Роберт Готтсданкер
Глава 9. КОРРЕЛЯЦИОННЫЕ ИССЛЕДОВАНИЯ

Роберт Готтсданкер: Основы Психологического Эксперимента

Теперь вы очень хорошо знаете, что такое эксперимент. Вероятно, вы даже убедились, что эксперимент, несмотря на все проблемы контроля, предлагает наилучший путь проверки гипотез относительно переменной, влияющей на поведение. Экспериментатор активно меняет независимую переменную и соотносит значения зависимой переменной с различными уровнями независимой переменной.

С теми знаниями, которые вы приобрели, попробуйте спланировать эксперимент для каждой ид следующих трех гипотез, касающихся поведения.

1. Правильные методы воспитания детей приводят к тому, что, повзрослев, люди проявляют лучшую психологическую приспособленность; дети, в отношении которых использовались плохие методы, повзрослев, оказываются и плохо приспособленными. (Гипотеза кажется очевидной.)

2. Самый старший ребенок в семье будет иметь более высокий интеллект, следующий за ним по старшинству будет следующим и по интеллекту и т. д. (Кажется весьма сомнительной.)

3. Лица, получившие высокую оценку по специальному тесту на способности, преуспевают о работе контролера деталей машин более часто, чем лица с низкой оценкой. (Не лишена оснований.)

Если вы хотите сравнить результаты различных способов воспитания детей с помощью активного эксперимента[1], вам придется убедить одну группу родителей использовать «хорошие» методы воспитания, например спокойные разъяснения (что не очень трудно), а другую группу — «плохие» методы воспитания, например, бессмысленную ругань. Конечно, обе группы семей должны быть тщательно уравнены но другим параметрам. Ну что же, желаю удачи!

И все-таки задача такого эксперимента значительно легче, чем задача провести активный эксперимент на тему о порядке рождения. С чего здесь начать? Ведь вы захотите проконтролировать не только количество детей в семье, но и интервалы между их рождениями. Если на то пошло, почему бы не проконтролировать и пол ребенка? Эти намерения уже приближают нас к футуристически планируемому миру, описанному с такой удручающей подробностью Джорджем Орвелом в его романе «1984 год». И при всем этом мы еще оказываемся далеки от эффективного эксперимента.

В принципе вышеописанные эксперименты возможны. Однако, в зависимости от вашего отношения к ним, они оказываются либо практически неосуществимыми, либо неэтичными. И тем не менее исследования этих гипотез были реально проведены. Только в них использовался не активный эксперимент, а корреляционный подход. Это значит, что в данных исследованиях не производилось активных действий с целью вызвать различия в поведении, а лишь отыскивалась корреляция между существующими различиями.

Для проверки первой гипотезы сравнивались психологически хорошо приспособленные взрослые и плохо приспособленные взрослые с учетом информации об их детстве, полученной путем объективных записей, а также с помощью опросов, которые были сделаны много лет назад, и, наконец, воспоминании. И мы увидим ниже, что хотя гипотеза кажется очевидной и правильной, возникают проблемы в ее доказательстве. Здесь мы столкнемся с теперь уже знакомым нам злом — смешением с сопутствующей переменной.

Во втором случае была взята большая группа молодых людей, родившихся примерно в одно и то же время, которая в возрасте 19 лет прошла испытания по тесту на интеллект. Затем были вычислены отдельно средине для рожденных первыми, вторыми и т. д. И вот было обнаружено, что, действительно, существует корреляция между порядком рождения и интеллектом. Хотя это звучит неправдоподобно, но это так.

Обстоятельства этого исследования — главное, очень большое число испытуемых — дали возможность его авторам применить статистические методы контроля для выявления смешения с побочными переменными. Однако, как мы увидим, контроль в корреляционных исследованиях никогда не бывает таким же убедительным, как в активных экспериментах.

Гипотеза о том, что тест на способности позволит выбрать хороших контролеров, не может быть исследована с помощью эксперимента по иной причине. В этом случае не существует независимой переменной, о воздействии которой на поведение могла бы идти речь. Здесь перед нами просто две различные оценки поведения одного и того же испытуемого. Индивидуальные различия испытуемых по данным теста на способности соотносятся с их индивидуальными различиями в способности приобретать профессиональные навыки. И тестовые оценки, и оценки качества работы аналогичны зависимой переменной из предыдущих глав. Однако когда нет независимой переменной, то нет оснований использовать и термин «зависимая переменная».

Эта глава будет особенно полезна тем из вас, кому в психологии более интересна работа с конкретными личностями, чем лабораторные исследования. Активные эксперименты имеют дело со сходными реакциями испытуемых, причем не обязательно людей, тогда как предметом корреляционных исследований, как правило, являются различия между людьми — по интеллекту, способностям или по отдельным чертам личности. Понятие личность полезно только потому, что люди различаются по многим параметрам. И тем не менее индивидуальные различия могут быть лучше изучены с помощью активного экспериментирования. Мы уже отмечали, что некоторые корреляционные исследования в принципе могли бы быть проведены, как активные эксперименты. Однако, ввиду того что это практически неосуществимо, здесь возникают новые проблемы внутренней валидности. Далее мы увидим, что корреляционное исследование так же, как и активный эксперимент, внутренне валидно в зависимости от того, насколько оно близко к идеальному эксперименту.

Ваше знакомство с этой главой значительно продвинет вас в понимании статей по корреляционным исследованиям. Прежде всего вы сможете увидеть, пытался ли исследователь проконтролировать смешивающиеся переменные. Вы сможете оценить, достаточно ли эффективны были использованные методы контроля. Вы даже окажетесь способны сами проводить определенные виды корреляционных исследований. Для этого вам достаточно будет познакомиться с примером исследования, где производится предсказание по тесту, и научиться по статистическому приложению вычислять коэффициент корреляции.

Читая эту главу, приготовьтесь ответить на вопросы по следующим темам.

1. Что понимается под корреляционным исследованием?

2. Почему в корреляционном исследовании всегда присутствует сопутствующее смешение?

3. Методы контроля сопутствующего смешения.

4. Условия, делающие возможным вычисление коэффициента корреляции.

5. Параметры, по которым корреляционные исследования отличаются друг от друга.

Вы только что прочитали название статьи, написанной четырьмя исследователями: Эллен Сигельман, Джеком Блоком, Джин Блок и Анной ван дер Липпе (1970). Под предпосылками здесь подразумеваются некоторые факторы на ранней стадии жизни, которые впоследствии сказываются на способности к психологической адаптации. Не относитесь слишком строго к термину «оптимальная» приспособленность. Этот термин вовсе не означает, что исследователям удалось найти людей, которые достигли совершенства в этом отношении. Просто они обнаружили несколько человек в возрасте за 30 лет, которые подошли к оптимальному уровню гораздо ближе, чем другие. В этом исследовании проводилось сравнение групп хорошо и плохо приспособленных лиц с точки зрения того, в каких семейных условиях они провели детство.

Удивительно, что исследование такого рода оказалось вообще возможным. Предположим, что вы нашли хорошо и плохо приспособленных взрослых. Как получить полноценные данные о способах их воспитания и тем более выяснить общие установки родителей, которые могли повлиять на эту приспособленность? Исследование действительно было необычным, поскольку требовало фундаментальной подготовительной работы более чем за 30 лет до того, как были идентифицированы обе группы.

Всего в исследовании был оценен 171 взрослый испытуемый с точки зрения психологической приспособленности. Затем для них искались корреляции с факторами-предпосылками.

Получить детальную информацию о ранней стадии жизни стольких взрослых людей оказалось возможным в результате того, что все они в свое время были испытуемыми в двух «продолженных» исследованиях, проведенных Институтом благосостояния детей при Калифорнийском университете в Беркли. Продолженным называется такое исследование, в котором периодически возвращаются к изучению испытуемого в течение длительного периода времени. Исследовались дети, рожденные в конце 20-х годов в двух городах Беркли и Окленд в Калифорнии. Конечно, здесь требовалась помощь родителей. Хотя многие из первоначального набора испытуемых впоследствии оказались недоступны для обследования и некоторые вообще окончились, оставшееся число согласившихся участвовать в исследовании — 171 человек — было достаточно большим.

Большинство теперь уже взрослых испытуемых опрашивались тремя разными психологами, а остальные — только двумя. После опроса психолог составлял личностную характеристику испытуемых. Для этого он раскладывал набор стандартных описательных карточек по девяти классам, руководствуясь тем, в какой мере свойство личности, записанное на карточке, выражено у данного индивида. Например, на карточке могло значиться: «ищет оправдания своим ошибкам». Если психолог сталкивался с большим числом алиби, которые то и дело приводил для себя испытуемый, он помещал эту карточку в класс 1. Если эта особенность была присуща испытуемому лишь в небольшой мере, он помещал карточку в класс 4 или 5. Если же это свойство было совсем не характерно для испытуемого, он откладывал карточку в класс 9.

