Les chercheurs qui recueillent des données quantitatives ou numériques effectuent diverses formes d’analyse statistique pour tirer des conclusions à partir de ces données. En recherchant les relations entre les différents ensembles de données qu’ils recueillent, les chercheurs peuvent vérifier des hypothèses sur la façon dont les différents facteurs s’influencent les uns les autres et sur la force de ces effets. L’une de ces méthodes, les tests de corrélation statistique, a une valeur académique limitée.

Corrélations

Les corrélations sont une forme simple d’analyse statistique qui recherche des relations numériques entre deux ensembles de données de taille égale. En comparant les chiffres de deux ensembles de données différents, les corrélations examinent comment le mouvement de la valeur des nombres dans un ensemble de données est lié au mouvement de la valeur des nombres dans l’autre ensemble de données. Par exemple, un chercheur pourrait examiner les corrélations entre les heures que les étudiants passent à étudier et leurs résultats aux tests pour voir s’il existe une relation entre les heures passées à étudier et les résultats aux tests. L’équation à tester pour les corrélations rapporte cette relation comme un coefficient qui se situe entre zéro (absolument aucune relation entre les deux ensembles de données) et un (une relation parfaite entre les deux ensembles de données) qui est soit positif (une augmentation dans un ensemble de données est liée à une augmentation dans l’autre ensemble de données) ou négatif (une augmentation dans un ensemble de données est liée à une diminution dans l’autre ensemble de données).

Avantages

Le principal avantage de la méthode de recherche de corrélations simples entre deux ensembles de données est que l’équation pour trouver un coefficient de corrélation est assez simple pour que les élèves puissent croquer les nombres à la main, plutôt que de se fier à des ordinateurs ou à des calculatrices pour l’analyse. Cela permet aux élèves de se familiariser avec les mathématiques qui se cachent derrière l’analyse statistique, ce qui leur permet de comprendre les mathématiques qui se cachent derrière des méthodes d’analyse statistique plus sophistiquées. La nature simple d’une corrélation introduit également les élèves aux idées qui sous-tendent l’analyse statistique (direction et ampleur des relations).

Absence de directionnalité

Le principal inconvénient des corrélations est que, bien qu’elles fassent état des relations entre les ensembles de données, elles ne donnent aucune indication quant à la causalité. Plus précisément, les mathématiques qui sous-tendent l’équation de corrélation ne permettent pas aux chercheurs de savoir quel ensemble de données est responsable du rapport des équations de corrélation des relations. Dans l’exemple d’une corrélation entre les heures consacrées à l’étude et les résultats des tests, il pourrait être intuitif de penser qu’une relation positive entre les deux ensembles de données est due aux heures consacrées à l’étude. Cependant, en ce qui concerne les mathématiques derrière l’équation de corrélation, il n’y a aucun moyen de prouver que l’inverse, à savoir que le fait d’obtenir de meilleurs résultats aux tests vous fait étudier davantage, n’est pas vrai.

Bivarié

Les corrélations sont de nature bivariée : elles comparent deux nombres à la fois à partir de deux ensembles de données différents. Cela permet seulement aux chercheurs d’examiner les relations entre deux facteurs à la fois. Cependant, ce n’est pas réaliste : il y a presque toujours des relations multiples et des effets sur quelque chose. Si un chercheur voulait examiner les relations et les effets interconnectés, l’équation de corrélation est mathématiquement incapable d’accommoder un tel plan de recherche. L’analyse de régression, cependant, permet à un chercheur non seulement d’établir la causalité, mais aussi d’examiner les relations entre plus de deux ensembles de données.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.