Um den vollen Funktionsumfang dieser Webseite zu erfahren, benötigen Sie JavaScript. Hier finden Sie die Anleitung wie Sie JavaScript in Ihrem Browser einschalten.

partielle Korrelation


Die partielle Korrelation wird berechnet, wenn man den Zusammenhang zwischen zwei Variablen beschreiben will und dabei den Einfluss einer dritten Variable herausrechnen will, d. h., man kontrolliert die dritte Variable. Diese dritte Variable wird daher auch Kontrollvariable oder Störvariable genannt. Kontrollvariablen sind in der experimentellen Psychologie also jene Variablen, die konstant gehalten werden, um einen zusätzlichen Einfluss auf die abhängige Variable zu vermeiden, wie etwa Alter, Tageszeit oder kulturelle Einflüsse. Werden aber in einr Untersuchung zu viele Einflüsse kontrolliert, wird die Generalisierbarkeit der Forschungsergebnisse oft äußerst eingeschränkt, insbesondere, wenn die Effektstärken sehr gering sind und die Signifikanz nur auf Grund der großen Anzahl von Daten zustandekommt. Eine partielle Korrelation setzt lineare Zusammenhänge zwischen den Variablen sowie Normalverteilung der Residuen voraus.

In vielen Untersuchungen kann man nur nachträglich Vermutungen über wirksame Moderatorvariablen anstellen, da diese in den seltensten Fällen schon bei der Planung der Untersuchung berücksichtigt worden sind. So täuschen etwa in den PISA-Studien zahlreiche Merkmale des sozialen Hintergrundes Zusammenhänge in den Ergebnissen vor, die nicht oder nicht in dem Ausmaß bestehen, wie es die Zahlen nahelegen würden. Solche Moderatorvariablen können auch mit statistischen Methoden nicht immer in den Griff bekommen werden. Siehe dazu PISA – die wahren Ursachen guter und schlechter Ergebnisse

Klassisches Beispiel: In einer Studie wurde für verschiedene Regionen untersucht, wie viele Störche dort zu Hause sind und wie hoch die Geburtenrate ist, wobei sich eine signifikante positive Korrelation zwischen der Anzahl der Störche und der Anzahl der Babys zeigte. Das heißt, je mehr Störche eine Region hat, umso mehr Babys gibt es dort, doch bedeutet das nicht, dass der Storch die Babys bringt, was ein typisches Beispiel dafür ist, dass Korrelationen keine Kausalität bedeuten. In diesem Fall ist eine dritte Variable für diesen scheinbaren Zusammenhang verantwortlich, und zwar die Industrialisierung, denn die Regionen, die stark industrialisiert sind, haben weniger Störche, da es sich um eher städtische Regionen handelt. Aus dem gleichen Grund haben sie auch weniger Babys, da Familien sich eher im ländlichen Bereich ansiedeln. Berechnet man die partielle Korrelation des Vorkommens der Störche und der Geburtenrate und kontrolliert dabei die Variable Industrialisierung, so stellt man keine signifikante Korrelation mehr fest. Der eigentliche Zusammenhang zwischen der Industrialisierung und der Geburtenrate und zwischen der Industrialisierung und der Anzahl der Störche besteht und nicht zwischen der Anzahl der Babys und der Anzahl der Störche.

Literatur

https://statistik-und-beratung.de/2013/05/von-storchen-und-babys-die-partielle-korrelation/ (16-09-18)


Weitere Seiten zum Thema

Falls Sie in diesem Beitrag nicht fündig geworden sind, können Sie mit der folgenden Suche weiter recherchieren:



Sorry, comments for this entry are closed at this time.

Diese Seiten sind Bestandteil der Domain www.stangl.eu



© Werner Stangl Linz 2019