Курсовая работа на тему Корреляционный подход в различных областях психологических исследований

Тема: «Корреляционный подход в различных областях психологических исследований»

Содержание


Введение 3
Глава 1. Теоретические основы организации корреляционного подхода в различных областях психологических исследований 5
1.1. Применение корреляционного анализа в психологии 5
1.2. Корреляция метрических переменных в психологии 9
1.3. Корреляция ранговых переменных в психологии 12
Глава 2. Экспериментальное исследование развития творческих способностей детей дошкольного возраста при помощи корреляционного анализа 17
2.1. Общие характеристики экспериментального исследования 17
2.2. Анализ и интерпретация диагностики творческих способностей до проведения развивающих занятий 20
2.3. Анализ и интерпретация повторной диагностики развития изобразительных творческих способностей 36
Заключение 41
Список используемой литературы 43
Приложения 46
Приложение 1 47
Приложение 2 54
Приложение 3 56
Приложение 4 57

Введение

Актуальность исследования. Применение статистических методов при обработке материалов психологических исследований дает большую возможность извлечь из экспериментальных данных полезную информацию. Одним из самых распространенных методов статистики является корреляционный анализ.
Термин «корреляция» впервые применил французский палеонтолог Ж. Кювье, который вывел «закон корреляции частей и органов животных» (этот закон позволяет восстанавливать по найденным частям тела облик всего животного). В статистику указанный термин ввел английский биолог и статистик Ф. Гальтон (не просто «связь» – relation, а «как бы связь» – corelation).
Корреляционный анализ – это проверка гипотез о связях между переменными с использованием коэффициентов корреляции, двумерной описательной статистики, количественной меры взаимосвязи (совместной изменчивости) двух переменных. Таким образом, это совокупность методов обнаружения корреляционной зависимости между случайными величинами или признаками.
Объект исследования – корреляционный подход.
Предмет исследования – корреляционный подход в различных областях психологических исследований.
Цель исследования – рассмотреть особенности корреляционного подхода в различных областях психологических исследований.
В соответствии с целью и гипотезой необходимо решить следующие задачи:
Провести теоретический анализ психолого-педагогической литературы по теме исследования.
Охарактеризовать корреляционный подход в различных областях психологических исследований.
Изучить сущность феномена «творческие способности».
Выбрать методы и методики диагностики развития творческих способностей дошкольников.
Проинтерпретировать результаты психологической диагностики.
Разработать и провести развивающие занятия для дошкольников по развитию творческих способностей.
Провести повторную диагностику с целью выявления роли развивающих занятий программы.
Методологической основой исследования явились идеи деятельностного подхода, гуманизации образования и воспитания. Теоретической основой послужили системный, деятельностный подходы в воспитании и образовании, концептуальное понимание личности как творческого субъекта, преобразующего мир и человеческие отношения, способного к диалогу во взаимодействии с педагогом и окружающими людьми.
Базой исследования явилось ДОУ № 122 г., в исследовании приняли участие 40 детей (20 мальчиков, 20 девочек) в возрасте 5-6 лет.
Глава 1. Теоретические основы организации корреляционного подхода в различных областях психологических исследований