Всего использовалось 90 карточек из набора «Калифорнийский Q-набор» (Блок, 1961). Экспериментатор предварительно тренировался в том, чтобы в результате его оценок карточки распределялись по классам в соответствии с законом нормального распределения, с наибольшим количеством карточек в средних классах.

До начала основного исследования (Сигельман и др., 1970) отдельная группа психологов-клиницистов (всего 9 человек) также классифицировала описательные карточки. Но это делалось не для характеристики какого-то определенного индивида, а для получения общей картины оптимальной психологической приспособленности. Давайте посмотрим сначала на характеристики, которые в среднем были оценены как наиболее определяющие (положительно) оптимальную приспособленность. На табл. 9.1 слева представлены 13 карточек, которые были помещены в наивысшую категорию.

Каждого, кто произвел бы на интервьюирующего впечатление человека, отвечающего всем этим пунктам, несомненно, можно было бы считать образцом психологической приспособленности. Такой человек доводит дело до конца, остается спокойным, этичным и т. д.

Таблица 9.1

Описательные характеристики теста «Калифорния Q», максимально положительно и максимально отрицательно определяющие оптимальную психологическую приспособленность¹

1. Ссылка на Е. Сигельман и др. (1970).

2. Способности или собственные достижения здесь не рассматриваются.

3. Здесь не существенно, глубокие это интересы или поверхностные.

4. Здесь имеется в виду враждебность вообще, формы выражения указаны в других карточках.

Свойства, определяющие отрицательный полюс приспособленности, расположены в правой части таблицы. Трудно быть ущербным одновременно по всем указанным здесь пунктам. Так, например, трудно представить себе человека, очень тревожного и в то же время со сглаженными эмоциями.

Для целей же настоящего исследования реально полезным оказался только положительный набор черт. По нему вычислялась степень приближения данного испытуемого к идеальной оптимальной приспособленности. Из общего числа — 171 человек — было выделено 2 группы: хорошо и плохо приспособленных лиц. В первую грунту было отнесено 30% всех испытуемых с наилучшими оценками, а во вторую группу — тоже 30% от всей выборки испытуемых, получивших наихудшие оценки по суммарному показателю оптимальной приспособленности. Всего 24 мужчины и 24 женщины были оценены как имеющие высокую оптимальную приспособленность, 24 мужчины и 24 женщины — как имеющие низкую оптимальную приспособленность (Сигельман и др., 1970, с. 285). Обратите внимание: средняя группа испытуемых далее не фигурировала в этом исследовании!

В активном эксперименте психологическая приспособленность выступала бы как зависимая переменная. Давайте рассмотрим теперь факторы-предпосылки, которые соответствовали бы независимой переменной.

Оценка атмосферы родительской семьи. Когда самим испытуемым было от 21 до 36 месяцев от роду, некоторых, хотя не всех, родителей посещали психологи и работники социальных учреждений. Они наблюдали «обращение родителей с ребенком». В результате по ряду пунктов была получена средняя балльная оценка. Среди них, например, готовность к браку или раздражительность, проявляемая как матерью, так и отцом.

Оценка матерей. Когда испытуемым было от 1 до 5 лет, психолог опрашивал всех матерей от двух до четырех раз. Были подвергнуты оценке как интеллектуальные, так и эмоциональные их свойства.

Воспоминания об окружающей обстановке детства. Взрослые испытуемые интенсивно опрашивались психологом. При этом «их поощряли вспоминать о характере родителей, их семейной жизни и вообще обо всей атмосфере в семье» (Сигельман, 1970, с. 185). После каждого опроса психолог классифицировал 93 карточки с описанием свойств окружающей обстановки: например, теплая и ориентированная на чувства; воспитание с помощью угроз или физических наказаний; придание большого значения положению в обществе, власти, материальным ценностям и т. д. Как и при измерении психологической приспособленности, карточки с обозначением обстоятельств, наиболее соответствовавших данному испытуемому, помещались в первые несколько классов, а наименее соответствующие — в классы 8 и 9.

Прочие данные. И наконец, была получена информация об IQ (коэффициенте интеллектуальности) испытуемого, социально-экономическом положении семьи, числе браков каждого родителя и т. д.

Мы рассмотрим только главные результаты, чтобы не потеряться в деталях. Как утверждают авторы (Сигельман, 1970, с. 287), «в целом как для мужчин, так и для женщин семьи, порождающие высокую степень оптимальной приспособленности испытуемых, были более демократичными, более открытыми, с большей сексуальной совместимостью родителей, с более свободным обсуждением проблем и открытым выражением чувств (например, отцы у мужчин с высокой приспособленностью даже во время гнева были более откровенными), с большей согласованностью мировоззрения и с большей ориентацией на нематериальные и высшие культурные ценности. Эта значительная откровенность, так же (как и интеллектуальная направленность и большое удовлетворение от своей материнской роли, особенно проявлялась у матерей. Семьи испытуемых с низкой приспособленностью были противоположны по всем этим переменным; в целом их семьи носили признаки конфликта и дисгармонии, и матери были очень неудовлетворены своей ролью».

Таблица 9.2

Характеристики семей хорошо и плохо приспособленных испытуемых

Данные табл. 9.2 показывают связь между последующей приспособляемостью испытуемых и жизнью их родителей. В «Оценке атмосферы родительской семьи» мы обнаруживаем, что у высокоприспособленных испытуемых родители также хорошо приспособлены и обладают выраженным чувством «семейности». Для плохо приспособленных испытуемых характерно неприятное сочетание беспокойной матери и сердитого отца. В «Оценке матерей» оказывается, что ярко выраженный «собранный» тип характерен для группы с высокой приспособляемостью, а неорганизованная мать попадает в плохо приспособленную группу.

Для группы с высокой приспособленностью воспоминания детства наполнены теплом, уверенностью и этическими переживаниями в стиле старых фильмов Энди Харди, у группы же плохо приспособленных испытуемых воспоминания больше похожи на переживания антигероя современных фильмов, полного жалости к самому себе, признающего только авторитарность и материальные ценности (обольстительная мать здесь, действительно, часто появляется как неожиданность). И наконец, из «Прочих данных» мы видим, что хорошо приспособленные испытуемые, как правило, способны и образованы.

Давайте сначала примем, что корреляции существующей приспособленности с переменными — предпосылками были описаны правильно. Насколько мы можем быть уверены, что если бы оказалось возможным провести активный эксперимент, то была бы обнаружена связь такого же типа? Если бы в эксперименте использовались хорошие методы подбора групп, то группы были бы уравнены по социально-экономическому положению, интеллекту и даже по психологической приспособленности родителей. Но вспомните, ведь нам надо было бы найти способы убедить одну группу родителей пользоваться так называемыми хорошими методами воспитания, и другую группу — плохими. Только тогда мы имели бы возможность сказать, что именно практикой воспитания детей определяются различия зависимой переменной, т. е. психологической приспособленности. Но вследствие того, что две группы не уравнивались по всем остальным переменным, у нас остается возможность для ряда других выводов.

Один вывод будет согласовываться с первым в том пункте, что практика воспитания детей в семьях хорошо приспособленных испытуемых и в самом деле лучше. Однако, согласно ему, как практику воспитания, так и будущую приспособленность ребенка независимо определяет совсем другая переменная, скажем, интеллект или социально-экономическое положение родителей. Например, в той мере, в какой интеллект врожден, дети более интеллектуальных родителей окажутся и сами более интеллектуальными. А это, в свою очередь, позитивно повлияет на психологическую приспособленность. У более интеллектуальных родителей ценности будут выше и практика воспитания лучше, но не это определит будущую приспособленность детей.

Другой возможный вывод состоит в том, что никакой действительной разницы в методах воспитания в хорошо и плохо приспособленных группах не было, а различие только показалось психологу. Интеллигентные люди умеют произвести приятное впечатление. Это также справедливо для людей с высоким социально-экономическим статусом. Они кажутся «такими милыми». В результате «гармония» в доме могла быть результатом искусного сокрытия реальной напряженности.

«Воспоминания об окружающей обстановке детства» несут с собой новые возможности смешения. Эта часть данных обнаруживает специфические трудности исследований, базирующихся на материалах памяти. Первая смешивающаяся переменная — это предубежденность самого экспериментатора. Вспомните, что две группы отбирались по результатам опроса испытуемых психологами. Потом другой психолог опрашивал тех же испытуемых. Этот второй психолог также мог оценить приспособленность данного испытуемого. И нет ничего удивительного в том, что эта оценка могла повлиять на оценку домашней обстановки. Психолог мог для хорошо приспособленных испытуемых вообразить более благоприятную обстановку, а для плохо приспособленных испытуемых — более неблагоприятную. Балльная оценка домашней обстановки — это, конечно, не оценка «вслепую», как она описана в главе 5.

