ضریب همبستگی چيست؟

اگر فرمول بالا را خلاصه کنیم به حالت زیر تبدیل می شود.

ضریب همبستگی چیست؟

ضریب همبستگی (Correlation Coefficient) ابزاری آماری برای تعیین نوع و درجه رابطهء یک متغیر کمی با متغیر کمی دیگر است.

ضریب همبستگی، یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است.

ضریب همبستگی شدت رابطه و هم چنین نوع رابطه (مستقیم یا معکوس) را نشان می‌دهد. این ضریب بین 1 تا 1- است و در عدم وجود رابطه بین دو متغیر، برابر صفر است.

همبستگی بین دو متغیر تصادفی X و Y به صورت زیر تعریف می‌شود:

که در آن E عملگر امید ریاضی، cov به معنای کوواریانس، corr نماد معمول برای همبستگی (کورولیشن) پیرسون، و سیگما نماد انحراف معیار است.

امید ریاضی:

در نظریه احتمالات؛ امید ریاضی، میانگین، مقدار مورد انتظار یا ارزش مورد انتظار یک متغیر تصادفی گسسته برابر است با مجموع حاصل‌ضرب احتمال وقوع هر یک از حالات ممکن در مقدار آن حالت. در نتیجه میانگین برابر است با مقداری که بطور متوسط از یک فرایند تصادفی با بی‌نهایت تکرار انتظار می‌رود.

کوواریانس یا هم‌وردایی (Covariance):

در نظریه احتمالات، اندازه تغییرات هماهنگ دو متغیر تصادفی است. ( اگر دو متغیر یکی باشند کواریانس برابر واریانس خواهد شد). چنان که دو متغیر تصادفی ناوابسته باشند کواریانس آن ها صفر خواهد بود.

ضریب همبستگی پیرسون ( Pearson Correlation Coefficient):

روشی پارامتری است و برای داده‌هایی با توزیع نرمال یا تعداد داده‌های زیاد استفاده می‌شود.

ضریب همبستگی اسپیرمن (Spearman Correlation Coefficient):

در صورتی که تعداد داده‌ها کم و فرض نرمال بودن آن ها معقول نباشد، از ضریب همبستگی اسپیرمن استفاده می‌شود. ضریب همبستگی‌ای که بر اساس رتبهء داده‌ها محاسبه می‌شود، توسط اسپیرمن محاسبه شده‌است.

انحراف معیار(Standard deviation):

نوعی سنجش پراکندگی برای یک توزیع احتمالی یا متغیر تصادفی است و نماینده ی پخش‌شدگی مقادیر آن حول مقدار میانگین است.

ضریب همبستگی پیرسون: این چیست و چگونه استفاده می شود

هنگام تحقیق در روانشناسی ، از آمار توصیفی به طور مكرر استفاده می شود كه روشهای ارائه و ارزیابی خصوصیات اصلی داده ها را از طریق جداول ، نمودارها و معیارهای خلاصه ارائه می دهد.

در این مقاله ما با ضریب همبستگی پیرسون آشنا خواهیم شد، معیار نمونه ای از آمار توصیفی. این یک اندازه گیری خطی بین دو متغیر تصادفی کمی است ، که به ما امکان می دهد از شدت و جهت رابطه بین آنها مطلع شویم.

• مقاله مرتبط: "آلفای کرونباخ (α): چیست و چگونه در آمار استفاده می شود"

آمار توصیفی

ضریب همبستگی پیرسون نوعی ضریب است که در آمار توصیفی استفاده می شود. به طور مشخص، از آن در آمار توصیفی استفاده شده برای مطالعه دو متغیر استفاده می شود.

به نوبه خود ، آمار توصیفی (تجزیه و تحلیل داده های اکتشافی نیز نامیده ضریب همبستگی چيست؟ می شود) مجموعه ای از تکنیک های ریاضی را که برای بدست آوردن ، سازماندهی ، ارائه و توصیف مجموعه ای از داده ها طراحی شده است ، به منظور سهولت استفاده از آنها ، گروه بندی می کند. به طور کلی ، از جدول ، معیارهای عددی یا نمودار برای پشتیبانی استفاده کنید.

ضریب همبستگی پیرسون: برای چه کاری است؟

از ضریب همبستگی پیرسون برای مطالعه رابطه (یا همبستگی) بین دو متغیر تصادفی کمی (مقیاس حداقل فاصله) استفاده می شود. به عنوان مثال ، رابطه بین وزن و قد.

این معیاری است که در مورد شدت و جهت رابطه به ما اطلاعات می دهد. به عبارت دیگر ، این شاخصی است که درجه متغیر متغیرهای خطی مختلف را اندازه گیری می کند.

ما باید در مورد تفاوت بین رابطه ، همبستگی یا تغییر متغیر بین دو متغیر (= تغییر مفصل) و علیت (که پیش بینی ، پیش بینی یا رگرسیون نیز نامیده می شود) روشن باشیم ، زیرا آنها مفاهیم مختلفی هستند.

• شاید برای شما جالب باشد: "آزمون مجذور کای (χ²): چیست و چگونه در آمار استفاده می شود"

چگونه تفسیر می شود؟

ضریب همبستگی پیرسون شامل مقادیر بین -1 و 1+ است. بنابراین ، بسته به ارزش آن ، معنایی خواهد داشت.

اگر ضریب همبستگی پیرسون برابر با 1 یا 1 باشد ، می توانیم در نظر بگیریم که همبستگی موجود بین متغیرهای مورد مطالعه کامل است.