1.1. Применение корреляционного анализа в психологии

Корреляционный анализ для двух случайных величин заключает в себе:
построение корреляционного поля и составление корреляционной таблицы;
вычисление выборочных коэффициентов корреляции и корреляционных отношений;
проверку статистической гипотезы значимости связи.
Основное назначение корреляционного анализа – выявление связи между двумя или более изучаемыми переменными, которая рассматривается как совместное согласованное изменение двух исследуемых характеристик. Данная изменчивость обладает тремя основными характериcтиками: формой, направлением и силой.
По форме корреляционная связь может быть линейной или нелинейной. Более удобной для выявления и интерпретации корреляционной связи является линейная форма. Для линейной корреляционной связи можно выделить два основных направления: положительное («прямая связь») и отрицательное («обратная связь»).
Сила связи напрямую указывает, насколько ярко проявляется совместная изменчивость изучаемых переменных. В психологии функциональная взаимосвязь явлений эмпирически может быть выявлена только как вероятностная связь соответствующих признаков. Наглядное представление о характере вероятностной связи дает диаграмма рассеивания – график, оси которого соответствуют значениям двух переменных, а каждый испытуемый представляет собой точку. В качестве числовой характеристики вероятностной связи используют коэффициенты корреляции, значения которых изменяются в диапазоне от –1 до +1. После проведения расчетов исследователь, как правило, отбирает только наиболее сильные корреляции, которые в дальнейшем интерпретируются (табл. 1).
Таблица 1.1
Оценка корреляции
Значение
Интерпретация

До 0,2
Очень слабая корреляция

До 0,5
Слабая корреляция

До 0,7
Средняя корреляция

До 0,9
Высокая корреляция

Свыше 0.9
Очень высокая корреляция

Критерием для отбора «достаточно сильных» корреляций может быть как абсолютное значение самого коэффициента корреляции (от 0,7 до 1), так и относительная величина этого коэффициента, определяемая по уровню статистической значимости (от 0,01 до 0,1), зависящему от размера выборки. В малых выборках для дальнейшей интерпретации корректнее отбирать сильные корреляции на основании уровня статистической значимости. Для исследований, которые проведены на больших выборках, лучше использовать абсолютные значения коэффициентов корреляции.
Таким образом, задача корреляционного анализа сводится к установлению направления (положительное или отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверке уровня значимости полученных коэффициентов корреляции.
В настоящее время разработано множество различных коэффициентов корреляции. Наиболее применяемыми являются r-Пирсона, r-Спирмена и ?-Кендалла. Современные компьютерные статистические программы в меню «Корреляции» предлагают именно эти три коэффициента, а для решения других исследовательских задач предлагаются методы сравнения групп.
Для переменных с интервальной и с номинальной шкалой используется коэффициент корреляции Пирсона (корреляция моментов произведений). Если, по меньшей мере, одна из двух переменных имеет порядковую шкалу или не является нормально распределенной, используется ранговая корреляция по Спирмену или t-Кендалла. Если же одна из двух переменных является дихотомической, можно использовать точечную двухрядную корреляцию (в статистической компьютерной программе SPSS эта возможность отсутствует, вместо нее может быть применен расчет ранговой корреляции). В том случае если обе переменные являются дихотомическими, используется четырехполевая корреляция (данный вид корреляции рассчитываются SPSS на основании определения мер расстояния и мер сходства). Выбор метода вычисления коэффициента корреляции зависит от типа шкалы, к которой относятся переменные (табл. 2).
Таблица 1.2
Выбор метода вычисления коэффициента корреляции
Типы шкал
Мера связи



Переменная X
Переменная У


Интервальная или отношений
Интервальная или отношений
Коэффициент Пирсона

Ранговая, интервальная или отношений
Ранговая, интервальная или отношений
Коэффициент Спирмена