Вторая смешивающаяся переменная — это, как ни странно, предубежденность самого испытуемого. Очень вероятно, что хорошо приспособленный человек будет иметь более благоприятные воспоминания о своем детстве, чем плохо приспособленный. Ведь оценка окружающего мира — в прошлом, настоящем и будущем — это один из основных показателей психологической приспособленности.

Последняя возможность неудачной интерпретации результатов касается уже не внутренней валидности, а внешней. Это может произойти, если приспособленность плохо операционально репрезентирована в зависимой переменной. Предположим, что ребенок научился у родителей производить на посторонних хорошее впечатление. Тогда, подобно тому, как родители «провели» одно поколение психологов, их дети могут провести, т. е. ввести в заблуждение, новое поколение психологов.

Вообще говоря, внешнюю валидность можно усилить, если меньше полагаться на субъективную оценку и больше обращать внимание на объективные показатели приспособленности, которые широко представляются повседневной жизнью.

Что же касается внутренней валидности, то в данном исследовании основная угроза проистекала из возможности смешения с другими переменными. И эта возможность здесь никак не контролировалась.

Сейчас мы займемся корреляционным исследованием, где исследователи хорошо осведомлены о других возможных детерминантах поведения и имели возможность организовать их контроль.

Только в редчайших случаях появляется возможность предпосылки поведенческих различий у целой популяции. Такая возможность представилась Лилиан Белмонт и Фрэнсис А. Маролле (1973) в Нью-Йоркском государственном институте душевного здоровья. В их руках оказались материалы обследования интеллектуальных способностей 400000 молодых людей в Нидерландах, содержащие также дополнительную информацию о порядке рождения каждого испытуемого, о величине семьи, о социальном положении отца. Все это произошло в результате стечения обстоятельств. Упомянутые молодые люди родились в голодные годы (1944—1947) II мировой войны. Массовое обследование было проведено с целью выяснить, как тяжелые условия в детстве влияют на последующее умственное и физическое развитие. К счастью, особого вредного влияния не обнаружилось. Все молодые люди в Нидерландах по достижении 19 лет оказались более или менее пригодными к службе в вооруженных силах, и успешно прошли проверку интеллектуальных (так же как и специальных) способностей.

Сэр Фрэнсис Гальтон, двоюродный брат Чарлза Дарвина и тоже блестящий биолог, давно отметил существование непропорционально большого числа перворожденных, достигших выдающихся успехов в науке ([1874] 1970). Позже аналогичные наблюдения были сделаны в различных областях человеческой деятельности. Относительно недавно Альтус (1965) нашел, что у молодых ученых наблюдается систематическая связь между порядком рождения и показателем по тесту на вербально-логические способности. Это исследование, основанное на солидных статистических данных по 1878 испытуемым, повлекло за собой ряд более детальных и обширных обследований. Однако, во-первых, другие исследователи не получили такого же определенного результата. Во-вторых, такого рода связь была установлена только для небольшой части популяции. В-третьих, здесь существует возможность смешения с любыми другими переменными, влияющими на величину семьи. Одной из таких переменных является социально-экономическое положение семьи: семьи, находящиеся ниже в этом отношении, как правило, больше по численности. Таким образом, по мере того как вы переходите от второго по порядку рождения ребенка к третьему, четвертому и т. д., растет относительное количество детей из бедных семей.

Уже хорошо установлена зависимость показателя интеллекта от высоты социально-экономического положения семьи. Вследствие этого необходимо провести исследование, чтобы показать, что эффект порядка рождений не связан с величиной семьи. Далее, было бы интересно выяснить, является ли влияние численности семьи чем-то большим, нежели просто отражением социально-экономического положения. Поразительно, что эта тенденция не проявилась в исследовании Альтуса: сыновья, рожденные первыми в семьях с четырьмя детьми, при тестировании показывали немного лучшие результаты, чем в семьях с двумя или тремя детьми.

Величину семьи и порядок рождения для каждого индивидуума очень легко было установить по актам регистрации. Следует заметить, что использование таких данных допустимо только при абсолютной гарантии истинности имени каждого тестируемого лица. Для описания социального положения отца использовались три широкие социальные категории: «интеллигенция» (специалисты и «белые воротнички»); рабочие (специалисты, полуобученные и чернорабочие) и работники сельского хозяйства (фермеры и сельскохозяйственные рабочие) (Белмонт и Маролле, 1973, с. 1097).

Оценки интеллекта были получены у испытуемых в возрасте 19 лет. В данном исследовании использовался Датский вариант прогрессивных матриц Равена (Равен, 1947). Образец одной из задач показан на рис. 9.1. Показатели интеллекта были разбиты на шесть классов или уровней; лучшие помещались в класс 1 и худшие — в класс 6. Таким образом, каждый испытуемый получал после тестирования оценку 1, 2, 3, 4, 5 или 6.

Все полученные результаты представлены на трех графиках па рис. 9.2.

На вертикальных осях отложены средние оценки интеллекта по всей группе. Левый график (а) наглядно демонстрирует влияние численности детей и социального положения семьи. Показатель интеллекта, по Равену, в общем уменьшается, по мере того как семья увеличивается (исключение составляют семьи с 1 ребенком). Одновременно показатели тем выше, чем выше уровень социального положения. На среднем графике (б) мы видим влияние порядка рождения — регулярное понижение среднего показателя интеллекта по мере продвижения по ряду вплоть до девятого ребенка (сюда относятся и еще большие семьи). Таким образом, были показаны влияния на интеллект численности семьи и порядка рождения при условии, что сме-

шивающаяся переменная — социальное положение — сохранялась постоянной, т. е. контролировалась статистически. И точно так же при сохранении постоянными численности семьи и порядка рождения показано влияние на интеллект социального положения.

До тех пор, пока мы не рассмотрим несколько более сложную группу кривых на третьем графике (в), мы не избавимся полностью от связи между числом детей в семье и порядком рождения. Это потому, что, как уже указывалось, более поздние порядки рождения представлены более многодетными семьями. Однако график (в) показывает, что порядок рождения влияет даже при сохранении постоянной численности семьи: каждая линия, которая представляет одну численность детей в семье (ЧД), заметно понижается по мере увеличения порядка рождения. Из этой группы кривых следует также, что влияние размера семьи не есть следствие большей представленности многодетных семей в более поздних порядках рождения. Хотя такой вывод можно сделать при сравнении кривых для двух и трех детей (ЧД 2 и ЧД 3), поскольку положение точки для третьего ребенка на линии ЧД 3 лежит на продолжении линии ЧД 2, тем не менее, для семей с большим числом детей это совсем не так: все линии для семей с числом детей 4, 5, 6, 7, 8 и 9 лежат ниже предыдущих.

Давайте ограничимся анализом связи между порядком рождения и интеллектом. Связь же между интеллектом и социальным положением и величиной семьи подведет нас к известной проблеме наследственных и средовых факторов, для обсуждения которой мы располагаем не очень хорошими данными (по сравнению, скажем, с исследованием близнецов). Белмонт и Маролле (1973) не сделали никакой реальной попытки объяснить связь порядка рождения с интеллектом. Их задачей было только статистическое доказательство этой связи.

Нет никаких оснований ожидать у детей из одной семьи врожденной систематической разницы (в среднем) в чертах характера и способностях. Поэтому для влияния порядка рождения на интеллект возможны дна объяснения. Одно состоит в том, что порядок рождения создает различия в жизненном опыте подрастающего ребенка. Другое — что эмбриональные условия благоприятнее для детей, родившихся раньше, чем для более поздних. Первое предположение (окружающая обстановка после рождения) основывается на том, что родители уделяют гораздо больше внимания своему первому ребенку и постепенно все меньше и меньше — последующим, что последующие дети учатся говорить у других детей больше, чем у взрослых, и/или что младшие дети обижаются или каким-то иным образом притесняются старшими детьми. Что касается второго объяснения (пренатальные причины), то виной здесь, по мнению авторов, «является ослабление воспроизводящих функций матери с увеличением числа рожденных детей» (с. 1101).

Можно выдвинуть еще одно объяснение, которое охватывает период как перед рождением, так и после него. Оно состоит в том, что каждый последующий ребенок имеет возрастающую вероятность быть нежелательным. Это может повлиять на заботу матери о себе в период беременности, например в отношении питания или воздержания от табака или алкоголя. Это может сказываться также на любви и внимании к ребенку после его рождения.

Основной целью исследования была проверка гипотезы о влиянии порядка рождения на интеллект. Другие переменные, которые также влияют на интеллект, а именно величина семьи и социально-экономическое положение, сохранялись постоянными путем создания однородных групп. Мы уже видели, что возможно более чем одно объяснение влияния порядка рождения на интеллект при условии, что не было допущено смешение с другими переменными. Давайте же посмотрим, насколько выполнено было это условие.