اگر ضریب بیشتر از 0 باشد ، همبستگی مثبت است ("یک بیشتر ، بیشتر و کمتر کمتر). از طرف دیگر ، اگر از 0 کمتر باشد (منفی) ، همبستگی منفی است ("A more، less، and a less، more). سرانجام ، اگر ضریب برابر با 0 باشد ، فقط می توان گفت که هیچ رابطه خطی بین متغیرها وجود ندارد ، اما ممکن است نوع دیگری از رابطه وجود داشته باشد.

ملاحظات

ضریب همبستگی پیرسون در صورت افزایش تنوع X و / یا Y (متغیرها) افزایش می یابد و در غیر این صورت کاهش می یابد. از طرف دیگر ، برای بالا یا پایین بودن مقدار ، ما باید داده های خود را با تحقیقات دیگر با همان متغیرها و در شرایط مشابه مقایسه کنیم.

برای نمایش روابط متغیرهای مختلف که به صورت خطی ترکیب می شوند ، می توان از ماتریس به اصطلاح واریانس-کوواریانس یا ماتریس همبستگی استفاده کرد. در مورب اولی مقادیر واریانس را پیدا خواهیم کرد ، و در مورب دوم آن را پیدا خواهیم کرد (همبستگی یک متغیر با خودش کامل است ، 1).

ضریب مربع

وقتی ضریب همبستگی پیرسون را مربع کنیم معنای آن تغییر می کند، و ما مقدار آن را در رابطه با پیش بینی ها تفسیر می کنیم (نشانگر علیت رابطه است). یعنی در این حالت می تواند چهار تعبیر یا معنی داشته باشد:

1. واریانس مرتبط

نسبت واریانس Y (یک متغیر) مرتبط با تغییر X (متغیر دیگر) را نشان می دهد. بنابراین ، می دانیم که "ضریب 1-پیرسون در مربع" = "نسبت واریانس Y که با تغییر X ارتباط ندارد".

2. اختلافات فردی

اگر ضریب همبستگی پیرسون x100 را ضرب کنیم ، این نشان دهنده درصد تفاوتهای فردی در Y است که مرتبط هستند / به آنها بستگی دارد / با تغییرات فردی یا تفاوت در X توضیح داده می شوند. بنابراین ، "1-ضریب پیرسون مربع x 100" = of از تفاوت های فردی در Y است که مرتبط نیست / بستگی دارد / توسط تغییرات فردی یا تفاوت در X توضیح داده شده است.

3. میزان کاهش خطا

ضریب همبستگی پیرسون در مربع همچنین می تواند به عنوان شاخص کاهش خطای پیش بینی تفسیر شود؛ یعنی این نسبت خطای میانگین مربع است که با استفاده از Y 'حذف می شود (خط رگرسیون ، که به تفکیک نتایج بدست آمده است) به جای میانگین Y به عنوان پیش بینی. در این حالت ضریب x 100 نیز ضرب می شود (٪ را نشان می دهد).

بنابراین ، "1-Pearson ضریب مربع" = خطایی که هنوز هم هنگام استفاده از خط رگرسیون به جای میانگین ایجاد می شود (همیشه ضربدر x 100 = نشان دهنده٪).

4. شاخص تقریب نقاط

سرانجام ، آخرین تفسیر ضریب همبستگی پیرسون مربع شده نشان دهنده تقریب نقاط به خط رگرسیون اظهارنظر شده است. هرچه مقدار ضریب بالاتر باشد (نزدیکتر به 1) ، نقاط به Y 'نزدیکتر خواهند بود (به خط).

روانشناسی و مشاوره

يكي از انواع روش هاي تحقيق توصيفي (غير آزمايشي) تحقيق همبستگي است. در اين نوع تحقيق رابطه ميان متغيرها بر اساس هدف تحقيق تحليل مي‌گردد.

تحقيقات همبستگي را مي‌توان بر حسب هدف به سه دسته تقسيم كرد:

الف) مطالعه همبستگي دو متغيري، ب) تحليل رگرسيون، ج) تحليل ماتريس همبستگي يا كواريانس.

در مطالعات همبستگي دو متغيري، هدف بررسي رابطه دو به دو متغيرهاي موجود در تحقيق است. در تحليل رگرسيون هدف پيش بيني تغييرات يك يا چند متغير وابسته (ملاك) با توجه به تغييرات متغيرهاي مستقل (پيش بين) است. در بعضي بررسي ها از مجموعه همبستگي هاي دو متغيري متغيرهاي مورد بررسي در جدولي به نام ماتريس همبستگي يا كواريانس استفاده مي‌شود. از جمله تحقيقاتي كه در آن ها ماتريس همبستگي يا كواريانس تحليل مي شود، تحليل عاملي و مدل معادلات ساختاري است. در تحليل عاملي هدف تلخيص مجموعه اي از داده ها يا رسيدن به متغيرهاي مكنون (سازه) و در مدل معادلات ساختاري آزمودن روابط ساختاري مبتني بر نظريه ها و يافته هاي تحقيقاتي موجود است. در زير با تفضيل بيشتر هر يك از موارد فوق مورد بحث قرار مي‌گيرد.

1- تحقيق همبستگي دو متغيري

در اين گونه تحقيقات هدف تعيين ميزان هماهنگي تغييرات دو متغير است. براي اين منظور بر حسب مقياس هاي اندازه گيري متغيرها شاخص هاي مناسبي اختيار مي‌شود. اين شاخصها در فصل تحليل داده ها تشريح شده اند. از آن جا كه در اكثر تحقيقات همبستگي دو متغيري از مقياس فاصله اي با پيش فرض توزيع نرمال دو متغيري براي اندازه گيري متغيرها استفاده مي شود، لذا ضريب همبستگي محاسبه شده در اين گونه تحقيقات ضريب همبستگي گشتاوري پيرسون يا به طور خلاصه ضريب همبستگي پيرسون است.

