이제 연구:을 찾는 간의 관계는 변수
에 대비하여 설명하는 연구는 주로 설계를 제공하는 정적에 사진,이제 연구를 포함한 측정을 두 개 이상의 관련 변수 및 평가 간의 관계 또는 이러한 변수입니다., 예를 들어,이 변수의 높이 및 중량을 체계적으로 관련(상관)기 때문에 일반적으로 키가 큰 사람들보다 더 무게를 짧은 사람들. 동일한 방식으로,학습 시간 및 메모리 오류 또한 관련이기 때문에,더 많은 시간 사람에게 주어진 연구 단어의 목록은,오류가 적은 그 또는 그녀가 만들 것입니다. 연구 설계에 두 개의 변수가있을 때 그 중 하나는 예측 변수라고하며 다른 하나는 결과 변수라고합니다., 연구 디자인을 시각화 할 수 있습니다 이와 같이 구부러진 화살표를 나타냅 예상 사이의 상관 관계는 두 변수:
그 2.2.2
방법 중 하나의 조직에서 데이터 이제와 연구 두 변수는 그 값의 각각의 측정 변수를 사용하여 분산 줄거리입니다. 그림 2.10″산점도의 예”에서 볼 수 있듯이 산점도는 두 변수 간의 관계에 대한 시각적 이미지입니다., 포인트는 두 변수에 대한 자신의 점수의 교차점에서 각 개인에 대해 플롯됩니다. 면 사이의 연관의 변수에 scatter plot 수 있습니다 쉽게 시작 일직선으로,부분에서(a)및(b)에 그림 2.10″의 예산형”,변수를했다고 선형성 여부를 확인합니다.
면 스트레이트 라인을 나타내는 사람이 평균 값을 하나의 변수라는 평균 값이 다른 변수로 부분에서(a),의 관계라고 긍정적인 선형입니다., 의 예에는 긍정적인 선형적 관계에는 다음이 포함됩니다 사람들 사이에 높이 및 중량,교육 및 소득,사이다 수학 능력을 아이들입니다. 각각의 경우에 변수 중 하나에서 더 높은 점수를 얻은 사람들도 다른 변수에서 더 높은 점수를 얻는 경향이 있습니다. 부정적인 관계는 선형,반면,같이 일(b),발생할 경우 평균 값을 하나의 변수하는 경향이 관련된 아래의 평균 값이 다른 변수가 있습니다., 의 예에는 부정적인 선형적 관계에는 다음이 포함됩니다 그들 사이의 아동 및 번호의 기저귀의 자녀가 사용하고,사이에 실행하고 오류로 만들어서 배우는 작업입니다. 이러한 경우 변수 중 하나에서 점수가 높은 사람들은 다른 변수에서 점수가 낮은 경향이 있습니다.
직선으로 설명 할 수없는 변수 간의 관계는 비선형 관계로 알려져 있습니다. 그림 2.10 의 부분(c)”산점도의 예”는 점의 분포가 본질적으로 무작위 인 일반적인 패턴을 보여줍니다., 이 경우 두 변수 사이에는 전혀 관계가 없으며 독립적이라고 말합니다. 그림 2.10 의 부분(d)과(e)”산점도의 예”는 연관성이 있지만 점이 단일 직선으로 잘 설명되지 않는 연관 패턴을 보여줍니다. 예를 들어,part(d)는 불안과 성과 사이에서 자주 발생하는 관계 유형을 보여줍니다., 증가에서 불안에서 낮은 수준을 알맞도록 하는 관련된 성능을 증가한 반면에서 증가에서 불안은 보통에서 고급 수준의 감소와 관련이 있습니다. 방향이 바뀌고 따라서 단일 직선으로 설명되지 않는 관계를 곡선 관계라고합니다.
그 2.10 의 예산형
의 몇 가지 예는 관계를 사이에 두 개의 변수에서와 같이 분산 도표를 선택할 수 있습니다., 곡선 관계를 갖는 변수 사이의 피어슨 상관 계수(r)는 0 에 가까울 가능성이 있음을 유의하십시오.
