korelačná metóda.

Na prekonanie obmedzení prípadovej metódy výskumníci osobnosti často používajú alternatívnu stratégiu známu ako korelačná metóda.Táto metóda sa snaží nadviazať vzťahy medzi udalosťami a v rámci nich (premenné). Premenná – akákoľvek hodnota, ktorú možno merať a ktorej kvantitatívne vyjadrenie sa môže meniť v rámci určitého kontinua. Napríklad úzkosť je premenlivá, pretože ju možno merať (pomocou škály sebahodnotenia úzkosti) a pretože ľudia sa líšia v stupni úzkosti. Podobne presnosť dokončenia úlohy, ktorá si vyžaduje určitú zručnosť, je tiež premennou, ktorú možno merať. Korelačnú štúdiu možno vykonať jednoducho meraním úrovne úzkosti u určitého počtu ľudí, ako aj úrovne presnosti konania každého z nich, keď skupina vykonáva komplexnú úlohu. Ak sa publikované výsledky potvrdia v inej štúdii, potom by sa subjekty s nižším skóre úzkosti mohli považovať za subjekty s vyšším skóre v presnosti úlohy. Keďže iné faktory (napr. predchádzajúce skúsenosti s úlohou, motivácia, inteligencia) pravdepodobne ovplyvnia presnosť úlohy, vzťah medzi presnosťou úlohy a úzkosťou nebude dokonalý, ale bude hodný pozornosti.

Premennými v korelačnej štúdii môžu byť testovacie údaje, demografické charakteristiky (ako je vek, poradie narodenia a sociálno-ekonomický stav), miery osobnostných čŕt, motívov, hodnôt a postojov a fyziologických odpovedí (ako je srdcová frekvencia, arteriálny tlak a galvanická odozva kože), ako aj štýly správania. Použitím korelačná metóda psychológovia chcú odpovede na konkrétne otázky, napríklad či vyššie vzdelanie pre profesionálny úspech v budúcnosti? Súvisí stres s ischemickou chorobou srdca? Existuje vzťah medzi sebaúctou a osamelosťou? Existuje spojenie medzi poradím narodenia a motiváciou k úspechu? Metóda korelácie nielenže umožňuje na tieto otázky odpovedať „áno“ alebo „nie“, ale aj dáva kvantifikácia porovnávanie hodnôt jednej premennej s hodnotami inej premennej. Na vyriešenie tohto problému psychológovia vypočítavajú štatistický index tzv korelačný koeficient(známy aj ako Pearsonov lineárny korelačný koeficient). Korelačný koeficient (označený malým písmenom r) nám ukazuje dve veci: 1) mieru závislosti dvoch premenných a 2) smer tejto závislosti (priamy alebo inverzný vzťah).

Číselná hodnota korelačného koeficientu sa pohybuje od -1 (úplne záporný alebo inverzný vzťah) cez 0 (bez spojenia) do +1 (úplne pozitívny alebo priamy vzťah). Koeficient blízky nule znamená, že tieto dve merané premenné spolu nijako výrazne nesúvisia. To znamená veľké alebo malé hodnoty premennej X nemajú významný vzťah s veľkými alebo malými hodnotami premennej Y. Ako príklad zvážte vzťah medzi dvoma premennými: telesnou hmotnosťou a inteligenciou. Vo všeobecnosti ľudia s nadváhou nie sú výrazne inteligentnejší alebo výrazne menej inteligentní ako štíhlejší ľudia. Naopak, korelačný koeficient +1 alebo -1 indikuje úplnú zhodu jedna ku jednej medzi dvoma premennými. Korelácie blízke dokonalosti sa vo výskume osobnosti takmer nikdy nenachádzajú, čo naznačuje, že hoci mnohé psychologické premenné spolu súvisia, miera asociácie medzi nimi nie je taká silná. Hodnota korelačného koeficientu v rozsahu medzi ±0,30 a ±0,60 je bežná vo výskume osobnosti a má praktickú a teoretickú hodnotu pre vedecké prognózovanie. S hodnotami korelačného koeficientu medzi 0 a ±0,30 by sa malo zaobchádzať opatrne - ich hodnota pre vedecké predpovede je minimálna. Na obr. 2-2 sú grafy rozdelenia hodnôt dvoch premenných pre dve rôzne hodnoty korelačný koeficient. Horizontálne sú hodnoty jednej premennej a vertikálne sú hodnoty druhej. Každá bodka znamená skóre získané jedným subjektom v dvoch premenných.

Ryža. 2-2. Každý diagram ilustruje rôznej miere závislosť hodnôt dvoch premenných. Každý bod na diagrame predstavuje výkon subjektu v dvoch premenných: a - celková pozitívna korelácia (r = +1); b - úplná negatívna korelácia (r = -1); c - mierna pozitívna korelácia (r = +0,71); d - žiadna korelácia (r = 0).

pozitívna korelácia znamená, že veľké hodnoty jednej premennej majú tendenciu súvisieť s veľkými hodnotami inej premennej alebo malé hodnoty jednej premennej majú tendenciu súvisieť s malými hodnotami inej premennej. Inými slovami, dve premenné sa zvyšujú alebo znižujú spolu. Existuje napríklad pozitívna korelácia medzi výškou a telesnou hmotnosťou ľudí. Vo všeobecnosti viac vysokých ľudí existuje tendencia mať väčšiu telesnú hmotnosť ako tie nižšie. Ďalším príkladom pozitívnej korelácie je vzťah medzi počtom násilných scén, ktoré deti vidia v televízii, a ich tendenciou konať agresívne. V priemere platí, že čím častejšie deti sledujú násilie v televízii, tým častejšie vykazujú agresívne správanie. negatívna korelácia znamená, že vysoké hodnoty jednej premennej sú spojené s nízkymi hodnotami inej premennej a naopak.

