Корреляционный эффект. Иллюзорная корреляция: ошибки мышления, которые искажают реальность. Как валютные пары взаимодействуют друг с другом

На протяжении веков люди обвиняли полнолуние во многих грехах, в частности, считали его причиной странного, девиантного поведения. В средневековье процветали истории о том, как полная луна превращает людей в оборотней. В XVIII веке бытовало мнение, что полнолуние может вызвать эпилепсию и лихорадку. Даже Шекспир в своей пьесе «Отелло» упоминает этот известный миф:

Отелло
Виновно отклонение луны:
Она как раз приблизилась к земле,
И у людей мутится разум.

Все эти казалось бы фантастические истории находят отражение в нашем языке и сейчас: например, слово «лунатик» (т.е. человек, который совершает какие-либо действия в состоянии сна) происходит от латинского корня «luna».

В XXI веке мы уже не верим мифам, опираясь в своих суждениях на разум и научно доказанные факты. Люди больше не обвиняют фазы Луны в болезнях и недомоганиях. Тем не менее, даже сегодня порой можно услышать, как кто-то именно влиянием полнолуния объясняет безумное поведение. Например, когда в психиатрической больнице начинается «аврал», медсестры часто говорят: «Должно быть, сегодня полнолуние».

Почему так происходит: наука vs. мифы

Между тем, существует не так много доказательств того, что полная фаза Луны действительно влияет на наше поведение. Анализ более чем 30 исследований показал, что нет никакой корреляции между фазами Луны и выигрышами в казино, количеством госпитализированных, числом самоубийств или дорожно-транспортных происшествий, уровнем преступности и многими другими показателями.

Но вот что любопытно: хотя все факты говорят об обратном, проведенное в 2005 году исследование показало, что 7 из 10 медсестер по-прежнему верят в миф о том, что полнолуние приводит к хаосу и странному поведению больных психиатрической клиники. По данным эксперимента, подавляющее большинство сотрудниц больницы (69 %!) верят во влияние полной фазы Луны на количество госпитализированных.

Не стоит думать, что медсестры, которые клянутся, что полнолуние вызывает странное поведение, глупы и поэтому верят во всякую ерунду. Они просто стали жертвами распространенной психологической ошибки, которую совершают многие из нас. Специалисты именуют этот небольшой «сбой» в работе нашего мозга «иллюзорными корреляциями» (illusory correlation).

Как мы обманываем себя, не осознавая этого

Иллюзорная корреляция возникает в тех случаях, когда мы ошибочно придаем повышенное значение одному элементу и при этом игнорируем все другие. Представьте, что вы приехали в большой незнакомый город, спускаетесь в метро и… вдруг кто-то «подрезает» вас перед самым входом в вагон. Добравшись до нужной станции, вы решаете пообедать и заходите в ближайший ресторан, но… официант открыто хамит вам. На улице вы понимаете, что потерялись, спрашиваете дорогу у прохожего и … вам показывают неверное направление. Приехав домой, вы, скорее всего, будете рассказывать родственникам о том, какие неудачи постигли вас в путешествии (еще бы, вы ведь запомнили только эту «полосу невезения»!), доказывать, что обитатели мегаполисов грубы и невоспитаны.

Однако в своем рассказе вы, скорее всего, забудете упомянуть про вкусную еду, которую попробовали в ресторане, про сотни других людей в метро, которые не толкали вас на платформе. Все эти мелочи были так незаметны, что мы не придаем им никакого значения, они даже не получают статус событий в нашей жизни. Это, скорее, «не-события». В результате получается, что легче запомнить, когда кто-то нахамил вам, чем когда вы вкусно пообедали или благополучно зашли в вагон метро.

В игру вступает наука о мозге

Сотни психологических исследований доказали, что мы склонны переоценивать важность событий, которые легко запоминаются, и недооценивать те моменты жизни, которые сложно восстановить в памяти. Принцип работы нашего мозга в этом случае прост: чем легче событие запомнилось, тем сильнее будет связь между ним и другим событием. Но на самом деле данные явления могут быть слабо связаны или не связаны друг с другом вообще.

В психологии этот феномен называется «эвристика доступности» (availability heuristic). Чем легче вспоминается какой-то момент нашей жизни (чем более он доступен), тем больше вероятность того, что мы переоценим его значение.

Иллюзорная корреляция — это своего рода сочетание эвристики доступности и такого когнитивного искажения как «предвзятость подтверждения» (тенденция интерпретировать информацию таким образом, чтобы подтвердить имеющиеся концепции).

Вы можете легко вспомнить какой-то случай (эвристика доступности) и поэтому начинаете думать, что такие случаи повторяются часто и даже складываются в определенную тенденцию. Когда это произойдет снова (как, например, полнолуние в случае с медсёстрами), вы сразу свяжете два явления и подтвердите свои же догадки (предвзятость подтверждения).

Как распознать иллюзорную корреляцию?

Чтобы определить, где ваш мозг дал «сбой» и защитить себя от воздействия иллюзорных корреляций, можно использовать таблицу случайностей (contingency table), которая поможет определить правомерность ваших суждений и реальную значимость событий.

Вспомним пример с полнолунием:

Клетка А: полнолуние и аврал в психиатрической больнице. Два явления представляют собой хорошо запоминающееся сочетание, поэтому мы в будущем будем переоценивать их значение.

Клетка B: полнолуние и затишье в больнице. Ничего особенного не происходит («не-событие»). Нам будет довольно трудно вспомнить эту ночь, поэтому мы склонны игнорировать данную ячейку.

Клетка C: полнолуния нет, но в больнице аврал. В этой ситуации медсестры просто скажут в конце смены: «Суматошная ночь на работе…».

Клетка D: полнолуния по-прежнему нет, и пациенты ведут себя спокойно. Это снова пример «не-события»: ничего запоминающегося не происходит, поэтому мы проигнорируем эту ночь.

Таблица случайностей демонстрирует тот алгоритм, по которому медсестры анализируют ситуацию во время полнолуния. Они могут быстро вспомнить ту ночь, когда в полнолуние больница была переполнена, но совершенно не учитывают (просто забывают) те многочисленные смены, когда в полнолуние пациенты вели себя обычным образом. Их мозг легко «выдает» информацию об авралах во время полнолуния, именно поэтому они уверены, что эти два события связаны.

Данную таблицу из книги «50 великих мифов популярной психологии» («50 Great Myths of Popular Psychology») можно адаптировать для любых жизненных ситуаций. В большинстве случаев мы уделяем слишком много внимания клетке А, но почти не замечаем клетку В, что может привести к иллюзорной корреляции. Использование всех четырех клеток позволяет вам вычислять реальную корреляцию между двумя событиями и не поддаваться влиянию известных мифов, таких как «эффект полнолуния».

Как исправить ошибки нашего мозга?

Оказывается, мы проводим иллюзорные корреляции во многих сферах жизни: Все слышали истории успеха Билла Гейтса (Bill Gates) или Марка Цукерберга (Mark Zuckerberg), которые бросили колледж, чтобы начать бизнес, принесший им миллиарды. Мы придаем повышенное значение этим случаям, обсуждаем их с друзьями и знакомыми. Между тем, вы никогда не услышите о тех нерадивых учениках, которые не добились успеха и не создали всемирно известных компаний. В потоке информации мы улавливаем только самые экстраординарные случаи, собираем «сливки», игнорируя при этом сотни или даже тысячи историй людей, бросивших колледж, но не уложившихся в парадигму успеха.

Если вы слышите, что арестовали представителя определенной этнической группы или расы, то, вероятно, вы будете в дальнейшем воспринимать каждого выходца из этой страны или континента как потенциального бандита. Но при этом вы забываете о тех 99% неизвестных вам людей, которые ведут примерный образ жизни и никогда не были арестованы (потому что арест — это событие, а не-арест — не-событие).

