Классические исследования - успешное общество

Смогли бы вы предсказать уровень успешности целого общества, проанализировав сказки, которые его члены рассказывают детям? Да, если опираться на книгу психолога Дэвида Мак-Клелланда «Успешное общество» (McClelland, The Achieving Society, 1961). Книга демонстрирует необычайно амбициозную попытку распространить результаты психологического исследования успешности на исторические факты. Мак-Клелланд и его коллега Джон Эткинсон были пионерами изучения мотивации, необходимой, чтобы переносить испытания и достигать успеха (McClelland, Atkinson, Clark & Lowell, 1953). Ученые разработали несколько способов выявления мотиваций успешности, провели впечатляющее количество исследований корреляции успеха и способствующих его достижению условий (подсказка: давайте детям побольше возможностей проявлять самостоятельность), и построили теорию мотивации успеха (Atkinson & Feather, 1966). Вследствие изучения «взаимодействия между устойчивыми мотивами, характерными для данной личности, и влиянием ситуации теория мотивации успеха представляет собой шаг в сторону концептуальной интеграции двух психологических дисциплин» (Atkinson & Feather, 1966, p. 5), к которой в 1957 г. призвал Ли Кронбах в своей известной президентской речи.

Один из способов оценки необходимости добиться успеха, или «НДУ», - это использование Тематического апперцепционного теста (ТАТ), в ходе которого испытуемые рассматривают изображения, допускающие различные толкования, и описывают то, что они видят (Murray, 1943). Например, изображение мальчика, разглядывающего скрипку, может быть прочитано как рассказ о мальчике, мечтающем стать скрипачом. Испытуемый, написавший такой рассказ, получит более высокую оценку НДУ, чем тот, кто представит, что мальчик хочет взять скрипку и ударить ей сестру по голове. Предполагается, что такие истории отражают стоящие за ними важные для испытуемого мотивы.

Идея о том, что на основании историй можно сделать вывод о мотивации человека, навела Мак-Клелланда на мысль проверить, какую роль играют детские сказки, басни и мифы в формировании мотивов молодых людей. Если в сказках будут преобладать темы достижения успеха, то не поможет ли это детям сформировать идею о важности успеха в жизни? Возможно ли определить общий уровень НДУ в обществе на основании анализа детской литературы, народных сказок, музыки и игр? И если дети растут в культурном окружении, делающем особый акцент на успешности, то поможет ли это им добиться успеха, когда они вырастут? Такие размышления привели Мак-Клелланда к проведению исследования, посвященного общественным условиям успешности. Он подверг детскую литературу тому же виду анализа, который использовался для рассказов ТАТ, затем различными способами определил степень экономического благополучия общества и нашел корреляцию этих двух факторов. Была обнаружена положительная корреляция: по мере увеличения числа «тем успеха» в детских сказках наблюдался рост успешности в обществе. Особенно интересен тот факт, что успешность в реальности запаздывала по отношению к высокому уровню успешности в литературе примерно на 50 лет - как раз столько времени требуется, чтобы дети, испытавшие воздействие литературы, часто обращающейся к теме достижения успеха, достаточно выросли, чтобы высокий уровень их НДУ смог повлиять на общество.

Идеи Мак-Клелланда не остались без критики. В данном исследовании проблема направленности была решена практически так же, как это делается в перекрестных корреляционных исследованиях, но остался нерешенным вопрос, наиболее распространенный в корреляционных исследованиях: проблема третьей переменной. Взаимосвязь между детской литературой и позднейшим успехом действительно очень впечатляет, но исторические тенденции чрезвычайно сложны и зависят от бесчисленного количества факторов. Тем не менее, исследование Мак-Клелланда стало классическим примером попытки использовать найденные психологические законы для объяснения исторических событий.