Príkladom negatívnej korelácie je vzťah medzi frekvenciou absencií žiakov v triede a ich úspešnosťou pri absolvovaní skúšok. Vo všeobecnosti študenti, ktorí mali viac vymeškaných hodín, majú tendenciu dosahovať nižšie skóre na skúškach. Študenti, ktorí mali menej úspešne, získali vyššie skóre. Ďalším príkladom je negatívna korelácia medzi hanblivosťou a asertívnym správaním. Jedinci, ktorí dosiahli vysoké skóre v indexe hanblivosti, mali tendenciu byť nerozhodní, zatiaľ čo tí s nízkym skóre hanblivosti boli odhodlaní a asertívni. Čím je hodnota korelačného koeficientu bližšie k +1 alebo k -1, tým silnejší je vzťah medzi dvoma skúmanými premennými. Korelačný koeficient +0,80 teda odráža prítomnosť silnejšieho vzťahu medzi dvoma premennými ako korelačný koeficient +0,30. Podobne korelačný koeficient -0,65 odráža silnejšiu koreláciu premenných ako korelačný koeficient -0,25. Je potrebné si uvedomiť, že hodnota korelácie závisí len od číselnej hodnoty koeficientu, pričom znamienko „+“ alebo „-“ pred koeficientom jednoducho udáva, či je táto korelácia pozitívna alebo negatívna. Hodnota r = +0,70 teda odráža prítomnosť rovnako silnej závislosti ako hodnota r = -0,70. Prvý príklad však naznačuje pozitívnu závislosť a druhý - negatívnu. Ďalej, korelačný koeficient -0,55 indikuje silnejší vzťah ako korelačný koeficient +0,35. Pochopenie týchto aspektov korelačnej štatistiky vám pomôže vyhodnotiť výsledky tohto druhu výskumu.

Na prekonanie obmedzení prípadovej metódy výskumníci osobnosti často používajú alternatívnu stratégiu známu ako korelačná metóda. Táto metóda sa snaží nadviazať vzťahy medzi udalosťami a v rámci nich (premenné). Premenná – akákoľvek hodnota, ktorú možno merať a ktorej kvantitatívne vyjadrenie sa môže meniť v rámci určitého kontinua. Napríklad úzkosť je premenlivá, pretože ju možno merať (pomocou škály sebahodnotenia úzkosti) a pretože ľudia sa líšia v stupni úzkosti. Podobne presnosť dokončenia úlohy, ktorá si vyžaduje určitú zručnosť, je tiež premennou, ktorú možno merať. Korelačnú štúdiu možno vykonať jednoducho meraním úrovne úzkosti u určitého počtu ľudí, ako aj úrovne presnosti konania každého z nich, keď skupina vykonáva komplexnú úlohu. Ak sa publikované výsledky potvrdia v inej štúdii, potom by sa subjekty s nižším skóre úzkosti mohli považovať za subjekty s vyšším skóre v presnosti úlohy. Keďže iné faktory (napr. predchádzajúce skúsenosti s úlohou, motivácia, inteligencia) pravdepodobne ovplyvnia presnosť úlohy, vzťah medzi presnosťou úlohy a úzkosťou nebude dokonalý, ale bude hodný pozornosti.

Premennými v korelačnej štúdii môžu byť testovacie údaje, demografické charakteristiky (ako je vek, poradie narodenia a sociálno-ekonomický stav), miery samouvedených vlastností, motivácií, hodnôt a postojov a fyziologické reakcie (ako je srdcová frekvencia, krvný tlak). a galvanická odozva kože), ako aj štýly správania. Psychológovia chcú pri korelačnej metóde získať odpovede na také špecifické otázky, akými sú: Ovplyvňuje vysokoškolské vzdelanie profesionálny úspech v budúcnosti? Súvisí stres s ischemickou chorobou srdca? Existuje vzťah medzi sebaúctou a osamelosťou? Existuje spojenie medzi poradím narodenia a motiváciou k úspechu? Metóda korelácie vám umožňuje nielen odpovedať „áno“ alebo „nie“ na tieto otázky, ale tiež kvantifikovať korešpondenciu medzi hodnotami jednej premennej a hodnotami inej premennej. Na vyriešenie tohto problému psychológovia vypočítavajú štatistický index tzv korelačný koeficient(známy aj ako Pearsonov lineárny korelačný koeficient). Korelačný koeficient (označený malým písmenom r) nám ukazuje dve veci: 1) mieru závislosti dvoch premenných a 2) smer tejto závislosti (priamy alebo inverzný vzťah).

Číselná hodnota korelačného koeficientu sa pohybuje od -1 (úplne záporný alebo inverzný vzťah) cez 0 (bez spojenia) do +1 (úplne pozitívny alebo priamy vzťah). Koeficient blízky nule znamená, že tieto dve merané premenné spolu nijako výrazne nesúvisia. To znamená veľké alebo malé hodnoty premennej X nemajú významný vzťah s veľkými alebo malými hodnotami premennej Y. Ako príklad zvážte vzťah medzi dvoma premennými: telesnou hmotnosťou a inteligenciou. Vo všeobecnosti ľudia s nadváhou nie sú výrazne inteligentnejší alebo výrazne menej inteligentní ako štíhlejší ľudia. Naopak, korelačný koeficient +1 alebo -1 indikuje úplnú zhodu jedna ku jednej medzi dvoma premennými. Takmer nikdy sa vo výskume osobnosti nenachádzajú takmer dokonalé korelácie, čo naznačuje, že hoci mnohé premenné spolu súvisia, miera asociácie medzi nimi nie je taká silná. Hodnota korelačného koeficientu v rozsahu medzi ±0,30 a ±0,60 je bežná vo výskume osobnosti a má praktickú a teoretickú hodnotu pre vedecké prognózovanie. S hodnotami korelačného koeficientu medzi 0 a ±0,30 by sa malo zaobchádzať opatrne - ich hodnota pre vedecké predpovede je minimálna. Na obr. 2-2 sú grafy rozdelenia hodnôt dvoch premenných pre dve rôzne hodnoty korelačného koeficientu. Horizontálne sú hodnoty jednej premennej a vertikálne sú hodnoty druhej. Každá bodka znamená skóre získané jedným subjektom v dvoch premenných.

Ryža. 2-2. Každý z diagramov znázorňuje iný stupeň závislosti hodnôt dvoch premenných. Každý bod na diagrame predstavuje výkon subjektu v dvoch premenných: a - celková pozitívna korelácia (r = +1); b - úplná negatívna korelácia (r = -1); c - mierna pozitívna korelácia (r = +0,71); d - žiadna korelácia (r = 0).

pozitívna korelácia znamená, že veľké hodnoty jednej premennej majú tendenciu súvisieť s veľkými hodnotami inej premennej alebo malé hodnoty jednej premennej majú tendenciu súvisieť s malými hodnotami inej premennej. Inými slovami, dve premenné sa zvyšujú alebo znižujú spolu. Existuje napríklad pozitívna korelácia medzi výškou a telesnou hmotnosťou ľudí. Vo všeobecnosti platí, že vyšší ľudia majú tendenciu mať väčšiu telesnú hmotnosť ako nižší ľudia. Ďalším príkladom pozitívnej korelácie je vzťah medzi počtom násilných scén, ktoré deti vidia v televízii, a ich tendenciou konať agresívne. V priemere platí, že čím častejšie deti sledujú násilie v televízii, tým častejšie vykazujú agresívne správanie. negatívna korelácia znamená, že vysoké hodnoty jednej premennej sú spojené s nízkymi hodnotami inej premennej a naopak.

