Statistik · Ratgeber von Eqora
Korrelation: Zusammenhang ist keine Ursache
Berechne ein kleines Pearson-Beispiel, prüfe die zusammengehörenden Beobachtungen und trenne einen linearen Zusammenhang von einer Ursache.
Zwei Zahlenspalten scheinen gemeinsam zu wachsen. Sofort behauptet jemand: Wer die erste Größe verändert, verändert dadurch die zweite. Die Rechnung kann stimmen, während diese Schlussfolgerung unbegründet bleibt. Eine Korrelation beschreibt ein bestimmtes Muster in zusammengehörenden Zahlenwerten. Sie erklärt weder einen Mechanismus noch die Wirkung eines Eingriffs. Zum Deuten brauchst du die ursprünglichen Wertepaare, eine Vorstellung ihres Verlaufs und die klare Trennung zwischen Beschreibung und ursächlicher Erklärung.
Dieser Leitfaden entwickelt den beschreibenden Pearson-Korrelationskoeffizienten anhand eines kleinen eigenen Beispiels. Du berechnest ihn, erkennst undefinierte Fälle und untersuchst einen gekrümmten Zusammenhang sowie einen einflussreichen ungewöhnlichen Punkt. Die Methode lässt sich mit Papier und Taschenrechner kostenlos üben; eine App ist nicht erforderlich. Alle Datensätze und Ursachenszenarien sind erfundene Lernbeispiele. Sie sind weder wissenschaftliche Befunde noch Messungen aus den begleitenden Fotos der Beobachtungsstation.
Eqora veröffentlicht diesen eigenständig nutzbaren Lernleitfaden. Eqora ist eine Lernhilfe, kein Ersatz für Prüfungsarbeit und keine Garantie für Richtigkeit oder Noten. Beachte die Regeln deines Kurses und prüfe Notation, Voraussetzungen und Ergebnisse. Die Fotos sind bildliche Anregungen: Bänder, Schnüre und Filter enthalten keine ablesbaren Korrelationskoeffizienten. Ein überzeugendes Bild oder eine sauber formulierte Zahlenantwort ist kein Beleg für einen behaupteten Ursache-Wirkungs-Zusammenhang.
Pearson beschreibt ein lineares Muster
Ein Streudiagramm zeigt für jede Beobachtung einen Punkt (x_i, y_i). Der beschreibende Pearson-Koeffizient r liegt, sofern er definiert ist, zwischen −1 und +1. Positive Werte beschreiben einen positiven linearen Zusammenhang, negative einen negativen. Der Betrag kennzeichnet die Stärke dieses linearen Musters in den Daten. Er sagt nicht, ob die Beziehung praktisch wichtig oder ursächlich ist. Eine negative Korrelation kann betragsmäßig stärker sein als eine kleine positive Korrelation.
Das Methodenportal der Universität Leipzig erläutert die Pearson-Korrelation als standardisierten Zusammenhang und grenzt sie von kausalen Aussagen ab. Bei veränderlichen Werten beider Variablen steht r = +1 für eine exakt steigende Gerade, r = −1 für eine exakt fallende. Ein gekrümmtes Muster kann ausgeprägt sein, obwohl r es schlecht zusammenfasst. Sieh dir daher zuerst die Punkte an. Ein einzelner allgemeiner Schwellenwert entscheidet nicht in jedem Fachgebiet und jeder Fragestellung, ob ein Zusammenhang sinnvoll als stark bezeichnet werden sollte.
Halte beim Zentrieren die Wertepaare zusammen
Bezeichne die beiden arithmetischen Mittelwerte mit x̄ und ȳ. Schreibe dx_i = x_i − x̄ und dy_i = y_i − ȳ. Sxx ist die Summe aller dx_i², Syy die Summe aller dy_i² und Sxy die Summe aller Produkte dx_i dy_i. Dann gilt r = Sxy / √(Sxx Syy). Erforderlich sind mindestens zwei Wertepaare sowie Sxx > 0 und Syy > 0. Der Nenner bezieht die gemeinsame vorzeichenbehaftete Veränderung auf die Streuung jeder einzelnen Variablen.
Die Zuordnung innerhalb jeder Zeile muss erhalten bleiben. Wenn du x- und y-Werte unabhängig sortierst, erfindest du neue Paare und möglicherweise einen anderen Zusammenhang. Auch beim Umordnen ganzer Zeilen gehören die beiden Werte derselben Beobachtung zusammen. Bei fehlenden Einträgen brauchst du eine ausdrückliche Regel, welche vollständigen Paare eingehen. Verwende nicht unbemerkt andere Zeilen für einen Mittelwert als für die gemeinsamen Produkte; sonst berechnest du nicht mehr den angegebenen Koeffizienten.
