Analyse et interprétation de la corrélation

L'analyse des corrélations dans la recherche

Les corrélations mesurent l'association entre deux variables (co-variables) qui existent naturellement, ce qui signifie que les chercheurs ne manipulent pas les variables. Les corrélations sont donc des méthodes de recherche non expérimentales.

Les corrélations sont utilisées lors de la réalisation :

• Des études non expérimentales sur deux variables (il n'y a pas de variable dépendante ou indépendante définie, juste deux variables mesurées ensemble).

• Des études où il peut y avoir une relation de cause à effet (variable dépendante et indépendante), mais où il n'est pas éthique ou pratique de manipuler les variables.

• Pour tester la fiabilité des échelles, des tests et des questionnaires.

Une corrélation existe lorsque les scores d'une variable covarient ou sont associés aux valeurs d'une autre variable.

L'analyse des corrélations est largement utilisée dans les recherches psychologiques et dans le monde réel.

Par exemple, tu as peut-être rencontré des études qui examinent la relation entre le sexe et l'intelligence émotionnelle. Bien que cette étude semble effectuer une analyse de corrélation, elle étudie les différences entre les deux groupes, les hommes et les femmes, et ce n'est pas ce que font les analyses de corrélation.

Il est important de garder à l'esprit qu'une corrélation ne peut être effectuée que lorsque les deux variables de l'étude présentent des données continues. Si l'une des variables est catégorique, comme dans l'exemple ci-dessus, une corrélation ne peut pas être effectuée car la variable est discrète.

Types d'analyse de corrélation

Il existe trois types de corrélation :

• La corrélation positive : Les chercheurs peuvent en déduire que lorsqu'une variable augmente, l'autre variable augmente également.

• Corrélation négative : On peut en déduire que lorsqu'une variable augmente, l'autre variable diminue, ou inversement.

• Corrélation nulle/aucune: il n'y a pas de corrélation/de relation entre les variables.

Coefficients de corrélation : Utilisation et interprétation appropriées

Les coefficients de corrélation (r) indiquent la force entre deux variables en termes numériques. Ils peuvent aller de -1 à +1. Le chiffre 0 signifie qu'il n'y a pas de corrélation. Les nombres négatifs indiquent des corrélations négatives, et les nombres positifs des corrélations positives.

Les chercheurs ne s'intéressent pas seulement au type de corrélation, mais vérifient également l'ampleur des corrélations ; cela fait référence à la force de la relation entre les variables.

Les chercheurs examinent le coefficient de corrélation(valeur R) pour établir l'ampleur de la corrélation.

L'interprétation est la suivante :

Lorsqu'ils réalisent des travaux scientifiques, les chercheurs ne se contentent généralement pas de présenter les corrélations par écrit, ils les expriment aussi visuellement à l'aide de diagrammes de dispersion. Jetons un coup d'œil à ces graphiques.

Présentation visuelle des corrélations dans la recherche : Les nuages de points

Pour créer un nuage de points, les chercheurs tracent une variable par rapport à une autre sur un graphique et les inspectent pour déterminer la relation entre les variables.

La raison pour laquelle les chercheurs présentent visuellement les résultats des corrélations sur des diagrammes de dispersion est de permettre aux autres de comprendre et d'interpréter facilement la relation entre les deux variables.

Voyons à quoi ressemblerait généralement le graphique en cas de corrélation positive, négative et nulle.

Exemple d'analyse de corrélation : Corrélations positives, négatives et nulles

Une corrélation positive indique que l'autre augmentera également à mesure que la valeur d'une variable augmente.

Dans les nuages de points présentant des corrélations presque parfaites avec une "ligne de meilleur ajustement" tracée, les points de données devraient être extrêmement proches et suivre la ligne de près.

Fig 1 - Diagramme de dispersion d'une corrélation positive parfaite.

Plus les points sont éloignés de la ligne de meilleur ajustement, plus la corrélation est faible.

Fig. 2 - Diagramme de dispersion illustrant une corrélation positive où les points de données s'écartent de la ligne de meilleur ajustement.

Dans les corrélations négatives, les chercheurs peuvent supposer que lorsqu'une variable augmente, l'autre diminue.

Par exemple, lorsque le niveau de stress augmente, la quantité de sommeil diminue. Des recherches expérimentales devraient être menées pour établir si le stress est à l'origine d'une mauvaise hygiène du sommeil. Comme dans le cas d'une étude corrélationnelle, nous ne pouvons pas établir de cause à effet ; seules des relations peuvent être établies.

Fig. 3 - Diagramme de dispersion illustrant une corrélation négative.

Lorsque deux variables ne sont pas corrélées ou présentent une corrélation nulle, les points de données sont répartis de façon aléatoire sur le nuage de points, ce qui rend difficile l'identification d'un modèle entre les variables.

Interprétations informelles de la corrélation

À partir des nuages de points, nous pouvons faire des interprétations informelles des corrélations. On parle d'interprétations informelles lorsque le chercheur ou le lecteur tente de comprendre la relation entre les variables en interprétant les nuages de points plutôt qu'en se basant sur des résultats statistiques.

Toutefois, les chercheurs doivent s'abstenir de mentionner les interprétations informelles des corrélations dans les publications psychologiques. Au lieu de cela, ils ne doivent inclure que des analyses de corrélation à partir de résultats statistiques. Les nuages de points sont généralement inclus pour que le lecteur puisse comprendre et visualiser les résultats.

Évaluation des forces et des faiblesses des corrélations

Discutons de quelques forces et faiblesses de l'utilisation des corrélations dans les études scientifiques.

Voici quelques-uns des points forts des corrélations :

• L'un des principaux points forts de l'utilisation des corrélations est qu'il s'agit d'un test statistique assez simple et facile à transporter.
• Les corrélations sont informatives et permettent aux chercheurs de tester des associations générales dans le travail réel et de tester la validité et la fiabilité de leurs expériences et des outils développés, tels que les questionnaires.
• Les corrélations peuvent être effectuées sur des données collectées en laboratoire et en milieu naturel, et sont donc très pratiques.
• La méthode de recherche ne nécessite aucune manipulation de la part des chercheurs, ce qui rend possible l'étude de certains sujets. Il ne serait pas éthique d'encourager les gens à devenir obèses pour que les chercheurs puissent étudier la relation entre l'obésité et les taux de maladies cardiaques. La force de la corrélation réside dans le fait qu'elle permet de tester des événements qui se produisent naturellement.

Ce sont là quelques-unes des faiblesses des corrélations :

• L'une des principales limites des corrélations est que ce type d'analyses n'indique pas de lien de causalité. Bien qu'il puisse y avoir une corrélation entre la consommation de fromage et les accidents de voiture, on ne peut pas établir que la consommation de fromage provoque des accidents de voiture.
• Étant donné que les corrélations de cause à effet ne sont pas établies, il est toujours possible qu'une troisième variable influence la relation. Comme la recherche n'explore que deux variables, que se passe-t-il si d'autres sont à l'origine des changements ; c'est ce qu'on appelle les variables confusionnelles.