相关-correlationalresearch选读.docx

相关研究 ? 有许多类型的相关性研究。所有类型的相关性研究之间的共同点是，他们探索变量之间的关系。其中描述性研究只是说明了事情的原委，对不同事物之间的联系相关性研究的会谈。据了解，相关研究并没有告诉我们，变量A引起的变量B，而是他们有某种关系是很重要的。 例如，如果我告诉你，有（一个家庭成员之间的暴力），家庭暴力和保龄球，你会看着我奇怪之间的相关性。但存在的变量（变量1-家庭暴力，和可变2-保龄球）之间的关系。随着越来越多的人碗，在美国，更多家庭暴力的发生。? ??? 这是否意味着，保龄球导致国内violence-就像你有糟糕的比赛，并把它拿出来对心爱的人。或家庭暴力引起bowling-如同作战与兄弟姐妹和觉得有必要把它拿出来一些引脚。正如你已经guessed-一个不引起对方发生，但他们所关乎每一个时代的人的碗，我可以预言，家庭暴力就上去了，而每一次家庭暴力出现故障，我应该能够找到一个车道在当地的保龄球馆。有链接两者一起的隐藏变量。在这种情况下，它是冬季时间。在冬季，越来越多的人碗里，越来越多的人留在家中（这增加了家庭暴力的机会）。 相关方向 在我们考察了不同类型的相关性研究方法，了解相关性可以在两个方向;?正和负。 正的相关性：当两个变量去以相同的方向。例如，家庭暴力和保龄球。当保龄球上升，所以做家庭暴力。当家庭暴力减少，所以不打保龄球。 负相关：这里的两个变量去不同的方向。例如，大蒜和约会的消费（现在我做这一块了）。你吃的蒜少，你越日期。更蒜你吃，日期越少。一个变量将在一个方向可用于预测往相反方向的另一变量。 相关性系数 科学家测量相关的强度通过使用一些称为相关性系数。现在，你不必知道他们是怎么拿到号码，但你应该知道，当你看到它是什么意思。数范围从-1到+1。如果两个变量（如学习和档次）具有高于零的相关性（如+.76），那么你有一个正相关性越你学习，更好的成绩，你有。该数字低于零（如-.42），那么你有一个负相关关系，当一个变量去了另一个向下（如大蒜和约会）。如果两个变量的零的相关性，然后它们与彼此没有关系。越接近数字去+1或-??1，强的相关性。强度无关的数量是否是正的负的。中-.88的相关性比一个是+.56更强。越接近数字变到零（无论正或负），较弱的相关性。 相关性研究的类型 有许多不同的方式来显示两个变量之间的相关性。让我们来讨论一些比较流行的方法;?该调查法和自然观察。 调查方法 也许研究的最常见的解决方法是调查研究。您收到一封信，在邮件中要求你花一分钟，并回答了几个问题，或者打个电话乞讨十分钟的时间来谈论你的感受??????每一次，你正在经历研究调查方法。所有的调查都有一个共同点，他们问的问题。? 现在大约有研究调查好和坏的东西。该睦邻不管你怎么做，互联网，邮件，电话，在人 - 他们是相当便宜的。如果您在使用手机或互联网，你可以覆盖人人口众多的轻松。调查的不好的方面是，1，响应速度非常低（每100个邮件，你送出去，你会幸运地得到一回）。第二，人们可以躺在调查，以便随时可以质疑你的数据的有效性。 让我们打破的调查方法，相关研究的工具。假装我们的假设是更多的蒜人吃的少，他们的日期。首先，我们必须拿出一些调查问题（假装他们询问有关大蒜一个在过去6个月已经吃过量的多少，他们约会在过去的第六个月）。我们希望，当人们回答的调查中，我们会看到，谁也表示，他们已经吃了很多大蒜的人也回答说，他们已名花有主以下（负相关）。 但是，谁是我们去给调查？与所有类型的研究（除了一些案例研究），我们必须选择一个样的人来参加调查（样本只是一组受试者）。我们必须首先确定一个群体的人，我们要得到的样品。群包括人谁可能被选择为样本的部分。如果我们正在研究厌食症妇女和她们约会的习惯，我们会选择从厌食症的女性人口的样品（问一个胖乎乎的家伙像我这样没有意义的一个厌食症的研究，所以我不会在人群中的一部分）。在大蒜和约会的情况下，我会限制我的人口单身男女18-25岁从威彻斯特区域之间（如果我不限制我的人口，那么我将不得不开始从所有接触的人世界各地的）。 现在，我怎么挑人是我的样本的一部分。难道我把我的所有单哥们在威彻斯特地区，并给他们的调查？这不会是这样做的一个非常公平的方式。为了使调查有效，我必须随机选择从总体的样本。??随机选择意味着每个人在我的人口已被选定为调查对象的平等机会。如果我能做到这一点，那么我的样品有很大的可能性实际上代表?了较大的人群我学习。我如何随机抽取我与人口，我可以随意挑选的名字了电话簿（但在某种程度上这是不公平的单身人士在威彻斯特谁没有手机） -换句话说，寻找一个真正的随机样本是不容易的。 自然观察 另一种相关性的研究方法被称为自然观察（尽管你也可以把它作为一个描述性的研究工具也一样）。??自然观察是，当研究人员试图观察他们在其自然栖