Ранговая
Ранговая
Коэффициент Кендалла

Дихотомическая
Дихотомическая
Коэффициент <р, четырёхполевая корреляция

Дихотомическая
Ранговая
Рангово-бисериальный коэффициент

Дихотомическая
Интервальная или отношений
Бисериальный коэффициент

Интервальная
Ранговая
Не разработан


Расчет коэффициента корреляции между двумя недихотомическими переменными возможен только тогда, кода связь между ними линейна (однонаправлена). Если связь, к примеру, U-образная (неоднозначная), коэффициент корреляции не пригоден для использования в качестве меры силы связи: его значение стремится к нулю.
Таким образом, условия применения коэффициентов корреляции будут следующими:
переменные, измеренные в количественной (ранговой, метрической) шкале на одной и той же выборке объектов;
связь между переменными является монотонной.
Основная статистическая гипотеза, которая проверяется корреляционным анализом, является ненаправленной и содержит утверждение о равенстве корреляции нулю в генеральной совокупности H0: rxy = 0. При ее отклонении принимается альтернативная гипотеза H1: rxy ? 0 о наличии положительной или отрицательной корреляции – в зависимости от знака вычисленного коэффициента корреляции.
На основании принятия или отклонения гипотез делаются содержательные выводы. Если по результатам статистической проверки H0: rxy = 0 не отклоняется на уровне a, то содержательный вывод будет следующим: связь между X и Y не обнаружена. Если же при H0 rxy = 0 отклоняется на уровне a, значит, обнаружена положительная (отрицательная) связь между X и Y. Однако к интерпретации выявленных корреляционных связей следует подходить осторожно. С научной точки зрения, простое установление связи между двумя переменными не означает существования причинно-следственных отношений. Более того, наличие корреляции не устанавливает отношения последовательности между причиной и следствием. Оно просто указывает, что две переменные взаимосвязаны между собой в большей степени, чем это можно ожидать при случайном совпадении. Тем не менее, при соблюдении осторожности применение корреляционных методов при исследовании причинно-следственных отношений вполне оправдано. Следует избегать категоричных фраз типа «переменная X является причиной увеличения показателя Y». Подобные утверждения следует формулировать как предположения, которые должны быть строго обоснованы теоретически.
Подробное описание математической процедуры для каждого коэффициента корреляции дано в учебниках по математической статистике [3]; [4]; [8]; [11] и др. Мы же ограничимся описанием возможности применения этих коэффициентов в зависимости от типа шкалы измерения.

1.2. Корреляция метрических переменных в психологии

Для изучения взаимосвязи двух метрических переменных, измеренных на одной и той же выборке, применяется коэффициент корреляции r-Пирсона. Сам коэффициент характеризует наличие только линейной связи между признаками, обозначаемыми, как правило, символами X и Y. Коэффициент линейной корреляции является параметрическим методом и его корректное применение возможно только в том случае, если результаты измерений представлены в шкале интервалов, а само распределение значений в анализируемых переменных отличается от нормального в незначительной степени. Существует множество ситуаций, в которых его применение целесообразно. Например: установление связи между интеллектом школьника и его успеваемостью; между настроением и успешностью выхода из проблемной ситуации; между уровнем дохода и темпераментом и т. п.
Коэффициент Пирсона находит широкое применение в психологии и педагогике. Например, в работах И. Я. Каплуновича [6, с. 115] и П. Д. Рабиновича, М. П. Нуждиной [9, с. 112] для подтверждения выдвинутых гипотез был использован расчет коэффициента линейной корреляции Пирсона.
При обработке данных «вручную» необходимо вычислить коэффициент корреляции, а затем определить p-уровень значимости (в целях упрощения проверки данных пользуются таблицами критических значений rxy, которые составлены с помощью этого критерия). Величина коэффициента линейной корреляции Пирсона не может превышать +1 и быть меньше чем –1. Эти два числа +1 и –1 являются границами для коэффициента корреляции. Когда при расчете получается величина, большая +1 или меньшая –1, это свидетельствует, что произошла ошибка в вычислениях.
При вычислениях на компьютере статистическая программа (SPSS, Statistica) сопровождает вычисленный коэффициент корреляции более точным значением p-уровня.
Для статистического решения о принятии или отклонении H0 обычно устанавливают ? = 0,05, а для большого объема наблюдений (100 и более) ? = 0,01. Если p ? ?, H0 отклоняется и делается содержательный вывод, что обнаружена статистически достоверная (значимая) связь между изучаемыми переменными (положительная или отрицательная – в зависимости от знака корреляции). Когда p > ?, H0 не отклоняется, содержательный вывод ограничен констатацией, что связь (статистически достоверная) не обнаружена.
Если связь не обнаружена, но есть основания полагать, что связь на самом деле есть, следует проверить возможные причины недостоверности связи.
Нелинейность связи – для этого проанализировать график двумерного рассеивания. Если связь нелинейная, но монотонная, перейти к ранговым корреляциям. Если связь не монотонная, то делить выборку на части, в которых связь монотонная, и вычислить корреляции отдельно для каждой части выборки, или делить выборку на контрастные группы и далее сравнивать их по уровню выраженности признака.
Наличие выбросов и выраженная асимметрия распределения одного или обоих признаков. Для этого необходимо посмотреть гистограммы распределения частот обоих признаков. При наличии выбросов или асимметрии исключить выбросы или перейти к ранговым корреляциям.
Неоднородность выборки (проанализировать график двумерного рассеивания). Попытаться разделить выборку на части, в которых связь может иметь разные направления.
Если же связь статистически достоверна, то прежде чем делать содержательный вывод, необходимо исключить возможность ложной корреляции:
связь обусловлена выбросами. При наличии выбросов перейти к ранговым корреляциям или исключить выбросы;
связь обусловлена влиянием третьей переменной. Если есть подобное явление, необходимо вычислить корреляцию не только для всей выборки, но и для каждой группы в отдельности. Если «третья» переменная метрическая – вычислить частную корреляцию.
Коэффициент частной корреляции rxy-z вычисляется в том случае, если необходимо проверить предположение, что связь между двумя переменными X и Y не зависит от влияния третьей переменной Z. Очень часто две переменные коррелируют друг с другом только за счет того, что обе они согласованно меняются под влиянием третьей переменной. Иными словами, на самом деле связь между соответствующими свойствами отсутствует, но проявляется в статистической взаимосвязи под влиянием общей причины. Например, общей причиной изменчивости двух переменных может являться возраст при изучении взаимосвязи различных психологических особенностей в разновозрастной группе. При интерпретации частной корреляции с позиции причинности следует быть осторожным, так как если Z коррелирует и с X и с Y, а частная корреляция rxy-z близка к нулю, из этого не обязательно следует, что именно Z является общей причиной для X и Y.

