nie istnieją żadne miary relacji pomiędzy zmiennymi skategoryzowanymi, które by umożliwiały taką jasną interpretację.
Większość badań doświadczalnych można klarownie zaliczyć do jednej z dwóch kategorii: W badaniu korelacyjnym badacz nie wpływa (albo przynajmniej stara się nie wpływać) na żadną ze zmiennych rejestrując je jedynie i obserwując relacje (korelacje) między pewnymi podzbiorami zmiennych, na przykład między ciśnieniem krwi i poziomem cholesterolu. W badaniach eksperymentalnych badacz manipuluje niektórymi zmiennymi a następnie mierzy wpływ tych manipulacji na inne zmienne; badacz może na przykład sztucznie zwiększyć ciśnienie krwi i następnie rejestrować poziom cholesterolu. W trakcie analizy danych będących wynikiem badania eksperymentalnego zdarza się również obliczać korelacje między zmiennymi, w szczególności pomiędzy tymi, którymi manipulujemy a tymi. na które ta manipulacja wpłynęła. Dane pochodzące z badania eksperymentalnego dostarczają jednak najczęściej informacji lepszej jakościowo niż dane z badań korelacyjnych. W szczególności pamiętać należy, że jedynie badania typu eksperymentalnego mogą efektywnie dowieść relacji przyczynowej między zmiennymi. Jeśli na przykład stwierdzimy, że ilekroć zmieniamy wartość zmiennej A. to zmienia się. wartość zmiennej B wówczas możemy wysnuć wniosek, że zmienna A wpływa na zmienną B. Dane z badań korelacyjnych mogą być jedynie interpretowane w sposób przyczynowy, w świetle pewnych teorii lecz nigdy nie, pozwalają na ostateczne udowodnienie i śmienia związku przyczynowego.
ANALIZA REGRESJI:
Za pomocą analizy tabelarycznej można stwierdzić jedynie:
• Czy między dwoma (lub więcej) wymiarami zachodzi zależność istoma (za pomocą testu istotności)
• Jak silna jest ta zależność (wyrażona współczynnikiem korelacji)
Jeżeli dane mają charakter ilościowy, to można przedstawić je graficznie w układzie współrzędnych, a następnie zależność między dwoma lub więcej wymiarami ilościowymi określić metodą „ regresji liniowej” bardziej dokładnie, niż byłoby to możliwe za pomocą analizy tabelarycznej. Zaletą regresji liniowej jest to, ze funkcja matematyczna precyzyjniej definiuje związek niż współczynnik korelacji.