Что было проконтролировано. Исследователи преуспели в организации контроля двух дополнительных переменных, которые можно было бы просмотреть даже в активном эксперименте, планирующем будущий мир. Допустим, что все исследуемые пары предполагается зарегистрировать в 1983 г. Тогда через несколько лет можно было бы провести сравнение между их точно запланированными первенцами, вторыми детьми, третьими и т. д. Однако и при этом имело бы место смешение с побочными переменными.

Предположим, что дети родились бы в 1985, 1987, 1989 и т. д. Если их всех провести через тесты одновременно, допустим, в 2010 году, то перворожденным будет 25 лет, вторым — 23 года, третьим — 21 год и т. д. Такого смешения с возрастной переменной можно было бы, конечно, избежать, если бы всех испытуемых провести через тест в одном и том же возрасте, скажем в 19 лет, как в датском исследовании. Но тогда разные группы испытуемых оказались бы принадлежащими к несколько различным поколениям (т. е. людям, родившимся примерно в одно и то же время). Возможно, что пока дети будут взрослеть, изменятся условия в школах. Образование поколения 1985 года будет несколько отличаться от образования поколения 1989 г.

В исследовании Белмонт и Маролле (1973) все испытуемые тестировались в одном возрасте, так что возрастная переменная контролировалась. Все они принадлежали примерно к одному поколению, поскольку родились с разницей не более трех лет. Поэтому не могло быть никакой систематической связи между порядком рождения и разными поколениями: девятый ребенок в семье имел такую же вероятность оказаться 1944 года рождения, как и 1947.

Что не было проконтролировано. Мы уже познакомились с трудностью контроля всех возможных побочных переменных в исследовании на оптимальную приспособленность. Здесь также, несмотря на чувствительность исследователей к возможным смешениям, все равно остались переменные, которые не были проконтролированы.

Одна возможная переменная, которая оказалась неучтенной — это возраст родителей. Можно показать (если придерживаться постнатального типа объяснения), что у более младших членов семьи более старые родители, которые менее жизнерадостны и гибки в своем поведении. Если придерживаться пренатального типа объяснения, то можно оказать, что воспроизводящие функции матери ухудшаются не потому, что она до этого рожала детей, а потому, что она просто стареет.

Другой возможной смешивающейся переменной, также не контролировавшейся в исследовании, является брачный стаж родителей. Общеизвестно, что с течением лет эмоциональная атмосфера дома меняется. Дети по мере отдаления от первого по порядку рождения оказываются и более далекими от медового месяца.

И последнее замечание связано с контролем социального положения, который не был полным. Очевидно, что внутри каждого социального слоя существуют такие же большие различия, как и между слоями. Таким образом, социальное положение не контролировалось (а скорее всего, и не могло контролироваться) в той мере, в какой это можно было сделать для величины семьи, возраста родителей или брачного стажа.

Многие из вас, наверное, удивятся тому, что все испытуемые были мужчинами. Дело, конечно, не в мужском шовинизме исследователей. Просто необходимые данные имелись только для мужчин. Поэтому мы не можем сделать вывод, что порядок рождения имеет такое же влияние на интеллект женщин. Таким образом, внешняя валидность здесь ограничена.

Давайте теперь, основываясь на описанных двух работах, рассмотрим общую проблему контроля в корреляционных исследованиях. Проблема здесь та же, что и в активных экспериментах, — систематическое смешение с побочной переменной. Однако в корреляционном исследовании мы не можем активно организовать контрольные условия, а вместо этого должны воспользоваться статистическим контролем смешения. Мы не будем начинать с групп, одинаковых по другим переменным, а постараемся по ходу дела уравнять группы по этим переменным. Уравнивание групп в корреляционных исследованиях производится двумя способами.

Подбор пар испытуемых. В случае если число испытуемых невелико, чаще всего применяется индивидуальный подбор пар. В исследовании психологической приспособленности это вылилось бы в подбор пар хорошо и плохо приспособленных испытуемых, которые были бы сходны по интеллекту родителей и социально-экономическому положению. Допустим, что нам удалось бы найти 50 таких пар. В этом случае между группами уже не было бы различий по названным двум побочным переменным.

Данный метод связан с двумя трудностями. Во-первых, если побочная переменная и в самом деле существенна, то при подборе групп должна обнаружиться диспропорция в количестве хорошо и плохо приспособленных. Так, большинство хорошо приспособленных испытуемых могут происходить из семей с высоким социально-экономическим положением. И это создаст трудности для нахождения большого числа уравненных пар: среди испытуемых с высоким социально-экономическим положением будет слишком мало тех, у кого плохая психологическая приспособленность. Эта трудность станет особенно серьезной, если мы попытаемся уравнять индивидов не но одной, а по нескольким побочным переменным. Число соответствующих пар очень резко сократится. Теоретически никогда нельзя быть уверенным, что проконтролированы все значимые побочные переменные. Практически мы крайне ограничены в числе переменных, которые действительно можем проконтролировать.

Во-вторых, вторая трудность тесно связана с первой — это непредставительность выделенных для исследования испытуемых. Предположим, что для высокоприспособленного индивида характерно иметь родителей интеллигентных, с высоким социально-экономическим положением, а также с хорошей собственной психологической приспособленностью. Однако большая часть таких испытуемых будет отвергнута в процессе составления пар. В то же время это будут те самые испытуемые, чьи родители применяли хорошие способы воспитания. Таким образом, процедура уравнивания может нивелировать влияние процессов воспитания.

Итак, метод подбора пар несет в себе две опасности: мы можем осуществить недостаточный контроль и мы можем переусердствовать с контролем. Недостаточный контроль приведет к тому, что будет упущена значимая побочная переменная, а избыточный контроль — к тому, что диапазон изменений действительной независимой переменной будет ограничен.

В связи с тем, что исследование влияния порядка рождения на интеллект проводилось на очень большом числе испытуемых, в нем не было необходимости составлять индивидуально уравненные пары. Вместо этого были составлены однородные подгруппы, которыебыли уравнены по всем переменным, кроме одной, интересующей исследователей. Так, различие между вторым и пятым ребенком могло сравниваться внутри однородных подгрупп семей, содержащих пять детей, шесть детей, семь детей и т. д. Если бы этого не делалось, сравнивались бы все дети, родившиеся вторыми, со всеми пятыми детьми, то произошло бы смешение с величиной семьи. Ведь пятые дети есть только в больших семьях, тогда как второй ребенок есть и в большой, и в маленькой семье.

Основанием для образования подгрупп могли бы быть также и другие переменные, имеющие шанс оказаться значимыми, но опущенные в данном исследовании, например возраст матери и др. Это лучше всего было бы сделать после распределения испытуемых по группам на основании численности семьи. Так, например, в семьях с пятью детьми можно было сравнить между собой детей — от первого до пятого включительно — только таких, матери которых достигли к моменту их рождения 23 лет. Точно так же сравнение могло быть сделано между детьми для 24-летних матерей и т. д. И если влияние порядка рождения на интеллект исчезло бы при сохранении постоянным возраста матери, то мы должны были бы признать, что имели дело с эффектом не порядка рождения, а возраста матери. Более вероятно, конечно, что порядок рождения скажется на различиях между испытуемыми, даже если возраст матери, и обнаружит свой самостоятельный вклад.

Переменную брачного стажа тоже можно «проконтролировать с помощью однородных подгрупп. Такие подгруппы можно было бы образовать для одно-, двух-, трехлетнего стажа и т. д. к моменту рождения исследуемого ребенка.

Если для различных однородных подгрупп обнаруживается различное влияние интересующей нас переменной, то это может привести нас к более глубокому пониманию механизмов действия данной переменной. Давайте возьмем влияние только очередности рождения как таковое вне связи с возрастом матери или брачным стажем. На рис. 9.2(б) мы видим реальные примеры различного влияния этой переменной. Для подгруппы «интеллигенция» наклон кривой оказывается достаточно крутым. То же самое — для подгрупп «рабочие». Однако для подгруппы «работники сельского хозяйства» график оказывается более пологим.

Это, конечно, говорит о том, что существует взаимодействие между влиянием социального положения и влиянием порядка рождения на показатель интеллекта. В предыдущей главе мы уже встречались с примерами взаимодействия. И нет ничего удивительного, что оно обнаруживается в корреляционных исследованиях так же, как и в активных экспериментах. Для вычисления основного результата действия и взаимодействий мы можем использовать тот же самый тип таблиц.

В табл. 9.3 приводятся соответствующие данные для двух уровнем социального положения (однородные подгруппы) и двух уровней порядка рождения (1 и 9). Элементами таблицы являются средние значения показателей интеллекта для данной подгруппы. Вы должны помнить, что наилучшая садика интеллекта была равна 1, а наихудшая — 6. Основной результат действия «порядка рождения», как видите, равен величине 0,59, а результат действия социального положения — 0,67. Взаимодействие «порядок рождения и социальное положение» равно достаточно ощутимой величине — 0,26.