Vyhodnotenie korelačnej metódy.

Korelačná metóda má niekoľko jedinečných výhod. Najdôležitejšie je, že umožňuje výskumníkom preskúmať veľký súbor premenných, ktoré nemožno testovať experimentálnymi štúdiami. Napríklad, pokiaľ ide o stanovenie spojenia medzi sexuálnym zneužívaním v detstve a emocionálnymi problémami v neskoršom živote, korelačná analýza môže byť jedinou eticky prijateľnou metódou výskumu. Podobne, ak chcete študovať, ako súvisia demokratické a autoritárske štýly rodičovstva s hodnotovými orientáciami človeka, stojí za to zvoliť túto metódu, pretože etické hľadiská znemožňujú experimentálne kontrolovať štýl rodičovstva.

Druhou výhodou korelačnej metódy je, že umožňuje študovať mnohé aspekty osobnosti v prirodzených podmienkach. skutočný život. Napríklad, ak chceme posúdiť vplyv rozvodu rodičov na prispôsobenie a správanie detí v škole, musíme systematicky sledovať sociálny a akademický pokrok detí z rozpadnutých rodín za určité obdobie. Uskutočnenie takéhoto prirodzeného pozorovania si vyžiada čas a úsilie, ale umožní veľmi realistické posúdenie komplexného správania. Z tohto dôvodu je korelačná metóda preferovanou výskumnou stratégiou pre personológov so záujmom o štúdium individuálne rozdiely a javy podliehajúce experimentálnej kontrole. Treťou výhodou korelačnej metódy je, že niekedy umožňuje predpovedať udalosť z poznania inej. Napríklad štúdia zistila stredne vysokú pozitívnu koreláciu medzi skóre SAT 4 stredoškolákov a ich neskoršími známkami na vysokej škole (Hargadon, 1981). Ak teda poznáme skóre študentov SAT, výberová komisia na vysokej škole dokáže pomerne presne predpovedať ich následný akademický výkon. Takéto predpovede nie sú nikdy dokonalé, ale často sú užitočné pri rozhodovaní o prijatí. vzdelávacia inštitúcia. Všetci výskumníci osobnosti však uznávajú dva vážne nedostatky tejto stratégie. Po prvé, použitie korelačnej metódy neumožňuje výskumníkom identifikovať kauzálne vzťahy. Podstata problému je v tom korelačná štúdia nemôže poskytnúť definitívny záver, že dve premenné sú v príčinnej súvislosti. Mnohé korelačné štúdie napríklad potvrdili súvislosť medzi násilným sledovaním televízie a agresívnym správaním u niektorých detí a dospelých divákov (Freedman, 1988; Huston a Wright, 1982). Aký záver možno vyvodiť z týchto prác? Jedným z možných záverov je, že dlhodobé sledovanie násilia v televízii vedie k zvýšeniu agresívnych impulzov diváka. Možný je však aj opačný záver: subjekty, ktoré sú svojou povahou agresívne, alebo osoby, ktoré sa dopustili agresívnych činov, radšej pozerajú televízne programy s násilnými scénami. Bohužiaľ, korelačná metóda nám neumožňuje určiť, ktoré z týchto dvoch vysvetlení je správne. Korelačné štúdie, ktoré stanovujú silnú koreláciu medzi hodnotami dvoch premenných, zároveň vyvolávajú otázku možnosti kauzálneho vzťahu medzi týmito premennými. Pokiaľ ide napríklad o vzťah medzi sledovaním násilia v televízii a agresiou, na základe zistení sa uskutočnila pilotná štúdia korelačná analýza, viedol vedcov k záveru, že vystavenie násilným programom môže byť príčinou násilného správania (Eron, 1987).

4 Scholastic Attitude Test - program na hodnotenie učebných schopností. Pozri Anastasi A. Psychologické testovanie / Ed. K. M. Gurevič, V. I. Ľubovský. M., 1982. - Kniha. 2. - S. 48. (Približné vedecké vyd.)

Druhou nevýhodou korelačnej metódy je možný zmätok spôsobený pôsobením tretej premennej. Pre ilustráciu pouvažujme o vzťahu medzi užívaním drog dospievajúcimi a ich rodičmi. Znamená prítomnosť korelácie, že tínedžeri, ktorí vidia, ako ich rodičia berú drogy, ich sami začnú užívať v ešte väčších množstvách? Alebo to znamená, že úzkosť pri pohľade na ich dospievajúce deti, ktoré berú drogy, vedie samotných rodičov k tomu, aby sa uchýlili k drogám, aby znížili svoju úzkosť? Alebo nejaký tretí faktor podobne tlačí dospievajúcich a dospelých k užívaniu drog? Možno tínedžeri a ich rodičia berú drogy, aby sa vyrovnali s utláčateľskou chudobou, v ktorej žijú? To znamená, že skutočnou príčinou drogovej závislosti môže byť sociálno-ekonomické postavenie rodín (napríklad chudoba). Pri interpretácii výsledkov získaných pomocou korelačnej metódy nie je možné vylúčiť možnosť, že tretia premenná, ktorá nie je meraná a o ktorej nemožno ani len tušiť, má skutočne kauzálny vplyv na obe merané premenné.

Hoci korelačná metóda neznamená vytvorenie kauzálneho vzťahu, nevyplýva z toho, že kauzálne vzťahy v určitých prípadoch nemožno jednoznačne stanoviť. To posledné platí najmä pre longitudinálne korelačné štúdie – kde napríklad záujmové premenné merané v rovnakom čase korelujú s inými premennými, o ktorých je známe, že sa objavujú po prvých. Zoberme si napríklad dobre známu pozitívnu koreláciu medzi fajčením cigariet a rakovinou pľúc. Napriek možnosti, že niektorá tretia neznáma premenná (napríklad genetická predispozícia) môže byť príčinou fajčenia aj rakoviny pľúc, niet pochýb o tom, že fajčenie je veľmi pravdepodobnou príčinou rakoviny, pretože fajčenie včas predchádza rakovine pľúc. Táto stratégia (meranie dvoch premenných oddelených určitým časom) umožňuje výskumníkom stanoviť kauzálne vzťahy v prípadoch, keď nie je možné vykonať experiment. Napríklad na základe klinických pozorovaní vedci už dlho predpokladajú, že chronický stres prispieva k rozvoju mnohých fyziologických problémov. Nedávna práca na meraní sily stresu (pomocou sebahodnotiacich škál) umožnila testovať tieto predpoklady pomocou korelačnej metódy. V oblasti fyziologických porúch napríklad hromadiace sa dôkazy naznačujú, že stres je významne spojený so vznikom a rozvojom kardiovaskulárnych chorôb, cukrovky, rakoviny a rôznych typov infekčných chorôb (Elliott a Eisdorfer, 1982; Friedman a Booth-Kelley, 1987; Jemmott, Locke 1984; Smith a Anderson 1986; Williams a Deffenbacher 1983). Korelačná analýza tiež ukázala, že stres môže prispieť k drogovej závislosti (Newcomb a Harlow, 1986), sexuálnej dysfunkcii (Malatesta a Adams, 1984) a mnohým psychiatrickým poruchám (Neufeld a Mothersill, 1980). Kritici korelačného prístupu však správne poukazujú na to, že môžu existovať aj iné faktory, ktoré umelo posilňujú domnelý vzťah medzi stresom a chorobou (Schroeder a Costa, 1984). Zostáva teda jedna výhrada: hoci niekedy, keď existuje silná korelácia medzi dvoma premennými, možno dospieť k záveru, že medzi nimi existuje kauzálny vzťah, v skutočnosti možno príčinnú súvislosť stanoviť iba experimentálnymi metódami.

IN vedecký výskumčasto je potrebné nájsť vzťah medzi výslednými a faktorovými premennými (úroda úrody a množstvo zrážok, výška a hmotnosť človeka v homogénnych skupinách podľa pohlavia a veku, pulzová frekvencia a telesná teplota atď.). ).

Druhým sú znaky, ktoré prispievajú k zmene tých, ktoré sú s nimi spojené (prvé).

Koncept korelačnej analýzy

Existuje súbor Na základe vyššie uvedeného môžeme povedať, že korelačná analýza je metóda používaná na testovanie hypotézy štatistickej významnosti dvoch alebo viacerých premenných, ak ich výskumník vie zmerať, ale nie zmeniť.

Existujú aj iné definície tohto pojmu. Korelačná analýza je metóda spracovania, ktorá skúma korelačné koeficienty medzi premennými. V tomto prípade sa porovnávajú korelačné koeficienty medzi jedným párom alebo mnohými pármi znakov, aby sa medzi nimi stanovili štatistické vzťahy. Korelačná analýza je metóda na štúdium štatistickej závislosti medzi náhodnými premennými s voliteľnou prítomnosťou striktne funkčnej povahy, v ktorej dynamika jednej náhodnej premennej vedie k dynamike matematického očakávania inej.

Koncept falošnej korelácie

Pri vykonávaní korelačnej analýzy je potrebné vziať do úvahy, že ju možno vykonať vo vzťahu k akémukoľvek súboru znakov, často absurdných vo vzťahu k sebe navzájom. Niekedy nemajú medzi sebou žiadnu príčinnú súvislosť.

V tomto prípade sa hovorí o falošnej korelácii.

Problémy korelačnej analýzy

Na základe vyššie uvedených definícií môžeme formulovať nasledujúce úlohy opísanej metódy: získať informácie o jednej z požadovaných premenných pomocou druhej; určiť blízkosť vzťahu medzi skúmanými premennými.

Korelačná analýza zahŕňa určenie vzťahu medzi študovanými znakmi, a preto úlohy korelačnej analýzy možno doplniť o nasledovné:

identifikácia faktorov, ktoré majú najväčší vplyv na výsledný znak;
identifikácia predtým nepreskúmaných príčin vzťahov;
vytvorenie korelačného modelu s jeho parametrickou analýzou;
štúdium významu komunikačných parametrov a ich intervalového odhadu.

Spojenie korelačnej analýzy s regresiou

Metóda korelačnej analýzy sa často neobmedzuje len na zistenie blízkosti vzťahu medzi skúmanými veličinami. Niekedy je doplnená o zostavenie regresných rovníc, ktoré sa získajú pomocou rovnomennej analýzy a ktoré sú popisom korelácie medzi výsledným a faktoriálnym (faktoriálnym) atribútom (atribútmi). Táto metóda spolu s uvažovanou analýzou predstavuje metódu

Podmienky použitia metódy

Faktory výsledku závisia od jedného alebo viacerých faktorov. Ak existuje, možno použiť metódu korelačnej analýzy veľké množstvo pozorovania hodnoty efektívnych a faktorových ukazovateľov (faktorov), pričom skúmané faktory by mali byť kvantitatívne a premietnuté do konkrétnych zdrojov. Prvý môže byť určený normálnym zákonom - v tomto prípade sú Pearsonove korelačné koeficienty výsledkom korelačnej analýzy, alebo ak znamienka nevyhovujú tomuto zákonu, použije sa Spearmanov koeficient poradovej korelácie.

Pravidlá pre výber faktorov korelačnej analýzy

Pri aplikácii tejto metódy je potrebné určiť faktory, ktoré ovplyvňujú ukazovatele výkonnosti. Vyberajú sa s prihliadnutím na skutočnosť, že medzi ukazovateľmi musia existovať kauzálne vzťahy. V prípade tvorby multifaktoriálneho korelačného modelu sa vyberú tie, ktoré majú významný vplyv na výsledný ukazovateľ, pričom vzájomne závislé faktory s párovým korelačným koeficientom vyšším ako 0,85 by sa do korelačného modelu prednostne nemali zaraďovať, rovnako ako tie v ktorého vzťah s výsledným parametrom je nepriamy.alebo funkčný.

Zobrazenie výsledkov

Výsledky korelačnej analýzy je možné prezentovať v textovej a grafickej forme. V prvom prípade sú prezentované ako korelačný koeficient, v druhom ako bodový graf.

Pri absencii korelácie medzi parametrami sú body na diagrame umiestnené chaoticky, priemerný stupeň spojenia je charakterizovaný väčšou mierou usporiadanosti a je charakterizovaný viac-menej rovnomernou vzdialenosťou označených značiek od mediánu. Silné spojenie smeruje k priamej línii a pri r=1 je bodový graf rovná čiara. Inverzná korelácia je charakterizovaná smerom grafu z ľavého horného do pravého dolného rohu, priamou - z ľavého dolného do pravého horného rohu.