Если мы читаем в новостях о нападении акулы, то отказываемся заходить в океан во время отпуска на побережье. Вероятность нападения не увеличилась с тех пор, как мы плавали в последний раз, ведь мы не учитываем миллионы людей, которые вернулись невредимыми. Но никому не интересны скучные заголовки: «Миллионы туристов остаются живы каждый день», поэтому журналисты делают акцент на экстраординарных случаях, а мы проводим иллюзорную корреляцию и отказываемся от отдыха на побережье.

Когнитивные заблуждения подталкивают нас «видеть» множество ассоциаций, которых нет. Например, многие люди, страдающие артритом, настаивают на том, что их суставы болят больше в дождливую погоду, чем в ясную. Однако исследования показывают, что эта ассоциация — плод их воображения. По-видимому, такие люди обращают слишком большое внимание на клетку А — случаи, когда идет дождь и у них болят суставы, — что заставляет их воспринимать корреляцию, которой не существует.

Многие из нас даже не догадываются, что наша избирательная память о событиях влияет на убеждения, которых мы придерживаемся. Теперь вы знаете о когнитивных искажениях и сможете выявить и устранить иллюзорные корреляции в повседневной жизни с помощью таблицы случайностей.

В нашем мире все взаимосвязано, где-то это видно невооруженным глазом, а где-то люди даже и не подозревают о существовании такой зависимости. Тем не менее в статистике, когда имеют в виду взаимную зависимость, часто употребляют термин "корреляция". Его нередко можно встретить и в экономической литературе. Давайте попробуем вместе разобраться, в чем состоит суть этого понятия, какие бывают коэффициенты и как трактовать полученные значения.

Итак, что такое корреляция? Как правило, под этим термином подразумевают статистическую взаимосвязь двух или нескольких параметров. Если изменяется значение одного или нескольких из них, это неизбежно сказывается на величине остальных. Для математического определения силы такой взаимозависимости принято использовать различные коэффициенты. Следует отметить, что в случае, когда изменение одного параметра не приводит к закономерному изменению другого, но влияет на какую-либо статистическую характеристику данного параметра, такая связь является не корреляционной, а просто статистической.

История термина

Для того чтобы лучше разобраться, что такое корреляция, давайте немного окунемся в историю. Данный термин появился в XVIII веке благодаря стараниям французского палеонтолога Этот ученый разработал так называемый «закон корреляции» органов и частей живых существ, который позволял восстановить облик древнего ископаемого животного, имея в наличии лишь некоторые его останки. В статистике это слово вошло в обиход с 1886 года с легкой руки английского статистика и биолога В самом названии термина уже содержится его расшифровка: не просто и не только связь - «relation», а отношения, имеющие между собой нечто совместное - «co-relation». Впрочем, четко объяснить математически, что такое корреляция, смог только ученик Гальтона, биолог и математик К. Пирсон (1857 - 1936). Именно он впервые вывел точную формулу для расчета соответствующих коэффициентов.

Парная корреляция

Так называют отношения между двумя конкретными величинами. К примеру, доказано, что ежегодные затраты на рекламу в Соединенных Штатах очень тесно связаны с величиной внутреннего валового продукта. Подсчитано, что между этими величинами в период с 1956 по 1977 год составил 0,9699. Другой пример - число посещений интернет-магазина и объем его продаж. Тесная связь выявлена между такими величинами, как пива и температура воздуха, среднемесячная температура для конкретного места в текущем и предыдущем году и т. д. Как трактовать коэффициент парной корреляции? Сразу отметим, что он принимает значение от -1 до 1, причем отрицательное число обозначает обратную, а положительное - прямую зависимость. Чем больше модуль результата подсчетов, тем сильнее величины влияют друг на друга. Нулевое значение обозначает отсутсвие зависимости, величина меньше 0,5 говорит о слабой, а в противном случае - о ярко выраженной взаимосвязи.