Таблица 9.3

Основные результаты действия порядка рождения и социального положения на показатель интеллекта и взаимодействие этих эффектов

Возможно, что взаимодействие стало бы еще больше, если бы из «работников сельского хозяйства» мы исключили владельцев больших механизированных ферм и земельных управляющих, оставив только сельскохозяйственных рабочих. Возможно также, что в этом случае вообще не наблюдалось бы падения показателя интеллекта в связи с порядком рождения. Иначе говоря, возможно, что порядок рождения — фактор не универсальный, а действующий скорее в городских семьях или, несколько шире, в семьях, не занятых сельским хозяйством. Но уже приведенные данные заставляют учитывать указанное взаимодействие при любом объяснении влияния порядка рождения. Эту информацию о взаимодействии оказалось возможным получить потому, что контроль основывался на методе однородных подгрупп. В случае же использовании метода подбора пар такая информация оказывается недоступной.

Возможное объяснение этого взаимодействия заключается в том, что новый член семьи более «желанен» в семье с небольшим, маломеханизированным хозяйством, чем в других семьях. На маленькой ферме каждый новый ребенок представляет собой экономическую ценность. В других же местах новый ребенок означает новые обязанности и еще большую тесноту. Поэтому для сельской семьи восьмой ребенок вполне может быть желанным, но для городской семьи это мало вероятно. Возможно, что накапливающееся влияние желательности или нежелательности ребенка к 19-летнему возрасту проявляется в показателе интеллекта.

Теоретически у родителей можно выяснить, хотели они данного ребенка или нет. Допустим, что мы это сделали. Тогда мы сможем выделить в группах семей с одним и тем же количеством детей однородные подгруппы желанных и нежеланных детей, для каждого номера в очередности рождения. Допустим далее, что между вторым и пятым ребенком в семьях с пятью детьми нет различия, если они попадают в одну и ту же подгруппу желанных или нежеланных. Тогда вполне можно заключить, что влияние порядка рождения оказалось ослаблено в связи с тем, что пятые дети были такими же желанными, как и вторые.

Однако совсем не обязательно делать такой вывод. Вспомним, что в корреляционном исследовании мы имеем дело только с корреляциями — и это тоже одна из корреляций. Возможно, что сельская жизнь менее изматывает, чем городская. Горожанин в общем более утомлен, и поскольку с появлением ребенка связаны новые заботы и новые усилия, понятно его нежелание нового ребенка. Здоровый фермер не чувствует этих опасений. Поздний ребенок в городской семье будет страдать от недостатка энергии у родителей, а в сельской семье этого не произойдет. Таким образом, основу эффекта порядка рождения составят не различия в желательности-нежелательности, а скорее величина энергии родителей, которая лишь коррелирует с желанием завести нового ребенка.

Итак, благодаря методу составления однородных подгрупп в корреляционных исследованиях оказывается возможным многосторонний контроль. Тем не менее мы никогда не можем знать, действительно ли данный фактор-предпосылка влияет на выбранный поведенческий показатель. Как и в случае подбора пар испытуемых, у нас нет способа узнать, учтены ли все значимые побочные переменные. Более того, когда мы наконец свели наблюдаемый эффект к той переменной, которая кажется решающей, нее еще остается возможность, что реальным детерминантом поведения была какая-то другая коррелирующая с ней переменная. Эта трудность и породила известное высказывание, что корреляцию не следует путать с причинностью.

Давайте рассмотрим искусственный пример, как можно применить корреляционное исследование в практических целях. Существует предприятие, которое сталкивается с серьезной проблемой контроля за качеством сложных механических агрегатов. Большинство контролеров, принимающих агрегаты, пропускают дефекты. Когда их просят работать тщательнее, они теряют уверенность в себе и начинают отбраковывать агрегаты, которые при последующей проверке оказываются вполне удовлетворительными. Эти контролеры неглупы и хорошо мотивированы, но кажется, что им не хватает какой-то специфической способности.

Решить проблему, просто нанимая много контролеров и оставляя только тех, которые работают удовлетворительно, нельзя. Во-первых, это слишком невыгодно с экономической точки зрения — ибо многие окажутся непригодными для работы. Во-вторых, отвергнутые контролеры будут лишены ценного опыта, который за это время они могли бы приобрести на какой-нибудь другой работе. Проблема исчезла бы, если бы 80 процентов принятых на работу контролеров оправлялись с ней успешно.

Такая задача поставлена перед начальником отдела кадров, который имеет опыт обращения с тестами на способности. Он узнает, что может за плату приобрести подходящий тест. Последний состоит из чертежей, на которых детали соединены различным образом. В каждом наборе есть один чертеж, на котором какой-нибудь угол между деталями или узел соединения отличается от стандартного чертежа. Задача состоит в том, чтобы найти ошибку в неверном чертеже. Оценки могут распределяться от 0 до 85. Фактически лишь немногие получают оценку ниже 40 или выше 80.

Людям, согласным на любую работу, сообщают, что они могут получить желаемую работу контролера; если же они не справятся, то перейдут на другую работу. В целом через тест на способности проводится 60 .кандидатов. Затем все они половину времени работают контролерами, а оставшуюся половину — на другой должности. После того как они проработали в таком режиме 3 месяца, в течение четвертого месяца производится оценка их работы в качестве контролеров. Для этого регистрируется число блоков, которые они проверили, и процент сделанных ими ошибок. Возможны два типа ошибок. Во-первых, пропуск дефекта на любой из 40 дефектных деталей агрегата. Во-вторых, обнаружение дефекта на других 40 исправных деталях. Все испытуемые знают, что их работа будет оцениваться. Итоговая оценка каждого испытуемого означала число деталей, проверенных в течение последних 20 дней, минус учетверенное количество ошибок. Так, контролер, который проверил 800 деталей с 5% ошибок, получает оценку 640, т. е. 800—4X800X0,05. Удовлетворительными считаются оценки выше 675.

Оценки каждого испытуемого по тесту на способности и по качеству работы могут быть представлены на диаграмме разброса (рис. 9.3(а)). Каждое число на диаграмме обозначает количество испытуемых, которые имеют данную комбинацию тестовой оценки (ось абсцисс) и оценки работы (ось ординат). Например, число «1», обведенное кружком, означает, что существует только один испытуемый, у которого тестовая оценка находится между 75 и 79, а оценка качества работы — между 750 и 774.

В общем, все оценки охватываются овалом, который вытянут слева направо и вверх. Это значит, что оценки положительно коррелируют. Величину корреляции можно вычислить. Метод вычисления описывается в статистическом приложении в конце этой главы. Для диаграммы разброса, приведенной на рис. 9.3(а), величина коэффициента корреляции, характеризующего степень связи тестовых и рабочих оценок, равна 0,60, или, если быть пунктуальным, +0,60. В практических задачах мы не должны серьезно рассматривать возможность отрицательной корреляции. Если диаграмму на рис. 9.3(а) повернуть слева направо, то мы получим значение корреляции, равное -0,60. Отрицательные корреляции, когда они обнаруживаются, чаше всего настолько невелики, что могут считаться следствием случайной флюктуации «истинного» нулевого значения. Когда же они достаточно велики, они чаще всего связаны с характером шкалы на одной из осей. Так, например, число правильных ответов по одному тесту может иметь отрицательную корреляцию с числом ошибок по другому тесту.

Как это видно из диаграммы, корреляция 0,60 отражает довольно хорошее соответствие между тестовыми и рабочими оценками, хотя, конечно; это соответствие далеко не идеально. Некоторые испытуемые, имеющие высокую тестовую оценку, оказались в качестве контролеров хуже, чем те, у которых тестовая оценка была ниже. На рис. 9.3(б) показано абсолютное соответствие между тестовыми и рабочими оценками (реально невозможное). Если один испытуемый имеет оценку по тесту на какую-то величину больше, чем другой испытуемый, то на столько же больше у

него будет и рабочая оценка — если обе оценки, конечно, прошкалированы одинаково. Вычисление коэффициента корреляции для данных на рис. 9.3(б) даст величину, равную +1.

Тем не менее корреляция 0,60 показывает лучшее соответствие, чем то, которое представлено на рис. 9.3(в). В этом последнем случае есть только некоторая тенденция к совпадению высоких тестовых оценок с высокими рабочими оценками, но не больше. Вычисление коэффициента корреляции здесь дает величину +0,30. Но даже эта низкая корреляция оказывается выше, чем представленная на рис. 9.3(г), где коэффициент корреляции равен 0. Здесь нет совершенно никакой тенденции к соответствию.

