Qu’est-ce qu’un coefficient de corrélation ?
Un coefficient de corrélation, souvent exprimé par r, indique une mesure de la direction et de la force d’une relation entre deux variables. Lorsque la valeur de r est plus proche de +1 ou de -1, cela indique qu’il existe une relation linéaire plus forte entre les deux variables.
Les études corrélationnelles sont assez courantes en psychologie, notamment parce que certaines choses sont impossibles à recréer ou à étudier en laboratoire. Au lieu de réaliser une expérience, les chercheurs peuvent collecter des données afin d’étudier les relations possibles entre les variables. À partir des données collectées et de leur analyse, les chercheurs font des déductions et des prédictions sur la nature des relations entre les variables
Une corrélation est une mesure statistique de la relation entre deux variables. Souvenez-vous de cette règle pratique : Plus la corrélation est proche de 0, plus elle est faible. Plus elle est proche de +/-1, plus elle est forte.
Types de corrélations
L’intensité de la corrélation est comprise entre -1 et +1.
Corrélation positive
Une corrélation de +1 indique une corrélation positive parfaite, ce qui signifie que les deux variables évoluent ensemble dans la même direction.
Corrélation négative
Une corrélation de -1 indique une corrélation négative parfaite, ce qui signifie que lorsqu’une variable augmente, l’autre diminue.
Corrélation nulle
Une corrélation nulle signifie que la statistique de corrélation n’indique pas de relation entre les deux variables. Cela ne signifie pas qu’il n’y a pas de relation du tout, mais simplement qu’il n’y a pas de relation linéaire. Une corrélation nulle est souvent indiquée par l’abréviation r = 0.
Scatter Plots and Correlation
Les diagrammes de dispersion (également appelés diagrammes de dispersion, scattergrams et scatter diagrams) sont utilisés pour représenter des variables sur un graphique afin d’observer les associations ou les relations qui existent entre elles. L’axe horizontal représente une variable et l’axe vertical représente l’autre.
Chaque point du graphique correspond à une mesure différente. Une ligne de tendance peut être calculée à partir de ces mesures. Le coefficient de corrélation est la pente de cette ligne. Lorsque la corrélation est faible (r est proche de zéro), la ligne est difficile à distinguer. Lorsque la corrélation est forte (r est proche de 1), la ligne est plus apparente
Corrélations fortes vs. faibles
Les corrélations peuvent prêter à confusion et de nombreuses personnes assimilent les corrélations positives à des relations fortes et les corrélations négatives à des relations faibles. Une relation entre deux variables peut être négative, mais cela ne signifie pas que la relation n’est pas forte.
Une corrélation positive faible indique que, bien que les deux variables aient tendance à augmenter en réponse l’une à l’autre, la relation n’est pas très forte. Une corrélation négative forte, en revanche, indique qu’il existe un lien étroit entre les deux variables, mais que l’une augmente chaque fois que l’autre diminue.
Par exemple, une corrélation de -0,97 est une corrélation négative forte, tandis qu’une corrélation de 0,10 indique une corrélation positive faible. Une corrélation de +0,10 est plus faible que -0,74, et une corrélation de -0,98 est plus forte que +0,79
Corrélation Does Not Equal Causation
Corrélation n’est pas synonyme de causalité. Le fait que deux variables soient liées ne signifie pas que des changements dans l’une d’entre elles provoquent des changements dans l’autre. Les corrélations nous indiquent qu’il existe une relation entre les variables, mais cela ne signifie pas nécessairement qu’une variable provoque un changement dans l’autre.
Un exemple souvent cité est la corrélation entre la consommation de glaces et les taux d’homicide. Des études ont établi une corrélation entre l’augmentation des ventes de glaces et les pics d’homicides. Cependant, ce n’est pas parce que l’on mange de la glace que l’on commet un meurtre. Il existe une troisième variable : la chaleur. Les deux variables augmentent pendant l’été.
Corrélations illusoires
Une corrélation illusoire est la perception d’une relation entre deux variables alors qu’il n’existe en réalité qu’une relation mineure, voire aucune. Une corrélation illusoire ne signifie pas toujours déduire un lien de causalité ; elle peut également signifier déduire une relation entre deux variables alors qu’elle n’existe pas.
Par exemple, les gens supposent parfois que, parce que deux événements se sont produits ensemble à un moment donné dans le passé, un événement doit être la cause de l’autre. Ces corrélations illusoires peuvent se produire aussi bien dans le cadre de recherches scientifiques que dans des situations réelles.
Les stéréotypes sont un bon exemple de corrélations illusoires. La recherche a montré que les gens ont tendance à supposer que certains groupes et certains traits de caractère vont de pair et qu’ils surestiment souvent la force de l’association entre les deux variables.
Par exemple, supposons qu’une personne croit à tort que tous les habitants des petites villes sont extrêmement gentils. Lorsqu’elle rencontre une personne très gentille, elle peut immédiatement supposer que cette personne vient d’une petite ville, même si la gentillesse n’est pas liée à la population de la ville
Un mot de MentorShow
La recherche en psychologie utilise fréquemment les corrélations, mais il est important de comprendre que la corrélation n’est pas la même chose que la causalité. Il s’agit d’une hypothèse fréquente chez les personnes qui ne sont pas familiarisées avec les statistiques et qui supposent une relation de cause à effet qui n’existe peut-être pas.