Корреляция Пирсона

В зависимости от того, по какой шкале измерены переменные, для расчетов применяют тот или иной Фехнера, Спирмена, Кендалла и т. д.). Когда исследуют интервальные величины, чаще всего используют индикатор, придуманный

Этот коэффициент показывает степень линейных связей между двумя параметрами. Когда говорят о корреляционном отношении, чаще всего его и имеют в виду. Данный показатель стал настолько популярным, что его формула есть в Excel и при желании можно самому на практике разобраться, что такое корреляция, не вдаваясь в тонкости сложных формул. Синтаксис этой функции имеет вид: PEARSON(массив1, массив2). В качестве первого и второго массивов обычно подставляют соответствующие диапазоны чисел.

06.06.2018 14 013 0 Игорь

Психология и общество

Все в мире взаимосвязано. Каждый человек на уровне интуиции пытается найти взаимосвязи между явлениями, чтобы иметь возможность влиять на них и управлять ними. Понятие, которое отражает эту взаимосвязь, называется корреляцией. Что она означает простыми словами?

Содержание:

Понятие корреляции

Корреляция (от латинского «correlatio» – соотношение, взаимосвязь) – математический термин, который означает меру статистической вероятностной зависимости между случайными величинами (переменными).

Пример: возьмем два вида взаимосвязи:

1. Первый – ручка в руке человека. В какую сторону движется рука, в такую сторону и ручка. Если рука находится в состоянии покоя, то и ручка не будет писать. Если человек чуть сильнее надавит на нее, то след на бумаге будет насыщеннее. Такой вид взаимосвязи отражает жесткую зависимость и не является корреляционным. Это взаимосвязь – функциональная.
2. Второй вид – зависимость между уровнем образования человека и прочтением литературы. Заранее неизвестно, кто из людей больше читает: с высшим образованием или без него. Эта связь – случайная или стохастическая, ее изучает статистическая наука, которая занимается исключительно массовыми явлениями. Если статистический расчет позволит доказать корреляционную связь между уровнем образованности и прочтением литературы, то это даст возможность делать какие-либо прогнозы, предсказывать вероятностное наступление событий. В этом примере с большой долей вероятности можно утверждать, что больше читают книги люди с высшим образованием, те, кто более образован. Но поскольку связь между данными параметрами не функциональная, то мы можем и ошибиться. Всегда можно рассчитать вероятность такой ошибки, которая будет однозначно невелика и называется уровнем статистической значимости (p).

Примерами взаимосвязи между природными явлениями являются: цепочка питания в природе, организм человека, который состоит из систем органов, взаимосвязанных между собой и функционирующих как единое целое.

Каждый день мы сталкиваемся с корреляционной зависимостью в повседневной жизни: между погодой и хорошим настроением, правильной формулировкой целей и их достижением, положительным настроем и везением, ощущением счастья и финансовым благополучием. Но мы ищем связи, опираясь не на математические расчеты, а на мифы, интуицию, суеверия, досужие домыслы. Эти явления очень сложно перевести на математический язык, выразить в цифрах, измерить. Другое дело, когда мы анализируем явления, которые можно просчитать, представить в виде цифр. В таком случае мы можем определить корреляцию с помощью коэффициента корреляции (r), отражающего силу, степень, тесноту и направление корреляционной связи между случайными переменными.

Сильная корреляция между случайными величинами – свидетельство наличия некоторой статистической связи конкретно между этими явлениями, но эта связь не может переноситься на эти же явления, но для другой ситуации. Часто исследователи, получив в расчетах значительную корреляцию между двумя переменными, основываясь на простоте корреляционного анализа, делают ложные интуитивные предположения о существовании причинно-следственных взаимосвязей между признаками, забывая о том, что коэффициент корреляции носит вероятностный характер.