Stangor,C.(2011)에서 적응. 행동 과학 연구 방법(4th ed.). 마운틴 뷰,캘리포니아:Cengage.
가장 일반적인 통계적인 측정값의 힘의 선형 변수들 사이의 관계를는 피어슨 상관관계 계수,는 상징으로 편지를 r. 의 값을 상관계수 범위에서 r=-1.00r=+1.00., 선형 관계의 방향은 상관 계수의 부호로 표시됩니다. R 의 양수 값(예:r=.54 또는 r=.67)은 관계가 양의 선형(즉,산점도의 점들의 패턴이 왼쪽 하단에서 오른쪽 상단으로 실행됨)인 반면 r 의 음수 값(예:r=–.30 또는 r=-.72)는 음의 선형 관계를 나타냅니다(즉,점은 왼쪽 상단에서 오른쪽 하단으로 실행됩니다). 선형 관계의 강도는 0 에서 상관 계수의 거리(절대 값)로 인덱싱됩니다., 예를 들어,r=-.54 는 r=보다 강한 관계입니다.30,및 r=.72 는 r=-보다 강한 관계입니다.57. 기 때문에 피어슨 상관계수에만 조치 선형관계,변수가 있는 곡선의 관계는 잘 설명하여 r,관찰한 상호 관계에 가까운 것입니다.동시에 두 가지 이상의 측정 값 간의 관계를 연구하는 것도 가능합니다., 연구 디자인에서는 하나 이상의 예측변수를 예측하는 데 사용되는 하나의 결과 변수 분석을 통해 다중회귀분(아이켄&웨스트,1991). 다중 회귀분석 통계적 기법을 기반으로 상관관계 계수들 변수를 예측 할 수 있습니다 하나의 결과 변수 중 하나 이상에서 예측변수. 예를 들어,그 2.11″예측의 작업에서 성과 세 개의 변수를 예측”여 다중회귀분석에서는 세 가지 예측 변수를 예측하는 데 사용되는 하나의 결과입니다., 사용 여러 개의 회귀 분석의 중요한 장점은 이제 연구 디자인—그들은 사용할 수 있습을 예측해 한 사람의 가능성이 점수에 결과 변수(예를 들어,일 performance)기술에 기초하여 다른 변수입니다.
그 2.11 예측의 작업에서 성과 세 개의 변수를 예측
다중 회귀할 수 있 과학자들은 점수를 예측하는 하나의 결과 변수를 사용하여 하나 이상의 예측변수.,
중요한의 제한은 이제 연구 디자인들이 사용할 수 없습에 대한 결론을 도출하기 위해 인과 간의 관계를 측정한 변수입니다. 고려,예를 들어,연구원이자 가 보는 폭력적인 행동을 일으킬 것이 늘 적극적인 플레이에서이다. 그는 수집한 샘플에서의 네 번째 학년,어린이의 측정이 얼마나 많은 폭력적인 텔레비전은 각 아이 뷰 주 동안뿐만 아니라,의 측정이 어떻게 적극적으로 각 아이 학교 운동장에서., 그의 수집 된 데이터에서 연구원은 측정 된 두 변수 사이에 양의 상관 관계를 발견합니다.
