Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!

Eine dem Betrag nach hohe (signifikante) Korrelation darf nicht kausal (d.h. im Sinne einer „wenn – dann“ Beziehung) interpretiert werden, weil unklar ist was zutrifft:
(1) X beeinflusst Y kausal,
(2) Y beeinflusst X kausal,
(3) X und Y werden von einer dritten oder mehreren weiteren Variablen kausal beeinflusst,
(4) X und Y beeinflussen sich wechselseitig kausal.


Bortz (1989, S.288):
Eine Korrelation zwischen zwei Variablen ist eine notwendige, aber keine hinreichende Voraussetzung für kausale Abhängigkeiten.
Korrelationen sind deshalb nur als Koinzidenzen zu interpretieren; sie liefern jedoch Hinweise für mögliche kausale Beziehungen, die dann in sorgfältig kontrollierten Experimenten überprüft werden können.

Bei einer korrelationsstatistischen Überprüfung von Zusammenhangshypothsen ist es besonders wichtig, dass die Stichprobe tatsächlich die gesamte Population repräsentiert, für die das Untersuchungsergebnis gelten soll. Ist das nicht der Fall, kann es zu drastischen Verzerrungen der Korelation kommen und damit zu falschen Schlussfolgerungen (Korrelationen sind "stichprobenabhängig").

Beispiel: „wahre“ Korrelation zwischen Schulleistung und Intelligenz (bzw. IQ) beträgt in der Population alles Schüler ρ (sprich: „rho“) = 0.71 [griechischer Buchstabe für Populationsschätzer]
Die Abbildungen zeigen, wie sich dieser "wahre" Zusammenhang bei Stichprobenselektion ändern kann: