Корреляция в психологии: как читать коэффициент r и не ошибиться

Чистый эксперимент психологу доступен редко: человеку не «назначишь» развод родителей, психотравму или двадцать сессий терапии. Поэтому изрядная часть психологического знания опирается на корреляционные исследования — на наблюдение за тем, что два признака меняются согласованно. И одновременно корреляция остаётся показателем, который толкуют неверно чаще всего: в нём раз за разом видят причину там, где есть только совместная изменчивость. Разберёмся, что именно измеряет этот коэффициент, как его читать и какие ловушки поджидают исследователя.

Что такое корреляция в психологии

Корреляция — это мера согласованности изменений двух признаков: растёт ли один вместе с другим и насколько последовательно. Выражают её коэффициентом корреляции, который обозначают латинской буквой r, а его значение укладывается в промежуток от минус единицы до плюс единицы. Знак сообщает о направлении связи, модуль — о её силе.

Показатель симметричен: r между тревожностью и бессонницей ровно тот же, что между бессонницей и тревожностью. Из одного этого свойства ясно, почему число не способно указать направление влияния — в формуле попросту нет места для «причины» и «следствия». Когда нужно именно предсказывать одну переменную по другой, переходят к регрессии: она опирается на ту же совместную изменчивость, но уже различает, что прогнозируют и по чему.

Корреляционный план в психологии — не «ослабленный эксперимент», а самостоятельный инструмент со своими задачами. Он нужен там, где переменную нельзя или неэтично задавать самому исследователю: связь стиля привязанности с качеством взрослых отношений, тревожности с успеваемостью, продолжительности сна с эмоциональным фоном. Исследователь здесь не вмешивается, а измеряет уже существующее и спрашивает, насколько согласованно это меняется.

Вторая крупная область — проверка самих методик. Согласованность пунктов опросника, устойчивость результата при повторном тестировании, связь новой шкалы с признанной — всё это корреляции. Без них не доказать валидность ни одного инструмента, так что психометрика по сути выстроена на этом показателе.

Как читается коэффициент: знак и модуль

Знак отвечает на вопрос «в какую сторону». Положительная корреляция говорит, что с ростом одного признака растёт и второй: больше часов самостоятельной подготовки — выше итоговые баллы.

Отрицательная корреляция описывает встречное движение: чем выше уровень социальной поддержки, тем ниже показатели одиночества. Сам по себе знак ничего не оценивает — «минус» не хуже «плюса», он лишь указывает направление.

Модуль отвечает на вопрос «насколько плотно». Единица означала бы идеальное совпадение, когда по одному признаку второй восстанавливается без ошибки. В психологии таких значений не бывает: любое психическое свойство измеряется с погрешностью и зависит сразу от множества причин.

Отдельной осторожности требует ноль. Нулевая корреляция говорит лишь об отсутствии линейной связи — и ни о чём больше. Хрестоматийный контрпример — перевёрнутая U-образная зависимость между уровнем возбуждения и продуктивностью: умеренное напряжение помогает, а слишком слабое и слишком сильное мешают одинаково. Линейный коэффициент на таких данных окажется около нуля, хотя связь очевидна. Именно поэтому диаграмму рассеяния строят всегда: за одинаковым r могут стоять совершенно разные по форме облака точек.

Пирсон и Спирмен: когда какой коэффициент

Коэффициент Пирсона рассчитан на метрические данные и линейную связь. Он чувствителен к выбросам: один нетипичный участник с экстремальными значениями способен на небольшой выборке заметно поднять результат или обнулить его.

Ранговая корреляция Спирмена работает не с самими значениями, а с их порядковыми номерами. Её берут, когда данные порядковые (места в рейтинге, баллы экспертных оценок), когда распределение далеко от нормального или когда связь монотонная, но не прямолинейная. Плата за эту устойчивость — потеря части сведений о расстояниях между значениями.

Практическое правило короткое: сначала график, потом коэффициент. Выбор между двумя формулами делают, уже посмотрев на форму облака точек, а не до того.

Как корреляция попала в психологию

Понятие родилось за пределами психологии. В 1888 году британский исследователь Фрэнсис Гальтон опубликовал статью о «со-отношении» признаков, показав на антропометрических измерениях: зная длину предплечья, рост человека можно предсказать с определённой точностью. Гальтон и предложил выражать такую взаимосвязанность одним числом.

Математическую форму показателю придал Карл Пирсон — его именем и назван самый распространённый сегодня коэффициент произведения моментов.

В психологию инструмент вошёл благодаря Чарльзу Спирмену. В работе 1904 года он сопоставил школьные оценки детей по разным предметам с показателями сенсорной различительной способности и увидел, что все корреляции положительны: кто успешнее в одном, тот обычно успешнее и в другом. Из этой таблицы выросла идея общего фактора интеллекта, а из неё позже — измерение коэффициента интеллекта. Тогда же Спирмен предложил ранговую корреляцию и поправку на аттенюацию — способ учесть, что несовершенное измерение занижает любую связь.

Почему связь не доказывает причину

Это главное предупреждение всей темы. Коэффициент фиксирует совместную изменчивость — и молчит о её источнике. За каждым «А связано с Б» стоят как минимум три одинаково правдоподобных объяснения.

Первое — третья переменная. Число часов психотерапии коррелирует с улучшением состояния, но за обоими показателями может стоять мотивация: человек, готовый вкладываться в себя, и на сессии ходит регулярнее, и вне них действует иначе.

Второе — обратная причинность. Связь между долгим пребыванием в соцсетях и сниженным настроением обычно читают в одну сторону, хотя подавленный человек вполне может дольше листать ленту как раз потому, что ни на что другое сил не хватает.

Третье — случайное совпадение, особенно когда исследователь перебирает десятки пар переменных и сообщает только о «выстреливших». При таком переборе часть значимых результатов возникает сама собой.

Причинный вывод даёт другой дизайн — эксперимент со случайным распределением участников или длительное наблюдение с продуманным контролем посторонних влияний. Корреляция же очерчивает пространство гипотез, которые ещё предстоит проверить.

Иллюзорная корреляция: связь, которой нет

Глаз находит закономерности даже в случайных данных, и психологи описали это на материале собственной профессии. В 1967 году Лорен и Джин Чепмены показали: клиницисты уверенно сообщали о диагностических признаках в рисунках человека, которых в реальных данных не было. Когда те же рисунки и описания случайным образом перетасовали и предъявили неподготовленным наблюдателям, те «увидели» ровно те же связи — потому что связи вытекали не из данных, а из привычных смысловых ассоциаций.

Явление назвали иллюзорной корреляцией, и срабатывает оно везде, где специалист опирается на впечатление вместо подсчёта. Запоминаются случаи, подтверждающие ожидание, а противоречащие просто не фиксируются — обычный механизм когнитивных искажений. Противоядие одно: считать все четыре комбинации событий, а не только совпадения.

Практический вывод для специалиста прост: ощущение, что «этот признак всегда идёт вместе с тем симптомом», данными не является. Клинический опыт копит яркие случаи, а не сбалансированную таблицу наблюдений, и потому профессиональные выводы сверяют с подсчётами, а не с силой собственной убеждённости.

Насколько велик коэффициент 0,20

Коэффициент мало прочитать — его надо с чем-то сопоставить. Самые известные ориентиры предложил Джейкоб Коэн в 1988 году: 0,10 — малый эффект, 0,30 — средний, 0,50 — большой. Он и сам подчёркивал, что пороги эти условны и годятся лишь за неимением лучших данных.

Более поздние эмпирические проверки показали, что для психологии они завышены. Гигнак и Сзодораи, разобрав сотни мета-аналитических корреляций в исследованиях индивидуальных различий, получили другие ориентиры: 0,10 соответствует четверти самых слабых результатов, 0,20 — типичному, 0,30 — четверти самых сильных. Фандер и Озер пришли к сходному выводу: 0,30 в психологии — это уже большой эффект, а величина около 0,40 чаще всего указывает скорее на завышение.

Наглядный пример — мета-анализ Артура Поропата, где совокупные выборки доходили до семидесяти с лишним тысяч школьников и студентов. Академическая успеваемость значимо коррелировала с добросовестностью, открытостью опыту и доброжелательностью, причём вклад добросовестности почти не зависел от уровня интеллекта. Увидеть эти черты у себя помогает тест «Большая пятёрка», а в исследовании они работают как скромный, но устойчивый предиктор.