به عنوان مثالي از تحقيق همبستگي دو متغيري به تحقيقي از اين نوع در اينجا اشاره مي‌شود:

پژوهشگران براي آزمودن رابطه ”اسنادهاي دروني و باثبات“ با متغير ”احساس لياقت“ در عملكردهاي موفق و ناموفق فرضيه هايي را مورد آزمون قرار دادند و براي اين امر از ضرايب همبستگي دو متغيري پيرسون استفاده كردند. نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيه هاي تحقيق عبارت بودند از:

فرضيه 1: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي موفق همبستگي مثبت دارد.

فرضيه 2: احساس لياقت با اسنادهاي دروني و باثبات براي عملكردهاي ناموفق همبستگي منفي دارد.

در اين تحقيق متغيرهاي مورد بررسي به شرح زير است: 1-احساس لياقت، 2-عملكرد در آزمون، 3-اسناد مركز عليت براي عملكرد ناموفق، 4-اسناد باثبات براي عملكرد ناموفق، 5-اسناد مركر عليت براي عملكرد موفق و 6-اسناد ضریب همبستگی چيست؟ ثبات براي عملكرد موفق.

بايد توجه داشت كه نمره مثبت اسناد مركز عليت نشانگر اسنادهاي دروني و نمره منفي آن نشانگر اسنادهاي بيروني بود. نمره مثبت اسناد ثبات نشانگر اسنادهاي باثبات و نمرات منفي آن نشانگر اسنادهاي بي ثبات بود.

فرضيات تحقيق عبارت است از:

1- در عملكردهاي موفق، احساس لياقت با اسناد دروني همبستگي مثبت ضریب همبستگی چيست؟ دارد.

2- در عملكردهاي موفق، احساس لياقت با اسنادهاي باثبات همبستگي مثبت دارد.

3- در عملكردهاي ناموفق، احساس لياقت با اسناد دروني همبستگي منفي دارد.

4- در عملكردهاي ناموفق، احساس لياقت با اسنادهاي باثبات همبستگي منفي دارد.

ضرايب همبستگي اين متغيرها در جدول زير داده شده است و معني داري اين ضرايب همبستگي با يك يا دو ستاره مشخص شده است.

جدول ضرايب همبستگي متغيرهاي اندازه گيري شده در بررسي رابطه هاي

اسنادهاي دروني و باثبات با احساس لياقت:

در مثال فوق با توجه به معني دار بودن برخي از ضرايب همبستگي ملاحظه مي‌شود كه فرضيه 1 كه به رابطه احساس لياقت با اسنادهاي باثبات در عملكردهاي موفق مربوط است تاييد مي‌گردد. (r=0.22 , P الف) تحليل عاملي

ماتريس كواريانس در تحليل عاملي با دو هدف متفاوت مي‌تواند تحليل شود: ”هدف اكتشافي“ و ”هدف تاييدي“. چنانچه هدف اكتشافي باشد دو رويكرد متفاوت وجود دارد:

1- تعيين سازه يا متغيرهاي مكنون در يك حوزه از عملكرد كه به وسيله ابزارهاي اندازه گيري خاصي ارزيابي شده اند. اين هدف از طريق روش ”عامل مشترك“ ميسر مي‌شود.

2- تلخيص داده ها: در اين روش متغيرهاي به دست آمده به صورت شاخص هاي خلاصه تري در مي‌آيند. تلخيص داده ها معمولا از طريق روش ”مولفه هاي اصلي“ صورت مي‌گيرد.

در صورتي كه محقق درباره تعداد عامل هاي خصيصه ها فرضيه اي نداشته باشد، تحليل عاملي اكتشافي (efa) و در صورتي كه فرضيه موجود باشد تحليل عاملي تاييدي (cfa) ناميده مي‌شود.

تحلیل مسیر یا path analysis روش آماری کاربرد ضرایب بتای استاندارد رگرسیون چند متغیرى در مدل هاى ساختاری است .هدف تحلیل مسیر به دست آوردن برآوردهاى کمى روابط علّى ( همکنشی یکجانبه یا کواریته) بین مجموعه اى از متغیرهاست.ساختن یک مدل علّی لزوماً به معنای وجود روابط علّی در بین متغیرهای مدل نیست بلکه این علیت بر اساس مفروضات همبستگی و نظر و پیشینه تحقیق استوار است.

تحلیل مسیر بیان مى کند که کدام مسیر مهمتر و یا معنادارتر است.ضرایب مسیر براساس ضریب استاندارد شده رگرسیون محــــــاسبه مى شود. یک متغیر به صورت تابعى از دیگر متغیرها فرض مى شود و مدل رگرسیونى آن ترسیم مى شود.برای بدست‌آوردن برآوردهای ضرایب اصلی مسیر کافی است هر متغیر وابسته (درونزا) به متغیرهائی که مستقیماً تحت تأثیر آن است بازگشت داده شود. به بیان دیگر برای برآوردهای هر یک از مسیرهای مشخص شده، ضرایب استانداردشده رگرسیون (یا ضرایب مسیر) محاسبه می‌شود. این ضرایب از طریق برقراری معادله‌های ساختاری یعنی معادله‌هائی که ساختار روابط مفروض در یک مدل را مشخص می‌سازد به دست می‌آیند.

ج) مدل یابی معادلات ساختاري

در تحقيقاتي كه هدف، آزمودن مدل خاصي از رابطه بين متغيرها است، از تحليل مدل معادلات ساختاري يا مدل هاي علّي استفاده مي‌شود. در اين مدل داده ها به صورت ماتريس هاي كواريانس يا همبستگي درآمده و يك مجموعه معادلات رگرسيون بين متغيرها تدوين مي‌شود. چنانچه در مدل براي هر متغير از بيش از يك نشانگر استفاده شود، مدل شامل مولفه اندازه گيري نيز مي‌شود. تحليل مدل معادلات ساختاري برآوردهايي از پارامترهاي مدل (ضرايب مسير و جملات خطا) و چند شاخص نيكويي برازش فراهم مي آورد.

