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 تفاوت‌های مهمی در روش‌های جمع‌آوری داده‌ها و نوع نتیجه‌گیری وجود دارد.

زمان استفاده از تحقیقات همبستگی

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 خارجی 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.

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.

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 نشان می دهد، استفاده کرد.

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، رایج‌ترین روش‌های جمع‌آوری داده‌ها برای این نوع تحقیقات شامل پیمایش، مشاهده و داده‌های 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 انتخاب کنید تا داده های شما منعکس کننده جمعیت مورد علاقه شما بدون سوگیری تحقیقاتی باشد .

نظرسنجی ها

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

نظرسنجی‌ها روشی سریع و انعطاف‌پذیر برای جمع‌آوری داده‌های استاندارد شده از بسیاری از شرکت‌کنندگان هستند، اما مهم است که اطمینان حاصل کنید که سؤالات شما به شیوه‌ای بی‌طرفانه بیان می‌شوند و بینش‌های مرتبط را به دست می‌آورند.

مشاهده طبیعت گرایانه

مشاهده طبیعت گرایانه نوعی تحقیق میدانی است که در آن داده هایی درباره یک رفتار یا پدیده در محیط طبیعی آن جمع آوری می شود.

این روش اغلب شامل ثبت، شمارش، توصیف و دسته بندی اعمال و رویدادها است. مشاهدات طبیعی می‌تواند شامل عناصر کمی و کیفی باشد، اما برای ارزیابی همبستگی، داده‌هایی را جمع‌آوری می‌کنید که می‌توان آن‌ها را به صورت کمی تجزیه و تحلیل کرد (به عنوان مثال، فرکانس‌ها، مدت زمان، مقیاس‌ها و مقادیر).

مشاهده طبیعی به شما امکان می دهد به راحتی نتایج خود را به زمینه های دنیای واقعی تعمیم دهید و می توانید تجربیاتی را مطالعه کنید که در تنظیمات آزمایشگاهی قابل تکرار نیستند. اما تجزیه و تحلیل داده‌ها می‌تواند زمان‌بر و غیرقابل پیش‌بینی باشد و سوگیری محقق ممکن است تفسیرها را منحرف کند.

داده های ثانویه

به‌جای جمع‌آوری داده‌های اصلی، می‌توانید از داده‌هایی استفاده کنید که قبلاً برای اهداف دیگری مانند سوابق رسمی، نظرسنجی‌ها یا مطالعات قبلی جمع‌آوری شده‌اند.

استفاده از داده های ثانویه ارزان و سریع است، زیرا جمع آوری داده ها کامل است. با این حال، داده ها ممکن است غیرقابل اعتماد، ناقص یا کاملا مرتبط نباشند، و شما هیچ کنترلی بر قابلیت اطمینان یا اعتبار روش های جمع آوری داده ها ندارید.

نحوه تجزیه و تحلیل داده های همبستگی

پس از جمع آوری داده ها، می توانید رابطه بین متغیرها را با استفاده از تحلیل های همبستگی یا رگرسیون یا هر دو مورد تجزیه و تحلیل آماری قرار دهید. همچنین می توانید روابط بین متغیرها را با یک نمودار پراکنده تجسم کنید.

انواع مختلف ضرایب همبستگی و تحلیل رگرسیون برای داده های شما بر اساس سطوح اندازه گیری و توزیع آنها مناسب است.

تجزیه و تحلیل همبستگی

با استفاده از 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- لحظه پیرسون ، که با نام پیرسون r 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 یافت 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.

همبستگی و علیت

مهم است که به یاد داشته باشید که همبستگی به معنای علیت نیست . فقط به این دلیل که بین دو چیز همبستگی پیدا می کنید به این معنی نیست که می توانید نتیجه بگیرید که یکی از آنها به چند دلیل باعث دیگری می شود.

مشکل جهت یابی

اگر دو متغیر با هم همبستگی دارند، می تواند به این دلیل باشد که یکی از آنها علت و دیگری معلول است. اما طرح تحقیق همبستگی به شما اجازه نمی دهد استنباط کنید که کدام است. محققین برای احتیاط اشتباه، علیت را از مطالعات همبستگی نتیجه نمی گیرند.

مشکل متغیر سوم

متغیر مداخله گر ، متغیر سومی است که بر سایر متغیرها تأثیر می گذارد تا آنها را به لحاظ علّی مرتبط نشان دهد، حتی اگر با هم مرتبط نباشند. در عوض، پیوندهای علی مجزا بین مخدوش کننده و هر متغیر وجود دارد.

در تحقیقات همبستگی، کنترل محدود یا بدون کنترل محقق بر روی متغیرهای خارجی وجود دارد. حتی اگر از نظر آماری برخی عوامل مخدوش کننده بالقوه را کنترل کنید، ممکن است هنوز متغیرهای پنهان دیگری وجود داشته باشند که رابطه بین متغیرهای مطالعه شما را پنهان می کنند.

اگرچه یک مطالعه همبستگی به تنهایی نمی تواند علیت را نشان دهد ، اما می تواند به شما در ایجاد یک فرضیه علّی کمک کند که در آزمایش های کنترل شده آزمایش شده است.