Полезная привычка — переводить коэффициент в долю общей дисперсии. Возведём r в квадрат, и 0,30 превращается в девять процентов; именно этот подсчёт часто приводят, чтобы обесценить результат. Но в психологии, где на каждый показатель влияют десятки причин, девять процентов, устойчиво воспроизводящиеся в разных выборках, — это немало, а эффект, действующий изо дня в день годами учёбы или терапии, накапливается далеко за пределы одного замера.

И отдельно о статистической значимости: она сообщает лишь о том, насколько результат совместим со случайностью, но не о его величине. На большой выборке значимым становится даже r около 0,05. Работает и обратное: ограничение диапазона — когда измеряют только уже отобранных, скажем зачисленных абитуриентов, — систематически занижает коэффициент, как и ненадёжный инструмент.

Частые ошибки в работе с корреляциями

Большинство замечаний, которые студент слышит на защите работы, сводятся к нескольким повторяющимся промахам.

• Корреляционную матрицу считают сразу по всем переменным, а в выводы выносят те несколько, что оказались значимыми. Исследование превращается в поиск совпадений: число проверок нужно объявлять заранее и учитывать при интерпретации.
• Коэффициент считают на двух десятках участников. На такой выборке значение r колеблется в очень широких пределах, и повторение исследования легко даёт результат противоположного знака.
• Слабую, пусть и значимую связь описывают словами «существенно влияет». Формулировки в выводах обязаны соответствовать числу, а не ожиданиям автора.
• Обе переменные измерены одним самоотчётом в один момент времени, поэтому часть общей изменчивости создана самим способом сбора данных, а не психикой участников.
• График не строили вовсе. Это самая дешёвая из проверок и чаще всего пропускаемая.

Мифы и факты о корреляции

Что путают чаще всего, встретив коэффициент в статье:

На самом деле	Распространённый миф
Коэффициент фиксирует совместную изменчивость двух признаков	Значимая корреляция означает, что одно вызывает другое
r = 0 исключает только линейную связь, криволинейная остаётся возможной	r = 0 означает, что связи нет вообще
По современным ориентирам 0,30 в психологии — уже большой эффект	Корреляция ниже 0,50 внимания не заслуживает
Значимость зависит от объёма выборки и ничего не говорит о силе	Статистическая значимость равна практической важности
Пирсон требует метрических данных и линейности, для рангов берут Спирмена	Коэффициент Пирсона подходит для любых данных

Источники

• APA Dictionary of Psychology: correlation (определение корреляции и коэффициента корреляции).
• Spearman C. "General Intelligence," Objectively Determined and Measured. American Journal of Psychology, 1904; 15:201–293. (корреляционные таблицы школьных оценок и сенсорных показателей, поправка на аттенюацию) Полный текст
• Scollon C. N. Research Designs. Noba Textbook Series: Psychology (корреляционный дизайн, диаграмма рассеяния, проблема третьей переменной). Модуль
• Poropat A. E. A meta-analysis of the five-factor model of personality and academic performance. Psychological Bulletin, 2009; 135(2):322–338. DOI: 10.1037/a0014996 · PubMed
• Galton F. Co-relations and their measurement, chiefly from anthropometric data. Proceedings of the Royal Society of London, 1888; 45:135–145.
• Chapman L. J., Chapman J. P. Genesis of popular but erroneous psychodiagnostic observations. Journal of Abnormal Psychology, 1967; 72(3):193–204. DOI: 10.1037/h0024670 · PMID: 4859731.
• Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2nd ed. Lawrence Erlbaum Associates, 1988.
• Gignac G. E., Szodorai E. T. Effect size guidelines for individual differences researchers. Personality and Individual Differences, 2016; 102:74–78. DOI: 10.1016/j.paid.2016.06.069
• Funder D. C., Ozer D. J. Evaluating effect size in psychological research: sense and nonsense. Advances in Methods and Practices in Psychological Science, 2019; 2(2):156–168. DOI: 10.1177/2515245919847202