Rechne ein kleines Beispiel vollständig durch
Verwende die Paare (1, 2), (2, 4) und (3, 3). Die Mittelwerte sind x̄ = 2 und ȳ = 3. Die zentrierten x-Werte lauten −1, 0, 1; die zentrierten y-Werte lauten in derselben Zeilenfolge −1, 1, 0. Ihre gemeinsamen Produkte sind 1, 0, 0, also Sxy = 1. Die quadrierten Abweichungen liefern Sxx = 2 und Syy = 2. Damit erhältst du r = 1/√4 = 0,5.
Diese winzige Tabelle zeigt einen positiven linearen Zusammenhang, aber das letzte Wertepaar setzt keine exakt steigende Gerade fort. Der Koeffizient bedeutet nicht, dass die Hälfte der y-Werte durch x verursacht wird oder dass y um eine halbe Einheit wächst. Er beschreibt auch nicht automatisch jede künftige Beobachtung. Drei konstruierte Paare sind eine Rechenübung und kein belastbarer empirischer Befund. Nenne die Datenmenge und betrachte die tatsächlichen Werte, statt dem Dezimalwert mehr Aussagekraft zu geben, als er besitzt.
Verwechsle Korrelation nicht mit Steigung oder Einheit
Für veränderliche x-Werte besitzen sowohl y = 2x + 5 als auch y = 1000x + 7 den Koeffizienten r = +1. Trotzdem unterscheiden sich ihre Steigungen deutlich. Korrelation hat keine Einheit und misst nicht y-Einheiten pro x-Einheit. Rechnen wir die x-Werte unseres kleinen Beispiels in eine sechzigmal kleinere Einheit um, werden ihre Zahlenwerte mit 60 multipliziert. Dieselbe positive Skalierung vervielfacht Sxy und den Nenner um denselben Faktor; r bleibt 0,5.
Addierst du zu jedem y-Wert 10, bleiben die zentrierten Abweichungen ebenfalls unverändert. Multiplizierst du alle y-Werte mit −1, kehrt sich die Richtung um und r wird −0,5. Diese Regeln betreffen Verschiebungen und Skalierungen mit einem von null verschiedenen Faktor; nichtlineare Transformationen können anders wirken. Unser Leitfaden zur Standardabweichung erklärt, warum Streuung und Einheiten sorgfältig gedeutet werden müssen. Ein dimensionsloser Koeffizient ist weder eine physikalische Änderungsrate noch eine prozentuale Wirkung.
Bei Korrelation null kann ein genauer Kurvenverlauf vorliegen
Wähle x = (−2, −1, 0, 1, 2) und y = (4, 1, 0, 1, 4). Für jedes Paar gilt exakt y = x². Die Mittelwerte sind x̄ = 0 und ȳ = 2. Die Summe der zentrierten gemeinsamen Produkte ist null, weil sich die Beiträge negativer und positiver x-Werte aufheben. Sxx = 10 und Syy = 14 sind beide positiv; damit ist r = 0. Die Rechnung ist definiert und richtig, obwohl x den zugehörigen y-Wert in dieser Tabelle vollständig bestimmt.
Trägst du die fünf Punkte ein, erkennst du eine U-Form statt einer geraden Tendenz. Deshalb bedeutet r = 0 nicht, dass überhaupt kein Zusammenhang besteht. Auch statistische Unabhängigkeit folgt im Allgemeinen nicht daraus. Ein Wert nahe null beweist ebenso wenig, dass ein Eingriff wirkungslos wäre. Der Koeffizient beantwortet eine begrenzte beschreibende Frage nach linearer Verbindung. Beschreibe bei gekrümmten Mustern den Verlauf und prüfe ein passendes Modell, statt eine ungeeignete lineare Zusammenfassung sprachlich aufzuwerten.
Eine konstante Variable macht r undefiniert
Bei y = (5, 5, 5) sind sämtliche zentrierten y-Werte null. Also gilt Syy = 0, und der Nenner √(Sxx Syy) verschwindet. Pearson-r ist dann undefiniert und nicht etwa ein Sonderfall von r = 0. Eine waagerechte oder senkrechte Punktreihe ohne Veränderung in einer Koordinate besitzt daher keinen definierten Pearson-Koeffizienten. Gibt eine Software eine Warnung oder einen fehlenden Wert aus, untersuche die Daten, statt automatisch eine Null einzusetzen.