امكان تحليل مدل هاي علّي پس از فراهم آمدن نرم افزارهايي از جمله Lisrel صورت گرفته است. اين نرم افزارها به تدريج كامل تر و پيچيده تر شده اند.

مطالعات همبستگی در روانشناسی : چگونه از مطالعات همبستگی در روانشناسی استفاده می شود

سه نتیجه ممکن برای یک مطالعه همبستگی وجود دارد: یک همبستگی مثبت، یک همبستگی منفی یا بدون همبستگی. محققان می توانند نتایج را با استفاده از یک مقدار عددی به نام ضریب همبستگی ارائه دهند.

همبستگی مثبت: هر دو متغیر به طور همزمان افزایش یا کاهش می یابند. ضریب همبستگی نزدیک به +1.00 نشان دهنده همبستگی مثبت قوی است.

همبستگی های منفی: با افزایش مقدار یک متغیر، متغیر دیگر کاهش می یابد (و بالعکس). ضریب همبستگی نزدیک به -1.00 نشان دهنده همبستگی منفی قوی است.

مقاله روانشناسی پیشنهادی

اصطلاحات تحقیقات روانشناسی : اصطلاحات و مفاهیم پژوهشی روانشناسی که باید بدانید

مطالعات مشاهده ای

مجلات روانشناسی تمام متن – فهرست رایگان

رویکرد حل مسئله الگوریتم در روانشناسی

استفاده از همبستگی در تحقیقات روانشناسی

بدون همبستگی: بین دو متغیر رابطه وجود ندارد. ضریب همبستگی 0 نشان دهنده عدم همبستگی است.

ضریب همبستگی چیست؟

شدت همبستگی معیاری برای سنجش قدرت همبستگی است. می تواند از -1.00 (منفی) تا +1.00 (مثبت) باشد. ضریب همبستگی 0 نشان دهنده عدم همبستگی است.

نحوه کار مطالعات همبستگی

مطالعات همبستگی نوعی تحقیق است که اغلب در روانشناسی و همچنین زمینه های دیگر مانند پزشکی مورد استفاده قرار می گیرد. تحقیقات همبستگی یک راه مقدماتی برای جمع آوری اطلاعات در مورد یک موضوع است. این روش همچنین در صورتی مفید است که محققان نتوانند آزمایشی را انجام دهند.

محققان از همبستگی استفاده می کنند تا ببینند آیا رابطه ای بین دو یا چند متغیر وجود دارد یا خیر، اما خود متغیرها تحت کنترل محققان نیستند.

در حالی که تحقیقات همبستگی می تواند رابطه بین متغیرها را نشان دهد، نمی تواند ثابت کند که تغییر یک متغیر، متغیر دیگری را تغییر می دهد. به عبارت دیگر، مطالعات همبستگی نمی توانند روابط علت و معلولی را اثبات کنند.

انواع تحقیقات همبستگی

سه نوع تحقیق همبستگی وجود دارد: مشاهده طبیعت گرایانه، روش پیمایشی و تحقیق آرشیوی. هر نوع هدف خاص خود را دارد و همچنین مزایا و معایب خود را دارد.

مشاهده طبیعی

روش مشاهده طبیعی شامل مشاهده و ثبت متغیرهای مورد علاقه در یک محیط طبیعی بدون دخالت یا دستکاری است.

مزایا

• می تواند الهام بخش ایده هایی برای تحقیقات بیشتر باشد
• گزینه در صورتی که آزمایش آزمایشگاهی در دسترس نباشد
• مشاهده متغیرها در محیط طبیعی

معایب

• می تواند زمان بر و گران باشد
• متغیرهای خارجی را نمی توان کنترل کرد
• عدم کنترل علمی متغیرها
• اگر افراد از مشاهده شدن آگاه باشند، ممکن است رفتار متفاوتی داشته باشند
• این روش برای مطالعاتی که محققان می‌خواهند ببینند که متغیرها در محیط یا حالت طبیعی خود چگونه رفتار می‌کنند بسیار مناسب است. سپس می‌توان از مشاهدات الهام گرفت تا راه‌های تحقیق آینده را آگاه کند.
• در برخی موارد، ممکن است تنها روشی باشد که در دسترس محققان است. برای مثال، اگر آزمایش آزمایشگاهی با دسترسی، منابع یا اخلاقیات منع شود. ممکن است ترجیح داده شود که اصلاً نتوانید تحقیق کنید، اما این روش می تواند پرهزینه باشد و معمولاً زمان زیادی می برد.

مطالعات همبستگی در روانشناسی

مشاهده طبیعت گرایانه چالش های متعددی را برای محققان ایجاد می کند. به عنوان مثال، به آنها اجازه نمی دهد که متغیرها را به هیچ وجه کنترل یا تحت تأثیر قرار دهند و همچنین نمی توانند متغیرهای خارجی ممکن را تغییر دهند.

با این حال، این بدان معنا نیست که محققان داده های قابل اعتمادی را از مشاهده متغیرها به دست خواهند آورد، یا اطلاعاتی که جمع آوری می کنند عاری از سوگیری خواهد بود.

برای مثال، اگر افراد مورد مطالعه بدانند که تحت نظر هستند، ممکن است متفاوت عمل کنند. محققان ممکن است آگاه نباشند که رفتاری که مشاهده می‌کنند لزوماً وضعیت طبیعی سوژه نیست (یعنی اگر نمی‌دانستند تحت نظر هستند چگونه عمل می‌کنند).