Пример 22. Вопрос о природе и среде

Как вы узнали из вставки 9.1, сэра Фрэнсиса Гальтона сильно впечатлил тот факт, что гении имеют тенденцию рождаются в одной и той же семье. Изучение сходства между членами семьи стало одной из ведущих стратегий исследования влияния наследственности и окружающей среды на различные характеристики человека. Обычно у всех пар родственников, входящих в одну семью, измеряются определенные характеристики, а затем находится корреляция между ними. Факторы наследственности и окружающей среды оцениваются независимо друг от друга: для этого сравниваются пары, различающиеся генетически, с парами, имеющими разные условия жизни. Например, однояйцевые близнецы, растущие вместе, сравниваются с однояйцевыми близнецами, разделенными при рождении и воспитывающимися в разных условиях, — таким образом, генетический фактор остается постоянным, а фактор окружающей среды изменяется. Аналогичным образом можно поддерживать более или менее постоянным фактор окружения и изменять генетический фактор. Для этого необходимо сравнить воспитывающихся вместе однояйцевых близнецов (генетически одинаковых) с воспитывающимися вместе двуяйцевыми близнецами (имеющими генетические различия). Подобные исследования обычно показывают совместное влияние врожденных особенностей и воспитания. Именно это отображено в табл. 9.2, обобщающей результаты десятков исследований, посвященных изучению природы интеллекта (Bouchard & McGue, 1981). Чем выше корреляция, тем ближе друг к другу показатели интеллекта у изучаемых пар. Так, корреляция +0,86 у однояйцевых близнецов означает, что если один из близнецов имеет высокий показатель интеллекта, то IQ второго близнеца также будет высоким. Очевидно, что корреляция снижается при увеличении генетических различий — это свидетельствует о том, как важна наследственность для интеллекта. Как показывает различие значений корреляции между однояйцевыми близнецами, воспитывающимися вместе (+0,86) и по отдельности (+0,72), среда также играет важную роль.

Так исторически сложилось, что большинство исследований близнецов посвящено вопросам интеллекта. Однако не так давно был проведен ряд исследований, показавших наследуемость особенностей личности и темперамента (Bouchard, Lykken, McGue, Segal & Tellegen, 1990). Обнаружилось, что даже застенчивость имеет определенные генетические основания. Имд и др. (Emde et al, 1992) исследо-

вали у 200 пар 14-месячных однояйцевых и двуяйцевых близнецов (воспитывающихся вместе) ряд личностных и когнитивных показателей. Одной из переменных была застенчивость, которую измеряли различными способами. Во-первых, она входила в общую оценку «Поведенческого торможения», получаемую на основании анализа видеозаписи поведения детей, реагирующих на появление в комнате незнакомого человека. Отсутствие контакта с незнакомцем и стремление быть поближе к маме давали высокую оценку. Кроме того* застенчивость определяли по реакции на визит исследователя в семью ребенка и по поведению ребенка при первом посещении лаборатории. Родители также заполняли опросник, содержащий шкалу застенчивости. Как и в других Исследованиях с близнецами, рассматривались корреляции для однояйцевых и двуяйцевых близнецов. Из табл. 9.3 видно, что близнецы с большим генетическим сходством получили более йысокие оценки корреляции, что подтверждает гипотезу о существовании генетической зависимости для застенчивости.

Таблица 9.2 Корреляций между коэффициентами интеллекта у пар родственников, различающихся либо генетически, либо по условиям жизни

Количество Количество исследований пар

Однояйцевые близнецы, воспитывающиеся вместе 34 4672 0,86

Однояйцевые близнецы, воспитывающиеся

по отдельности 3 65 0,72

Двуяйцевые близнецы, воспитывающиеся вместе 41 5546 0,60

Родные братья или сестры, воспитывающиеся вместе 69 26473 0,47Родные братья или сестры, воспитывающиеся

по отдельности 2 203 0,24

Двоюродные братья или сестры 4 1176 0,15

Примечание. Приведенные данные представляют собой взвешенные средние значения корреляции из исследований, описанных Бошаром и Мак-Гью (Bouchard & McGue, 1981).

Многомерный анализ

Двумерный анализ направлен на исследование взаимосвязей между любыми двумя переменными. С помощью многомерного анализа изучаются взаимосвязи более чем двух переменных (часто количество переменных заметно превышает две). До сих пор в данной главе мы рассматривали случаи двумерного анализа, за исключением примера с частичной корреляцией, в котором оценивалось влияние третьей переменной на взаимосвязь между двумя другими. Далее вы коротко познакомитесь с двумя распространенными процедурами многомерного анализа — множественной регрессией и факторным анализом.

