Реляционное исследование (Relational Survey) — Реляционное опросное исследование
- Автор метода
- Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
- Год
- Mid-20th century onward (systematised ~1960s–1990s)
- Тип
- Quantitative non-experimental survey design
- Семейство
- Survey / observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Реляционное опросное исследование представляет собой количественный, неэкспериментальный дизайн, который собирает структурированные самоотчетные данные от выборки и изучает статистические ассоциации между двумя или более переменными.
В отличие от чисто описательных опросов, которые лишь характеризуют распределения, реляционные опросы ставят вопрос о том, как сильно переменные коварируют и коварируют ли они вообще, предоставляя свидетельства взаимосвязей без манипулирования условиями или установления причинно-следственных связей.
Интуиция метода
Представьте реляционный опрос как получение моментального снимка группы в определенный момент времени с последующим вопросом: люди, которые получают более высокие баллы по переменной А, также имеют тенденцию получать более высокие (или более низкие) баллы по переменной B? Например, исследователь может провести валидированные шкалы академической мотивации и использования технологий среди студентов университетов, а затем вычислить коэффициенты корреляции, чтобы увидеть, какие аспекты мотивации наиболее последовательно коварируют с различными формами использования технологий. Дизайн не вмешивается; он наблюдает и количественно оценивает ковариацию.
История
Дизайн реляционного опроса возник из более широкой традиции опросных исследований, которая сформировалась в социальных науках в начале-середине двадцатого века. Его фокус на взаимосвязях между переменными напрямую связан с разработкой коэффициента корреляции Карлом Пирсоном в 1890-х годах и расширением множественной регрессии в середине двадцатого века. Широко используемые учебники по педагогическим исследованиям Френкеля и Уоллена, начиная с 1990-х годов, формализовали реляционный опрос как отдельный тип дизайна, отличая его от чисто описательных опросов, с одной стороны, и от причинно-сравнительных дизайнов, с другой.
Когда применять
Используйте реляционный опрос, когда цель состоит в количественной оценке ассоциаций между переменными в естественной группе без экспериментального манипулирования чем-либо — например, при изучении связей между чертами личности и академической успеваемостью или между организационным климатом и благополучием сотрудников. Дизайн подходит, когда сбор данных методом самоотчета в поперечном срезе осуществим и когда исследовательские вопросы сформулированы как «Связано ли X с Y?» или «Насколько хорошо X предсказывает Y?». Не используйте его, когда цель состоит в установлении причинного направления (рассмотрите лонгитюдный или экспериментальный дизайн) или когда интересующая конструкция не может быть достоверно измерена с помощью опросника. Избегайте его, когда размер выборки ниже ~50, поскольку оценки корреляции становятся нестабильными и вводящими в заблуждение при очень малых N.
Ограничения и замечания
- Не может установить причинное направление — корреляция между X и Y одинаково согласуется с тем, что X вызывает Y, Y вызывает X, или третья переменная вызывает оба явления.
- Результаты действительны лишь настолько, насколько валидны используемые инструменты; плохая надежность шкал или валидность конструкта подрывают все последующие анализы.
- Дисперсия, обусловленная общим методом, является угрозой, когда и предикторы, и зависимые переменные измеряются одним и тем же инструментом самоотчета в одно и то же время.
- Поперечные реляционные опросы не могут охватить изменения во времени или тенденции развития.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Эффективно исследует множественные взаимосвязи переменных в рамках одного сбора данных.
- Производит стандартизированные, легко воспроизводимые и сравнимые количественные оценки размера эффекта.
- Хорошо поддерживается установленными статистическими инструментами (корреляция, регрессия, анализ путей, структурное моделирование).
- Подходит для больших, географически распределенных выборок посредством онлайн- или бумажного администрирования.
- Может служить основой для последующих экспериментальных или лонгитюдных исследований.
Применение
- Изучение взаимосвязи между самоэффективностью студентов, мотивацией и академической успеваемостью в педагогических исследованиях.
- Исследование ассоциаций между удовлетворенностью работой, организационной приверженностью и намерением уволиться в организационной психологии.
- Изучение связей между моделями поведения, связанными со здоровьем (диета, физические упражнения, сон), и самоотчетным благополучием в опросах общественного здравоохранения.
- Оценка того, как стили воспитания коварируют с социально-эмоциональными результатами детей в исследованиях развития.
- Изучение взаимосвязей между установками к принятию технологий и моделями их использования в исследованиях информационных систем.
Как это работает
Как это работает
Исследователь определяет по крайней мере две конструкции, взаимосвязи которых представляют интерес, и формулирует исследовательские вопросы или гипотезы об ожидаемом направлении и величине ассоциаций. Концептуальная или теоретическая основа обычно определяет, какие переменные включены и рассматриваются ли какие-либо из них как предикторы или как зависимые переменные.