محققان همچنین باید از سوگیری های خود آگاه باشند، که می تواند بر مشاهده و تفسیر رفتار سوژه تأثیر بگذارد.

روش نظرسنجی

نظرسنجی و پرسشنامه از متداول ترین روش هایی است که برای تحقیقات روانشناختی استفاده می شود. روش ضریب همبستگی چيست؟ نظرسنجی شامل داشتن یک نمونه تصادفی از شرکت کنندگان است که یک نظرسنجی، آزمون یا پرسشنامه مربوط به متغیرهای مورد علاقه را تکمیل می کنند.

نمونه گیری تصادفی برای تعمیم پذیری نتایج یک نظرسنجی حیاتی است.

مزایا

• ارزان، آسان و سریع
• می تواند حجم زیادی از داده ها را در مدت زمان کوتاهی جمع آوری کند
• قابل انعطاف

معایب

• نتایج را می توان تحت تأثیر سؤالات نظرسنجی ضعیف قرار داد
• خروجی را می توان تحت تأثیر نمونه غیرنماینده قرار داد
• نتایج می تواند تحت تأثیر شرکت کنندگان قرار گیرد
• اگر محققان نیاز به جمع آوری حجم زیادی از داده ها در مدت زمان کوتاه داشته باشند، نظرسنجی احتمالا سریع ترین، آسان ترین و ارزان ترین گزینه خواهد بود.
• همچنین روشی انعطاف‌پذیر است زیرا به محققان امکان می‌دهد ابزارهای جمع‌آوری داده ایجاد کنند که به آنها کمک می‌کند اطلاعات مورد نیاز (پاسخ‌های نظرسنجی) را از همه منابعی که می‌خواهند استفاده کنند (نمونه‌ای تصادفی از شرکت‌کنندگان در نظرسنجی) دریافت می‌کنند.
• داده های نظرسنجی ممکن است مقرون به صرفه باشد و به راحتی به دست آید، اما دارای معایبی است. داده ها همیشه قابل اعتماد نیستند – به خصوص اگر سوالات نظرسنجی ضعیف نوشته شده باشد یا طرح یا تحویل کلی ضعیف باشد.
• استفاده از نظرسنجی ها به شرکت کنندگان برای ارائه داده های مفید متکی است. محققان باید از عوامل خاص مربوط به افرادی که در نظرسنجی شرکت می کنند آگاه باشند که بر نتیجه آن تأثیر می گذارد.
• برای مثال، برخی از افراد ممکن است برای درک سؤالات دچار مشکل شوند. یک فرد ممکن است به روشی خاص پاسخ دهد که سعی کند محققان را راضی کند یا نحوه درک محققان از آنها را کنترل کند (مانند تلاش برای اینکه “بهتر به نظر برسند”).
• گاهی اوقات، پاسخ دهندگان ممکن است حتی متوجه نادرست یا گمراه کننده بودن پاسخ هایشان به دلیل خاطرات اشتباه نشوند.

مطالعات همبستگی در روانشناسی

تحقیقات آرشیوی

بسیاری از حوزه‌های تحقیقات روان‌شناختی از تجزیه و تحلیل مطالعاتی که مدت‌ها پیش توسط محققان دیگر انجام شده‌اند و همچنین بررسی سوابق تاریخی و مطالعات موردی سود می‌برند.

به عنوان مثال، در آزمایشی به نام «قلب تحریک‌پذیر»، محققان از سوابق دیجیتالی حاوی اطلاعات جانبازان جنگ داخلی آمریکا برای کسب اطلاعات بیشتر در مورد اختلال استرس پس از سانحه (PTSD) استفاده کردند.

مزایا

• حجم زیادی از داده ها
• می تواند ارزان تر باشد
• محققان نمی توانند رفتار شرکت کنندگان را تغییر دهند

معایب

می تواند غیر قابل اعتماد باشد

اطلاعات ممکن است از دست رفته باشد

کنترلی بر روش های جمع آوری داده ها وجود ندارد

استفاده از سوابق، پایگاه‌های اطلاعاتی و کتابخانه‌هایی که از طریق مؤسسه‌شان در دسترس عموم است، می‌تواند به محققانی که ممکن است پول زیادی برای حمایت از تلاش‌های تحقیقاتی خود نداشته باشند، کمک کند.

منابع رایگان و کم هزینه از طریق مؤسسات آکادمیک، موزه ها و مخازن داده ها در سراسر جهان در دسترس محققان در تمام سطوح است.

یکی دیگر از مزایای بالقوه این است که این منابع اغلب حجم عظیمی از داده‌ها را ارائه می‌کنند که در یک دوره زمانی بسیار طولانی جمع‌آوری شده‌اند، که می‌تواند راهی برای مشاهده روندها، روابط و نتایج مرتبط با تحقیقات خود به محققان بدهد.

در حالی که ناتوانی در تغییر متغیرها می تواند از معایب برخی از روش ها باشد، می تواند از مزایای تحقیقات آرشیوی باشد. با این حال، استفاده از سوابق تاریخی یا اطلاعاتی که مدت‌ها پیش جمع‌آوری شده‌اند نیز چالش‌هایی را ایجاد می‌کند. به ضریب همبستگی چيست؟ عنوان مثال، ممکن است اطلاعات مهم گم یا ناقص باشد و برخی از جنبه های مطالعات قدیمی تر ممکن است برای محققان در زمینه مدرن مفید نباشد.

یک مسئله اولیه در تحقیقات آرشیوی قابلیت اطمینان است.