3D znázornenie bodového grafu (rozptyl)

Okrem tradičnej 2D bodovej prezentácie sa v súčasnosti používa 3D grafické znázornenie korelačnej analýzy.

Používa sa aj matica bodového grafu, ktorá zobrazuje všetky spárované grafy v jednom obrázku vo formáte matice. Pre n premenných obsahuje matica n riadkov a n stĺpcov. Diagram umiestnený na priesečníku i-tého riadku a j-tého stĺpca je grafom premenných Xi v porovnaní s Xj. Každý riadok a stĺpec je teda jedna dimenzia, jedna bunka zobrazuje bodový graf dvoch dimenzií.

Odhad tesnosti spoja

Tesnosť korelácie je určená korelačným koeficientom (r): silná - r = ±0,7 až ±1, stredná - r = ±0,3 až ±0,699, slabá - r = 0 až ±0,299. Táto klasifikácia nie je prísny. Obrázok ukazuje trochu inú schému.

Príklad použitia metódy korelačnej analýzy

V Spojenom kráľovstve sa uskutočnila zaujímavá štúdia. Venuje sa vzťahu fajčenia k rakovine pľúc a bola vykonaná korelačnou analýzou. Toto pozorovanie je uvedené nižšie.

Počiatočné údaje pre korelačnú analýzu

Profesionálna skupina		úmrtnosť
Poľnohospodári, lesníci a rybári
Baníci a pracovníci lomov
Výrobcovia plynu, koksu a chemikálií
Výrobcovia skla a keramiky
Robotníci v peciach, vyhniach, zlievarniach a valcovniach
Pracovníci v oblasti elektrotechniky a elektroniky
Strojárstvo a príbuzné profesie
Drevospracujúca výroba
Garbiare
Textilní robotníci
Výrobcovia pracovných odevov
Pracovníci v potravinárskom, nápojovom a tabakovom priemysle
Výrobcovia papiera a tlače
Výrobcovia iných produktov
Stavitelia
Umelci a dekoratéri
Vodiči stacionárnych motorov, žeriavov atď.
Pracovníci inde nezahrnutí
Pracovníci v doprave a spojoch
Skladníci, skladníci, baliči a pracovníci plniacich strojov
kancelárskych pracovníkov
Predajcovia
Pracovníci športových a rekreačných služieb
Administrátori a manažéri
Profesionáli, technici a umelci

Začneme korelačnou analýzou. Riešenie je lepšie začať pre prehľadnosť grafickou metódou, pre ktorú zostavíme rozptylový (rozptylový) diagram.

Ukazuje priame spojenie. Len na základe grafickej metódy je však ťažké vyvodiť jednoznačný záver. Preto budeme pokračovať v korelačnej analýze. Príklad výpočtu korelačného koeficientu je uvedený nižšie.

Pomocou softvérových nástrojov (na príklade MS Excel bude popísaný nižšie) určíme korelačný koeficient, ktorý je 0,716, čo znamená silný vzťah medzi skúmanými parametrami. Stanovme si štatistickú významnosť získanej hodnoty podľa príslušnej tabuľky, pre ktorú potrebujeme od 25 párov hodnôt odpočítať 2, výsledkom je 23 a pre tento riadok v tabuľke nájdeme r kritické pre p = 0,01 ( keďže ide o medicínske údaje, prísnejšia závislosť, v ostatných prípadoch stačí p=0,05), čo je pre túto korelačnú analýzu 0,51. Príklad ukázal, že vypočítané r je väčšie ako kritické r, hodnota korelačného koeficientu sa považuje za štatisticky významnú.

Využitie softvéru v korelačnej analýze

Opísaný typ štatistického spracovania údajov je možné vykonávať pomocou softvéru, najmä MS Excel. Korelácia zahŕňa výpočet nasledujúcich parametrov pomocou funkcií:

1. Korelačný koeficient sa určí pomocou funkcie CORREL (pole1; pole2). Pole1,2 je bunka rozsahu hodnôt výsledných a faktorových premenných.

Koeficient lineárnej korelácie sa tiež nazýva Pearsonov korelačný koeficient, a preto od Excelu 2007 môžete funkciu použiť s rovnakými poľami.

Grafické zobrazenie korelačnej analýzy v Exceli sa vykonáva pomocou panelu "Grafy" s výberom "Rozptylový graf".

Po zadaní počiatočných údajov dostaneme graf.

2. Vyhodnotenie významnosti párového korelačného koeficientu pomocou Studentovho t-testu. Vypočítaná hodnota t-kritéria sa porovnáva s tabuľkovou (kritickou) hodnotou tohto ukazovateľa zo zodpovedajúcej tabuľky hodnôt uvažovaného parametra, berúc do úvahy danú úroveň významnosti a počet stupňov voľnosti. Tento odhad sa robí pomocou funkcie STUDIV(pravdepodobnosť; stupne_voľnosti).

3. Matica párových korelačných koeficientov. Analýza sa vykonáva pomocou nástroja "Analýza údajov", v ktorom je vybratá možnosť "Korelácia". Štatistické vyhodnotenie párových korelačných koeficientov sa vykonáva porovnaním ich absolútnej hodnoty s tabuľkovou (kritickou) hodnotou. Ak vypočítaný párový korelačný koeficient prekročí túto kritickú hodnotu, môžeme s prihliadnutím na daný stupeň pravdepodobnosti povedať, že nulová hypotéza o významnosti lineárneho vzťahu nie je zamietnutá.

Konečne

Použitie metódy korelačnej analýzy vo vedeckom výskume umožňuje určiť vzťah medzi rôznymi faktormi a ukazovateľmi výkonnosti. Zároveň je potrebné vziať do úvahy, že vysoký korelačný koeficient možno získať aj z absurdného páru alebo súboru údajov, a preto je potrebné tento typ analýzy vykonávať na dostatočne veľkom poli údajov.

Po získaní vypočítanej hodnoty r je žiaduce porovnať ju s kritickou hodnotou r, aby sa potvrdila štatistická významnosť určitej hodnoty. Korelačnú analýzu je možné vykonávať manuálne pomocou vzorcov alebo pomocou softvérových nástrojov, najmä MS Excel. Tu môžete tiež zostaviť rozptylový (scatter) diagram za účelom vizuálnej reprezentácie vzťahu medzi skúmanými faktormi korelačnej analýzy a výsledným znakom.

