Korrelation und Kausalität
Korrelation und Kausalität werden in der Forschung oft verwechselt — mit weitreichenden Folgen für deine Ergebnisse. Wie du beide Konzepte sicher unterscheidest und richtig anwendest, erfährst du hier und im Video!
Inhaltsübersicht
Korrelation vs. Kausalität: Die Unterschiede
Es gibt einen klaren Unterschied zwischen Korrelation und Kausalität:
- Eine Korrelation ist ein statistischer Zusammenhang: Wenn sich eine Variable verändert, verändert sich oft auch eine andere — aber ohne dass die eine die andere verursacht.
➡️ Beispiel:
Wenn mehr Speiseeis verkauft wird, steigt auch die Zahl an Sonnenbränden. Allerdings führt nicht das Eis zum Sonnenbrand. Stattdessen ist die Außentemperatur die Ursache: Je wärmer es wird, desto mehr Menschen kaufen ein Eis und gehen nach draußen, wo sie möglicherweise einen Sonnenbrand bekommen.
-
Kausalität liegt vor, wenn genau das passiert: Eine Veränderung einer Variable verursacht direkt eine Veränderung der anderen. Es besteht also ein klarer Ursache-Wirkung-Zusammenhang.
➡️ Beispiel:
Bei schönem Wetter gehen mehr Menschen ins Freibad. Die Anzahl der Freibadbesucher hängt also direkt mit dem Wetter zusammen.
Merke: Nur weil zwei Dinge gemeinsam auftreten, heißt das nicht, dass das eine die Ursache des anderen ist.
Korrelation und Kausalität — Deutungsfehler
Wenn zwei Variablen gemeinsam auftreten, heißt das nicht unbedingt, dass eine die Ursache der anderen ist. Das führt oft zu Missverständnissen. Vor allem zwei Deutungsfehler kommen dann häufig vor:
1. Das Problem der dritten Variable
Wenn zwischen zwei Variablen eine Korrelation besteht, gibt es möglicherweise eine dritte Variable, die beide beeinflusst.
➡️ Menschen, die oft Sonnenbrillen tragen, erkranken beispielsweise häufiger an Hautkrebs. Aber nicht die Brille ist das Problem — sondern die Sonne. Sie ist dafür verantwortlich, dass die UV-Belastung der Haut steigt und mehr Sonnenbrillen gebraucht werden.
Der scheinbare Zusammenhang ist also nur eine Folge der dritten Variable „Sonne“.
2. Das Richtungsproblem
Auch wenn ein Zusammenhang besteht, ist nicht immer klar, welche Variable welche beeinflusst.
➡️ Ein Beispiel ist körperliche Aktivität, die oft mit psychischem Wohlbefinden zusammenhängt. Aber führt Bewegung dazu, dass die mentale Gesundheit besser wird? Oder führt das Wohlfühlen zum Aktiv-Werden? Beide Richtungen sind möglich — die Korrelation allein sagt nichts darüber aus.
Was das für deine Forschung bedeutet
Korrelationsstudien zeigen nur, dass ein Zusammenhang besteht — nicht, warum er besteht oder in welche Richtung er wirkt. Wenn du Kausalität untersuchen willst, brauchst du ein durchdachtes experimentelles Design.
Kausalität richtig erforschen
Um Kausalität in der Forschung nachzuweisen, brauchst du vor allem kontrollierte Experimente:
Du nimmst dir dort beispielsweise zwei Variablen und willst untersuchen, ob eine die andere beeinflusst. Dafür veränderst du gezielt eine Variable. Dann beobachtest du, wie sich die andere verändert. Dabei schließt du andere Einflussfaktoren aus.
➡️ Du willst zum Beispiel untersuchen, ob die Bildschirmzeit das Schlafverhalten beeinflusst. In einem Experiment erhält eine Gruppe klare Vorgaben zur Bildschirmnutzung vor dem Schlafen. Eine Kontrollgruppe bekommt keine Einschränkungen.
Wenn sich die Schlafqualität zwischen den Gruppen unterscheidet, spricht das für einen kausalen Effekt — unter der Voraussetzung, dass alle anderen Bedingungen konstant gehalten wurden.
Ein wichtiges Werkzeug ist dabei die Randomisierung: Du wählst möglichst zufällig Probanden für deine Untersuchung. So versuchst du, potenzielle Störfaktoren wie Alter, Stresslevel oder Tagesablauf gleichmäßig auf die Gruppen zu verteilen.
Auch Kontrollgruppen spielen eine wichtige Rolle. Indem du einige Probanden bewusst nicht der Variable aussetzt, kannst du Zufälle oder die Wirkung anderer Einflüsse ausschließen. Erst wenn du beide Hypothesen getrennt untersuchst, kannst du eine verlässliche Aussage zur Kausalität treffen.
Korrelation und Kausalität — häufigste Fragen
-
Was ist ein kausaler Zusammenhang? Ein kausaler Zusammenhang ist eine Ursache-Wirkungs-Beziehung, bei der die Veränderung einer Variable eine Veränderung in einer anderen auslöst.
-
Wie unterscheiden sich Korrelation und Kausalität? Kausalität bedeutet, dass eine Variable eine andere direkt beeinflusst. Korrelation zeigt nur einen Zusammenhang zwischen zwei Variablen, der muss aber nicht kausal sein.
-
Warum impliziert Korrelation keine Kausalität? Korrelation impliziert aus zwei Gründen oft keine Kausalität. Einerseits kann das Problem der dritten Variable auftreten — eine zusätzliche Variable, die es aussehen lässt, als gäbe es einen kausalen Zusammenhang. Andererseits ist ein Richtungsproblem möglich: Wenn zwei Variablen zusammenhängen, lässt sich dann nicht feststellen, welche Variable die andere beeinflusst.
-
Bedeutet Korrelation nicht Kausalität? Korrelation bedeutet nicht Kausalität: Kausalität heißt, dass eine Variable eine andere verursacht. Bei einer Korrelation sind zwei Ereignisse zwar miteinander verbunden, aber es liegt keine Kausalität vor. Es hat also nicht eine Variable, die die andere beeinflusst.
Korrelationskoeffizient
Um Korrelationen besser einordnen zu können, lohnt sich ein Blick auf den Korrelationskoeffizienten. Was er aussagt und wie du ihn berechnest, erfährst du hier!