/ در پایان نامه / توسط
آخرین زمان ویرایش:

مقدمه ای بر تحقیقات همبستگی

زمان مطالعه: ۸ دقیقه

مقدمه ای بر تحقیقات همبستگی ، یک طرح تحقیق همبستگی روابط بین متغیرها را بررسی می کند بدون اینکه محقق هیچ یک از آن ها را کنترل یا دستکاری کند.

یک همبستگی نشان دهنده قدرت و یا جهت رابطه بین دو (یا بیشتر) متغیرها است. جهت همبستگی می تواند مثبت یا منفی باشد.

 

تحقیقات همبستگی و تجربی

تحقیقات همبستگی و تجربی هر دو از روش های کمی برای بررسی روابط بین متغیرها استفاده می کنند. اما تفاوت های مهمی در نحوه جمع آوری داده ها و انواع نتیجه گیری شما وجود دارد.

 

زمان استفاده از تحقیقات همبستگی

مقدمه ای بر تحقیقات همبستگی ، تحقیقات همبستگی برای جمع آوری سریع داده ها از تنظیمات طبیعی ایده آل است. این به شما کمک می کند یافته های خود را به روشی معتبر خارجی به موقعیت های واقعی زندگی تعمیم دهید. چند موقعیت وجود دارد که تحقیقات همبستگی یک انتخاب مناسب است.

برای بررسی روابط غیر علی
شما می خواهید بدانید که آیا ارتباطی بین دو متغیر وجود دارد یا خیر، اما انتظار ندارید که یک رابطه علی بین آن ها پیدا کنید.

تحقیقات همبستگی می تواند بینشی در مورد روابط پیچیده دنیای واقعی فراهم کند و به محققان کمک کند تا نظریه ها را بسازند و پیش بینی کنند.

مثال
شما می خواهید بدانید که آیا ارتباطی بین تعداد فرزندان افراد و اینکه به کدام حزب سیاسی رأی می دهند وجود دارد یا خیر. شما فکر نمی کنید داشتن فرزندان بیشتر باعث می شود افراد به طور متفاوتی رأی دهند – به احتمال زیاد هر دو تحت تأثیر متغیرهای دیگری مانند سن، دین، ایدئولوژی و وضعیت اقتصادی اقتصادی قرار دارند. اما یک همبستگی قوی می تواند برای پیش بینی الگوهای رأی گیری مفید باشد.

برای کشف روابط علی بین متغیرها
شما فکر می کنید بین دو متغیر رابطه علی و معلولی وجود دارد، اما انجام تحقیقات تجربی که یکی از متغیرها را دستکاری می کند غیر عملی، غیراخلاقی یا بسیار پرهزینه است. تحقیقات همبستگی می تواند نشانه های اولیه یا پشتیبانی بیشتری از نظریه های مربوط به روابط علی ایجاد کند.

مثال
شما می خواهید بررسی کنید که آیا انتشار گازهای گلخانه ای باعث گرم شدن کره زمین می شود یا خیر. عملاً انجام آزمایشی که بتواند انتشارات جهانی را با گذشت زمان کنترل کند، امکان پذیر نیست، اما از طریق مشاهده و تجزیه و تحلیل می توانید همبستگی شدیدی را که از این تئوری پشتیبانی می کند، نشان دهید.

برای آزمایش ابزار اندازه گیری جدید
شما ابزار جدیدی برای اندازه گیری متغیر خود ایجاد کرده اید و باید قابلیت اطمینان یا روایی آن را بسنجید.

از تحقیقات همبستگی می توان برای ارزیابی اینکه آیا ابزاری به طور مداوم یا دقیق مفهومی را که قصد اندازه گیری آن را دارد، استفاده کرد.

مثال
شما مقیاس جدیدی را برای اندازه گیری تنهایی در کودکان خردسال بر اساس شواهد حکایتی در حین قفل کردن ایجاد می کنید. برای تأیید این مقیاس، باید آزمایش کنید که آیا واقعاً تنهایی را اندازه گیری می کند. شما با استفاده از سه اندازه گیری مختلف، از جمله مقیاس جدید، اطلاعات مربوط به تنهایی را جمع آوری می کنید و درجه همبستگی بین اندازه گیری های مختلف را آزمایش می کنید. یافتن همبستگی های بالا به معنی معتبر بودن مقیاس شماست.

 

نحوه جمع آوری داده های همبستگی

مقدمه ای بر تحقیقات همبستگی ، روش های مختلفی وجود دارد که می توانید در تحقیقات همبستگی استفاده کنید. در علوم اجتماعی و رفتاری، متداول ترین روش های جمع آوری داده ها برای این نوع تحقیق شامل بررسی ها، مشاهدات و داده های ثانویه است.

مهم است که روش های خود را با دقت انتخاب و برنامه ریزی کنید تا از قابلیت اطمینان و اعتبار نتایج خود اطمینان حاصل کنید. شما باید با دقت یک نمونه نماینده را انتخاب کنید تا داده های شما بدون تعصب، جمعیت مورد نظر شما را نشان دهد.