Pri vykonávaní výskumu v biológii alebo medicíne sa spravidla zaznamenáva veľa účtovných prvkov. Zaujímavosťou je otázka ich vzájomnej zmeny, t.j. objavovanie závislostí medzi nimi. Odhalenie prítomnosti takýchto vzťahov je jednou z najdôležitejších úloh každej vedy, vrátane medicíny.

Existujú dve formy kvantitatívnych vzťahov medzi javmi alebo procesmi: funkčné a korelačné. Pod FUNKČNÝ rozumieť takému vzťahu, v ktorom akákoľvek hodnota jedného zo znakov zodpovedá presne definovanej hodnote druhého. V exaktných vedách, ako je fyzika, chémia a iné, môže vzniknúť funkčný vzťah. Napríklad závislosť plochy kruhu na obvode v geometrii alebo vo fyzike, dĺžka dráhy, ktorú prejde telo pri voľnom páde, na čase. Väčšina slávny pohľad funkčná závislosť je lineárna, čo je vyjadrené matematickým vzorcom: y=ax+b .

V biológii a medicíne spravidla nie je možné stanoviť funkčnú závislosť. Predmety týchto štúdií sú veľmi variabilné a závisia od obrovského množstva faktorov, ktoré sa jednoducho nedajú zmerať. V tomto prípade sa určuje prítomnosť KORELÁCIA spojenie, v ktorom hodnota každej priemernej hodnoty jedného atribútu zodpovedá niekoľkým hodnotám iného atribútu, ktorý je s ním prepojený. Napríklad: vzťah medzi výškou a telesnou hmotnosťou človeka. Skupina ľudí s rovnakou výškou má inú telesnú hmotnosť, ktorá sa však pohybuje v určitých medziach okolo priemernej hodnoty. Preto je potrebné takúto závislosť vyhodnotiť pomocou konceptu náhodnej premennej so zapojením prístupov teórie pravdepodobnosti. Táto forma závislosti sa nazýva „korelácia“.

Pri hľadaní vzťahu medzi znakmi možno nájsť vzťah, ktorý sa líši smerom a silou:

Priame (so zvýšením jedného znamienka sa zvýši druhé);

Obrátený (s nárastom jedného znamienka, druhý klesá).

Stupeň korelácie znakov z hľadiska sily (tesnosti) sa zvyčajne označuje ako:

Neprítomnosť;

stredná;

Silný;

Spôsoby, ako identifikovať korelačný vzťah medzi funkciami, sú:

Vizuálne (tabuľky a grafy).

Štatistické (korelácia a regresia).

Je potrebné zdôrazniť, že objavenie korelácie medzi dvoma znakmi ešte nenaznačuje existenciu kauzálneho vzťahu medzi nimi, ale naznačuje len možnosť takéhoto vzťahu alebo prítomnosť faktora, ktorý určuje zmenu oboch premenných spoločne.

Techniky vizualizácie dát umožňujú odhaliť korelačnú závislosť len pri malom počte pozorovaní a len približne. Na zistenie korelácie pomocou tabuľky obsahuje zoradené série variácií a potom určuje spoločnú zmenu znakov. Rozvrh jasnejšie demonštruje takúto závislosť a umožňuje vám vyhodnotiť jej tvar: lineárny, parabolický, trigonometrický atď.

Najpresnejší spôsob, ako zistiť vzťah medzi funkciami, je vypočítať korelačný koeficient. V závislosti od charakteru spracovávaných údajov sa na výpočet tohto koeficientu používajú parametrické alebo neparametrické metódy.

Pri výpočte korelačného koeficientu dostane výskumník možnosť posúdiť silu vzťahu (stupeň konjugácie) a jeho smer, ako aj dospieť s požadovanou mierou pravdepodobnosti k záveru o prejave tohto vzťahu v bežnej populácii. Čím vyšší je korelačný koeficient, tým istejšie môžeme hovoriť o prítomnosti korelácie medzi znakmi. Ak každá daná hodnota jedného atribútu zodpovedá blízko sebe, blízko priemernej hodnoty hodnoty iného atribútu, potom je vzťah užší. Keď sa tieto hodnoty výrazne líšia, vzťah je menej silný. Miera korelácie teda udáva, ako úzko súvisia parametre.

Korelačný koeficient môže trvať hodnoty od -1 do +1. Smer zisteného vzťahu je určený znamienkom korelačného koeficientu. Keď to kladná hodnota zistený vzťah je priamy, s negatívnym - inverzným. Sila spojenia sa odhaduje modulo tohto koeficientu. Bežne sa rozlišujú tieto úrovne korelácie: absencia - 0; slabé - od 0 do 0,3; stredná - od 0,3 do 0,7; silný - 0,7 alebo viac; kompletný - 1. O existencii korelácie však má zmysel diskutovať iba v prípadoch, keď je štatisticky významná ( p <0,05). Поэтому после вычисления коэффициента корреляции производится определение его ошибки репрезентативности и критерия достоверности.

Najbežnejšie používané metódy na zisťovanie korelácií sú dnes Pearsonova parametrická analýza a Spearmanova neparametrická analýza. Tieto metódy testujú nulovú hypotézu ( H0 ) o nedostatku prepojenia medzi parametrami. Ak je takáto hypotéza zamietnutá na danej hladine významnosti ( p ), môžeme hovoriť o vzťahu medzi parametrami.

Korelačná analýza podľa Pearsona sa používa pri riešení problému štúdia lineárneho vzťahu medzi dvoma normálne rozdelenými parametrami. Okrem kontroly normality rozdelenia každého parametra sa pred vykonaním korelačnej analýzy odporúča zostaviť graf v súradniciach odhadovaných parametrov, aby bolo možné vizuálne určiť povahu závislosti.

Pearsonov korelačný koeficient (rxy ) alebo lineárny korelačný koeficient, vyvinuli v 90. rokoch Karl Pearson, Francis Edgeworth a Raphael Weldon v Anglicku. Vypočítava sa podľa vzorca:

kde: rxy

covXY– kovariancia funkcií X A Y ;

σ X X ;

σ Y– štandardná odchýlka vlastnosti Y;

X ;

- aritmetický priemer prvku Y .

V lekárskej literatúre existuje zjednodušená verzia tohto vzorca:

kde: rxy je Pearsonov lineárny korelačný koeficient;

d x X z priemeru tohto znamenia: d x = x-MX,

D Y– odchýlka každého variantu funkcie r z priemeru tohto znamenia: D Y = y-Mr.

