Avantages et inconvénients de la méthode corrélationnelle

April 20

Avantages et inconvénients de la méthode corrélationnelle


Les chercheurs qui recueillent quantitative, ou à base numérique, des données effectuent diverses formes d'analyse statistique pour tirer des conclusions à partir de ces données. En recherchant des relations entre les différents ensembles de données qu'ils collectent, les chercheurs peuvent tester des hypothèses sur la façon dont différents facteurs influent sur ​​l'autre, et la force de ces effets. Une telle méthode, les tests des corrélations statistiques, a une valeur limitée académique.

corrélation

Les corrélations sont une forme simple d'analyse statistique qui cherche des relations numériques entre deux ensembles de données de taille égale. En comparant les numéros de deux différents ensembles de données ensemble, les corrélations regardent comment le mouvement de la valeur des nombres dans un ensemble de données est lié au mouvement de la valeur des nombres dans l'autre ensemble de données. Par exemple, un chercheur pourrait se pencher sur les corrélations entre les heures que les étudiants passent et étudient leurs scores de test pour voir s'il y a une relation entre les heures consacrées à l'étude et les résultats des tests. L'équation pour tester les rapports des corrélations cette relation comme un coefficient qui est compris entre zéro (absolument aucune relation entre les deux ensembles de données) et un (une relation parfaite entre les deux ensembles de données) qui est soit positive (une augmentation dans un ensemble de données est liée à une augmentation dans l'autre ensemble de données) ou négative (augmentation d'un ensemble de données est liée à une diminution de l'autre ensemble de données).

Avantages

Le principal avantage de la méthode de recherche de corrélations simples entre deux ensembles de données est que l'équation pour trouver un coefficient de corrélation est assez simple pour les étudiants à croquer les chiffres à la main, plutôt que de compter sur des ordinateurs ou des calculatrices pour l'analyse. Cela permet aux élèves de les mathématiques derrière l'analyse statistique, qui construit une base pour comprendre les mathématiques derrière des méthodes plus sophistiquées d'analyse statistique. La nature simple d'une corrélation introduit également les étudiants aux idées derrière l'analyse statistique (direction et l'ampleur des relations).

Le manque de directivité

Le principal inconvénient des corrélations est que bien qu'ils signalent les relations entre les ensembles de données, ils ne donnent aucune indication quant à la causalité. Plus précisément, les mathématiques derrière l'équation de corrélation ne laisse pas les chercheurs savent que les données ensemble est responsable de la relation de corrélation équations rapport. Dans l'exemple de la gestion d'une corrélation entre les heures consacrées à l'étude et les résultats des tests, il pourrait être intuitive de penser qu'une relation positive entre les deux ensembles de données est en raison des heures passées à étudier. Cependant, pour autant que les mathématiques derrière l'équation de corrélation est concerné, il n'y a aucun moyen de prouver que l'inverse --- que l'obtention des résultats supérieurs qui vous étudiez plus --- est pas vrai.

bivariées

Les corrélations sont bivariées dans la nature: ils comparent deux numéros à la fois à partir de deux ensembles de données différents. Cela ne permet aux chercheurs d'examiner les relations entre les deux facteurs à la fois. Cependant, ce ne serait pas réaliste: il y a presque toujours des relations multiples et les effets sur quelque chose. Si un chercheur voulait examiner les relations et les effets reliés entre eux, l'équation de corrélation est mathématiquement incapable d'accueillir une telle conception de la recherche. L'analyse de régression, cependant, permet à un chercheur d'établir non seulement la causalité, mais de regarder les relations entre plus de deux ensembles de données.