Студенты-психологи при формулировке эмпирических гипотез научного исследования достаточно часто выдвигают предположение об одностороннем влиянии одной переменной на другую. В самой гипотезе это проявляется в выражениях типа: «переменная х является причиной переменной у», или «переменная х определяет переменную у», или «переменная х является основанием для переменной у».

Но в проверке такого рода гипотез допускают две методологические ошибки. Во-первых, забывают о том, что проверка такого рода гипотез возможна только через эксперимент.. В научных исследованиях изучить влияние одной переменной на другую, определить наличие каузальной связи и попытаться найти ее количественное выражение можно только с помощью одного метода – эксперимента. Изучение методологии, границ применимости и технологии проведения эксперимента в психологии составляет задачу другой дисциплины – экспериментальной психологии. Мы только заметим, что сегодня в психологии, в отличие от конца XIX – начала XX в. (тогда в психологии господствовал эксперимент), проводится достаточно мало экспериментальных исследований, и те, как правило, имеют статус квазиэксперимента. В реальности же в эмпирических исследованиях (особенно в студенческих научных исследованиях) имеют место одномоментные тестовые срезы двух или нескольких переменных с последующей статистической обработкой.

Во-вторых, степень влияния одной переменной на другую связывают с проведением корреляционного анализа и последующей интерпретацией коэффициента корреляции. Следует всегда помнить, что корреляция показывает взаимосвязь, но не влияние.

Можно ли в такой ситуации однозначно определить каузальную (генетическую) связь на основе статистической обработки данных? Ответ – категорическое нет. Но меры влияния одной переменной на другую статистическими методами определить можно. И, сравнив между собой эти меры, можно с определенными оговорками определиться, какую переменную лучше использовать в качестве объясняющей (независимой), а какую – в качестве объясняемой (зависимой).

Мы предлагаем три варианта решения данной задачи. Заметим, что в основе первых двух лежит один и тот же статистический механизм, который определяется отношением вариативности зависимой переменной, отраженной в дисперсии, обусловленной воздействием независимой переменной (фактора), к общей вариативности зависимой переменной, также отраженной в дисперсии. Третий метод, который предложен Чамберсом и который он назвал «метод корреспондирующей регрессии», также связан с оценкой дисперсии, но в отличие от двух первых еще предполагает и применение корреляции.

Первый вариант решения этой задачи, который мы представляем в данном пособии, осуществляется посредством сравнения отношений условной и безусловной дисперсии переменных через расчет коэффициента детерминации (η^>2). Коэффициент детерминации (иногда его называют корреляционным отношением5) позволяет определить долю дисперсии, обусловленную воздействием одной из переменных на другую в общей дисперсии переменной, и наоборот, и тем самым определить меру влияния одной переменной на другую.

И если переменные х и у неравноправны (одна больше влияет на другую), то это может быть основанием для того, чтобы одну из них рассматривать как объясняющую (независимую) переменную, а другую – как объясняемую (зависимую) переменную.

Решение вышеназванной задачи на статистическом уровне связано с так называемыми условными средними, образованными вариативностью одной переменной при воздействии другой переменной.

Условное среднее – среднее арифметическое нескольких наблюдаемых значений одной переменной при одном и том же значении другой переменной.