeur de l’autre augmente aussi. Ce billet explique ce concept en psychologie, à l’aide de quelques exemples.
« La consommation de crème glacée (pintes par personne) et le nombre de meurtres à New York sont positivement corrélés. C’est-à-dire que lorsque la quantité de crème glacée vendue par personne augmente, le nombre de meurtres augmente. Étrange mais vrai ! »
– Deborah J. Rumsey, Statistics For Dummies®
La psychologie utilise diverses méthodes pour ses recherches, et l’une d’entre elles consiste à étudier la corrélation entre deux variables quelconques. La corrélation n’est rien d’autre que la mesure du degré de relation entre deux variables. Elle peut être tracée graphiquement pour montrer la relation entre elles.
Vous aimeriez écrire pour nous ? Eh bien, nous sommes à la recherche de bons écrivains qui veulent faire passer le mot. Prenez contact avec nous et nous parlerons…
Travaillons ensemble !
La corrélation étudie la relation entre deux variables, et son coefficient peut aller de -1 à 1. Une relation à inclinaison positive n’est rien d’autre qu’une corrélation positive. Sa valeur peut varier de 0 à 1. Une corrélation positive implique qu’il existe une relation positive entre les deux variables, c’est-à-dire que lorsque la valeur d’une variable augmente, la valeur de l’autre variable augmente également, et le contraire se produit lorsque la valeur d’une variable diminue. La corrélation est utilisée dans de nombreux domaines, tels que les mathématiques, les statistiques, l’économie, la psychologie, etc.
Prenons un exemple hypothétique, où un chercheur essaie d’étudier la relation entre deux variables, à savoir ‘x’ et ‘y’. Cet exemple vous aidera à comprendre ce qu’est une corrélation positive.
Disons que ‘x’ est le nombre d’heures qu’un étudiant a étudié, et ‘y’ est son score à un test (notes maximales : 120). Le chercheur sélectionne 20 étudiants dans une classe et enregistre le nombre d’heures qu’ils ont passées à étudier pour le test. Le chercheur enregistre ensuite les notes obtenues par les élèves lors du test. On essaie de comparer la relation entre le nombre d’heures que l’élève a consacré à l’étude, et la note correspondante.
► Les données données données sont de deux variables ‘x’ et ‘y’. Il y a 20 observations enregistrées par le chercheur. Nous allons reporter ces points sur un graphique.
► Après avoir reporté les points sur le graphique, nous obtenons un diagramme de dispersion. Le diagramme de dispersion indique la tendance, et affiche si la corrélation est positive ou négative.
► Une tendance à la hausse indique généralement une corrélation positive, et d’autre part, une tendance à la baisse indique généralement une corrélation négative. Le degré de relation sera toutefois différent à chaque fois. Ainsi, le diagramme de dispersion nous aide à visualiser la corrélation.
► En psychologie, la corrélation peut être utile pour étudier les modèles comportementaux. Par exemple, si vous voulez étudier si les étudiants qui sont déprimés échouent à leurs examens ou obtiennent de mauvais résultats, vous pouvez tracer vos observations et étudier l’association entre elles. S’il y a une association positive, cela implique que les étudiants déprimés sont plus enclins à échouer à leurs examens.
Représentation graphique des données : Diagramme de dispersion
Qu’est-ce qu’on observe ?
Vous voulez écrire pour nous ? Eh bien, nous sommes à la recherche de bons écrivains qui veulent faire passer le mot. Prenez contact avec nous et nous parlerons…
Travaillons ensemble !
► Après avoir reporté les points sur le graphique, nous pouvons remarquer la tendance à la hausse/augmentation du diagramme de dispersion. Cela indique que lorsque la valeur de la variable » x » augmente, la valeur de » y » augmente également. Ainsi, cela indique que les étudiants qui ont consacré plus d’heures d’étude ont obtenu de meilleurs résultats au test.
► Cependant, cette méthode d’enquête a ses propres limites. En effet, ces données sont basées sur les statistiques de 20 élèves d’une classe ayant des niveaux de QI différents. Bien que la tendance observée ici soit positive, il y a de fortes chances que le niveau de QI de cet élève puisse également jouer un rôle important. L’inférence selon laquelle plus vous étudiez, meilleur est votre score, pourrait être vraie, si l’on suppose que le niveau de QI de tous les étudiants est similaire, en moyenne. Cependant, il y a d’autres variables qui ne peuvent être exclues, comme le niveau de concentration des étudiants, qui peuvent influencer les scores.
Exemples de corrélation positive dans la vie réelle
► Si je marche plus, je brûlerai plus de calories.
► Avec la croissance de l’entreprise, la valeur marchande des actions de l’entreprise augmente.
► Lorsque la demande augmente, le prix du produit augmente (à même niveau d’offre).
► Lorsque vous étudiez plus, vous obtenez de bons résultats aux examens.
► Lorsque vous payez plus vos employés, ils sont motivés pour être plus performants.
► Avec l’augmentation de la consommation de malbouffe, il y a une augmentation de l’obésité.
► Lorsque vous méditez plus, votre niveau de concentration augmente.
► Les couples qui passent plus de temps ensemble ont une relation plus saine et durable.
Il faut noter que la corrélation n’implique pas la causalité. Une relation directe ou une relation positive n’implique pas qu’elles soient la cause et l’effet l’une de l’autre. Une corrélation entre deux variables aide le chercheur à déterminer l’association entre elles. Cependant, les données statistiques sont basées sur un échantillon et peuvent donc parfois conduire à des résultats trompeurs. Une forte corrélation positive ne signifie pas qu’il y a nécessairement une relation entre elles ; elle peut être due à une variable externe inconnue. Les chercheurs doivent donc faire attention aux données statistiques lorsqu’ils tirent des conclusions.
.