Korelace je statistické měření vztahu mezi dvěma proměnnými. Možné korelace se pohybují od +1 do -1. Nulová korelace naznačuje, že mezi proměnnými neexistuje žádný vztah.
Korelace -1 označuje perfektní negativní korelaci, což znamená, že jak jedna proměnná stoupá, druhá klesá. Korelace +1 označuje perfektní pozitivní korelaci, což znamená, že obě proměnné se pohybují stejným směrem společně.
Korelace hrají důležitou roli ve výzkumu psychologie. Korelační studie jsou v psychologii zcela běžné, zejména proto, že některé věci nelze znovu vytvořit nebo zkoumat v laboratorním prostředí.
Místo provádění experimentu mohou vědci shromažďovat údaje od účastníků, aby se podívali na vztahy, které mohou existovat mezi různými proměnnými. Ze shromážděných dat a analýz mohou vědci vyvodit závěry a předpovědi o povaze vztahů mezi různými proměnnými.
Korelační koeficient
Korelační síla se měří od -1,00 do +1,00. Korelační koeficient, často vyjádřený jako r, označuje míru směru a síly vztahu mezi dvěma proměnnými. Když r hodnota je blíže +1 nebo -1, znamená to, že mezi těmito dvěma proměnnými existuje silnější lineární vztah.
Korelace -0,97 je silná negativní korelace, zatímco korelace 0,10 by byla slabá pozitivní korelace. Korelace +0,10 je slabší než -0,74 a korelace -0,98 je silnější než +0,79.
Když uvažujete o korelaci, nezapomeňte na toto užitečné pravidlo: Čím blíže je korelace k 0, tím slabší je, zatímco čím blíže k +/- 1, tím silnější je.
Scattergramy
Scattergrams (také nazývané scatter charts, scatter plots, or scatter diagrams) are used to plot variables on a chart (see example above) to observ the Association or relationships between them. Vodorovná osa představuje jednu proměnnou a svislá osa představuje druhou.
Každý bod na grafu je jiné měření. Z těchto měření lze vypočítat trendovou čáru. Korelační koeficient je sklon této přímky. Když je korelace slabá (r je blízko k nule), čáru je těžké rozlišit. Když je korelace silná (r je blízko 1), čára bude patrnější.
Nulové korelace
Nulová korelace naznačuje, že statistika korelace neindikuje vztah mezi těmito dvěma proměnnými. Je důležité si uvědomit, že to neznamená, že vůbec neexistuje vztah; jednoduše to znamená, že neexistuje lineární vztah. Nulová korelace je často indikována pomocí zkratky r = 0.
Porozumění korelacím
Korelace mohou být matoucí a mnoho lidí má kladné a záporné postavení se slabou. Vztah mezi dvěma proměnnými může být negativní, ale to neznamená, že vztah není silný.
Slabá pozitivní korelace by naznačovala, že zatímco obě proměnné mají tendenci stoupat v reakci na sebe navzájem, vztah není příliš silný. Silná negativní korelace by na druhé straně naznačovala silné spojení mezi těmito dvěma proměnnými, ale ta jde nahoru, kdykoli ta druhá klesá.
Korelace není příčinou
Korelace se samozřejmě nerovná příčinné souvislosti. Jen proto, že dvě proměnné mají vztah, neznamená, že změny v jedné proměnné způsobí změny v druhé. Korelace nám říkají, že mezi proměnnými existuje vztah, ale to nutně neznamená, že jedna proměnná způsobí změnu druhé.
Často zmiňovaným příkladem je korelace mezi spotřebou zmrzliny a počtem vražd. Studie zjistily korelaci mezi zvýšeným prodejem zmrzliny a hroty vražd. Jíst zmrzlinu však neznamená, že spácháte vraždu. Místo toho existuje třetí proměnná: teplo. Obě proměnné se během léta zvyšují.
Klamná korelace
Iluzivní korelací je vnímání vztahu mezi dvěma proměnnými, když ve skutečnosti existuje jen malý vztah - nebo vůbec žádný. Iluzivní korelace nemusí vždy znamenat odvození příčinné souvislosti; může to také znamenat odvození vztahu mezi dvěma proměnnými, pokud jedna neexistuje.
Lidé například někdy předpokládají, že protože ke dvěma událostem došlo v jednom bodě v minulosti společně, musí být jedna událost příčinou druhé. K těmto iluzorním korelacím může docházet jak ve vědeckých výzkumech, tak v situacích v reálném světě.
Stereotypy jsou dobrým příkladem iluzorních korelací. Výzkum ukázal, že lidé mají tendenci předpokládat, že určité skupiny a rysy se vyskytují společně a často přeceňují sílu asociace mezi těmito dvěma proměnnými.
Předpokládejme například, že muž má mylné přesvědčení, že všichni lidé z malých měst jsou extrémně laskaví. Když jedinec potká velmi laskavého člověka, jeho okamžitým předpokladem může být, že je z malého města, přestože laskavost nesouvisí s populací města.