Schon zwei Paare mit unterschiedlichen Werten in beiden Koordinaten liegen stets auf einer nicht waagerechten Geraden. Ihr r ist deshalb +1 oder −1. Diese mathematische Tatsache liefert keinen überzeugenden Nachweis eines verlässlichen Zusammenhangs in einer Grundgesamtheit. Für die bloße Berechnung des beschreibenden Koeffizienten müssen Daten nicht normalverteilt sein. Schlussfolgerungen auf eine Population, Intervalle und bestimmte Tests benötigen jedoch weitere Voraussetzungen. Aus einer kleinen Tabelle oder einem signifikanten Testergebnis folgt hier keine behauptete Ursache.
Untersuche Ausreißer, statt r durch Löschen zu verschönern
Betrachte x = (1, 2, 3, 4) und y = (4, 1, 3, 2). Beide Mittelwerte sind 2,5. Die Summen quadrierter Abweichungen betragen jeweils 5, die gemeinsame Produktsumme ist −2. Somit gilt r = −0,4. Ergänze nun das Paar (20, 20): Beide Mittelwerte werden 6, Sxx und Syy werden jeweils 250, und Sxy wird 243. Der neue Koeffizient beträgt 243/250 = 0,972. Ein weit entfernter Punkt hat die Zusammenfassung deutlich verändert.
Diese erfundenen Zahlen zeigen Empfindlichkeit, keine Erlaubnis zum Entfernen unpassender Beobachtungen. Prüfe, ob das ungewöhnliche Paar ein Erfassungsfehler, eine andere Population oder ein echter Wert innerhalb der Untersuchung ist. Korrigiere Fehler anhand von Belegen. Ist ein Wert echt, berichte seinen Einfluss nachvollziehbar und begründe einen Ausschluss durch Untersuchungsregeln, nicht durch den gewünschten Koeffizienten. Ein Vergleich mit und ohne Punkt kann Empfindlichkeit zeigen; die Auswahl zu verschweigen würde den Datensatz dagegen irreführend darstellen.
Eine gemeinsame Ursache kann beide Größen beeinflussen
Stell dir vor, an mehreren Tagen werden die Besucherzahl eines Gemeinschaftsgartens und die dort verkauften Erfrischungsgetränke erfasst. Ein positiver Zusammenhang würde für sich genommen nicht zeigen, dass ein Getränkekauf weitere Menschen herbeiführt. Sonniges Wetter könnte beide Größen beeinflussen; Besucher könnten außerdem die Nachfrage erhöhen. Das ist ein hypothetisches Szenario, kein Bericht einer gemessenen Korrelation. Dieselben Wertepaare können zu unterschiedlichen Mechanismen passen. Der Koeffizient allein wählt keine dieser Erklärungen aus.
Für kausales Denken brauchst du eine klare Fragestellung sowie Aufmerksamkeit für zeitliche Reihenfolge, mögliche gemeinsame Ursachen, Auswahlprozesse und ein geeignetes Untersuchungsdesign. Randomisierte Experimente können unter passenden Bedingungen bestimmte Schwierigkeiten verringern. Die Begründung stammt dann aus Design und Voraussetzungen, nicht aus der Größe von r. Auch ein kleiner Koeffizient entscheidet nicht jede Ursachenfrage. Beschreibe den beobachteten Zusammenhang und erkläre getrennt, welche zusätzlichen Belege für eine ursächliche Wirkung nötig wären.
Prüfe zuerst die Rechnung und danach deinen Ergebnissatz
Berechne das ursprüngliche Beispiel mit drei Paaren erneut, ohne zurückzublicken: Erhalte die Zuordnung, bestimme die Mittelwerte und die zentrierten Produkte und finde r = 0,5. Kehre anschließend das Vorzeichen jedes y-Wertes um und sage r = −0,5 vor der Rechnung voraus. Ersetze y schließlich durch eine Konstante und begründe, warum die Formel nun nicht definiert ist. Solche Veränderungen prüfen das Verständnis besser als das Auswendiglernen einer Dezimalzahl oder eines pauschalen Stärkeetiketts.
Unser Leitfaden zur Kontrolle ohne Lösungsheft empfiehlt eine zweite Darstellung. Verbinde bei Korrelation die Arithmetik mit einem Streudiagramm und einer sorgfältigen sprachlichen Aussage. Verändern sich beide Variablen überhaupt? Überwiegt eine Kurve oder ein ungewöhnlicher Punkt? Stützt das Untersuchungsdesign jede behauptete Ursache? Schreibe auf, welches Muster r in der Tabelle beschreibt und welche Fragen offenbleiben. Dieser letzte Satz gehört zur mathematischen Richtigkeit und ist kein nachträglich angehängter Warnhinweis ohne Bezug zur eigentlichen Aufgabe.