Пример: количество травмированных во время гололеда и число ДТП среди автотранспорта. Эти величины будут коррелировать между собой, хотя они абсолютно не взаимосвязаны между собой, а имеют только связь с общей причиной этих случайных событий – гололедицей. Если же анализ не выявил корреляционной взаимосвязи между явлениями, это еще не является свидетельством отсутствия зависимости между ними, которая может быть сложной нелинейной, не выявляющейся с помощью корреляционных расчетов.

Первым, кто ввел в научный оборот понятие корреляции, был французский палеонтолог Жорж Кювье . Он в XVIII веке вывел закон корреляции частей и органов живых организмов, благодаря которому появилась возможность восстанавливать по найденным частям тела (останкам) облик всего ископаемого существа, животного. В статистике термин корреляции впервые применил в 1886 году английский ученый Френсис Гальтон . Но он не смог вывести точную формулу для расчета коэффициента корреляции, но это сделал его студент – известнейший математик и биолог Карл Пирсон.

Виды корреляции

По значимости – высокозначимая, значимая и незначимая.

Отрицательная (уменьшение значения одной переменной ведет к росту уровня другой: чем больше у человека фобий, тем меньше вероятность занять руководящую должность) и положительная (если рост одной величины влечет за собой увеличение уровня другой: чем больше нервничаешь, тем больше вероятность заболеть). Если связи между переменными нет, то тогда такая корреляция называется нулевой.

Линейная (когда одна величина возрастает или убывает, вторая тоже увеличивается или уменьшается) и нелинейная (когда при изменении одной величины характер изменения второй невозможно описать с помощью линейной зависимости, тогда применяются другие математические законы – полиномиальной, гиперболической зависимости).

По силе .

Коэффициенты

В зависимости от того, к какой шкале относятся исследуемые переменные, рассчитываются разные виды коэффициентов корреляции:

1. Коэффициент корреляции Пирсона, коэффициент парной линейной корреляции или корреляция моментов произведений рассчитывается для переменных с интервальной и количественной шкалой измерения.
2. Коэффициент ранговой корреляции Спирмена или Кендалла – когда хотя бы одна из величин имеет порядковую шкалу либо не является нормально распределённой.
3. Коэффициент точечной двухрядной корреляции (коэффициент корреляции знаков Фехнера) – если одна из двух величин является дихотомической.
4. Коэффициент четырёхполевой корреляции (коэффициент множественной ранговой корреляции (конкордации) – если две переменные дихотомические.

Коэффициент Пирсона относится к параметрическим показателям корреляции, все остальные – к непараметрическим.

Значение коэффициента корреляции находится в пределах от -1 до +1. При полной положительной корреляции r = +1, при полной отрицательной – r = -1.

Формула и расчет

Примеры

Необходимо определить взаимосвязь двух переменных: уровня интеллектуального развития (по данным проведенного тестирования) и количества опозданий за месяц (по данным записей в учебном журнале) у школьников.

Исходные данные представлены в таблице:

Чтобы дать правильную интерпретацию полученному показателю, необходимо проанализировать знак коэффициента корреляции (+ или -) и его абсолютное значение (по модулю).

В соответствии с таблицей классификации коэффициента корреляции по силе делаем вывод о том, rxy = -0,827 – это сильная отрицательная корреляционная зависимость. Таким образом, количество опозданий школьников имеет очень сильную зависимость от их уровня интеллектуального развития. Можно сказать, что ученики с высоким уровнем IQ опаздывают реже на занятия, чем ученики с низким IQ.

Коэффициент корреляции может применяться как учеными для подтверждения или опровержения предположения о зависимости двух величин или явлений и измерения ее силы, значимости, так и студентами для проведения эмпирических и статистических исследований по различным предметам. Необходимо помнить, что этот показатель не является идеальным инструментом, он рассчитывается лишь для измерения силы линейной зависимости и будет всегда вероятностной величиной, которая имеет определенную погрешность.