V Exceli možno hodnotu Pearsonovho koeficientu lineárnej korelácie vypočítať pomocou funkcie = CORREL(Rozsah buniek 1. riadku; Rozsah buniek 2. riadku).

Na predpovedanie úrovne korelácie vo všeobecnej populácii sa určuje chyba reprezentatívnosti tohto koeficientu Pán . Vypočítava sa podľa vzorca:

kde: Pán je chyba reprezentatívnosti korelačného koeficientu;

rxy je Pearsonov lineárny korelačný koeficient;

n- počet spárovaných možností.

Spoľahlivosť koeficientu lineárnej korelácie sa odhaduje pomocou Studentovho koeficientu ( r ), ktorý sa vypočíta pomocou jeho chyby:

kde: r

rxy je Pearsonov lineárny korelačný koeficient;

Pán je chyba reprezentatívnosti korelačného koeficientu.

Ak počet spárovaných možností n >30, potom o r >2 vzťah sa považuje za významný na hladine významnosti p <0,05. Если число парных вариант n <30, то критическое значение t r-Crit. sa nachádzajú podľa študentskej tabuľky kritických hodnôt so stupňami voľnosti df = n - 2 . V Exceli je táto hodnota vypočítaná funkciou = STUDISP (Úroveň významnosti p ; Stupne slobody df ).

Na zníženie množstva výpočtov je možné použiť funkciu =CORREL(Rozsah1; Rozsah2) alebo doplnok "Analýza údajov" a jeho modul "Korelačná analýza".

Neprítomnosť lineárnej korelácie neznamená, že parametre sú úplne nezávislé. Vzťah medzi nimi môže byť nelineárny alebo funkcie použité vo výpočtoch nemusia spĺňať zákon normálneho rozdelenia. Preto sa okrem výpočtu lineárneho korelačného koeficientu uchyľuje k použitiu neparametrických korelačných koeficientov. Tie obsahujú:

Spearmanov koeficient poradovej korelácie;

Kendallov koeficient poradovej korelácie;

Korelačný koeficient Fechnerových znakov;

Koeficient viacnásobnej poradovej korelácie (zhody).

Spearmanova korelačná analýza sa používa na zistenie vzťahu dvoch parametrov, ak je rozdelenie aspoň jedného z nich odlišné od normálneho.

Každý ukazovateľ X A r je pridelená hodnosť. Na základe získaných poradí sa vypočítajú ich rozdiely d. Potom sa vypočíta korelačný koeficient ( ρ ) podľa vzorca:

kde: r

d – rozdiel v poradí;

n- počet spárovaných možností.

Chyba reprezentatívnosti Spearmanovho korelačného koeficientu je určená vzorcom:

a pomer dôvery študentov:

kde: r – Študentov koeficient spoľahlivosti;

r je Spearmanov korelačný koeficient;

Pán je chyba reprezentatívnosti Spearmanovho korelačného koeficientu.

Odhad Spearmanovho korelačného koeficientu a jeho spoľahlivosti sa vykonáva rovnakým spôsobom ako Pearsonov lineárny korelačný koeficient.

Korelácia - je to miera, do akej na sebe udalosti alebo osobné vlastnosti človeka závisia. Korelačná metóda je postup vo výskume používaný na určenie vzťahu medzi premennými. Táto metóda môže napríklad odpovedať na otázku: "Existuje korelácia medzi množstvom stresu, ktorý ľudia zažívajú, a stupňom depresie, ktorú zažívajú?" To znamená, že keď ľudia naďalej zažívajú stres, o koľko je pravdepodobnejšie, že upadnú do depresie?

Korelácia - mieru, do akej udalosti alebo charakteristiky navzájom závisia.

korelačná metóda - postup výskumu, ktorý sa používa na určenie toho, ako sú udalosti alebo charakteristiky vzájomne závislé.

Na zodpovedanie tejto otázky výskumníci počítajú skóre životného stresu (napr. počet ohrozujúcich udalostí, ktoré človek zažije v danom časovom období) a skóre depresie (napr. skóre v dotazníkoch týkajúcich sa depresie). Výskumníci zvyčajne zisťujú, že tieto premenné sa zvyšujú alebo znižujú spolu (Stader & Hokanson, 1998; Paykel & Cooper, 1992). To znamená, že čím vyššie je skóre stresu v živote človeka, tým vyššie je skóre depresie. Korelácie tohto druhu majú pozitívny smer a nazývajú sa pozitívne korelácie.

Korelácia môže byť negatívna aj pozitívna. V negatívnej korelácii, keď hodnota jednej premennej rastie, hodnota druhej klesá. Vedci našli napríklad negatívnu koreláciu medzi depresiou a úrovňou aktivity. Čím viac je človek depresívny, tým je menej zaneprázdnený.

V korelačnej štúdii existuje aj tretí vzťah. Dve premenné nemusia spolu súvisieť, to znamená, že medzi nimi neexistuje konzistentný vzťah. Keď sa počet jednej premennej zvýši, výkon druhej premennej sa niekedy zvýši, inokedy zníži. Výskum napríklad zistil, že depresia a inteligencia sú na sebe nezávislé.

Okrem poznania smeru korelácie musia výskumníci poznať aj jej veľkosť alebo silu. Teda ako úzko spolu tieto dve premenné súvisia. Je jedna premenná vždy závislá od druhej, alebo je ich vzťah menej istý? Keď sa u mnohých subjektov zistí úzky vzťah medzi dvoma premennými, korelácia sa považuje za vysokú alebo stabilnú.

Smer a veľkosť korelácie má často číselnú hodnotu a je vyjadrená v štatistickom koncepte - korelačný koeficient ( r ). Korelačný koeficient sa môže pohybovať od +1,00, čo naznačuje úplnú pozitívnu koreláciu medzi dvoma premennými, do -1,00, čo znamená úplnú negatívnu koreláciu. Znamienko koeficientu (+ alebo -) udáva smer korelácie; číslo predstavuje jeho veľkosť. Čím je koeficient bližšie k 0, tým je korelácia slabšia a jej veľkosť je menšia. Takže korelácie +0,75 a -0,75 majú rovnaké hodnoty a korelácia +,25 je slabšia ako obe korelácie.

Korelačný koeficient ( r ) - štatistický člen označujúci smer a veľkosť korelácie v rozsahu od -1,00 do +1,00.