1.3. Корреляция ранговых переменных в психологии

Если к количественным данным неприемлем коэффициент корреляции r-Пирсона, то для проверки гипотезы о связи двух переменных после предварительного ранжирования могут быть применены корреляции r-Спирмена или ?-Кендалла. Например, в исследовании психофизических особенностей музыкально одаренных подростков И. А. Лавочкина [7, с. 149] был использован критерий Спирмена.
Для корректного вычисления обоих коэффициентов (Спирмена и Кендалла) результаты измерений должны быть представлены в шкале рангов или интервалов. Принципиальных отличий между этими критериями не существует, но принято считать, что коэффициент Кендалла является более «содержательным», так как он более полно и детально анализирует связи между переменными, перебирая все возможные соответствия между парами значений. Коэффициент Спирмена более точно учитывает именно количественную степень связи между переменными.
Коэффициент ранговой корреляции Спирмена является непараметрическим аналогом классического коэффициента корреляции Пирсона, но при его расчете учитываются не связанные с распределением показатели сравниваемых переменных (среднее арифметическое и дисперсия), а ранги. Например, необходимо определить связь между ранговыми оценками качеств личности, входящими в представление человека о своем «Я реальном» и «Я идеальном».
Коэффициент Спирмена широко используется в психологических исследованиях. Например, в работе Ю. В. Бушова и Н. Н. Несмеловой [1]: для изучения зависимости точности оценки и воспроизведения длительности звуковых сигналов от индивидуальных особенностей человека был использован именно он.
Так как этот коэффициент – аналог r-Пирсона, то и применение его для проверки гипотез аналогично применению коэффициента r-Пирсона. То есть проверяемая статистическая гипотеза, порядок принятия статистического решения и формулировка содержательного вывода – те же. В компьютерных программах (SPSS, Statistica) уровни значимости для одинаковых коэффициентов r-Пи