هنگام بررسی تحقیقات قدیمی، ممکن است اطلاعات کمی در مورد اینکه چه کسی تحقیق را انجام داده است، چگونه یک مطالعه طراحی شده است، چه کسانی در تحقیق شرکت کرده اند، و همچنین نحوه جمع آوری و تفسیر داده ها در دسترس باشد.

همچنین می‌توان به محققان با معضلات اخلاقی مواجه شد – برای مثال، آیا محققان مدرن باید از داده‌های مطالعاتی استفاده کنند که غیراخلاقی یا با اخلاق مشکوک انجام شده‌اند؟

محدودیت های مطالعات همبستگی

احتمالاً این عبارت را شنیده اید که “همبستگی مساوی علیت نیست”. این بدان معنی است که در حالی که تحقیقات همبستگی می تواند نشان دهد که بین دو متغیر رابطه وجود دارد، نمی تواند ثابت کند که یک متغیر متغیر دیگری را تغییر می دهد.

به عنوان مثال، محققان ممکن است یک مطالعه همبستگی انجام دهند که نشان دهد بین موفقیت تحصیلی و عزت نفس فرد رابطه وجود دارد. با این حال، این مطالعه نمی تواند نشان دهد که موفقیت تحصیلی باعث تغییر عزت نفس فرد می شود.

برای تعیین اینکه چرا این رابطه وجود دارد، محققان باید متغیرهای دیگری مانند روابط اجتماعی، توانایی های شناختی، شخصیت و وضعیت اجتماعی-اقتصادی آزمودنی را در نظر بگیرند و با آنها آزمایش کنند.

همبستگی جفت ارزها در فارکس (Currency Correlation)

قدرت ارز یک کشور یا منطقه، بستگی به شرایط اقتصادی مربوط به آن منطقه دارد. بنابراین، اقتصاد قوی، یک ارز را قدرتمند و اقتصاد ضعیف یک کشور، آن ارز را تضعیف می کند. در همین حال، اقتصاد کشورهای مختلف به یک دیگر متصل هستند و این موضوع، ارزهای مختلف را به نحوی به یکدیگر مرتبط می کند.

برای مثال در قاره اروپا، انگلیس و کشورهای اتحادیه اروپا به یکدیگر متکی هستند. زیرا آنها کالاها و خدمات مختلفی را با یکدیگر مبادله می کنند. بدین خاطر، ارزش پوند انگلیس تحت تاثیر هر گونه تغییر در اقتصاد سایر کشورهای اتحایه اروپا است. همین رابطه را می توان در اقتصادهای سرتاسر جهان مشاهده کرد و این همان چیزی است که همبستگی ارزهای مختلف در بازار فارکس را ایجاد می کند.

ضریب همبستگی چیست؟

ضریب همبستگی یا کورولیشن یک ابزار آماری است و فرمول ریاضی مخصوص به خود را دارد. این ضریب نشان می دهد که دو سری از اعداد با چه ارتباطی نسبت به یکدیگر تغییر کرده اند. برای مثال ممکن است یک تحلیلگر بخواهد رابطه بین میزان صادرات یک کشور و ارزش ارز آن کشور در برابر دلار را بسنجد. در این حالت، داده های هر دو متغییر در بازه های زمانی مساوی (مثلا فصلی یا سالیانه) با استفاده از فرمول ضریب همبستگی با یکدیگر مقایسه می شوند.

فرمول ضریب همبستگی به گونه ای طراحی شده است که نتیجه آن، عددی بین 1- و 1+ بدست می آید.

تفسیر ضریب همبستگی به شرح زیر است:

ضریب همبستگی مثبت (بین 0 تا 1+) به این معنی است که تغییرات هر دو متغییر در یک جهت می باشد. برای مثال اگر ارزش یک ارز در برابر دلار کاهش یابد میزان صادرات آن نیز کاهش خواهد یافت و بالعکس اگر ارزش آن افزایش یابد میزان صادرات نیز افزایش خواهد یافت. هر چه ضریب همبستگی به سمت 1+ حرکت کند همبستگی شدیدتر می شود بگونه ای که همبستگی مثبت یک به معنی همبستگی کامل است. یعنی 1% افزایش یا کاهش در یک متغیر دقیقا با 1% افزایش یا کاهش در متغییر دیگر همراه خواهد بود.

ضریب همبستگی منفی (بین 0 تا 1-) یعنی تغییرات یک متغییر در جهت خلاف تغییرات متغییر دیگر است. برای مثال ممکن است صادرات بیشتر یک کشور با کاهش ارزش پول آن کشور همراه باشد و بالعکس ضریب همبستگی چيست؟ هر چه ارز یک کشور با ارزش تر شود میزان صادرات آن کمتر شود. هر چه ضریب همبستگی به سمت 1- حرکت می کند همبستگی معکوس، شدید تر می شود بگونه ای که همبستگی منفی یک به معنی همبستگی معکوس کامل است. برای مثال 10% افزایش در یک متغییر دقیقا برابر با 10% کاهش در متغییر دیگر است.

ضریب همبستگی صفر به این معنی است که بین دو متغییر هیچ گونه رابطه ای وجود ندارد و هر یک بصورت مستقل رفتار می کنند. برای مثال ممکن است افزایش و کاهش در ارزش پول یک کشور و میزان صادرات آن، هیچ ارتباطی با یکدیگر نداشته باشند.

شما بعنوان یک تریدر فارکس نیازی به آگاهی از نحوه محاسبه ضریب همبستگی ندارید. با این وجود ممکن است کنجکاو شوید که این ضریب چگونه محاسبه می شود. فرمول ضریب همبستگی بصورت زیر است:

اگر فرمول بالا را خلاصه کنیم به حالت زیر تبدیل می شود.

