Question 1

Was ist der Unterschied zwischen Korrelation und Kausalität?

Accepted Answer

Korrelation beschreibt einen statistischen Zusammenhang zwischen zwei Variablen, während Kausalität eine Ursache-Wirkungs-Beziehung bedeutet. Eine hohe Korrelation bedeutet nicht automatisch, dass eine Variable die andere verursacht.

Question 2

Wie interpretiere ich den Korrelationskoeffizienten nach Pearson?

Accepted Answer

Der Pearson-Korrelationskoeffizient liegt zwischen -1 und +1. Werte nahe +1 zeigen einen starken positiven Zusammenhang, Werte nahe -1 einen starken negativen Zusammenhang, und Werte um 0 bedeuten keinen linearen Zusammenhang.

Question 3

Wann sollte ich Spearmans Rangkorrelation statt Pearsons Korrelation verwenden?

Accepted Answer

Spearmans Rangkorrelation eignet sich für ordinale Daten oder wenn die Daten nicht normalverteilt sind. Sie misst monotone Zusammenhänge und ist robuster gegenüber Ausreißern als die Pearson-Korrelation.

Question 4

Was bedeutet es, wenn zwei Variablen statistisch unabhängig sind?

Accepted Answer

Statistische Unabhängigkeit bedeutet, dass das Auftreten einer Variable die Wahrscheinlichkeitsverteilung der anderen Variable nicht beeinflusst. Unabhängige Variablen haben immer eine Korrelation von null, aber eine Korrelation von null bedeutet nicht zwangsläufig Unabhängigkeit.

Question 5

Welche Probleme können bei der Interpretation von Korrelationen auftreten?

Accepted Answer

Häufige Probleme sind Scheinkorrelationen durch Drittvariablen, nichtlineare Zusammenhänge die übersehen werden, und Ausreißer die das Ergebnis verzerren. Zudem kann eine niedrige Korrelation bei kleinen Stichproben zufällig entstehen.

Korrelation berechnen: Zusammenhangsmaße einfach erklärt

Lernkarten zu Zusammenhangsmaße

Empfohlene Literatur zu Deskriptive Statistik

Deskriptive Statistik für Studierende

Methodenlehre und Statistik

Deskriptive Statistik