Множественная регрессия

В случае простой регрессии рассматриваются две переменные: предикторная и критериальная. Если оценки SA Т (Американский школьный тест проверки способностей) коррелируют со средним баллом первокурсников, то их можно использовать для предсказания академической успеваемости. Однако, как вы знаете из личного опыта, такой феномен, как «успеваемость в колледже» не так прост, как кажется. Оценки теста SA T могут говорить о будущей высокой успеваемости, но как быть с такими факторами, как «мотивация», «высокие школьные оценки» или «уклонение от занятий физикой»?

Множественная регрессия помогает решить проблему использования более чем одной предикторной переменной. В исследовании, проводимом методом множественной регрессии, применяется одна критериальная, а также две или более предикторных переменных. Такой анализ позволяет вам не только выяснить, что на основании этих двух или более переменных можно предсказать определенный критерий, но также определить относительную предсказательную силу этих переменных. Эта сила отображается в формуле множественной регрессии для исходных данных, которая представляет собой расширенный вариант формулы простой регрессии:

где Каждый X — это отдельная предикторная переменная, Y — это критериальная переменная, а величина показателей Ь отражает относительную важность каждой предикторной переменной. Этот показатель называют «весом регрессии» (Licht, 1995). В результате анализа по методу множественной регрессии получают множественный коэффициент корреляции (R) и множественный коэффициент детерминации (R²). R — это корреляция между объединенными предикторными переменными и критерием, a R² — показатель степени изменчивости критериальной переменной, вызванной объединенными предикторными переменными. Обратите внимание на использование больших букв для обозначения многомерных R и R² — тем самым их можно отличить от двумерных пирсонова гиг². Однако их интерпретации весьма схожи. И R, и г обозначают силу корреляции, a R² и г³ — долю изменчивости, общей для нескольких переменных.

Преимущество анализа методом множественной регрессии заключается в том, что при объединении влияния нескольких предикторных переменных (особенно если они не слишком сильно коррелируют друг с другом) возможность сделать верные предположения заметно увеличивается в сравнении с обычным регрессионным анализом. Высокие школьные оценки уже сами по себе говорят о будущей хорошей успеваемости в колледже, так же как и оценки теста SAT, но на основании двух этих показателей можно делать предсказания с большей уверенностью (Sprinthall, 2000). Чтобы получить представление о том, в каких исследованиях применяют анализ методом множественной регрессии, рассмотрим следующие примеры.

1. Исследование, предсказывающее развитие эмпатии (сопереживания) на основании двух аспектов событий раннего детства (Barnett & McCoy, 1989): студенты, сопереживающие другим людям, обычно имели в детстве стрессовые переживания, что сделало их более чувствительными к переживаниям других. Тяжесть полученной в детстве травмы, как признак развития будущей эмпатии, имеет больший вес, чем общее число травматических событий.

2. Исследование, предсказывающее развитие восприимчивости к простуде на основании негативных событий жизни, воспринимаемого стресса и отрицательных эмоций (Cohen, Tyrell & Smith, 1993). Вы, возможно, думаете, что простуда развивается потому, что вы провели обеденное время слишком близко от непрерывно чихавшего человека. Однако данное исследование показало, что простудные заболевания можно предсказать на основании трех факторов, связанных со стрессом. Чаще всего простужаются те студенты, которые: а) в недавнее время пережили стрессовое событие, б) чувствуют, что к ним предъявляются завышенные требования, и в) описывают свой общий эмоциональный фон как негативный.

Факторный анализ

Вторая многомерная процедура — это факторный анализ. В ходе факторного анализа определяются значения большого количества переменных, находится корреляция между ними, а затем выявляется группы переменных, образующие «факторы». Поясним эту идею на простом примере. Предположим, вы дали школьникам следующие задания:

словарный тест (СЛ);

тест на понимание прочитанного (ПП);

тест на аналогии (например, доктор связан с пациентом, как адвокат с) (АН);

тест по геометрии (ГЕОМ);

тест на решение головоломок (РГ);

тест на вращение фигур (ВФ).

