《SPSS统计学》第九章 相关研究和个案研究.docVIP

第九章 相关研究和个案研究 第一节 相关研究 一、什么是相关研究 　　有关两种心理现象或某种心理现象和行为之间的关联关系的研究称为相关研究。在相关研究中，研究者的目的不是直接探求变量之间的原因或结果，也不单单是为了描述某一现象本身，而是在于认识变量之间的关系。例如，一项关于学习兴趣与学习成绩的相关研究，研究者的研究目的不是探讨学习兴趣是取得好成绩的原因与优良的学习成绩是形成浓厚的学习兴趣的原因，也不单单是将学生的学习兴趣和学习成绩描述一番，研究者所关心的是学习兴趣和学习成绩两者之间的关联关系如何，是否学习兴趣的水平高 即浓厚 ，学习成绩的水平亦高 即优良 ，反之亦然。可见，一项研究是否为相关研究，首先取决于研究目的。 相关研究与实验研究不同。相关研究没有象实验研究中那样操作自变量，也没有对研究的情境 无关变量 进行有效的控制。相关研究一般是在自然环境中进行测量，以了解两种或两种以上的变量指标的关联关系，是否一种分数高时另一种 或几种 分数也高，或者相反。相关研究的设计性质决定了从这类研究的结果中不能直接地指明所得关系的方向，即不能直接得到由变量的变化引起变量的变化，或者由变量的变化引起变量的变化。而实验研究则可以将因变量变化的原因直接归诸于自变量的变化。所以，一项研究是否为相关研究，除了取决于研究目的之外，还要受该研究收集数据的方法和手段的制约。 　　相关研究的结果往往用相关统计的方法进行处理。尽管相关统计与相关研究有密切关系，但二者有本质的区别。相关统计是用来检验相关研究结果的手段，而相关研究反映的是一类研究方法的性质。例如，上述关于学习兴趣与学习成绩的相关研究中，我们不采用相关统计的方法处理研究结果 即不求二者的相关系数 ，而是将学生样本按学习成绩分成优良、中等和较差三组，用t检验考察三组学生学习兴趣水平的差异。尽管在结果处理上没有使用相关系数来反映二者的关系，但这项研究仍然是相关研究。因为这项研究的设计性质是相关设计而不是控制条件的实验设计。 二、相关关系的性质 　　如果变量发生变化，变量就随之变化；反之亦然。人们就可以通过了解变量的值，对另一个变量的值作出预测。预测的正确率通常由变量的关联程度决定，它一般介于0～100％之间。关联程度通常使用“相关系数”的绝对值予以度量，相关系数的数值范围在－1.00～＋1.00之间。 　　相关系数为－1.00或＋1.00时，变量的关联强度最大，称之为完全相关。此时两列变量值的关系为函数关系，即人们可以根据变量的值准确地预测变量的值。例如，物理学中的匀速运动公式，当速度已知时，我们可以根据运动时间准确地预测该物体运动的距离；同样我们知道了甲乙两地距离，就可以准确地预测从甲地到乙地所花的时间。 　　相关系数为0.00时，变量之间的关联强度最小，即等于零，表示不相关。此时，两列变量值的关系为正交关系。如果两个变量正交，那么它们的变化互相独立，变量值的变化不受变量值的变化的制约，人们完全不能从一个变量的情况预测或推导出另一个变量的情况。例如，小学生性别与学习成绩之间是一种正交关系，人们不能根据一名小学生的性别来预测或推导他的学习成绩。 　　遗憾的是，在心理与教育研究中变量之间的关联强度极少出现±1.00和0.00的情况，几乎所有研究中变量的关联程度介于±1.00～0.00之间。相关系数的绝对值越接近于1.00，关联程度就越大；越接近于0.00，关联程度就越小。两个变量的观测值相关系数的绝对值介于1.00～0.00之间时，称这两列变量值的关系为相关关系。若变量和变量之间存在相关关系，那么就存在由一个变量预测另一个变量的可能性。其预测的准确性的大小由相关系数决定。若相关系数的绝对值越接近于1.00，则由一个变量预测另一个变量的准确性越高；相关系数的绝对值越接近于0.00，则由一个变量预测另一个变量的准确性越低。一般说来，较弱的相关 即相关系数绝对值较小 难以为预测提供基础，而足够强的相关 即相关系数绝对值较大 对于预测方有一定的意义。例如：学习兴趣与智力水平有较弱的相关，只有+0.23，我们很难根据学生的智力水平预测其学习兴趣，也难以根据其学习兴趣预测其智力水平。 　　两列变量值之间的关联关系不仅有强度方面的差异，而且有两列变量值变化方向上的不同。两列变量值的变化方向由相关系数的正负号来标志。为正号表明两列变量值的变化方向相同，此时两列变量之间的相关关系为正相关，即变量的值增大时，变量的值也增大；变量的值减小时，变量的值也减小。为负号表明两列变量值的变化方向相反，此时两列变量之间的相关关系为负相关。即变量的值增大时，变量的值减小；变量的值减小时，变量的值增大。 三、对相关研究结果的解释 　　不言而喻，变量间的相关性质并不表明原因。根据一个较大的相关系数，人们只知道两个变量具有较高的相