이 긍정적 상관관계가 나타납을 지원하는 연구의 가설을 수 없습니다 촬영하는 것을 나타내 보는 폭력적인 텔레비전의 원인 적극적인 동작입니다. 지만 연구원입니다 유혹하는 가정 보는 폭력적인 텔레비전의 원인 적극적인 플레이
그 2.2.2
가능성이 있습니다., 한 가지 대체 가능성은 인과 관계 방향이 가설을 세운 것과 정반대라는 것입니다. 아마도 어린이들이 행동을 적극적으로 학교에서 개발 잔류분는 그들을 지도하려는 폭력이 텔레비전에 보여줍니다 home:
그 2.2.2
지만 이를 가능성이 보일 수 있지만,가능성 방법은 없을의 가능성을 배제 등 역 원인에 기초하여 이 관찰된 상관 관계입니다., 그것은 또한 가능한 모두 인과 방향을 운영하고 있는 두 변수 서로 원인:
그 2.2.2
아직도 다른 가능한 설명을 위해 상관 관계는 관찰되었다는 것을 생산의 존재에 의해 일반적-인과 변수(으로도 알려진 세 번째 변수)., 적인 인과변수가 변하지 않는 연구의 가설이지만 그 원인은 모두 예측과 결과변수와 따라서 생성 관측 사이의 상관 관계니다. 우리의 예에서 잠재적 인 공통 인과 변수는 아동 부모의 징계 스타일입니다. 부모를 사용하는 가혹한 형벌 규 스타일을 생성할 수 있는 어린이들이 모두 좋아 보 폭력적인 텔레비전과 행동에 적극적으로 비교하여 아이들이 그의 부모가 사용하여 적게 가혹한 분야:
그림 2.2.,2
이 경우에는,텔레비전 시청하고 공격적인 play 것에 긍정적 상관관계(으로 표시하여 구부려진 화살표들 사이),지만 나도 하나의 인해 다른 그러나 그들은 모두에 의해 발생한 분야의 스타일이 부(스트레이트 화살표). 할 때 예측과 결과변수 모두에 의해 발생적인 인과변수가 관측 사이의 관계를 그들은 가짜., 스퓨리어스 관계는 공통 인과 변수가 관계를 생성하고”설명”하는 두 변수 간의 관계입니다. 공통-인과 변수의 효과를 없애거나 제어 할 경우 예측 변수와 결과 변수 간의 관계가 사라집니다. 예제에서는 사이의 관계를 침략하고 텔레비전 시청 될 수 있기 때문에 가짜에 의해 제어를 위한 효과 부모의 훈 스타일 간 관계가 텔레비전 시청하고 공격적인 행동을 수도 있습니다.,
Common-인과 변수에서 이제 디자인 연구로 생각할 수 있습니다”신비”변수하기 때문에,그들이 없었 측정하고,자신의 존재와 신분은 일반적으로 알 수없는 연구자. 지 않기 때문에 측정 가능한 모든 변수가 발생할 수있는 모두 예측 및 결과 변수,의 존재를 알 수 없는 일반적-인과 변수는 항상 있을 수 있습니다. 이러한 이유로,우리는 왼쪽으로 기본적인 제한이 이제 연구:상호 관계 설명하지 않다고 한다., 그것은 당신에 대해 읽고 이제 연구 프로젝트를 염두에 두 가능성의 관계를 허위,그리고해야를 해석하는 연구 결과입니다. 하지만 이제는 연구입니다 때로는 보고했으로 보여주는 인과 관계없이 모든 언급되는 것의 가능성을 역방향의 원인이거나 일반 인과 변수에 정보를 소비자들의 연구처럼,당신은 알고 있으며 이러한 interpretational 문제입니다.
요약하면,상관 연구 설계는 강점과 한계를 모두 가지고 있습니다., 한 가지 강점은 예측 변수 변수를 조작 할 수 없기 때문에 실험적 연구가 불가능할 때 사용할 수 있다는 것입니다. 상관 관계 디자인은 또한 연구원이 일상 생활에서 발생하는 것처럼 행동을 연구 할 수 있다는 장점이 있습니다. 와 우리 또한 사용할 수 있습니다 이제는 디자인을 예측을 만들—예를 들어,예측하는 점수에서 자신의 배터리 테스트의 성공은 일생 동안 훈련 세션이 있습니다. 그러나 우리는 훈련이 더 나은 직무 수행을 유발했는지 여부를 결정하기 위해 그러한 상관 정보를 사용할 수 없습니다. 이를 위해 연구자들은 실험에 의존합니다.,