سایت خدمات دانشجویی فروغ پاسارگاد

تحقیق همبستگی

در یک تحقیق همبستگی پژوهشگر روابط بین متغیرها را بدون کنترل یا دستکاری هیچ یک از آنها بررسی می کند.
همبستگی قدرت و/یا جهت رابطه بین دو (یا چند) متغیر را منعکس می کند. جهت یک همبستگی می تواند مثبت یا منفی باشد.
سه حالت همبستگی متغیر ها در پایین توضیح داده شده است:
1.همبستگی مثبت هر دو متغیر در یک جهت تغییر می کنند مثال با افزایش قد، وزن نیز افزایش می یابد
2. همبستگی منفی متغیرها در جهت مخالف تغییر می کنند مثال با افزایش مصرف قهوه، خستگی کاهش می یابد
3. همبستگی صفر رابطه ای بین متغیرها وجود ندارد مصرف قهوه با قد همبستگی ندارد

تفاوت تحقیق همبستگی در مقابل تحقیقات 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 وجود دارد.
تحقیق همبستگی:
هدف: برای آزمایش قدرت ارتباط بین متغیرها استفاده می شود
متغیرها: متغیرها بدون دستکاری یا مداخله توسط محققان مشاهده می شوند
اعتبار: اعتبار خارجی بالا، شما می توانید با اطمینان نتیجه گیری خود را به سایر جمعیت ها یا تنظیمات تعمیم دهید
تحقیقات تجربی:
هدف: برای آزمایش روابط علت و معلولی بین متغیرها استفاده می شود
متغیرها: یک متغیر مستقل دستکاری شده و یک متغیر وابسته مشاهده می شود
اعتبار: اعتبار درونی بالا، شما می توانید با اطمینان در مورد علیت نتیجه گیری کنید

چه زمان از تحقیقات همبستگی استفاده می کنیم؟

تحقیقات همبستگی برای جمع آوری سریع داده ها از محیط های طبیعی ایده آل است. این به شما کمک می کند یافته های خود را به روشی معتبر به موقعیت های زندگی واقعی تعمیم دهید.
چند موقعیت وجود دارد که تحقیقات همبستگی انتخاب مناسبی است.

برای بررسی روابط غیر علی

شما می خواهید بفهمید که آیا ارتباطی بین دو متغیر وجود دارد یا خیر، اما انتظار ندارید یک رابطه علی بین آنها پیدا کنید.
تحقیقات همبستگی می تواند بینش هایی را در مورد روابط پیچیده دنیای واقعی ارائه دهد و به محققان کمک کند تا نظریه ها را توسعه دهند و پیش بینی کنند.
مثال
می خواهید بدانید که آیا ارتباطی بین تعداد فرزندان افراد و حزب سیاسی آنها وجود دارد. شما فکر نمی‌کنید داشتن فرزندان بیشتر باعث می‌شود که مردم به‌طور متفاوتی رای دهند - به احتمال زیاد هر دو تحت تأثیر متغیرهای دیگری مانند سن، مذهب، ایدئولوژی و وضعیت اجتماعی-اقتصادی هستند. اما یک همبستگی قوی می تواند برای پیش بینی در مورد الگوهای رأی گیری مفید باشد.

برای کشف روابط علی بین متغیرها

شما فکر می کنید یک رابطه علی بین دو متغیر وجود دارد، اما انجام تحقیقات تجربی که یکی از متغیرها را دستکاری می کند غیرعملی، غیراخلاقی یا بسیار پرهزینه است.
تحقیقات همبستگی می‌تواند نشانه‌های اولیه یا پشتیبانی اضافی برای نظریه‌های مربوط به روابط علی فراهم کند.
مثال
شما می خواهید بررسی کنید که آیا انتشار گازهای گلخانه ای باعث گرم شدن کره زمین می شود یا خیر. انجام آزمایشی که انتشارات گاز های گلخانه ای جهانی را در طول زمان کنترل می کند عملاً امکان پذیر نیست، اما از طریق مشاهده و تجزیه و تحلیل می توانید یک همبستگی قوی را نشان دهید که از این نظریه پشتیبانی کند.

برای آزمایش ابزارهای اندازه گیری جدید

شما ابزار جدیدی برای اندازه گیری متغیر خود ایجاد کرده اید و باید پایایی یا اعتبار آن را آزمایش کنید.
از تحقیقات همبستگی می توان برای ارزیابی اینکه آیا ابزار به طور مداوم یا دقیق مفهومی را که قصد اندازه گیری آن را دارد اندازه گیری می کند ، استفاده کرد.
مثال
شما مقیاس جدیدی برای اندازه گیری تنهایی در کودکان خردسال در طول قرنطینه ایجاد می کنید. برای اعتبارسنجی این مقیاس، باید آزمایش کنید که آیا واقعاً تنهایی را می سنجد یا خیر. شما با استفاده از سه معیار مختلف، از جمله مقیاس جدید، اطلاعات مربوط به تنهایی را جمع آوری می کنید و درجات همبستگی بین اندازه گیری های مختلف را آزمایش می کنید. یافتن همبستگی های بالا به این معنی است که مقیاس شما معتبر است.

نحوه جمع آوری داده های همبستگی

روش های مختلفی وجود دارد که می توانید در تحقیقات همبستگی از آنها استفاده کنید. در علوم اجتماعی و رفتاری، متداول ترین روش های جمع آوری داده ها برای این نوع تحقیقات شامل پیمایش، مشاهده 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  را انتخاب کنید تا داده های شما منعکس کننده جمعیت مورد علاقه شما بدون تعصب باشد.

نحوه تجزیه و تحلیل داده های همبستگی

پس از جمع‌آوری داده‌ها، می‌توانید رابطه بین متغیرها را با استفاده از تحلیل‌های همبستگی یا رگرسیون یا هر دو مورد تجزیه و تحلیل آماری قرار دهید. همچنین می توانید روابط بین متغیرها را با یک نمودار پراکندگی تجسم کنید.

تجزیه و تحلیل همبستگی

با استفاده از تجزیه و تحلیل همبستگی، می توانید رابطه بین متغیرها را در یک ضریب همبستگی خلاصه کنید: یک عدد واحد که قدرت و جهت رابطه بین متغیرها را توصیف می کند. با این عدد، میزان رابطه بین متغیرها را تعیین می کنید.
ضریب همبستگی محصول آزمون پیرسون، که به عنوان r پیرسون نیز شناخته می شود، معمولاً برای ارزیابی رابطه خطی بین دو متغیر کمی استفاده می شود.
ضرایب همبستگی معمولاً برای دو متغیر در یک زمان استفاده می شود، اما شما می توانید از یک ضریب همبستگی چندگانه برای سه یا چند متغیر استفاده کنید.

تجزیه و تحلیل رگرسیون

با تجزیه و تحلیل رگرسیون، می توانید پیش بینی کنید که تغییر در یک متغیر چقدر با تغییر در متغیر دیگر مرتبط است. نتیجه یک معادله رگرسیونی است که خط روی نمودار متغیرهای شما را توصیف می کند.
می توانید از این معادله برای پیش بینی مقدار یک متغیر بر اساس مقدار(های) داده شده متغیر(های) دیگر استفاده کنید. بهتر است پس از آزمایش همبستگی بین متغیرهای خود، تحلیل رگرسیون را انجام دهید.