Корреляционный анализ применяется в следующих областях:

• экономическая наука;
• астрофизика;
• социальные науки (социология, психология, педагогика);
• агрохимия;
• металловедение;
• промышленность (для контроля качества);
• гидробиология;
• биометрия и т.д.

Причины популярности метода корреляционного анализа:

1. Относительная простота расчета коэффициентов корреляции, для этого не нужно специальное математическое образование.
2. Позволяет рассчитать взаимосвязи между массовыми случайными величинами, которые являются предметом анализа статистической науки. В связи с этим этот метод получил широкое распространение в области статистических исследований.

Надеюсь, теперь вы сможете отличить функциональную взаимосвязь от корреляционной и будете знать, что когда вы слышите по телевидению или читаете в прессе о корреляции, то под ней подразумевают положительную и достаточно значимую взаимозависимость между двумя явлениями.

Научные термины пугают и притягивают одновременно. Термин «корреляция» все чаще можно встретить на страницах газет, по радио, на телевидении. Им козыряют экономисты, политологи, аналитики. Но, похоже, частота использования этого термина в СМИ отрицательно коррелирует с уровнем его понимания потребителями.

В переводе на простой язык, сказанная фраза означает следующее: «Чем чаще используется термин «корреляция», тем менее точным становится содержание этого понятия в сознании людей». В реальности, возможно, это и не так - исследования не проводились. Но важно другое - корреляция в обыденном понимании отражает взаимосвязь между явлениями.

Взаимосвязи вокруг нас

В человеке живет интуитивное ощущение взаимосвязи всех явлений. В фантастическом рассказе Рэя Брэдбери герой попадает в далекое прошлое и, нарушая запрет, сходит с тропы. Он лишь раздавил бабочку. Но вернулся в другой мир, с другим языком и даже президентом. Все связано вокруг…

При чем здесь корреляция? А при том, что пытливое сознание человека пытается выявлять корреляции. Зная взаимосвязи между явлениями, на них можно влиять, ими можно управлять.

Я не буду «грузить» вас математической терминологией, сложными формулами. Давайте разберемся в сути этого понятия; уясним что значит отрицательная и положительная корреляция; значимая и незначимая.

Понятие корреляции

Слово «корреляция» происходит от латинского «correlatio», что означает «соотношение» или «взаимосвязь».

Взаимосвязь присуща многим явлениям. Например, кепка, надетая на голову, связана с ней - куда голова, туда и кепка. Или палочка в руке дирижёра - они взаимосвязаны, и она послушна руке хозяина, полету его вдохновения. Но можно ли говорить, что их движения коррелируют между собой? Нет, и вот почему.

Функциональная связь

Палочка и рука взаимосвязаны и эта связь - функциональная. Она детерминирующая - жестко связывает между собой объекты. Если дирижёр сосредоточен и крепко держит палочку, то в их согласованном движении не будет моментов, когда которых рука движется в одну сторону, а палочку - в другую. Корреляционная связь совсем иной природы.

Посмотрим за спину нашего дирижёра. В зале сидят слушатели, любители музыки. Они испытывают какие-то эмоции. Их переживания, возможно, как-то связаны с уровнем их музыкального образования. Чем больше они знают про музыку, тем выше их эмоциональный отклик. Эта связь - корреляционная.

Корреляционная связь

В отличие от функциональной связи, корреляция отражает не жесткую зависимость между явлениями. Кто-то очень подкован теоретически, но эмоциональный отклик на музыку слабый. Другой мало образован, но его «пробило» на эмоции. Такая связь называется случайной, стохастической. И это сфера статистики - науки, занимающейся не отдельными явлениями, а массовыми.