Для всех возможных пар тестов можно вычислить пирсоново г, в результате получится так называемая матрица корреляции:

Обратите внимание на то, как некоторые значения корреляции образуют группы (я обвел две группы). Все корреляции между словарем, пониманием прочитанного и аналогиями довольно высоки. Это верно и для геометрии, головоломок и вращения фигур. Корреляции между тестами, принадлежащими к разным группам, практически равны нулю. Это говорит о том, что эти тесты направлены на исследование двух существенно различающихся умственных способностей, или «факторов». Мы можем обозначить их как «беглось речи» и «пространственные навыки».

Факторный анализ — это сложный статистический метод, с помощью которого из набора взаимных корреляций выделяются отдельные факторы. При анализе данной матрицы без сомнения будут выделены те же два фактора. В ходе анализа также определяются «факторные нагрузки», представляющие собой корреляции между каждым из тестов и каждым из выделенных факторов. В приведенном выше примере первые три теста будут иметь «высокую нагрузку» на фактор 1 (беглость речи), а вторые три — «высокую нагрузку» на фактор 2 (пространственные навыки). Конечно, в реальном исследовании корреляции никогда не группируются так четко, как в данном примере, и полученные результаты нередко приводят исследователей к бурным дискуссиям по поводу того, действительно ли обнаружены различные факторы. Также возникают расхождения в том, как правильно называть факторы, ведь факторный анализ сам по себе лишь выявляет факторы, а как их назвать — это решают сами исследователи.

Факторный анализ применялся в одном из самых долгих психологических споров — является ли интеллект единым свойством человека. Чарльз Спирмен — основоположник факторного анализа (начало XX в.), — считал, что все тесты интеллекта имеют одинаковую нагрузку на один фактор, который он назвал фактором общего интеллекта, или g (от англ. general). Более того, по его мнению, каждый тест должен давать высокую нагрузку на второй фактор, включающий навык, проверяемый данным тестом (например, математические способности). Эти факторы второго порядка, или «особые», он обозначил как s (от англ. special). Согласно его «двухфакторной» теории, выполнение тестов интеллекта напрямую зависит от общего интеллекта человека (g) и его особых навыков (s). Спирмен считал, что g наследуется, а различные s-факторы приобретаются в процессе обучения (Fruchter, 1954).

Другие исследователи, и в том числе Лыоис Терстоун, считали, что интеллект состоит из множества факторов, и отвергали существование общего фактора g. По результатам факторного анализа Терстоун сделал вывод, что существуют семь различных факторов, которые он назвал «первичными умственными способностями»

(Thurstone, 1938): понимание речи, беглость речи, навыки счета, пространственные навыки, память, скорость восприятия и способность к рассуждениям.

Вопрос о том, является ли интеллект единым целым, продолжает ставить в тупик ученых, занимающихся его измерением, и его обсуждение не входит в задачи этой главы. Для нас важно, что факторный анализ может привести к различным результатам. Это связано с тем, что а) существует несколько разновидностей факторного анализа, по-разному оценивающих, насколько высокой должна быть корреляция для выявления отдельных факторов, и б) в различных исследованиях этой проблемы используются различные тесты интеллекта. Поэтому исследователи, использующие различные подходы и тесты, получают самые разные результаты. Говоря коротко, так же, как и остальные статистические методы, факторный анализ — это лишь инструмент, и он не может сам по себе решать такие теоретические вопросы, как природа интеллекта.

Как стало ясно из этого небольшого введения, корреляционные процедуры играют заметную роль в современных психологических исследованиях. Очень часто в них возникает необходимость, если экспериментальные процедуры использовать невозможно. Кроме того, разработка сложных многомерных процедур упростила решение вопроса о причинах и следствиях по сравнению с прошлым, когда большинство корреляционных процедур были двумерными по своей природе.

Многие корреляционные исследования проходят за пределами лабораторий. В следующей главе мы более подробно изучим вопрос прикладных исследований и рассмотрим в деталях несколько так называемых квазиэкспериментальных планов. Также будет рассмотрен особый случай прикладных исследований — исследования, посвященные оценке программ. Они приобретают все большее значение для системы социального обеспечения и образования.

Резюме

Две психологические дисциплины

Так же как и экспериментальное исследование, корреляционное исследование — это один из двух традиционных научных психологических подходов. В ходе эксперимента производится непосредственное управление переменными и наблюдаются результаты, а в процессе корреляционного исследования наблюдаются взаимосвязи между естественными переменными.