相关研究

顾名思义，相关研究是调查两个或多个研究变量之间相关模式的研究。相关是对两个变量关系程度的测量。正相关指一个变量的高分预示着另一个变量也倾向于高分，或者在负相关中，一个变量的高分与另一变量的低分相配。最常用的相关指标范围从1.00（表示完全正相关）至0（表示没有相关），直至-1.00（表示完全负相关）。举个例子，成人的身高和体重是正相关的，个头较高的人体重比个子较矮的人的体重更重。目前，英国男性身高与体重的相关系数为0.47，女性为0.35，在美国和其他国家也报告了类似的数据。

相关并不意味着因果关系。如果两个变量A与B表现出显著的相关，那么有可能A是B的原因，或者B是A的原因，又或者A和B都受到第三个变量X的影响。唯一能够确证因果关系的方法是，通过操纵来改变假想的原因（称作自变量，因为它的操纵改变不受其他变量的影响），观察其对感兴趣变量（因变量）的效果改变，同时控制其他可能影响因变量的因素（额外变量或妨碍变量）。这样的研究是一个对照实验（controlled experiment）研究，暗示着因果关系只能通过对照的实验研究来确定，将在后面的内容中讨论。这个重要的认识最初是由英国功利主义哲学家约翰·斯图尔特·穆勒（John Stuart Mill，1806—1873）于19世纪中叶明确提出的。穆勒特别指出，如果B总是紧随着A出现，并不能证明A是B的原因。因为，若果真如此，我们不仅可以说白天是夜晚的原因，同样也可以说夜晚是白天的原因。两种结论都是基于“在此之后，因此原因也是此”的逻辑谬误得出的。

对观看电视暴力行为与攻击行为的相关研究是一个例证，揭示了相关与因果关系的问题。数据表明，观看大量电视暴力镜头的人倾向于比其他人表现出更多的攻击行为，但是相关系数非常小（在0.2左右）。而且即便相关系数更大也不可能建立因果联系。这种相关可能是由于电视暴力导致攻击行为，但也有其他的可能性。比如，也许具有攻击人格的人受到暴力电视节目的吸引，这意味着实际上攻击是观看电视暴力节目的原因；或者第三个因素X，比如感觉寻求的人格特质使人表现出攻击行为以及观看暴力电视节目，但在二者之间没有直接的因果关系。

相关研究的一个重要类型是使用多元回归的相关研究。最早是由英国探险家、业余科学家、心理学家弗朗西斯·高尔顿（Sir Francis Galton，1822—1911）于1877年提出其雏形。多元回归技术用来分析两个或多个预测变量对一个因变量总的以及各自的影响。一般程序是，计算因变量与几个预测变量之间的相关，看看哪一个预测变量的影响最强。例如，对中小学生攻击行为的回归研究发现，除了观看电视暴力节目外，还有许多预测变量与攻击行为有关，比如性别、年龄、社会阶层、人格以及父母的影响，等等。多元回归的结果通常以路径图的方式呈现。其中，点代表变量，点之间的线段代表相关，每一条线段都标注出两变量之间相关系数的大小。使用路径图的多元回归分析通常被称作路径分析或结构方程模型。