Správanie ľudí sa mení a mnohé ľudské reakcie sa dajú len priblížiť. V psychologických štúdiách preto korelácie nedosahujú hodnotu úplnej pozitívnej alebo úplnej negatívnej korelácie. V jednej štúdii stresu a depresie so 68 dospelými bola korelácia medzi týmito dvoma premennými +0,53 (Miller et al., 1976). Hoci túto koreláciu možno len ťažko nazvať absolútnou, jej veľkosť sa v psychologickom výskume považuje za veľkú.

Štatistická analýza korelačných údajov

Vedci sa musia rozhodnúť, či korelácia, ktorú nájdu v danej skupine subjektov, presne odráža skutočnú koreláciu vo všeobecnej populácii. Môže k pozorovanej korelácii dôjsť len náhodou? Vedci môžu otestovať svoje zistenia pomocou štatistickej analýzy údajov s použitím princípov pravdepodobnosti. V podstate sa čudujú, aká je pravdepodobnosť, že údaje z konkrétnej štúdie boli získané náhodou. Ak štatistická analýza naznačuje, že existuje veľmi malá šanca, že zistená korelácia bola spôsobená náhodou, potom výskumníci označujú koreláciu za štatisticky významnú a dospeli k záveru, že ich údaje odrážajú skutočnú koreláciu, ktorá sa vyskytuje všadeprítomne.

Výhody a nevýhody korelačnej metódy

Korelačná metóda má oproti štúdiu jednotlivých prípadov ochorenia určité výhody. Pretože výskumníci odvodzujú svoje premenné z viacerých príkladov a aplikujú štatistickú analýzu, dokážu lepšie zovšeobecniť ľudí, ktorých študujú. Výskumníci môžu tiež zopakovať korelačné štúdie na nových subjektoch, aby otestovali svoje zistenia.

Hoci korelačné štúdie umožňujú výskumníkom popísať vzťah medzi dvoma premennými, nevysvetľujú vzťah. Keď sa pozrieme na pozitívne korelácie zistené pri skúmaní rôznych životných stresorov, môžeme byť v pokušení dospieť k záveru, že zvýšený stres vedie k ťažšej depresii. V skutočnosti však tieto dve premenné môžu byť korelované z jedného z troch dôvodov: 1) životný stres môže viesť k depresii; 2) depresia môže spôsobiť, že ľudia znášajú viac stresu (napríklad depresívny prístup k životu vedie ľudí k zlému hospodáreniu s peniazmi alebo depresia negatívne ovplyvňuje ich sociálne vzťahy); 3) Depresia a životný stres môžu byť spôsobené treťou premennou, akou je chudoba. Otázky kauzality vyžadujú použitie experimentálnej metódy.

<Otázky na zamyslenie. Ako by ste vysvetlili významnú koreláciu medzi životným stresom a depresiou? Ktorý výklad je podľa vás najpresnejší?>

Špeciálne formy korelačného výskumu

Lekári široko používajú dva typy korelačných štúdií - epidemiologické štúdie a dlhodobé (longitudinálne) štúdie. Epidemiologické štúdie odhaľujú celkový počet prípadov a prevalenciu danej poruchy v špecifikovanej populácii (Weissman, 1995). Počet prípadov - je počet nových prípadov porúch, ktoré sa vyskytli v danom časovom období. Prevalencia - celkový počet prípadov v populácii v danom časovom období; prevalencia poruchy alebo choroby zahŕňa existujúce aj nové prípady.

Za posledných dvadsať rokov vyvinuli lekári v Spojených štátoch najrozsiahlejšiu epidemiologickú štúdiu, aká bola kedy vykonaná, a nazvali ju District Epidemiological Study. Spýtali sa viac ako 20 000 ľudí v piatich mestách, aby zistili prevalenciu rôznych duševných porúch a aké programy sa používali na ich liečbu (Regier et al., 1993). Táto štúdia bola porovnaná s epidemiologickými štúdiami v iných krajinách, aby sa otestovalo, ako sa úrovne psychiatrických porúch a liečebné programy líšia vo svete (Weissman, 1995).

<Dvojčatá, korelácia a dedičnosť. Korelačné štúdie mnohých párov dvojčiat naznačujú možný vzťah medzi genetickými faktormi a niektorými psychiatrickými poruchami. Jednovaječné dvojčatá (dvojčatá, ktoré ako tie, ktoré sú tu zobrazené, majú identické gény) vykazujú vysoký stupeň korelácie pri niektorých poruchách a táto korelácia je vyššia ako u neidentických dvojčiat (tých s neidentickými génmi).>

Takéto epidemiologické štúdie pomáhajú psychológom identifikovať rizikové skupiny predisponované k určitým poruchám. Ukazuje sa, že u žien prevláda miera porúch spojených s úzkosťou a depresiou, na rozdiel od mužov, u ktorých prevláda vyššia miera alkoholizmu ako u žien. Starší ľudia majú vyššiu mieru samovrážd ako mladší ľudia. Ľudia v niektorých nezápadných krajinách (napríklad na Taiwane) majú vyššiu mieru duševných dysfunkcií ako ľudia na Západe. Tieto tendencie vedú výskumníkov k názoru, že niektoré špecifické faktory a prostredie vyvolávajú určité typy porúch (Rogers & Holloway, 1990). Napríklad zhoršujúci sa zdravotný stav starších ľudí s väčšou pravdepodobnosťou povedie k samovražde; kultúrne tlaky alebo postoje, ktoré prevládajú v jednej krajine, vedú k určitej úrovni duševnej dysfunkcie, ktorá sa líši od úrovne rovnakej dysfunkcie v inej krajine.

Epidemiologická štúdia - štúdia, ktorá zisťuje počet prípadov ochorenia a jeho prevalenciu v danom segmente populácie.

Počet prípadov - počet nových prípadov poruchy vyskytujúcej sa v danej populácii v danom časovom období.

Prevalencia - celkový počet prípadov porúch, ktoré sa vyskytujú v danom segmente populácie za určité časové obdobie.

Dirigovanie dlhodobý výskum, psychológovia pozorujú rovnaké subjekty v rôznych situáciách počas dlhého časového obdobia. V jednom takomto experimente vedci počas mnohých rokov pozorovali vývoj normálne fungujúcich detí, ktorých otec alebo matka trpeli schizofréniou (Parnas, 1988; Mednick, 1971). Vedci okrem iného zistili, že u detí rodičov s ťažkými formami schizofrénie sa v neskorších štádiách vývoja častejšie rozvinú duševné poruchy a páchajú trestnú činnosť.

Dlhodobé (longitudinálne) štúdium - štúdia, v ktorej sa dlhodobo pozorujú tie isté subjekty.