گاهی اوقات ضریب همبستگی را بصورت درصد بیان می کنند. جهت تبدیل ضریب همبستگی به ضریب همبستگی چيست؟ درصد آن را در 100 ضرب می کنیم. برای مثال همبستگی 0.8 – برابر با 80% – خواهد بود.

همبستگی جفت ارزها در فارکس

همانگونه که می دانید ارزها بصورت جفتی بیان می شوند. هر جفت ارز با جفت ارز دیگر دارای همبستگی است. داده های مربوط به همبستگی ارزها معمولا در قالب یک جدول نمایش داده می شود که نقاط تقاطع در این جدول، همبستگی جفت ارزها را نشان می دهد. به تصویر زیر توجه کنید.

در تصویر بالا همبستگی بین جفت ارزهای مختلف بصورت درصد بیان شده است. این همبستگی می تواند بین منفی 100% و مثبت 100% نوسان کند.

در جدول بالا جفت ارزهای EUR/USD و USD/CAD دارای همبستگی منفی هستند در حالیکه USD/CHF و EUR/JPY دارای همبستگی مثبت هستند. بطور کلی شما به دنبال اعدادی در جدول خواهید بود که به مثبت یک یا منفی یک نزدیک هستند و همبستگی های نزدیک به صفر مانند جفت ارزهای AUD/USD و EUR/AUD جذابیتی برای شما ندارند.

جفت ارزهایی که دارای همبستگی مثبت هستند در یک جهت حرکت می کنند. برای مثال زمانیکه نرخ USD/CHF افزایش می یابد جفت ارز EUR/JPY تقریبا به اندازه 85.6% افزایش در جفت ارز USD/CHF، صعود می کند. از سوی دیگر زمانیکه نرخ USD/CAD افزایش می یابد جفت ارز EUR/USD به اندازه 74.4% کاهش می یابد.

هنگامیکه دریافتید کدام جفت ارزها دارای همبستگی مثبت یا منفی قوی با یکدیگر هستند می توانید بطور نسبی پیش بینی کنید که حرکت یکی نسبت به دیگری چگونه خواهد بود. بنابراین اگر در نمودارهای فارکس، جفت ارز EUR/USD در حال صعود باشد، احتمال اینکه USD/CAD نزولی شود بسیار است. چنین اطلاعاتی برای یک تریدر فارکس می تواند از چندین جهت اهمیت داشته باشد که در ادامه به آن می پردازیم.

چگونه از همبستگی جفت ارزها در معاملات فارکس استفاده کنیم؟

برخی از کاربردهای همبستگی ارزها به شرح زیر می باشند.

افزایش سودآوری

از آنجاییکه بروکر فارکس بیش از 100 جفت ارز را جهت معامله به شما ارائه می دهد بررسی همه آنها کار ساده ای نیست. اما با در دست داشتن جدول همبستگی جفت ارزها می توانید بدون بررسی تک تک نمودارها یک نمای کلی از حرکات بازار را بدست آورید. فرض کنید حرکت بعدی جفت ارز USD/CHF را پیش بینی کرده و یک موقعیت معاملاتی بر روی آن باز کرده اید. شما می توانید بلافاصله یک موقعیت معکوس بر روی جفت ارز EUR/USD ایجاد کنید. زیرا این جفت ارزها دارای همبستگی منفی قوی هستند و یک رابطه عکس با یکدیگر دارند. در واقع شما یک جفت ارز را بررسی می کنید و با اندکی زحمت بیشتر می توانید از 2 یا حتی 3 جفت ارز کسب سود کنید.

معاملات همزمان

در مقایسه با تحلیلگران بنیادی، تکنیکالیست ها قبل از ایجاد یک موقعیت معاملاتی بایستی هر نمودار را با استفاده از اندیکاتورهای تکنیکالی با دقت بررسی کنند. اگر شما بخواهید هر نمودار را قبل از سفارش گذاری بررسی کنید تعداد معاملاتی که می توانید در هر روز انجام دهید محدود می شود. بنابراین بررسی همبستگی ارزها می تواند به شما کمک کند تا در صورت تمایل بتوانید موقعیت های معاملاتی بیشتری را در بازار ایجاد کنید.

پوشش ریسک

ما می دانیم که با دقیق ترین تحلیل ها نیز گاهی اوقات اشتباه می کنیم و معاملات با زیان پایان می یابند. فرض کنید بر روی جفت ارز GBP/USD یک موقعیت خرید باز کرده اید و پس از گذشت چند دقیقه فکر می کنید که شاید اشتباه کرده باشید. در این حالت، شما می توانید یک موقعیت خرید بر روی جفت ارز دیگر با همبستگی منفی ایجاد کنید تا زیان معامله اول در معامله دوم جبران شود. جفت ارز USD/JPY دارای همبستگی منفی قوی با GBP/USD می باشد و ایجاد یک موقعیت خرید می تواند بخشی از زیان را پوشش دهد.

تایید شکست ها

اگر شما از استراتژی نقاط پیوت جهت شناسایی سطوح حمایت و مقاومت استفاده می کنید، همبستگی ارزها می توانند در تایید پیش بینی های شما کمک کنند. فرض کنید که EUR/USD در محدوده یک مقاومت قرار دارد. اما شما نمی دانید که قیمت می خواهد این سطح را بشکند و یا از نقطه پیوت باز گردد. در این حالت، بررسی جفت ارزهای دیگر با همبستگی قوی می تواند به شما کمک کند. بدین ترتیب می توانید هم همبستگی های مثبت و هم همبستگی های منفی را بررسی کنید.