Выбираются или разрабатываются валидированные опросники, рейтинговые шкалы или стандартизированные инструменты для численного измерения каждой переменной. Перед основным сбором данных проводятся пилотное тестирование и проверки надежности (например, альфа Кронбаха), чтобы подтвердить адекватность работы шкал в целевой популяции.
Опрос проводится на репрезентативной или целенаправленной выборке, как правило, в рамках одной волны сбора данных (поперечное исследование), хотя реляционные опросы могут быть встроены и в лонгитюдные дизайны. Адекватный размер выборки рассчитывается заранее с использованием анализа мощности, причем большинство дизайнов, основанных на корреляции, требуют не менее 50–100 участников для надежного обнаружения умеренных размеров эффекта.
Оцениваются бивариантные ассоциации с использованием коэффициентов корреляции (r Пирсона для непрерывных переменных, rho Спирмена для порядковых или ненормально распределенных данных). Когда вовлечено несколько предикторных переменных, множественная регрессия или анализ путей расширяют реляционную структуру для оценки уникальных вкладов и контроля конфаундеров.
Наряду со статистической значимостью сообщаются размеры эффекта (r, R², коэффициенты бета) и доверительные интервалы. Исследователь интерпретирует практическое значение ассоциаций, признает, что корреляционные свидетельства не могут установить причинно-следственную связь, и помещает результаты в контекст предыдущей литературы и теоретической основы.
Частые ошибки
- Интерпретация статистически значимой корреляции как свидетельства причинно-следственной связи — реляционные опросные данные являются лишь ассоциативными; причинные утверждения требуют экспериментальных или сильных квазиэкспериментальных дизайнов.
- Пренебрежение анализом мощности — исследования с менее чем 50 участниками обычно дают оценки корреляции с такими широкими доверительными интервалами, что они практически неинтерпретируемы.
- Использование одного опросного сеанса для измерения как предикторных, так и критериальных переменных без учета смещения, обусловленного общим методом — рассмотрите дизайны с временным лагом или процедурные средства, такие как контрбалансировка порядка шкал.
- Рассмотрение корреляционной матрицы как причинной модели без дополнительного теоретического или статистического обоснования направленности.
Часто задаваемые вопросы
Каков минимальный размер выборки для реляционного опроса?
Единого правила нет, но в качестве практического ориентира многие методологи рекомендуют не менее 50 участников для получения достаточно стабильной оценки бивариантной корреляции и 100 или более при планировании множественной регрессии. Формальный ответ — провести априорный анализ мощности, указав ожидаемый размер эффекта, желаемую мощность (обычно 0,80) и уровень альфа (0,05); это даст минимальное N, необходимое для обнаружения гипотезируемой взаимосвязи.
Могу ли я использовать реляционный опрос для проверки причинной модели?
Реляционный опрос может проверить, соответствует ли паттерн корреляций причинной модели (с использованием анализа путей или структурного моделирования), но он не может подтвердить причинное направление. Структурное моделирование с данными реляционного опроса может исключить модели, несовместимые с данными, но причинные утверждения по-прежнему требуют экспериментального вмешательства, естественных экспериментов или лонгитюдных дизайнов с временным предшествованием.
Чем реляционный опрос отличается от простого описательного опроса?
Описательный опрос характеризует распределение одной или нескольких переменных в выборке — средние значения, частоты, пропорции. Реляционный опрос идет дальше, статистически исследуя, связаны ли переменные друг с другом и насколько сильно. Оба могут использовать одни и те же данные опросника; разница заключается в задаваемых исследовательских вопросах и применяемых методах анализа.
Какой коэффициент корреляции следует использовать?
r Пирсона подходит, когда обе переменные являются непрерывными и приблизительно нормально распределенными. rho Спирмена предпочтительнее для порядковых переменных или когда распределения заметно асимметричны. Тау Кендалла является альтернативой для порядковых данных с большим количеством одинаковых рангов. Для бинарных или дихотомических переменных стандартным выбором являются точечно-бисериальный коэффициент или коэффициент фи.
Как бороться со смещением, обусловленным общим методом, в реляционном опросе?
Смещение, обусловленное общим методом, возникает, когда данные предиктора и зависимой переменной поступают от одного и того же респондента в одно и то же время. Процедурные средства включают разделение моментов измерения (дизайн с временным лагом), использование различных форматов ответов и контрбалансировку порядка шкал. Статистические средства включают тест Хармана на один фактор и метод маркерной переменной, хотя ни один из них полностью не устраняет проблему.
Похожие методы
Источники
Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.
ISBN: 978-0073525748Скопировано.Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.
ISBN: 978-1452226101Скопировано.