Корреляция


Корреляцией называется такая связь между переменными, когда по изменениям одной из этих переменных можно предсказывать изменения другой.

Распространенным примером такой связи является соотношение между возрастом и выраженной удовлетворенностью работой. За годы исследований во многих работах была обнаружена тенденция к положительной корреляции между этими переменными;

это означает, что возрастание одной из них происходит вместе с возрастанием другой. С увеличением возраста в целом увеличивается и выраженная удовлетворенность работой. С другой стороны, между удовлетворенностью работой и отсутствием на работе часто обнаруживают отрицательную корреляцию; это значит, что с возрастанием одной из этих переменных другая убывает. С увеличением выраженной удовлетворенности работой уровень отсутствия на работе обычно падает.

Разработаны различные процедуры, с помощью которых можно определить, существует ли между двумя переменными, такими как возраст и удовлетворенность работой, корреляционная связь, а если существует, то положительная или отрицательная. Все эти процедуры основаны на одной и той же методике: производится измерение обеих переменных у каждого испытуемого, и результаты измерений обрабатываются с помощью определенной вычислительной процедуры. Эта процедура позволяет получить коэффициент корреляции r.

В некоторых исследованиях одно из двух измерений, которые при корреляционном анализе проводят у каждого испытуемого, фактически является группой измерений.

Исследователя может, например, заинтересовать связь между результатами пяти отборочных тестов при приеме на работу и показателями учебы по программе профессиональной подготовки. Для исследования это связи он может использовать процедуру множественной корреляции. Первое измерение – это измерение показателей подготовки каждого испытуемого. Второе измерение – это комбинированный результат тестирования (одно число), который математически выводится из результатов пяти различных отборочных тестов. Когда коэффициент корреляции для этих двух переменных рассчитан, результат обозначают через R (читается как “множественный R”), чтобы было ясно, что речь идет о большем числе переменных, чем обычные две.

Все коэффициенты корреляции, независимо от метода их расчета, лежат в диапазоне от -1,00 до +1,00. Значение коэффициента корреляции указывает на силу связи между переменными: чем оно ближе к 1,00 ,со знаком “плюс” или “минус”, тем сильнее эта связь.

Коэффициент корреляции рассчитывается математически, но часто его представляют графически, в виде так называемого точечного графика. Вводится система координат с двумя осями, вдоль каждой из которых откладываются значения одной из переменных, и строятся точки, соответствующие результатам каждого испытуемого.

Корреляционные связи Если связь между переменными является линейной, то это значит, что точки лучше всего ложатся на прямую линию. Однако далеко не все корреляционные связи являются линейными.

Некоторые исследователи, например, предполагают, что связь между окончательным уровнем образования и удовлетворенностью работой, по сообщениям испытуемых, является нелинейной связью. Это означает, что большая удовлетворенность работой может быть связана как с высоким, так и с низким уровнем образования.

Более низкая удовлетворенность работой связана со средним уровнем образования.

Если исследователь использует стандартные процедуры для расчета коэффициента корреляции между переменными, которые на самом деле связаны нелинейной зависимостью, то у него вполне может получиться, что между этими переменными вообще не существует связи. В таком случае он сделает неправильный вывод, что связь между удовлетворенностью работой и уровнем образования отсутствует. Чтобы исключить такую возможность, исследователи перед тем, как сделать вывод об отсутствии связи между переменными, проводят стандартную процедуру тестирования на наличие нелинейной связи.

Возможность существования нелинейной связи между переменными не является единственным фактором, затрудняющим выявление истинного характера корреляционной зависимости. Присутствие сильной опосредующей переменной также может мешать обнаружению связи между двумя переменными и привести к неправильным выводам, если оно останется незамеченным.

Опосредующая переменная – это переменная, оказывающая предсказуемое влияние на характер связи между двумя другими переменными.

Например, Хэкман и Олдхэм выдвинули гипотезу о характере связи между:

a. обогащением содержания работ;

b. улучшением выполнения работы и/или удовлетворенностью работой;

c. индивидуальными потребностями в личном росте и достижениях.

При низком уровне этих потребностей между переменными а и б нет связи или есть очень слабая связь; при высоком уровне потребностей между а и б может существовать сильная положительная корреляция.

В ситуациях, где действуют значимые опосредующие переменные, сила связи между независимой и зависимой переменными определяется уровнем опосредуюшей переменной. Учет нелинейной связи и опосредующих переменных является шагом вперед по сравнению с рассмотрением простых корреляционных зависимостей и позволяет изучать более сложные формы человеческого поведения.

Причинно-следственные связи Корреляция является базовой концепцией, которая часто встречается в организационных исследованиях, но с ее помощью оценивается только связь между переменными. Даже если кажется совершенно очевидным, что одна из двух переменных, между которыми существует сильная корреляция, является причиной, а другая – следствием, такой вывод просто невозможно сделать на основе обычной процедуры расчета корреляции. Если между двумя переменными х и y существует сильная корреляционная зависимость, то с точки зрения причинно-следственных отношений возможны следующие ситуации:

· x является причиной, а у – следствием (или х вызывает у);

· у является причиной, а х – следствием (или у вызывает х);

· х и у являются следствиями одной причины – третьей переменной z (или х и у вызваны z).

Для иллюстрации этой важной мысли рассмотрим положительную корреляцию, замеченную некоторыми социальными учеными между уровнем алкоголизма в определенной географической области (х) и уровнем безработицы в той же области (у). Если исходить только из этой простой корреляции, то могут существовать следующие варианты причинно-следственных отношений между этими двумя переменными:

· алкоголизм является причиной безработицы;

· безработица является причиной алкоголизма;

· как причиной алкоголизма, так и причиной безработицы является третья переменная.

Тот факт, что полученная корреляция между двумя переменными допускает существование различных каузальных (причинных) возможностей, свидетельствует о том, что было бы неправильно (исходя только из корреляционной процедуры) говорить о “причинах” и “следствиях”. В данном случае правильнее называть х и у коррелятами.

Корреляты – это переменные, между которыми обнаружена предсказуемая связь.

Этот термин многократно встречается в литературе по организационным исследованиям, потому что многие исследования имеют корреляционную природу.

В литературе часто упоминаются не только корреляты, но еще и “предпосылки” какоголибо поведения или установок.

Предпосылки – это переменные (или группы переменных, которые называются предшествующими условиями), которые на континууме причинно-следственных отношений, вероятнее всего, лежат ближе к тому концу, где находится причина.

Примером может послужить положительная корреляция, которую часто обнаруживают между уровнями абсентеизма и текучести кадров.

Значимая корреляция между уровнями абсентеизма и текучести кадров означает только то, что эти две переменные являются коррелятами, и не может означать, что одна из них является причиной, а другая – следствием. Однако абсентеизм всегда предшествует увольнению, поэтому очевидно, что текучесть кадров не может быть причиной абсентеизма. В данном случае допустимо назвать абсентеизм предпосылкой текучести кадров. Тем не менее, неправомерно было бы назвать его причиной текучести кадров. Стоит повторить, что стандартный корреляционный анализ не дает такой информации.



Категория: управление. Дата публикации: 27 Февраль, 2010.