Korrelation berechnen: Zusammenhangsmaße einfach erklärt

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.

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.

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.

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.

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.