جفت ارز EUR/USD همبستگی مثبت با جفت ارزهای GBP/USD و AUD/USD دارد. بنابراین می توانید بررسی کنید که آیا این جفت ارزها نیز در سطوح مقاومت قرار دارند. همچنین USD/CHF و USD/JPY دارای همبستگی منفی با EUR/USD هستند. بنابراین می توانید نمودار آنها را مشاهده کنید تا دریابید آیا آنها در سطوح حمایتی قرار دارند یا خیر. اگر موارد بالا همگی با هم مطابقت داشتند بنابراین می توانید پیش بینی کنید که چه اتفاقی در حال رخ دادن است. بدین ترتیب، همبستگی جفت ارزها می توانند در تایید یا عدم تایید تحلیل شما کمک کنند.

همبستگی ارزها و کامودیتی ها

ارزها با کامودیتی ها نیز دارای همبستگی هستند . در ادامه به برخی از این رابطه ها می پردازیم.

دلار کانادا (CAD) و نفت خام دارای همبستگی مثبت هستند. زیرا کانادا یک تولید کننده و صادر کننده عمده نفت است.

همچنین دلار استرالیا (AUD) و طلا دارای همبستگی مثبت هستند. زیرا استرالیا یک تولید کننده و صادر کننده قابل توجه طلا می باشد. طلا و ین ژاپن در شرایط ناپایدار اقتصادی به عنوان محل های امن برای سرمایه گذاری هستند. ین و طلا نیز دارای همبستگی مثبت با یکدیگر هستند.

در همین حال، طلا و دلار آمریکا دارای همبستگی منفی هستند. زمانیکه دلار آمریکا بر اثر تورم، ارزش خود را از دست می دهد سرمایه گذاران جهت حفظ ارزش سرمایه خود به دنبال یک محل دیگر مانند طلا می گردند.

مواردی که بایستی درباره همبستگی ارزها به خاطر داشته باشید

قبل از اینکه همبستگی جفت ضریب همبستگی چيست؟ ارزها را در استراتژی های معاملاتی خود بکار بگیرید بهتر است برخی موارد را در نظر داشته باشید.

تغییر در همبستگی ارزها

جدول همبستگی ارزها تنها یک راهنما جهت یافتن همبستگی های قوی مثبت و منفی بین ارزها می باشد. اما این ارتباط می تواند در طول زمان تغییر کند. اگر به تصاویر زیر توجه کنید مشاهده می کنید که با تغییر تایم فریم، ضریب همبستگی جفت ارزها نیز تغییر می کنند. این چیزی است که شما بایستی همیشه هنگام بکارگیری همبستگی ارزها در استراتژی خود به آن توجه کنید.

جدول بالا همبستگی ارزها را در تایم فریم 5 دقیقه ای نشان می دهد. در این تایم فریم، جفت ارزهای USD/JPY و USD/HKD دارای همبستگی معکوس قوی هستند و در جهت خلاف یکدیگر حر کت می کنند.

جدول بالا همبستگی ارزها را در تایم فریم روزانه نشان می دهد. در این جدول مشاهده می کنیم که جفت ارزها غیر از دقایقی که در طول روز رفتار متضاد داشته اند دارای همبستگی مثبت هستند. بنابراین در این شرایط اگر شما در طول روز از ضریب همبستگی جفت ارزها در تایم فریم 5 دقیقه ای استفاده می کردید احتمالا همه موقعیت های معاملاتی برخلاف شما حرکت می کردند.

همچنین این مسئله مهمی است که شما از بروزترین جدول همبستگی ارزها استفاده کنید تا بر اساس داده های قدیمی و منسوخ تصمیم گیری نکنید. جهت مشاهده همبستگی جفت ارزها می توانید از این صفحه استفاده کنید.

همچنین می توانید اندیکاتور همبستگی جفت ارزها را از این پیچ دانلود کرده و به متاتریدر 4 اضافه کنید. پس از دانلود اندیکاتور، مراحل نصب آن را مطابق مقاله “ نحوه اضافه کردن اندیکاتور دلخواه در متاتریدر ” دنبال کنید.

علاوه بر اینکه همبستگی ارزها در تایم فریم های مختلف، متفاوت هستند ضریب های همبستگی در طول زمان نیز ثابت نیستند و ممکن است تغییر کنند. برای مثال، ضریب همبستگی دو جفت ارز در تایم فریم روزانه در این هفته با هفته دیگر می تواند متفاوت باشد. این ضریب می تواند به دلایل بسیاری مانند تغییر در سیاست های اقتصادی کشورها تغییر کند. برای مثال، افزایش نرخ بهره در آمریکا می تواند مسیر حرکتی دلار آمریکا را نسبت به دیگر ارزها تغییر دهد. یکی از فاکتورهای مهم دیگر، تغییرات در فضای سیاسی است که بر روی نرخ جفت ارزها اثر می گذارد و معادلات را تغییر می دهد.

همه تخم مرغ ها را در یک سبد نگذارید

نهایتا بایستی این موضوع را در نظر داشته باشیم که همه چیز در بازار فارکس ممکن است طبق برنامه پیش نرود و جدول همبستگی جفت ارزها ما را گمراه کند. بنابراین نبایستی صرفا به این دلیل که جفت ارزها دارای همبستگی خاصی هستند موقعیت های معاملاتی زیادی ایجاد کنیم. اگر صرفا بر این اساس معامله کنید در مواردی که پیش بینی شما اشتباه باشد ممکن است همه معاملات شما با زیان بسته شوند و قسمت عمده ای از سرمایه خود را از دست بدهید. پیشنهاد بورس تایم این است که نهایتا 3 معامله همزمان بر اساس همبستگی ارزها ایجاد کنید و با تعیین حجم مناسب معامله در بازار فارکس ، ریسک معاملات خود را مدیریت کنید.