نظرسنجی ها

در تحقیقات پیمایشی، می توانید از پرسشنامه برای اندازه گیری متغیرهای مورد علاقه خود استفاده کنید. شما می توانید نظرسنجی را به صورت آنلاین، از طریق پست، از طریق تلفن یا شخصاً انجام دهید.

نظرسنجی ها یک روش سریع و انعطاف پذیر برای جمع آوری داده های استاندارد از بسیاری از شرکت کنندگان است، اما مهم است که اطمینان حاصل کنید که سوالات شما به صورت بی طرفانه بیان شده و بینش های مربوطه را به دست می آورند.

مثال
برای اینکه بفهمید آیا رابطه ای بین گیاهخواری و درآمد وجود دارد یا نه، شما یک نمونه سوال از رژیم های غذایی مختلف را برای رژیم غذایی ارسال می کنید. شما از نظر آماری پاسخ ها را تجزیه و تحلیل می کنید تا تعیین کنید آیا گیاهخواران به طور کلی درآمد بالاتری دارند.

مشاهده طبیعت گرایانه

این نوعی تحقیق میدانی است که در آن اطلاعاتی درباره یک رفتار یا پدیده در محیط طبیعی آن جمع می کنید.

این روش غالباً شامل ثبت، شمارش، توصیف و دسته بندی اقدامات و رویدادها است. مشاهدات طبیعت گرایانه می تواند شامل هر دو عنصر کمی و کیفی باشد، اما برای ارزیابی همبستگی، شما داده هایی را جمع آوری می کنید که می توان کمی تجزیه و تحلیل کرد (به عنوان مثال فرکانس ها، مدت زمان ها، مقیاس ها و مقادیر).

مشاهده طبیعت گرایانه به شما امکان می دهد به راحتی نتایج خود را به زمینه های دنیای واقعی تعمیم دهید و می توانید تجربیاتی را که در محیط آزمایشگاه قابل تکرار نیستند مطالعه کنید. اما تجزیه و تحلیل داده ها می تواند زمانبر و غیرقابل پیش بینی باشد و تعصب محققان ممکن است تفسیرها را کج کند.

مثال
برای فهمیدن اینکه آیا رابطه ای بین جنسیت و مشارکت در کلاس وجود دارد، شما سمینارهای دانشگاهی را مشاهده می کنید، به فراوانی و مدت زمان مشارکت دانشجویان توجه می کنید و آن ها را بر اساس جنسیت طبقه بندی می کنید. شما داده ها را از لحاظ آماری تجزیه و تحلیل می کنید تا تعیین کنید آیا مردان بیشتر از زنان در کلاس صحبت می کنند یا خیر.

داده های ثانویه

به جای جمع آوری داده های اصلی، می توانید از داده هایی که قبلاً به منظور دیگری جمع آوری شده اند مانند سوابق رسمی، نظرسنجی ها یا مطالعات قبلی استفاده کنید.

استفاده از داده های ثانویه ارزان و سریع است، زیرا جمع آوری داده ها کامل است. با این حال، داده ها ممکن است غیر قابل اعتماد، ناقص یا کاملاً مربوط نباشند، و شما هیچ کنترلی بر قابلیت اطمینان یا اعتبار رویه های جمع آوری اطلاعات ندارید.

مثال
برای اینکه بفهمید ساعت کار با سلامت روان ارتباط دارد یا خیر، از آمارهای رسمی ملی و مطالعات علمی چندین کشور مختلف استفاده می کنید تا داده های مربوط به میانگین ساعات کار و میزان بیماری های روانی را ترکیب کنید. شما داده ها را از نظر آماری تجزیه و تحلیل می کنید تا ببینید آیا کشورهایی که ساعات کمتری کار می کنند نتایج بهتری در سلامت روان دارند.

مقدمه ای بر تحقیقات همبستگی

مقدمه ای بر تحقیقات همبستگی – کالج مدیریت

نحوه تجزیه و تحلیل داده های همبستگی

پس از جمع آوری داده ها، می توانید رابطه بین متغیرها را با استفاده از تحلیل همبستگی یا رگرسیون یا هر دو مورد تجزیه و تحلیل کنید. همچنین می توانید روابط بین متغیرها را با استفاده از پراکندگی تصور کنید.

انواع مختلف ضرایب همبستگی و تحلیل رگرسیون بر اساس سطح اندازه گیری و توزیع آن ها برای داده های شما مناسب است.

تجزیه و تحلیل همبستگی- مقدمه ای بر تحقیقات همبستگی

با استفاده از یک تحلیل همبستگی، می توانید رابطه بین متغیرها را به یک ضریب همبستگی خلاصه کنید: یک عدد واحد که قدرت و جهت رابطه بین متغیرها را توصیف می کند. با استفاده از این عدد، میزان ارتباط بین متغیرها را کمی می کنید.

