Reprezentarea grafică a asocierii dintre variabile
Cât de puternică este asocierea dintre două variabile?
Pentru început
Sperăm că testul n-a fost prea greu ☺
Dacă totul a fost ok – Felicitări! Însă nu vă „culcați pe-o ureche”
– mai sunt 6 puncte de luat în al doilea test.
Dacă n-a fost chiar așa ok – nu e o problemă, puteți recupera în al
doilea test.
Săptămâna viitoare – surpriză!
Introducere
Studiu corelațional – legături între variabile.
Ex. Există o legătură între nivelul de stres și consumul de alcool. Studiu comparativ – diferențe între grupuri. Ex. Există diferențe între bărbați și femei privind comportamentul în trafic. Studiu corelațional – coeficientul de corelație (r). Reamintire Mai departe..
Aplic un test – toți participanții obțin același scor.
Indicator al tendinței centrale? Indicator al dispersiei? Nu există dispersie (variație) – nu pot utiliza datele.
Corelație: în ce măsură variația a două variabile este comună (în
ce măsură variază la fel). Despre coeficientul de corelaŃ corelaŃie (1) Prin analiza corelaţională urmărim în ce măsură schimbările dintr-o variabile sunt însoţite de schimbări într-o altă variabilă Coeficientul de corelaţie r este cel mai întâlnit indicator de măsurare a gradului de asociere dintre două variabile. Poate lua valori cuprinse între -1 şi +1 Despre coeficientul de corelaŃ corelaŃie (2) Corelaţie pozitivă = un nivel ridicat variabilei X se asociază cu un nivel ridicat al variabilei Y (ambele cresc) Corelaţie negativă = un nivel ridicat variabilei X se asociază cu un nivel scăzut al variabilei Y (una crește, cealaltă scade). Cu cât valoarea coeficientului de corelaţie este mai aproape de oricare dintre cei doi poli (-1 sau +1), cu atât relaţia dintre cele două variabile este mai puternică Cu cât valoarea coeficientului de corelaţie este mai aproape de 0, cu atât relaţia dintre cele două variabile este mai slabă Ex. r = .70 > r = .42; r = -.55 > r = -.31 Ex. r = .48 ? r = -.64 r = .48 < r = -.64 Video Să ne reamintim... reamintim...
Pragul de semnificaţie (p) ne arată dacă avem un rezultat
semnificativ d.p.d.v. statistic. Dacă p < .05 – corelaţie semnificativă Dacă p > .05 – corelaţie nesemnificativă Ex. r = .45, p = .01 = ? = corelaţie pozitivă semnificativă Ex. r = .12, p = .31 = ? = corelaţie pozitivă nesemnificativă Ex. r = -.38, p = .03 = ? = corelaţie negativă semnificativă Ex. r = -.22, p = .09 = ? = corelaţie negativă nesemnificativă Reprezentarea grafică a asocierii dintre variabile
Scatterplot (norul de puncte) – un grafic cu două axe, fiecare
dintre axe reprezentând una dintre cele două variabile Fiecare punct din grafic reprezintă scorul unui participant la cele două variabile în cauză Pe baza norului de puncte se pot identifica: ◦ Forma relaţiei dintre variabile (liniară, non-liniară sau absentă) ◦ Direcţia relaţiei dintre variabile (pozitivă sau negativă) ◦ Intensitatea relaţiei dintre variabile (puternică, medie sau scăzută) Exemplu DirecŃ DirecŃia relaŃ relaŃiei: pozitivă pozitivă DirecŃ DirecŃia relaŃ relaŃiei: negativă negativă Forma relaŃ relaŃiei: liniară liniară Forma relaŃ relaŃiei: non- non-liniară Forma relaŃ relaŃiei: absenŃ absenŃa relaŃ relaŃiei Intensitatea relaŃ relaŃiei: foarte puternică (r=1.00) Intensitatea relaŃ relaŃiei: puternică Intensitatea relaŃ relaŃiei: medie Intensitatea relaŃ relaŃiei: scăzută scăzută sau chiar absentă ImportanŃ ImportanŃa reprezentării grafice prin norul de puncte
Există situaţii în care interpretarea coeficientului de corelaţie
poate fi făcută greşit în absenţa verificării norului de puncte
Ex. Situaţii în care coeficientul de corelaţie este foarte apropiat
de 0 (semnificând absenţa relaţiei), dar în realitate: ExistenŃ ExistenŃa a două sub- sub-seturi de date distincte ExistenŃ ExistenŃa unei relaŃ relaŃii curbilinii echilibrate (1) ExistenŃ ExistenŃa unei relaŃ relaŃii curbilinii echilibrate (1) Sub-seturi de date Relaţie non-lineară autentică ExistenŃ ExistenŃa unor valori extreme AtenŃ AtenŃie !!!
Coeficientul de corelaţie arată doar dacă există o asociere între
cele două variabile Ipoteze de cercetare de genul: “Inteligenţa influenţează performanţa şcolară”, sau “Consumul de alcool determină creşterea agresivităţii” nu pot fi testate prin intermediul coeficientului de corelaţie r Evitaţi folosirea unor termeni ce presupun cauzalitate atunci când interpretaţi rezultate obţinute în urma aplicării coeficientului de corelaţie Extra Extra Cât de puternică este asocierea dintre două variabile? variabile? Cel mai utilizat indicator pentru a aprecia intensitatea asocierii dintre două variabile este coeficientul de determinare (r²) Se calculează ridicând coeficientul de corelaţie la pătrat Reprezintă procentul de dispersie comună a celor două variabile (în ce măsură/proporție depind variabilele una de alta) Ex. r = .42 → r² = 0,176 → variabilele depind una de alta în proporție de 17,6% Ex. r = -.26 → r² = 0,068 → variabilele depind una de alta în proporție de 6,8% Interpretarea lui r²
Mărimea Coeficientul de efectului determinare r²
Efect scăzut în jurul a 0,01
Efect mediu în jurul a 0,06
Efect puternic în jurul a 0,14
Take away ☺
În studiile corelaționale, pentru a verifica dacă există o legătură
între variabile se utilizează coeficientul de corelație.
Corelația nu presupune cauzalitate.
Verificarea legăturii dintre variabile prin intermediul norului de
puncte poate releva aspecte foarte importante despre relație. Bibliografie
Sava, F.A. (2011). Analiza datelor în cercetarea psihologică
(Ediţia a doua). Cluj-Napoca: Editura ASCR. (cap. 3) Vă mulŃumesc pentru atenŃie!