محاسبه همبستگی ها یکی از رایج ترین محاسباتی هست که در پژوهش ها انجام می شود، اما در بین همبستگی ها اغلب پیرسون و اسپیرمن استفاده می شود در حالی که بسیاری همبستگی دیگر وجود دارد و در علوم رفتاری ما کمتر نسبت به آن آگاهی داریم. در این نوشته سعی بر این داریم تا در ابتدا با توضیح کوتاهی در خصوص مقیاس های اندازه گیری و بحث متقارن بودن روابط بین متغیرها انواع همبستگی ها را معرفی کنم.
هر وقت یک همبستگی محاسبه می شود می بایست به نکات زیر توجه کرد.
- حجم نمونه
- مقیاس اندازه گیری
- متقارن بودن رابطه بین متغیرها
- خطی بودن رابطه بین متغیرها
- دامنه نمرات یک متغیر
- نقش گروه ها در ایجاد رابطه همبستگی
هر وقت نمونه ای با حجم کم داشته باشیم، برخی از همبستگی ها نتایج بهتری می دهند. برای مثال همبستگی رتبه ای تائو کندال بهتر از اسپیرمن هست در زمانی که حجم نمونه از 40 نفر کمتر هست.
در خصوص مقیاس های اندازه گیری می توان به این مورد اشاره کرد که اگر در نظر نگیریم متغیرمان در چه سطحی مقیاس هست نتایج همبستگی ممکن است تحت شعاع این عدم توجه با خطای بیشتر همراه بشود. برای مثال اگر بخواهیم رابطه یک متغیر دو ارزشی حقیقی (جنسیت) یا ساختگی (قبولی و ردی در یک درس با ملاک نمره 10، یعنی اگر کسی 10 گرفت قبول است و اگر پایین تر بود رد) را با یک متغیر مانند هوش که یک متغیر پیوسته و در مقیاس فاصله ای است بررسی کنیم می بایست برای ارتباط جنسیت و قبولی یا ردی به ترتیب از همبستگی دو رشته ای و دو رشته ای نقطه ای استفاده کنیم. بنابراین در نظر گرفتن این که فقط یک متغیر دو ارزشی است کافی نیست و باید به مقیاس متغیر نیز توجه ویژه داشت.
منظور از متقارن بودن را با یک مثال بگذارید توضیح بدهم. اگر رابطه بین وضعیت اقتصادی (درامد) و تحصیلات را بخواهیم بررسی کنیم باید توجه داشته باشیم که ممکن است یک رابطه نامتقارن باشد. بدین معنی که اگر فردی وضعیت اقتصادی بهتری داشته باشد می تواند تحصیلات بالاتری داشته باشد اما داشتن تحصیلات بالاتر الزاما منجر به وضعیت اقتصادی و درآمدی بالاتری نمی شود. هر گاه بتوان از روی متغیر اول متغیر دوم را پیش بینی کرد و بالعکس می توان بیان داشت که رابطه متقارن است.
خطی بودن (کلیک کنید) مسئله ای دیگر است که موجب می شود یک رابطه صحیح نباشد. برای بررسی خطی بودن باید از نمودار استفاده کرد نه این که مقدار عددی را ملاحظه کرد. اگر رابطه غیر خطی باشد باید از همبستگی های غیر خطی همچون ضریب همبستگی ایتا استفاده کرد.
موضوع بعدی که در استفاده از همبستگی مهم است بررسی دامنه نمرات است. برای مثال اگر افرادی را انتخاب کنیم که همه از نظر هوشی شباهت بسیاری با هم دارند و ارتباط آن را با پیشرفت تحصیلی آنها بررسی کنیم موجب می شود همبستگی بین این دو متغیر به صفر میل کند.
گاهی اوقات دو گروه (برای مثال دختر و پسر) در یک مطالعه شرکت می کنند و به دو پرسشنامه پاسخ می دهند. همبستگی بین دو پرسشنامه ممکن است متاثر از وجود دو جنس در مطالعه شما باشد در این حالت می بایست از همبستگی مانند همبستگی تفکیکی و نیمه تفکیکی استفاده کنیم.