ضریب همبستگی محصول لحظه ای پیرسون، که به آن Pearson’s r نیز گفته می شود، معمولاً برای ارزیابی رابطه خطی بین دو متغیر کمی استفاده می شود.

ضرایب همبستگی معمولاً برای دو متغیر همزمان پیدا می شوند، اما می توانید برای سه یا چند متغیر از ضریب همبستگی چندگانه استفاده کنید.

تجزیه و تحلیل رگرسیون

با تجزیه و تحلیل رگرسیون، می توانید پیش بینی کنید که یک تغییر در یک متغیر با تغییر در متغیر دیگر چقدر همراه خواهد بود. نتیجه یک معادله رگرسیون است که خط را بر روی نمودار متغیرهای شما توصیف می کند.

می توانید از این معادله برای پیش بینی مقدار یک متغیر بر اساس مقدار (های) داده شده از متغیر (های) دیگر استفاده کنید. بهتر است پس از آزمایش برای همبستگی بین متغیرهای خود، تحلیل رگرسیون را انجام دهید.

 

همبستگی و علیت- مقدمه ای بر تحقیقات همبستگی

لازم به یادآوری است که همبستگی به معنای علیت نیست. فقط به این دلیل که بین دو چیز همبستگی پیدا کرده اید به این معنی نیست که به چند دلیل می توانید نتیجه بگیرید که یکی از آن ها باعث دیگری شده است.

مشکل جهت گیری

اگر دو متغیر با هم همبستگی داشته باشند، می تواند به این دلیل باشد که یکی از آن ها علت است و دیگری معلول. اما طرح تحقیق همبستگی به شما اجازه نمی دهد که کدام یک را استنباط کنید. برای احتیاط خطا، محققان از مطالعات همبستگی نتیجه گیری نمی کنند.

مثال
شما بین سطح ویتامین D و افسردگی همبستگی مثبتی پیدا می کنید: افرادی که سطح ویتامین D کمی دارند، بیشتر دچار افسردگی می شوند. اما نمی توانید مطمئن باشید که داشتن سطح پایین ویتامین D باعث افسردگی می شود، یا اینکه آیا داشتن افسردگی باعث کاهش مصرف ویتامین D از طریق سبک زندگی یا تغییر اشتها می شود. بنابراین، فقط می توانید نتیجه بگیرید که بین این دو متغیر رابطه وجود دارد.

مسئله متغیر سوم

یک متغیر مخدوش کننده سومین متغیری است که متغیرهای دیگر را تحت تأثیر قرار می دهد تا به نظر علی ربط پیدا کنند حتی اگر اینگونه نباشند. در عوض، پیوندهای علی و معلولی جداگانه ای بین سردرگم کننده و هر متغیر وجود دارد.

در تحقیقات همبستگی، کنترل محدودی بر محققین و متغیرهای اضافی وجود دارد، بنابراین نمی توانید تصور کنید که هیچ متغیر مخدوش کننده ای بر متغیرهای مورد علاقه شما تأثیر ندارد. حتی اگر از نظر آماری برخی متغیرهای مخدوش کننده را کنترل کنید، باز هم ممکن است متغیرهای مخفی دیگری وجود داشته باشد که رابطه بین متغیرهای مطالعه شما را پنهان کنند.

مثال
شما بین ساعات کار و استرس مربوط به کار رابطه مثبت و قوی پیدا می کنید: افرادی که ساعات کار کمتری دارند میزان کمتری از استرس مربوط به کار را گزارش می کنند. با این حال، این ثابت نمی کند که ساعات کار کم باعث کاهش استرس می شود.
متغیرهای زیادی وجود دارد که ممکن است بر روی هر دو متغیر تأثیر بگذارد، مانند متوسط درآمد، شرایط کار و ناامنی شغلی. ممکن است از نظر آماری این متغیرها را کنترل کنید، اما به طور قطعی نمی توانید بگویید که ساعات کار پایین باعث کاهش استرس می شود زیرا متغیرهای دیگر ممکن است رابطه را پیچیده کنند.

اگرچه یک مطالعه همبستگی نمی تواند علیت را به خودی خود نشان دهد، اما با جمع آوری و تجزیه و تحلیل دقیق داده ها، می تواند یک فرضیه علیت را که در آزمایش های کنترل شده آزمایش شده است، به شدت پشتیبانی کند.

نوشته های مشابه

قابلیت اطمینان در مقابل اعتبار: تفاوت چیست؟

قابلیت اطمینان در مقابل اعتبار: تفاوت چیست؟ ، قابلیت اطمینان و روایی مفاهیمی هستند که برای ارزیابی کیفیت تحقیق استفاده…

مطالعه طولی چیست؟

مطالعه طولی چیست؟ ، در یک مطالعه طولی، محققان به طور مکرر همین افراد را مورد بررسی قرار می دهند…