Назначение претендентов на должность. Возвращаясь к рис. 9.3(а), мы поймем теперь, как начальник отдела кадров может воспользоваться результатами исследования для отбора претендентов на работу в качестве контролеров. Горизонтальная линия отделяет удовлетворительную работу от неудовлетворительной. Напомним, что удовлетворительной считается оценка от 675 и выше. Если посчитать число лиц над этой линией, то их окажется 24 из 60, т. е. 40%. Вертикальная линия проведена чуть левее тестовой оценки 70, через точку, которая называется секущей оценкой. Справа от нее оказывается 14 человек. Из них только 12 показали удовлетворительную работу. Это дает 86% (от 14), что несколько лучше требуемых 80%. Если же секущую оценку сдвинуть влево до 65, то справа окажется 24 человека, из которых 17 будут удовлетворительно работающими. Таким образом, процент удовлетворительных работников снизится до 71, что значительно меньше требуемых 80%. Итак, начальник отдела кадров может сделать вывод, что на работу контролера должны назначаться только претенденты, получившие тестовую оценку 70 и выше. При этом предполагается, что связь между тестовой оценкой и качеством работы, выявленная на данных испытуемых, сохранится и для будущих претендентов.

В случае абсолютной корреляции, показанной на рис. 9.3(б), вопрос о проценте удовлетворительно работающих лиц просто не возникает. Здесь нельзя сделать ошибки. Все 24 лица с тестовой оценкой 65 и выше будут работать качественно. И в будущем начальник отдела кадров с нулевым риском может принимать на работу всякого, кто получит оценку 65 и выше.

Однако в случае (в), где корреляция равна только 0,30, видно, что даже если вертикальная разделяющая линия будет сдвинута к оценке 75, начальник отдела кадров не достигнет цели: из 8 лиц, у которых тестовая оценка равна 75 и более, подходят только 6, что составляет 75%, а не 80%. Значит, в будущем на работу могут быть приняты только те претенденты, у которых тестовая оценка (секущая) составит 80 и выше.

Теперь вы понимаете, что происходит при изменении величины корреляции. Чем выше корреляция, тем больше людей может быть отобрано при данном правиле решения. В нашем случае правило решения означало, что 80% из выбранных должны оказаться удовлетворительно работающими. На практике для целей отбора не пользуются перемещением линий на полученной диаграмме разброса, поскольку в ней безусловно содержится множество случайных отклонений. Вместо этого используют таблицы предсказаний. Они основаны на идеализированных диаграммах разброса, представляющих различные корреляции между тестовой и рабочей оценками (Тайлор и Рассел, 1939).

Предсказание качества индивидуальной работы. Давайте теперь посмотрим на всю ситуацию рабочей оценки, которую он вероятнее всего получит. (Между прочим, он может также узнать, насколько такое предсказание может оказаться ошибочным.)

Наклонная линия, проведенная на рис. 9.3(а), соединяет средине рабочие оценки для различных тестовых оценок. Например, для лиц, находящихся по тесту между значениями 55 и 59, средняя рабочая оценка падает на интервал от 625 до 649. Для тестовых оценок 70 — 74 средняя рабочая оценка приходится на интервал 675 — 679. Линия, соединяющая средние рабочие оценки для этих тестовых оценок, точно так же как и для всех остальных тестовых оценок, может быть использована в качестве линии предсказания. Любой очередной претендент, будучи проведен через тест на способности, может посмотреть на диаграмму разброса с такой наклонной линией и по ней предсказать, как он будет справляться с работой контролера. Кроме того, он заметит, что такое предсказание чревато некоторой ошибкой. Например, лица, получившие тестовую оценку в интервале 70 — 74, могут иметь и высокую рабочую оценку — от 725 до 749, и низкую — от 600 до 624, тогда как предсказываемая оценка находится в пределах 675 — 699.

В случае абсолютной корреляции (см. рис. 9.3(б)) предсказание будет безошибочным. Каждая тестовая оценка дает однозначное предсказание рабочей оценки. В случае же низкой корреляции — 0,30 (см. рис. 9.3(в)) — лица с тестовой оценкой от 70 до 74 могут иметь как высокую рабочую оценку — 750 — 774, так и низкую — 550 — 574 (при предсказываемой рабочей оценке порядка 675). По сравнению с более высокой корреляцией в случае (а) здесь ошибка предсказания больше. Для случая нулевой корреляции (г) предсказываемая рабочая оценка всегда равна 660, независимо от тестовой оценки. Овал, имевший место на рис. 9.3(а), здесь превращается в круг, что означает очень большую ошибку предсказания.

Вы уже наверное заметили, что чем выше корреляция, тем больше наклон линии предсказаний. Положение линии меняется от горизонтального при нулевой корреляции до наклона с угловым коэффициентом, равным 1 (45°) при абсолютной корреляции. Нулевая корреляция означает нулевой наклон, корреляция, равная единице, означает наклон с угловым коэффициентом 1, если тестовые и рабочие оценки прошкалированы в равных единицах. Таким образом, чем выше корреляция, тем больше достоверность рабочих оценок, представленных линией предсказания. И снова эмпирически полученная диаграмма разброса с ее случайными колебаниями не может использоваться для предсказания рабочих оценок или для определения величины ожидаемой ошибки предсказания. Для этого на основании идеализированной диаграммы разброса следует составить таблицу для определенного значения коэффициента корреляции. На самом деле, такое предсказание можно сделать и но простой формуле (9.3), как это показано в статистическом приложении к данной главе.

Используя найденный коэффициент корреляции, можно делать довольно точные предсказания. Из корреляции между тестовой оценкой и рабочей оценкой можно вывести секущую оценку, которая должна обеспечить заданный процент удовлетворительно работающих лиц. Мы можем также установить для каждой тестовой оценки будущих претендентов наиболее вероятную рабочую оценку, а также величину ошибки предсказания.

В данном примере один вид поведения использовался для предсказания другого вида поведения. Возможно, что в основе корреляции лежало то, что измерявшиеся способности, как и предполагалось, были существенны для данного вида работы. Однако возможно и многое другое. Например, может быть, все дело было во внимательности или в количестве усилий, которое данный человек готов был затратить. В практических ситуациях нас не интересуют объяснения: нужны только результаты. При высокой корреляции предсказание будет хорошим, при низкой корреляции — плохим.

Термины надежность и валидность применительно к тестам несколько отличаются от аналогичных терминов, которые уже использовались в этой книге. Тест называется надежным, если мы можем рассчитывать, что одно и то же лицо каждый раз, при повторных испытаниях, получит примерно ту же самую оценку (относительно других). Как известно, существует много причин непоследовательности поведения, включая факторы времени, которые мы не можем контролировать.

Однако влияние этого непостоянства можно уменьшить, используя достаточно продолжительный тест, конечно, соответствующего уровня трудности.

Один из способов выявления надежности теста заключается в том, чтобы дать один и тот же тест (или очень близкие варианты, если это необходимо) дважды той же самой группе испытуемых. Если коэффициент корреляции между результатами двух применений теста высокий (например, 0,90), то тест считается надежным. Однако все еще остается вопрос о надежности самого исследования. Это означает, что через тест нужно провести большое число испытуемых. Иными словами, надежность теста должна основываться на достаточной надежности самого исследования.

Тест называется валидным всегда по отношению к некоторой другой оценке, например оценке качества работы, — если он высоко коррелирует с этой оценкой (например, 0,60). И снова, чтобы узнать, является ли данное заключение валидным, т. е. следует ли оно из надежного исследования, нужно использовать достаточное число испытуемых.

Мы рассмотрели три различных типа корреляционных исследований. Они, конечно, не исчерпывают всех возможных типов. Однако, рассматривая параметры, по которым они различаются, можно будет охватить достаточно широкий круг корреляционных исследований. Но давайте сначала вспомним, что отличает все вообще корреляционные исследования, или, точнее, чего во всех них нет. В них отсутствуют планируемые изменения независимой переменной.

Исследователи, изучавшие опыт воспитания детей, не убеждали одних родителей использовать хорошие методы воспитания, а других — плохие. Эти различия в методах уже существовали. Порядок рождения ребенка тоже не зависел от экспериментатора. Он тоже уже существовал. Точно так же индивидуальные различия по тесту на способности не задавались экспериментатором. Таким образом, корреляционное исследование —  это такое исследование, в котором одни поведенческие различия соотносятся с другими, уже существующими. Давайте теперь обратимся к параметрам, но которым различаются корреляционные исследования.

Как уже говорилось, в принципе можно было бы спланировать такой эксперимент, в котором экспериментатор решал бы сам, какие родители будут применять хорошие методы воспитания детей, а какие — плохие. Но вследствие практической неосуществимости такого эксперимента было предпринято корреляционное исследование. Еще большую проблему представляет порядок рождения. Каким активным вмешательством можно добиться, чтобы данный ребенок родился, например, четвертым? И все же порядок рождения — это нечто, похожее па независимую переменную. Ведь это — переменная, предшествующая во времени, следовательно, она может стать причиной различий в поведении. Такого совсем нельзя сказать о тесте на способности, который использовался для предсказания качества работы контролера. Одна и та же причина (какой бы она ни была) обеспечивала данному лицу и высокую оценку по тесту, и возможность стать хорошим контролером. В различиях тестовых оценок нет ничего от независимой переменной. Фактически мы могли бы точно так же из работы испытуемого в качестве контролера вывести, насколько успешно он будет справляться с тестом на способности. И если этого не делаем, то только потому, что это не имеет практического смысла.