Итак, корреляция отражает не функциональную, а статистическую случайную связь между явлениями (переменными). Почему случайную? Потому что заранее не известно, кто и как из слушателей будет реагировать на музыку. Но если статистический (массовый) расчет показал положительную корреляцию между образованностью и эмоциональным откликом, то это дает основания для важных выводов. Знание корреляционной связи позволяет предсказывать.

В данном примере мы с большой долей вероятности сможем утверждать, что из двух слушателей более эмоционально слушал тот, кто более образован. Это не будет однозначный вывод, ведь связь у нас не функциональная. Это будет вывод статистический, вероятностный - мы всегда можем ошибиться. Но вероятность этой ошибки не велика и заранее известна. Она называется «уровень статистической значимости». Как видим, без математики в этом вопросе все-таки не обойтись.

Коэффициент корреляции

В повседневной жизни, говоря о корреляции, например, успеха и затраченных усилий или ощущения счастья и материального достатка, мы опираемся на мифы, интуицию или досужие домыслы. Эти величины трудно измерить, перевести на язык цифр потом строго доказать их взаимосвязи. Но если мы имеем дело с явлениями, которые можно измерить, то здесь корреляцию можно рассчитать и получить коэффициент, который будет отражать силу и направление взаимосвязи.

Например, мы взяли группу из 20-ти человек и определили для каждого два параметра: возраст (посмотрели паспорт) и уровень оптимизма (провели психологический тестирование). Эти данные нужно занести в так называемую таблицу исходных данных и загрузить в статистическую программу . В итоге получим значение коэффициента корреляции. Не стоит пугаться этого числа, разгадать его тайны не так сложно.

Коэффициент корреляции может принимать численные значения в диапазоне от -1 до +1. Для анализа важны два показателя:

• Знак коэффициента корреляции (положительный или отрицательный).
• Абсолютное значение коэффициента корреляции (то есть, без учета знака, «по модулю»).

Отрицательная связь не значит плохая, положительная не значит хорошая

Если расчет корреляции между возрастом и оптимизмом среди испытуемых дал отрицательный показатель, это значит следующее: с годами растет оптимизм. То есть, чем выше возраст испытуемого, тем более оптимистично он смотрит на жизнь (мудрецы).

Но мы могли получить и обратный результат - отрицательную корреляцию между возрастом и оптимизмом. То есть, чем больше прожитых лет, тем меньше хорошего видится вокруг (скептики).

Надеюсь, эта статья поможет вам написать работу по психологии самостоятельно. Если понадобится помощь, обращайтесь (все виды работ по психологии; статистические расчеты).

О. Синаноглу

В первом томе этой книги была изложена теория локализованных и делокализованных молекулярных орбиталей для и -электронов в системах с заполненными и незаполненными оболочками. При этом некоторые корреляционные эффекты неявно уже учитывались при оправдании тех или иных приближений в теории.

Второй том посвящается специально теории корреляционных эффектов, причем главное внимание уделяется тем случаям, когда простая теория МО оказывается несостоятельной.

Соответственно трем типам молекулярных систем (с заполненными и незаполненными оболочками из хартри-фоковских молекулярных орбиталей и систем с локализованными орбиталями) имеется три типа теорий корреляционных эффектов. Теория корреляционных эффектов для систем с заполненными оболочками из хартри-фоковских молекулярных орбиталей и для систем с локализованными орбиталями недавно подробно обсуждалась . В этом томе в разд. 1-7 изложен вариант этой теории с молекулярными орбиталями в применении к системам с незаполненными оболочками.

Влияние электронной корреляции на орбитали заполненных оболочек обычно мало. Проведенные в рамках теории МО расчеты распределения зарядов и дипольных моментов для -систем (т. 1, ч. I) и -систем (т. 1, ч. II) оказываются для замкнутых оболочек вполне удовлетворительными, если только нет больших эффектов «почти вырождения». Иначе обстоит дело для систем с незаполненными оболочками. Здесь, напротив, обязательно нужно учитывать как влияние электронной корреляции на молекулярные орбитали, так и особые эффекты «средней поляризации» орбиталей Последние эффекты могут существенно изменить распределение зарядов по сравнению с тем, к которому приводит расчет просто по хартри-фоковским орбиталям; они могут также

повлиять, например, на дипольные моменты возбужденных состояний.

