Соотношение понятий «влияние» и «взаимосвязь» переменных

Теперь соотнесем понятия «влияние» и «взаимосвязь» переменных. Очень часто эти два понятия путают. Проверяя и обнаруживая взаимосвязь между переменными с помощью корреляционных методов анализа данных, некоторые исследователи необоснованно приходят к выводу о влиянии одной из этих переменных на изменение другой. Это ошибочно, поскольку согласованное изменение одной переменной (А) вместе с изменением другой переменной (Б) еще не означает, что какая-то из них влияет на другую. Такое согласованное изменение двух переменных может быть связанно с тем, что есть некоторая третья переменная (В), которая влияет одновременно на переменную (А) и (Б). Поэтому они взаимосвязано изменяются (см. рис. 17.7), но сами (А) и (Б) друг на друга непосредственного влияния не оказывают.

Рис. 17.7. Опосредование взаимосвязи переменных, А и Б влиянием на них переменной В Данную ситуацию иллюстрирует пример, приведенный одним ученым. На одной из территориальных областей исследователями была замечена взаимосвязь увеличения на полях урожая пшеницы с увеличением обращений людей с головной болью к врачам. Ошибочно искались объяснения того, как может хороший урожай пшеницы влиять на головную боль людей или, наоборот, как головная боль может способствовать увеличению урожая на полях. После продолжительного изучения данного вопроса было установлено, что есть третий фактор — солнечная радиация, которая влияла на увеличение урожая и усиление головной боли людей.

Таким образом, взаимосвязь между переменными не обязательно говорит о наличии влияния одной переменной на другую. Подобное влияние надо доказать (см. схему исследования 6). В случае, когда влияние одной переменной (фактора) на другую (изучаемое свойство) установлено, будет наблюдаться и взаимосвязь между ними.

Для чего же нужна проверка взаимосвязи между переменными, если она не позволяет точно судить о влиянии одной переменной на другую? Дело в том, что, как было замечено ранее, если в некотором социальном процессе влияние одной переменной на другую есть, то и взаимосвязь между ними будет. А так как проверка взаимосвязи — процедура, требующая меньше времени, сил и других ресурсов, чем проверка влияния, то можно сказать, что проверка взаимосвязи — это некоторый «зонд», который исследователь может запустить в анализ социально-психологического процесса для принятия решения о проведении дальнейшего более сложного исследования.

Схема исследования 7. Проверка взаимосвязи между переменными.

Пример задачи

Есть ли взаимосвязь у учащихся средних классов (?1) между уровнем эмоционального интеллекта (S1) и их привлекательностью среди сверстников (S2)?

Выбор статистического критерия.

Вариант 1: если значения эмоционального интеллекта и привлекательности среди сверстников представлены в интервальной шкале, наблюдений больше 60, данные распределены нормально, то применим коэффициент корреляции Пирсона.

Вариант 2: если значения эмоционального интеллекта и (или) привлекательности среди сверстников представлены в порядковой шкале, или наблюдений меньше 60, или данные не имеют нормального распределения, то применим коэффициент корреляции Спирмена.

Вариант 3: если значения эмоционального интеллекта и привлекательности среди сверстников представлены в номинативной шкале (обозначены только типы уровней эмоционального интеллекта и типы привлекательности среди сверстников), то применим критерий Хи-квадрат Пирсона.

Применение статистических критериев для проверки взаимосвязи переменных^[1].

• 1. Коэффициент корреляции Пирсона (если данные удовлетворяют применению параметрического критерия).
• 2. Коэффициент корреляции Спирмена (если данные не удовлетворяют применению параметрического критерия).
• 3. Хи-квадрат Пирсона (для номинативных данных).

Необходимо подчеркнуть, что коэффициент корреляции Пирсона способен обнаружить только линейную взаимосвязь между переменными (рис. 17.8).

А коэффициент корреляции Спирмена способен обнаружить только монотонно возрастающую или убывающую взаимосвязь (рис. 17.9).

Рис. 17.8. Линейная взаимосвязь между переменными.

Рис. 17.9. Монотонно возрастающая взаимосвязь между переменными Следовательно, если после применения коэффициентов корреляции Спирмена или Пирсона к полученным в ходе исследования данным взаимосвязь между переменными оказалась не значимой, то это еще не свидетельствует о том, что нет никакой взаимосвязи. Это говорит лишь о том, что нет линейной или монотонно возрастающей (убывающей) взаимосвязи. Но это еще не исключает, что может в данном случае присутствовать нелинейная взаимосвязь между переменными, к обнаружению которой коэффициенты корреляции Спирмена и Пирсона нечувствительны.

Примером нелинейной взаимосвязи может служить взаимосвязь мотивации человека и эффективности деятельности, которую он выполняет (известный закон Йеркса — Додсона): сначала, по мере увеличения внутренней мотивации, эффективность деятельности человека возрастает, но как только мотивация достигает определенного уровня, эффективность начинает снижаться. Данная нелинейная взаимосвязь описывается на графике перевернутой параболой (рис. 17.10).

Рис. 17.10. Нелинейная взаимосвязь между переменными Если в исследовании взаимосвязи двух переменных с применением коэффициентов корреляции Пирсона и (или) Спирмена взаимосвязь оказалась незначимой, то могут быть предложены несколько вариантов для продолжения данного исследования. Однако, перед тем как приступить к любому из них, рекомендуется построить точечный график зависимости изучаемых переменных, чтобы лучше понять природу возможной взаимосвязи.

Первый вариант — разбить одну из переменных на диапазоны и проверить с помощью коэффициентов корреляции Спирмена или Пирсона, как взаимосвязаны данные переменные, но не на всем диапазоне значений, а на его выделенных частях. Например: если взаимосвязь коэффициента интеллекта студентов и совпадения их индивидуальных ценностей с ценностями их группы оказалась незначимой, то можно проверить, как взаимосвязаны низкие (потом средние и высокие) значения интеллекта с совпадением индивидуальных ценностей студентов с ценностями их группы. После данной проверки может обнаружиться присутствие значимой взаимосвязи на одном или нескольких уровнях значений интеллекта.

Второй вариант — применить регрессионный анализ^[2] (подгонку нелинейных кривых), чтобы проверить, удовлетворяют ли данные исследования одной из более-менее распространенных нелинейных зависимостей (квадратичная, обратная, логарифмическая, кубическая, степенная, экспоненциальная и др.).

• [1] Митина О. В. Математические методы в психологии: Практикум. М.: Аспект Пресс, 2009; Наследов А. Д. SPSS: Компьютерный анализ данных в психологии и социальных науках.
• [2] Наследов А. Д. SPSS: Компьютерный анализ данных в психологии и социальных науках.