Все три исследования были названы корреляционными, но только в случае отбора контролеров вычислялся коэффициент корреляции. Этот показатель наиболее значим в том случае, если каждая из двух сопоставляемых переменных имеет непрерывное колоколообразное распределение. Это справедливо для оценок почти любого теста. Оценки распределяются от низшей к высшей непрерывно и имеют максимум в области среднего значения. Поэтому в исследовании контролеров коэффициент корреляции хорошо подходит для описания корреляции между двумя переменными.

Его можно было бы использовать также и в исследовании приспосбленности. Каждый испытуемый имеет оценку приспособленности на почти непрерывной шкале. Почти наверняка эти оценки можно было бы аппроксимировать колоколообразным распределением. Факторы-предпосылки распределялись примерно таким же образом, хотя, в общем, были ступенчатыми, а не постепенно меняющимися. Доход семьи прямо мог бы использоваться как континуальный показатель, хотя распределение оказалось бы отрезанным со стороны высоких доходов. Однако вместо коэффициента корреляции здесь было использована сравнение групп с высокими и низкими показателями, поскольку не совсем ясно, что значит средняя величина приспособленности.

Кривые на рис. 9.2 — это почти все, что можно сделать для описания корреляций между величиной семьи и порядком рождения — показателями интеллекта. Последний, конечно, имеет континуальное колоколообразное распределение. Однако этого никак нельзя сказать в отношении других названных переменных. Коэффициент корреляции здесь не имел бы большого смысла.

Исследования приспособленности и порядка рождения проводились для того, чтобы понять, чем определяются различия в поведении. Это не значит, что результаты исследования приспособленности не могут быть использованы в практических целях. Труднее представить сиюминутное практическое использование результатов исследования порядка рождения. (Автор этой книги уже имеет несчастье оказаться самым младшим ребенком в семье!) И конечно же, исследование по отбору контролеров преследует явную практическую цель. Так что давайте не будем «смешивать» тип исследования и его цель. Если в исследовании вычисляется коэффициент корреляции или соотносятся две оценки поведения, это еще не значит, что оно имеет практический характер. Такое делается во многих чисто теоретических исследованиях. Коэффициенты корреляции находятся между тестовыми оценками детей и родителей, между оценками идентичных близнецов и т. д. Все это — теоретические исследования, в которых пытаются разделить влияние наследственности и среды. Предпринимаются также теоретические исследования, в которых члены одной и той же группы испытуемых проводятся через разные тесты — точно так же, как это делалось при исследовании контролеров. Иногда даже используется 40 или 50 различных тестов, и между каждой парой тестов вычисляются коэффициенты корреляции. Для выявления же значительно меньшего числа базисных переменных, адекватно описывающих различия между индивидами, применяется техника, называемая факторным анализом.

В тех случаях, когда для проверки некоторых гипотез относительно поведения нельзя использовать активный эксперимент, проводят корреляционные исследования. В двух рассмотренных нами примерах — исследованиях предпосылок оптимальной приспособленности и влияния порядка рождения на интеллект — активный эксперимент был невозможен. В исследовании же по отбору контролеров просто трудно себе представить, какие активные изменения можно было бы внести.

В результате сравнения хорошо и плохо приспособленных испытуемых по ряду параметров было обнаружено, что главный фактор для хорошо приспособленных — это хорошие методы воспитания в детстве. Однако здесь присутствовали также другие переменные, смешивающиеся с методами воспитания. Двумя из них были социоэкономический статус и интеллект родителей. Нельзя сказать, влияли ли они в действительности, так как соответствующий контроль не был организован. Другим источником возможного смешения были субъективные оценки. Поскольку оценки производились не «вслепую», оставалась возможность для предубежденности экспериментатора. Поскольку материал для оценок получился из бесед с испытуемыми, существовала также опасность предубеждения испытуемого ‑ хорошо приспособленные испытуемые могли быть склонны к более благоприятным воспоминаниям.

В исследовании, проведенном почти на 400000 молодых людях, было обнаружено, что показатель интеллекта снижается вместе с порядком рождения. Этот эффект сохранился даже при нивелировании возможного влияния социального положения и размера семьи. В общем, контроль в этом исследовании был достаточно хорошим. Однако было отмечено, что социальные слои состоят из довольно разнообразных групп, которые могут различаться по значимым побочным переменным. Корреляция между показателем интеллекта и порядком рождения может быть объяснена разными причинами, их можно разделить на пренатальные и постнатальные. В этом исследовании не были проконтролированы две переменные: первая – возраст родителей, особенно возраст матери, который может оказаться очень важным, вторая – брачный стаж родителей к моменту рождения испытуемого.

Методы контроля в корреляционных исследованиях могут быть двух видов. Первый — индивидуальный подбор пар испытуемых. Если сравниваются две группы, то каждому индивиду первой группы подбирается индивид второй группы, который имеет тот же уровень определенных побочных переменных. Данный метод связан с двумя трудностями. Первая: чем больше переменных, по которым уравниваются испытуемые, тем меньше испытуемых оказывается в распоряжении исследователя. Отсюда понятно, что много побочных переменных проконтролировать невозможно. Вторая: оставшиеся испытуемые — не совсем типичны для сравниваемых групп, и полученные отношения оказываются непредставительными. Таким образом, имеется опасность как слишком слабого, так и слишком строгого контроля.

Другим методом является выделение однородных подгрупп, как это делалось в исследовании порядка рождения. Например, была выделена подгруппа испытуемых с семьей из пяти человек, и уже внутри этой подгруппы выяснялось влияние порядка рождения. Число различных подгрупп совпадает с числом уровней побочной переменной. Таким образом, оказывается возможным обнаружить, как и в случае с двумя независимыми переменными в активном эксперименте, существует ли значимое взаимодействие между рассматриваемыми переменными. В корреляционных исследованиях это может также помочь пониманию отношений между переменными. Например, небольшое понижение линии тестовых оценок интеллекта для работников сельского хозяйства может бить следствием большего желания завести еще одного ребенка. Если бы имелись данные о таком желании, может удалось бы показать, что оно лежит в основе влияния порядка рождения. Это следовало бы, во-первых, из понижения линии тестовых оценок интеллекта в зависимости от порядка рождения для однородных подгрупп как городских, так и сельских жителей, не желающих следующего ребенка, и, во-вторых, из отсутствия такого понижения для подгрупп, желающих ребенка.

Однако поскольку доказательство оставалось бы корреляционным, нельзя было настаивать на том, что желание иметь еще одного ребенка ‑ основа рассматриваемого эффекта. Например, желание могло просто коррелировать с физической энергией родителей, и эта последняя могла быть истинной причиной основного эффекта. Таковы корреляционные исследования. Здесь могут быть проверены интересные гипотезы, предложено много разных идей. И все-таки контроль здесь никогда не будет таким же хорошим, как в активном эксперименте.

Последнее исследование приводилось как искусственный пример того, как можно использовать тест на способности, чтобы произвести отбор контролеров. Группа испытуемых проводилась через тест на специальные способности. Затем оценивалось качество их работы. Отношение между этими двумя переменными — тестовыми оценками и оценками работы — было представлено на диаграмме разброса. Форма этой диаграммы может быть отражена в коэффициенте корреляции. Положительные значения коэффициента находятся в пределах от 0 до 1. С помощью диаграмм разброса, представляющих разные значения коэффициента корреляции, было показано, как можно отобрать претендентов согласно заданному правилу решения, например, чтобы, по крайней мере, 80% из всех выбранных оказались удовлетворительно работающими. Чем выше коэффициент корреляции, тем ниже может быть расположена так называемая секущая оценка для теста на способности, что позволяет увеличить число отобранных индивидов при данном правиле решения. Корреляция позволяет также предсказать с помощью линии предсказания, связывающей средние рабочие оценки с тестовыми оценками, какой рабочей оценки может достичь индивид. Чем выше коэффициент корреляции, тем круче эта линия и тем меньше ошибка предсказания.