Если под влиянием электронной корреляции уровни изменяются мало, то применяют обычную теорию возмущений. Вырожденную теорию возмущений (в которой с самого начала производится снятие вырождения и исключение эффектов «почти вырождения») нужно использовать, если уровни пересекаются и меняются местами. До некоторой степени проблема аналогична той, которая возникает в теории систем бесконечно большого числа взаимодействующих частиц, когда адиабатическая теория возмущений в основном состоянии оказывается несостоятельной (см. разд. настоящего тома). При этом, как известно, надо использовать температурную теорию возмущений (которая при сводится к теории возмущений для основного состояния).

В атомных системах эффекты корреляции внешнего электрона с сильно связанными внутренними электронами включают в понятие «поляризация остова». Такого рода корреляция имеет небольшую величину; например, корреляция составляет Корреляции типа «поляризации остова» проявляются также при рассмотрении ридберговских состояний молекул и взаимодействия электрона с растворителем. В последнем случае указанные корреляционные эффекты типа «поляризации остова», конечно, маскируются более сильными корреляционными эффектами орбитального типа, учитываемыми, например, введением нсевдопотенциала (см. разд. II-2 и II-3 настоящего тома). Когда главные квантовые числа соответствующих электронов совпадают, межорбитальные корреляционные эффекты становятся сильнее. Папример, корреляционная энергия между -электронами примерно равна (см. разд. 1-2 настоящего тома); в связи с этим заметную величину должны иметь также корреляционные эффекты между и -электронами в -электронных системах (см. т. 1 разд.

Проблема взаимодействия свободного электрона с жидкостями проливает свет на многие важные эффекты взаимодействия молекул с растворителем. Кроме того, она непосредственно связана с вопросами химии растворов металлов в аммиаке, жидких металлов и радиационной химии (см. разд. II-1, II-3, II-5, а также разд. III-4 и III-5 этого тома).

Корреляции типа «поляризации остова» можно представить себе как результат некоторого вандерваальсова пртдакения между неперекрывающимися распределениями зарядов . Выражение для сил притяжения между различными связями в молекуле или выражение для межмолекулярных сил между двумя изолированными газовыми молекулами можно получить, преобразуя выражение для корреляционной энергии от системы молекулярных

орбиталей к системе локализованных орбиталей . Основанное на этом рассмотрение кривых потенциальной энергии межмолекулярного взаимодействия эффективно в большом интервале расстояний (см. разд. III-2 настоящего тома). Само понятие кривой или поверхности потенциальной энергии, однако, существенно связано с тем, насколько хорошо можно, следуя борн-опненгеймеровскому приближению, разделить ядерньге и электронные координаты в данной задаче (см. разд. III-1).

В статистической механике простых жидкостей обычно с самого начала предполагается, что межмолекуляриый потенциал аддитивно слагается из потенциалов нарного взаимодействия. В приложениях статистической механики каждый такой парный потенциал принимается обычно равным потенциалу парного взаимодействия в газовой фазе. Однако в действительности для жидкостей и твердых тел необходимо принимать во внимание существенные отклонения от аддитивности, даже если учитывать только вандерваальсовы силы. Некоторые примеры таких многоатомных неаддитивных сил, действующих между атомами с заполненными оболочками, рассмотрены в разд. IIT-2 и III-3 этого тома. С крайним случаем неаддитивности межмолекулярных взаимодействий мы сталкиваемся в металлах. В разд. III-4 и III-5 изложены основные сведения об этих взаимодействиях с точки зрения теории молекулярных орбиталей и корреляционной теории в приложении к металлам и сплавам.