Были рассмотрены общие черты и различи разных корреляционных исследований. Все эти исследования сходны в том. что переменные в них уже существуют, в отличие от активных экспериментов, где условия независимой переменной активно организуются для выявления влияния последней на зависимую переменную. Различаются же они между собой по многим параметрам. Прежде всего одна из переменных в них в разной степени приближается к независимой переменной. Например, в исследовании психологической приспособленности факторы — предпосылки вполне могут быть расценены как независимые переменные. Другая крайность представлена исследованием по отбору контролеров, где ни одна переменная не похожа на независимую. Поэтому однонаправленность предсказания определяется только практическими целями. Во-вторых, корреляционные исследования различаются тем, вычисляется ли коэффициент корреляции или нет. Представление степени связи с помощью коэффициента корреляции имеет наибольший смысл в том случае, если значения каждой переменной образуют непрерывное колоколообазное распределение. Этому условию почти всегда удовлетворяют два множества тестовых оценок. Кроме того, такие переменные, как доход или балльные оценки свойств личности, также зачастую достаточно хорошо соответствуют этим условиям. В-третьих, корреляционные исследования различаются по цели: имеет ли оно чисто познавательную цель или предполагает немедленное практическое приложение. Тот факт, что в практическом исследовании, приведенном в качестве примера в этой главе, использовался коэффициент корреляции и соотносились две оценки поведения для каждого испытуемого, вовсе не означает, что исследование такого типа не может служить целям расширения нашего познания.

1. Почему исследование, в котором сравниваются хорошо и плохо приспособленные группы, называется корреляционным?

2. Почему сопутствующее смешение всегда присутствует в корреляционном исследовании и только иногда — в активном эксперименте?

3. Как можно использовать идеальный эксперимент в качестве эталона внутренней валидности в корреляционном исследовании?

4. С какими трудностями связан контроль смешения путем индивидуального подбора пар? Приведете пример.

5. Дайте пример того, как использование однородных подгрупп может обеспечить сведения о взаимодействии.

6. Какие смешивающиеся переменные были упущены исследователями при определении влияния порядка рождения?

7. Почему даже самое лучшее корреляционное исследование ограничено в выделении переменных, влияющих на поведение?

8. Почему высокий коэффициент корреляции позволяет отобрать пропорционально большее число индивидов, работающих качественно?

9. По каким параметрам различаются корреляционные исследования?

Самая простая формула для вычисления коэффициента корреляции между двумя выборками оценок задается с помощью стандартных оценок. Эта формула дает также наиболее ясное представление о значении коэффициента корреляции. Вот почему в этом приложении вводится понятие стандартной оценки. Кроме того, стандартные оценки, полученные в различных тестах, можно сравнить между собой. Так, если вы скажете кому-либо, что по истории вы получили тестовую оценку 38, а по английскому языку — 221, он мало что поймет. Однако этот «кто-то», если он читал данное приложение, получит точную информацию из сообщения, что ваша стандартная оценка по истории ранка +2,1, а по английскому языку —1,3.

Вы уже знаете, что (первичная) тестовая оценка какого-либо испытуемого в группе обозначается через X. Тестовая же оценка данного конкретного испытуемого обозначается с помощью индекса. Так, например, тестовая оценка испытуемого 3 записывается как Х₃. Вы также знакомы с отклонением оценки от среднего х=Х—М_х. Отклонение оценки испытуемого 3 записывается как x_з=Х_з—М_х. Если отклонение оценки испытуемого разделить на стандартное отклонение σ_х распределения оценок, то оно преобразуется в стандартную оценку (или z-оценку).

Допустим, что испытуемый 3 имеет (первичную) тестовую оценку 60. Средняя оценка для группы равна 49 и стандартное отклонение оценок равно 12, т. е. Х₃=60, М_х=49, σ_х=12. Прежде всего x_з=60—49=+11. Давайте теперь вычислим z_x,т. е. найдем стандартную оценку для испытуемого 3:

z_x=x/σ_х.                               (9.1)

Следовательно,

Поскольку стандартные оценки редко имеют величину больше +2 и меньше —2, то вы узнаете, что оценка именно этого испытуемого лежит примерно посередине между средней и наивысшей оценкой в группе.

Рабочие оценки, такие, например, как оценки качества работы контролеров, которые необходимо скоррелировать с тестовыми оценками, обычно обозначаются символом Υ вместо X. Тогда отклонение оценки обозначается через у, а стандартная рабочая оценка — z_Y. Итак, мы говорим о нахождении корреляции между Xи Υ тогда, когда каждый испытуемый в группе имеет оценку Xи оценку Υ. Коэффициент корреляции обозначается символом r_XY.

Для вычисления коэффициента оды снова воспользуемся ранее приводившимися данными. Возьмем данные для условия А как тестовые оценки 17 испытуемых, а данные для условия Б как рабочие оценки для тех же испытуемых. Однако чтобы подчеркнуть относительный характер стандартных оценок, умножим каждое значение для условия Б на 10. К счастью, мы уже сделали много вычислений, необходимых для (получения r_XY· Для тестовых оценок «мы просто используем полученные ранее — среднее и стандартные отклонения. Для условия Б полученные — среднее и стандартные отклонения нужно просто умножить на 10.

Вы видите, что тестовая оценка (X) первого испытуемого S₁ была 223, а его рабочая оценка —1810. Сдвинувшись по этой строке от обоих концов к середине, мы обнаружим, что xравно +38 (т. е. 223—185) и у равно +190 (т. е. 1810—1620). Далее, видим, что z_Xравно 2,054 (т. е. +38, деленное на 18,5), az_yравно + 1,195 (т. е. 190, деленное на 159). И наконец, в среднем столбце мы находим произведение z_xна z_y, которое равно +2,455.

Тестовые оценки помещены в приводимой ниже таблице во втором столбце слева, а рабочие оценки — во втором столбце справа. Они обозначены как Xи У соответственно

Σz_xz_y = +7,336;

 r_xy= +0,432.

Такие же вычисления, сделанные для остальных 16 испытуемых, заполняют всю остальную таблицу. Ниже этих данных приведены величины средних и стандартных отклонений. Еще ниже в центре дается сумма по столбцу z_xz_y, равная +7,336. Это число, деленное на число испытуемых — 17, и дает величину коэффициента корреляции, равную +0,432.

В случае, если вам не хочется запоминать все эти термины, вы можете обратиться к следующей формуле для расчета коэффициента корреляции:

                      (9.2)

или для наших данных

На рис. 9.4 показана диаграмма разброса, каждая точка которой представляет одного испытуемого. Значения шкал даны в единицах стандартных оценок г.

Рис. 9.4.Корреляционноеполе. Масштабыосейравныипредставленывединицахстандартныхоценок

При таких осях наклон линии предсказывания прямо показывает величину r_XY. В нашем случае r_XYравно +0,432. Это значение наклона линии: на каждое смешение на единицу вправо точки линии поднимаются вверх на 0,432 единицы. Так, если данный испытуемый имеем значение z_X, равное +1, то предсказываемое значение z_Xдля него равно +0,432. Таким образом, предсказываемая величина значительно ближе к среднему распределения, чем та величина, на основе которой делалось предсказание. Поэтому говорят, что предсказания стремятся (регрессируют) к среднему, и линия предсказания называется линией регрессии Xна Y. Более точно, это предсказание z_Yпо z_X.

Вы можете заметить, что линия предсказания проходит через пересечение точек z_X = 0 и z_Y = 0. Обе эти точки представляют средние значения соответствующих распределений. Это справедливо, независимо от значения величины r_XY. Если испытуемый оказывается в точке среднего по X, то наилучшим .предсказанием всегда будет среднее по Y. Далее видно, что если оценка будет выше среднего по X(положительное значение z_X), то предсказываемая оценка будет также выше среднего по Y(положительное значение z_Y). Точно так же для Xниже среднего значения предсказываемая оценка Yбудет ниже среднего значения по Y.

И наконец, чем выше величина r_XY. тем меньше регрессия предсказания. В случае полной корреляции линия предсказания будет иметь наклон +1. Так, если, например, z_Xравно +1,5, то предсказываемое z_Yтоже будет равно +1,5, а если z_Xравно —0,8, то z_Yтоже будет равно —0,8. При полной корреляции регрессия к среднему отсутствует. С другой стороны, если корреляция равна 0, то линия будет иметь нулевой наклон, т. е. она будет представлять собой горизонтальную линию. Она будет проходить на уровне z_Y=0, т. е. среднего значения по Y. Поэтому, какая бы ни была величина z_X, наилучшее предсказание всегда будет z_Y = 0. Следовательно, при нулевой корреляции все предсказываемые значения регрессируют к среднему.

Все это может быть представлено посредством следующей формулы:

               (9.3)

Эта формула показывает, что стандартную оценку для выборки Yможно получить, умножив стандартную оценку для выборки Xна коэффициент корреляции между Xи Y. Например, для испытуемого, имеющего стандартную оценку z_X, равную +0,50 с коэффициентом корреляции 0,70, получим

Задача: Вычислите r_XY для данных в задаче, приведенной в статистическом приложении к главе 6. Используйте условие В для Xи условие Г для Y.

Ответ: r_XY= 0,576.